Predição de emissões de óxido nitroso em solos cultivados com cana-de-açúcar utilizando modelos de aprendizado de máquina

Abstract

O óxido nitroso (N2O) é um relevante gás de efeito estufa, com cerca de 60% de suas emissões associadas a atividades agrícolas. Seus fluxos no solo são influenciados por fatores como aplicação de fertilizantes nitrogenados, disponibilidade de nitrogênio, preparo do solo, temperatura, pH e umidade, que interagem de forma não linear. Modelos preditivos baseados em aprendizado de máquina podem contribuir para estimar essas emissões, melhorar a compreensão do fenômeno e apoiar estratégias de mitigação.Este estudo aplicou técnicas de aprendizado de máquina para estimar fluxos de N2O em cultivo de cana-de-açúcar sob diferentes regimes de irrigação, comparando os resultados com análises convencionais. O algoritmo Random Forest apresentou desempenho superior,com coeficiente de determinação (R2) de 87,36%. Os resultados evidenciam a dificuldade de predição em cenários com pequenos volumes de dados, dada a distribuição da variável estudada. Os modelos utilizados apresentam-se como uma alternativa viável aos métodos clássicos, permitindo uma análise mais abrangente dos dados. Além disso, o comportamento observado alinha-se à literatura existente, o que corrobora os achados deste estudo