Algoritmos de aprendizado de máquina para prever as culturas mais suscetíveis à ocorrência de plantas daninhas em sistemas de integração de lavoura-pecuária

Resumo

O objetivo deste trabalho foi investigar o uso de algoritmos de aprendizado de máquina para prever as culturas mais suscetíveis à ocorrência de plantas daninhas em sistemas de integração de lavoura-pecuária, com base em fatores ambientais de clima, solo e sistemas de cultivo para estabelecer correlações entre esses elementos e a incidência de plantas invasoras. Três conjuntos de dados foram utilizados para esse propósito: o primeiro forneceu informações quantitativas sobre as espécies invasoras, o segundo continha dados sobre o solo e o último possuía registros do clima da região. Os algoritmos utilizados foram Support Vector Machine, Decision Tree, Random Forest e K-Nearest Neighbors. A aplicação de algoritmos de aprendizado de máquina para prever a suscetibilidade das culturas à emergência de plantas daninhas é tecnicamente viável e eficaz. Os algoritmos Decision Tree e Random Forest demonstraram o melhor desempenho, com ambos os modelos atingindo 99% de acurácia. Relações robustas foram estabelecidas entre os fatores ambientais (clima, solo e plantio) e o surgimento de espécies invasoras em determinadas culturas. Os algoritmos reproduziram com sucesso os padrões de emergência de plantas daninhas observados em condições de campo.