Efeito de extratos vegetais em sementes de Leucaena leucocephala (Lam.) de Wit: uma abordagem multivariada e de aprendizado de máquina para um problema global

Descrição

Espécies invasoras e exóticas alteram o ecossistema e populações nativas, com impactos irreversíveis, na maioria das vezes. É o caso da leguminosa Leucaena leucocephala (Lam) de Wit., popularmente conhecida como leucena, e classificada na lista de 100 piores espécies invasoras do mundo. Esforços para controlar a propagação desordenada dessa espécie são considerados, de modo que não seja agressivo ao meio ambiente, e uma estratégia eficiente é o uso de extratos vegetais. Os gêneros Eucalyptus, Schinus e Copaifera são amplamente conhecidos pelo potencial alelopático através do óleo essencial e pelo extrato pirolenhoso como bioherbicida, porém, poucos estudos são realizados para verificar a influência desses extratos na germinação de espécies invasoras, como a leucena. Ao buscar alternativas naturais para o controle de espécie exóticas nocivas aos ecossistemas naturais, a pesquisa promove uma tecnologia ecologicamente sustentável e economicamente viável, além de práticas florestais mais eficientes e sustentáveis, alinhando-se aos Objetivos de Desenvolvimento Sustentável (ODS) propostos pela Organização das Nações Unidas. Dessa forma, o objetivo deste trabalho será avaliar a atividade alelopática de extratos vegetais de Eucalyptus staigeriana, Eucalyptus citriodora, Eucalyptus globulus, Schinus terebinthifolius, Copaifera officinalis e extrato pirolenhoso no potencial fisiológico de L. leucocephala. Os óleos essenciais serão testados nas concentrações de 0,2; 0,4; 0,6; 0,8; 1,0 e 1,2% (v v−1) enquanto o extrato pirolenhoso será diluído a 1:100 (v v−1) utilizando as mesmas concentrações de óleos essenciais com o controle (0%) imerso apenas em água destilada. As análises estatísticas serão aplicadas através da análise dos componentes principais (PCA) no software Past 4.03 e em em Python 3.11. Adicionalmente, será aplicada a técnica de classificação Random Forest para prever o grau de inibição da germinação (alto ou baixo), utilizando 75% dos dados para treinamento e 25% para teste.