RESUMO O uso de inteligência artificial pode representar uma estratégia eficiente de simulação e otimização de processos importantes na agricultura. O objetivo deste estudo é propor o uso de inteligência artificial via redes neurais artificiais e algoritmos genéticos, respectivamente, na simulação da produtividade de grãos de aveia (Avena sativa) e na otimização da densidade de semeadura, nos principais sistemas de sucessão do sul do Brasil. O estudo foi conduzido em blocos ao acaso com quatro repetições em esquema fatorial 4 x 2, para as densidades de semeadura (100, 300, 600 e 900 sementes m-2) e cultivares de aveia (Brisasul e URS Taura), nos sistemas de sucessão milho/aveia e soja/aveia. Implementou-se uma rede neural artificial de múltiplas camadas e um algoritmo genético, em linguagem de programação Java, e comparou-se os resultados obtidos desta implementação com análises tradicionais de regressão polinomial. O uso de inteligência artificial via redes neurais artificiais e algoritmos genéticos permite simular com eficiência a produtividade de grãos de aveia e melhor otimização da densidade de semeadura na comparação com regressão polinomial, considerando os principais sistemas de sucessão no sul do Brasil.

ABSTRACT Artificial intelligence may represent an efficient strategy for simulation and optimization of important processes in agriculture. The main goal of the study is to propose the use of artificial intelligence, namely artificial neural networks and genetic algorithms, respectively, in the simulation of oat grain yield and optimization of seeding density, considering the main succession systems of southern Brazil. The study was conducted in a randomized complete block design with four replicates, following a 4 x 2 factorial scheme, for seeding densities (100, 300, 600 and 900 seeds m-2) and oat cultivars (Brisasul and URS Taura), in succession systems of corn/oats and soybean/oats. A multi-layered artificial neural network and a genetic algorithm were implemented in Java programming language, and the results obtained from this implementation were compared with traditional polynomial regression. The use of artificial intelligence through neural networks and genetic algorithms allows the efficient simulation of oat grain yield and better optimization of seeding density in comparison to polynomial regression, considering the main succession systems in southern Brazil.

RESUMO A simulação do ciclo de desenvolvimento da aveia pode ser utilizada no planejamento de práticas agrícolas. Objetivou-se simular e validar a duração do ciclo de desenvolvimento da aveia por intermédio de fotoperíodo, temperatura e coeficientes de desenvolvimento do trigo para uso no modelo WE-Streck, considerando diferentes doses de N-fertilizante e sistemas de sucessão de alta e reduzida relação C/N. O estudo foi conduzido em 2015, em delineamento de blocos casualizados com 4 repetições em esquema fatorial 4 x 2 para doses de nitrogênio (0, 30, 60 e 120 kg ha-1) e cultivares de aveia (Barbarasul e Brisasul), respectivamente, no sistema soja/aveia e milho/aveia. No modelo WE-Streck foi simulada a duração das fases emergência à antese e antese à maturação da aveia. As temperaturas mínima, ótima e máxima que simulam com eficiência o ciclo de desenvolvimento da aveia da emergência à antese, foram 4, 22 e 30 °C, respectivamente e da antese à maturação 15, 25 e 35 °C, respectivamente. A simulação do desenvolvimento da aveia de ciclo médio pelo modelo WE-Streck foi eficiente usando coeficientes desenvolvidos para o trigo, com ciclo vegetativo e reprodutivo estimado em 89 e 43 dias, respectivamente.

ABSTRACT The simulation of oat development cycle can be used in the planning of agricultural practices. The aim of the study was to simulate and validate the duration of oat development cycle by photoperiod, temperature and coefficients of development of wheat for use in the WE-Streck model, considering different doses of N-fertilizer and systems of succession of high and low C/N ratio. The study was conducted in 2015 in a randomized block design with four replicates in a 4 x 2 factorial scheme, corresponding to N rates (0, 30, 60 and 120 kg ha-1) and oat cultivars (Barbarasul and Brisasul), respectively, in the soybean/oat and maize/oat systems. The duration of the stages from emergence to anthesis and from anthesis to maturation of oats was simulated in the WE-Streck model. The minimum, optimum and maximum temperatures that effectively simulate the oat development cycle were 4, 22 and 30 °C from emergence to anthesis and 15, 25 and 35 °C from anthesis to maturation, respectively. The intermediate-cycle oat development was efficiently simulated by the WE-Streck model using coefficients developed for wheat, with vegetative and reproductive cycles estimated at 89 and 43 days, respectively.