REDES NEURAIS ARTIFICIAIS PARA ESTIMAR A SORÇÃO E DESSORÇÃO DO HERBICIDA LINURON EM SOLOS DO BRASIL
Controle químico, capacidade preditiva, recomendação, comportamento de herbicida.
A escolha da dose de herbicida utilizada em pré-emergência para o controle de plantas daninhas em cultivos no Brasil tem sido realizada com base em recomendações de bula que, normalmente, não considera todos os atributos do solo para a tomada de decisão. O uso de modelos estatísticos baseados na capacidade de retenção de herbicidas pelos solos poderá ser importante ferramenta para e determinação da dose que propicie maior eficiência do controle de plantas daninhas aliado ao menor custo. Neste estudo foi avaliado o potencial de redes neurais artificiais para prever a sorção e dessorção do herbicida linuron em diferentes solos brasileiros. Os coeficientes de sorção e dessorção do herbicida foram determinados em laboratório em ensaios com 45 solos. Modelos de RNAs, perceptron multicamadas (MLP), forram construídas para predição da sorção e dessorção do herbicida linuron em diferentes solos. As entradas das redes foram pH, matéria orgânica (MO), argila, capacidade de troca catiônica (CTC) e saturação de bases (V), e as saídas os coeficientes de sorção (Kfs e Qmax) e dessorção (Kfs). Aplicou-se o método de validação cruzada na rede, e o desempenho do modelo foi avaliado pelo coeficiente de determinação (R2), erro relativo absoluto médio (RMSE), erro absoluto médio (MAE), o erro médio de estimativa (MBE) e o coeficiente de correlação de Pearson (r). Os modelos de redes neurais artificiais foram capazes de predizer a sorção e dessorção do herbicida linuron no solo. As variáveis de entrada que determinaram a rede de melhor desempenho para predição de Kfs e Kfd forma as mesmas, sendo pH, MO, CTC e argila, e para predição de Qmax as variáveis foram pH, MO e argila. As variáveis que apresentaram maior importância na construção do modelo para o coeficiente de sorção Kfs foram CTC (40%) e MO (36%), o que está em consonância com o comportamento do herbicida linuron no solo, onde esses atributos contribuem significativamente nos processos de sorção. A MO também é uma variável com importância elevada (79%) para predição coeficiente de sorção Qmax. Para a predição de Kfd, o pH teve importância relativa de 93%, sendo que, devido a maioria dos solos usados no trabalho apresentarem pH próximo a 6,0, as moléculas sorvidas ao solo tendem a retornarem facilmente para o meio aquoso. Conclui-se que é possível utilizar redes neurais artificiais para predizer a sorção e dessorção do herbicida linuron no solo fornecendo a rede informações dos atributos do solo.