Banca de QUALIFICAÇÃO: HAMURÁBI ANIZIO LINS

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : HAMURÁBI ANIZIO LINS
DATA : 19/12/2022
HORA: 14:00
LOCAL: Auditório do PPGFITO
TÍTULO:

USO DE INTELIGÊNCIA ARTIFICIAL PARA
RECOMENDAÇÃO DO CLOMAZONE APLICADO EM PRÉ-EMERGÊNCIA 

REDES NEURAIS ARTIFICIAIS
PARA PREDIÇÃO DO COEFICIENTE DE SORÇÃO DO S-METOLOCHLOR: UMA ALTERNATIVA PARA
REDUZIR RISCOS AMBIENTAIS E AUMENTAR A EFICIÊNCIA DE HERBICIDAS NO CONTROLE DE
PLANTAS DANINHAS.

PALAVRAS-CHAVES:

Capítulo 1 - RNAs. Feature selection. Pré-emergente. Modelagem. Dinâmica de herbicidas no solo.

 

Capítulo 2 - Triagem preditiva; Aprendizagem de máquinas; Agricultura 4.0.

PÁGINAS: 64
RESUMO:

CAPÍTULO 1 - O uso de herbicidas tem sido realizado sem considerar os atributos físicos e químicos do solo e sua variação nas diferentes regiões produtoras. Sua interação é dependente das propriedades do solo e do próprio herbicida e, por isso, é considerada complexa. Uma alternativa para otimizar o uso de herbicidas é a aplicação de modelos matemáticos para estimar a sorção no solo, contribuindo no controle mais eficiente das plantas daninhas e trazendo mais segurança ambiental. Neste estudo avaliou-se a eficiência de Redes Neurais Artificiais (RNAs) como ferramenta para prever a sorção do clomazone em diferentes solos brasileiros. Os coeficientes de sorção do herbicida foram determinados em laboratório com 45 solos de diferentes estados brasileiros. Modelos de RNAs perceptron multicamadas (MLP) foram utilizados para predição da sorção do clomazone. As variáveis foram selecionadas utilizando a ferramenta de feature selection utilizando as características físicas e químicas dos solos. Foi realizada estatística multivariada para determinar as correlações entre os atributos físicos e químicos do solo com o coeficiente de sorção. As entradas das RNAs, foram: potássio (K), fosfóro (P), magnésio (Mg), matéria orgânica (MO), silte, argila e capacidade de troca de cátions (CTC). A saída, foi: coeficiente de sorção (Kfs). O desempenho geral do modelo foi avaliado por seus valores de precisão e erro, sendo eles: coeficiente de determinação (R²), erro relativo absoluto médio (RMSE), erro absoluto médio (MAE), erro médio de estimativa (MBE) e o coeficiente de correlação de Pearson (r). Os modelos das RNAs foram capazes de predizer o Kfs do clomazone nos solos estudados. As variáveis de entrada que determinaram a rede de melhor desempenho para predição do Kfs, foram: CTC, Silte, Mg e K. As variáveis que apresentaram maior importância relativa na análise de sensibilidade na construção do modelo para o Kfs do clomazone, foram:  K (37%) e Silte (29%). Os modelos de RNAs foram capazes de recomendar a reduzir em 20% a dose em L/ha do clomazone comparado ao método via bula comercial.

 

 

CAPÍTULO 2 - Os coeficientes de sorção de herbicidas estão diretamente correlacionados com as propriedades do solo. Assim, a modelagem matemática preditiva desses coeficientes a partir de atributos do solo poderia viabilizar o uso do coeficiente de retenção, tanto para determinação do risco de contaminação ambiental quanto para recomendação de herbicidas pré-emergentes. Desta maneira, os objetivos do trabalho foram: i) Selecionar possíveis variáveis preditoras para compor redes neurais artificiais (RNAs) capazes de estimar o coeficiente de sorção do s-metolachlor nos solos; ii) avaliar o desempenho de RNAs para predizer o coenficiente de sorção do s-metolachlor nos solos; iii) avaliar quais os atributos do solo possuem maior importância para predição dos coeficientes de sorção do s-metolachlor a partir de RNAs. As RNAs foram capazes de estimar a capacidade de sorção do s-metolachlor nos solos estudados. Quando selecionado as variáveis representativas e estruturas adequadas, as RNAs atingem altos valores de precisão e acurácia para determinar o valor estimado de K_fs do s-metolachlor no solo. O processo de seleção de variáveis por triagem preditiva baseada no método bootstrap forest partitioning para compor as entradas das RNAs é uma etapa crucial para obter modelos bem treinados e com alta capacidade de generalização durante a fase de teste. A triagem preditiva evidencia que alguns atributos muitas vezes não correlacionados com a sorção de herbicidas em solos podem auxiliar na predição do K_fs. Os resultados desse trabalho demostram que existe, teoricamente, uma alternativa capaz de otimizar o uso do s-metolachlor no solo, garantindo eficiência e menor risco de contaminação ambiental. As próximas etapas para a ciência envolvendo a temática desse estudo devem focar em ensaios biológicos em ambientes controlados e a campo par aprovar a eficiência do método proposto para recomendação agronômica do s-metolachlor.

MEMBROS DA BANCA:
Externo ao Programa - 013.598.034-83 - BRUNO CAIO CHAVES FERNANDES - UFERSA
Presidente - 2213033 - DANIEL VALADAO SILVA
Externo à Instituição - MATHEUS DE FREITAS SOUZA - UNIRV
Externo ao Programa - 2578617 - STEFESON BEZERRA DE MELO
Externa à Instituição - TALIANE MARIA DA SILVA TEÓFILO - UFV