Redes neurais artificiais e algoritmo genético na simulação do acamamento de plantas e da produtividade e qualidade de grãos de aveia com otimização das doses de nitrogênio e regulador de crescimento

Abstract

Modelos matemáticos voltados a simulação em sistemas complexos que consideram as interações entre efeitos não lineares e as variáveis controladas, estão sendo cada vez mais utilizados na tomada de decisão quanto ao manejo de safras agrícolas. Neste contexto, destaca-se o manejo do nitrogênio e do regulador de crescimento em aveia, onde o nitrogênio é o nutriente mais absorvido, com reflexos diretos sobre o aumento da produtividade e acamamento, enquanto que o regulador obstrui a biossíntese do ácido giberélico, tornando a planta mais apta e responsiva a receber estímulos ambientais e de insumos, possibilitando incremento da produtividade com garantia de qualidade industrial dos grãos. Neste sentido, surge a necessidade da otimização das doses combinadas de nitrogênio e regulador de crescimento, voltadas ao incremento da produtividade com reduzida ocorrência de acamamento. Técnicas de simulação e otimização que consideram de modo simultâneo as variáveis do manejo e da planta, atreladas a não linearidade dos elementos meteorológicos, podem contribuir para o desenvolvimento de modelos eficientes de previsibilidade de safras agrícolas, validando a possibilidade de novas recomendações técnicas para a cultura. O objetivo do estudo é desenvolver um sistema adaptativo à previsibilidade da ocorrência de acamamento de plantas e simulação da produtividade industrial e de grãos de aveia, via redes neurais artificiais, considerando variáveis da planta, do manejo e os efeitos não lineares dos elementos meteorológicos. Além disso, com o uso de algoritmos genéticos, otimizar as doses de uso combinado do nitrogênio e regulador, voltadas a maximização da produtividade da aveia com reduzida ocorrência de acamamento, considerando os principais sistemas de sucessão do sul do Brasil. O experimento foi realizado no Instituto Regional de Desenvolvimento Rural (IRDeR/UNIJUÍ), em Augusto Pestana, RS, nos anos de 2012 a 2018. O delineamento experimental adotado foi de blocos ao acaso com quatro repetições, em esquema fatorial 4 x 4, para os fatores doses de nitrogênio (30, 60, 90 e 120 kg ha-1) e doses de regulador de crescimento (0, 200, 400 e 600 ml ha-1), respectivamente. Os modelos de regressão expressaram com eficiência o comportamento do acamamento de plantas, da produtividade de grãos e qualidade industrial e química dos grãos de aveia em função das doses de nitrogênio e regulador de crescimento, independente da condição de ano agrícola e sistema de sucessão. A contribuição relativa juntamente com correlação e análise de trilha permitem conhecer a dinâmica do nitrogênio e do regulador de crescimento sobre os indicadores de produtividade e qualidade química dos grãos de aveia, além de desdobrar a relação do acamamento de plantas e da produtividade de grãos em efeitos diretos e indiretos sobre as variáveis de interesse. Independente do sistema de sucessão, os modelos múltiplos são eficientes para simulação do acamamento de plantas e da produtividade de grãos e industrial, considerando o efeito cumulativo dos anos de cultivo juntamente com as variáveis de manejo e os efeitos não lineares dos elementos meteorológicos. As redes neurais são ferramentas que preveem com eficiência a ocorrência de acamamento de plantas e a produtividade da aveia, considerando como variável de entrada as doses de nitrogênio e regulador, os elementos meteorológicos e a produtividade de biomassa. O algoritmo genético permite otimizar as doses combinadas de nitrogênio e regulador de crescimento, considerando a rede neural implementada como função de ativação. De modo geral, o uso combinado de nitrogênio e regulador evidencia incremento na produtividade de grãos com garantia de qualidade industrial e reduzida taxa de ocorrência de acamamento.