Redes neurais artificiais para predição da sorção do S-metolachlor e otimização do uso de herbicidas

Resumo

O uso de pesticidas no Brasil é realizado por meio de recomendações baseadas na descrição das bulas dos produtos. No caso de herbicidas aplicados em pré-emergência e que tem o solo como alvo da aplicação, as recomendações têm sido feitas com base na percepção do tipo de solo, sendo, frequentemente, classificados como leves, médios e pesados. Esse tipo de recomendação gera interpretações incorretas, visto que é subjetiva. Uma alternativa para isso seria o uso de modelagem matemática para estimar os coeficientes de sorção de herbicidas no solo a partir de propriedades do próprio solo. Desta forma, o objetivo desta pesquisa foi avaliar o potencial das Redes Neurais Artificiais (RNAs) em estimar o coeficiente de sorção do S-metolachlor em diferentes solos. O estudo de sorção (Kfs) do S-metolachlor foi realizado em laboratório utilizando 45 solos de diferentes estados brasileiros. Para prever a sorção do S-metolachlor foram utilizadas RNA’s perceptron multicamadas (MLP). As entradas utilizadas foram os atributos físicos e químicos do solo, como: pH, matéria orgânica, argila, capacidade de troca catiônica e saturação de bases. As saídas das RNAs foram o coeficiente de sorção do S-metolachlor. O modelo com melhor performance para predizer o Kfs foi com 7 entradas, pela RNA MLP 7-10-1. Essa RNA apresentou índices de desempenho com maiores valores. As RNAs demonstraram eficiência na estimativa da sorção do S-metolachlor nos solos avaliados. Ao escolher variáveis representativas e estruturas adequadas, as RNAs alcançaram elevados níveis de precisão e acurácia na estimativa dos coeficientes de sorção (Kfs) do S-metolachlor. O processo de seleção de variáveis, utilizando o método bootstrap forest partitioning para compor as entradas das RNAs, foi eficiente para obtenção de modelos bem ajustados e com boa capacidade de generalização. A análise preditiva revelou que algumas propriedades do solo, ainda que não comumente associadas à sorção de herbicidas, podem ser úteis na estimativa do Kfs. Os resultados indicam que, o uso otimizado do S-metolachlor no solo pode ser uma alternativa viável, proporcionando maior eficiência e menor risco de contaminação ambiental. Além disso, esse estudo propõe uma nova técnica de recomendação de herbicidas.