Comparação de modelos perceptron multicamadas na estimava da evapotranspiração de referência

Autores

  • Roberto Luís da Silva Carvalho Instituto Federal Fluminense (IFF). Bom Jesus do Itabapoana, Rio de Janeiro, Brasil https://orcid.org/0000-0001-7108-254X
  • Angel Ramon Sanchez Delgado Universidade Federal Rural do Rio de Janeiro (UFRRJ). Seropédica, Rio de Janeiro, Brasil

DOI:

https://doi.org/10.46921/rict2022-1213

Palavras-chave:

Penman-Monteith-FAO, Séries temporais, Modelagem

Resumo

O estudo teve como objetivo modelar por redes neurais artificiais perceptron multicamadas (RNA-MLP) a evapotranspiração de referência , em função das variáveis climáticas para o município de Ariquemes – RO. Para a caracterização das séries temporais das temperaturas do ar (médias, máximas e mínimas), umidade do ar e precipitação pluviométrica foram utilizados os dados disponíveis no Instituto Nacional de Meteorologia - INMET, obtidos na estação meteorológica automática de Ariquemes/RO, no período de janeiro de 2011 até dezembro de 2013. Os dados da evapotranspiração utilizados foram calculados seguindo o modelo Penman-Monteith-FAO. Dentre os resultados, observou-se que a utilização de modelos RNA-MLP com variáveis de mais simples obtenção, entre elas a precipitação chuvosa, temperatura do ar e umidade foram satisfatórias para estimar a , pois foram consideradas como “muito boas” no índice de concordância.

Referências

ALLEN, R. G.; PEREIRA, L. S.; RAES, D.; SMITH, M. Crop evapotranspiration: guidelines for computing crop water requirements. Rome: FAO, 1998. 300 p. (Irrigation and Drainage Paper, 56).

ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.; GONÇALVEZ, J. L. M.; SPAROVEK, G. Köppen´s climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, n. 6, p. 711-728, 2014.

ALVES SOBRINHO, T.; RODRIGUES, D. B. B.; OLIVEIRA, P. T. S.; REBUCCI, L. C. S.; PERTUSSATTI, C. A. Estimativa da evapotranspiração de referência através de redes neurais artificiais. Revista Brasileira de Meteorologia, v. 26, n. 2, p. 197-203, 2011.

ARAUJO, G. L.; REIS, E. F.; MOREIRA, G. R. Correlações entre variáveis climatológicas e seus efeitos sobre a evapotranspiração de referência. Revista Brasileira de Agricultura Irrigada, v. 5, n. 2, p. 96–104, 2011.

CAMARGO, A. P; SENTELHAS, P. C. Avaliação do desempenho de diferentes métodos de estimativas da evapotranspiração potencial no Estado de São Paulo, Brasil. Revista Brasileira de Agrometeorologia, v. 5, n. 1, p. 8997, 1997.

CARVALHO, L. G.; RIOS, G. F. A.; MIRANDA, W. L.; CASTRO NETO, P. Evapotranspiração de referência: uma abordagem atual de diferentes métodos de estimativa. Pesquisa Agropecuária Tropical, v. 41, n. 3, p. 456-465, 2011.

CARVALHO, R. L. S.; DELGADO, A. R. S. Estimativas da evapotranspiração de referência do município de Ariquemes (RO) utilizando os métodos Penman-Monteith-FAO e Hargreaves-Samani. Revista Brasileira de Agricultura Irrigada, v. 10, n. 6, p. 1038 - 1048, 2016.

CARVALHO, R. L. S.; NASCIMENTO, B. I. S.; QUERINO, C. A. S.; SILVA, M. J. G.; DELGADO, A. R. S. Comportamento das séries temporais de temperatura do ar, umidade e precipitação pluviométrica no município de Ariquemes (Rondônia-Brasil). Revista Brasileira de Climatologia, v. 18, n. 12, p. 123-142, 2016.

COHEN, J. Statistical power analysis for the behavioral sciences. New Jersey: Lawrence Erlbaum, 1988. 569p.

CONCEIÇÃO, M. A. F.; MARIN, F. R. Efeito de variáveis meteorológicas sobre a evapotranspiração de referência em uma região de clima tropical úmido do Brasil. In: REUNIÓN ARGENTINA Y LATINOAMERICANA DE AGROMETEOROLOGIA, 10., 2004, Mar del Plata, Argentina. Anais.... Mar del Plata, Argentina: AADA, 2004. Disponível em: <http://ainfo.cnptia.embrapa.br/digital/bitstream/item/120322/1/1006.pdf>. Acesso em: 18 dez. 2017.

COUTINHO, E. R.; SILVA, R. M.; DELGADO, A. R. S. Utilização de técnicas de inteligência computacional na predição de dados meteorológicos. Revista Brasileira de Meteorologia, v. 31, n. 1, p. 24-36, 2016.

DOORENBOS, J.; PRUITT, W. O. Guidelines for predicting crop water requirements. Rome: FAO, 179p. 1977. (FAO: Irrigation and Drainage Paper, 24).

DOU, X.; YANG, Y. Modeling evapotranspiration response to climatic forcings using data-driven techniques in grassland ecosystems. Advances in Meteorology, v.1, p. 1-18. 2018. https://doi. org/10.1155/2018/1824317.

FARIA, J. C.; GROSJEAN, P.; JELIHOVSCHI, E. G.; PIETROBON, R. FARIAS, P. S.; KRAMER, P. A. R.; LIMA, S. P. Tinn-R GUI/Editor for R Enviroment. 2016. Disponível em: <https://tinn-r.org/pt/>. Acesso em: 01 nov. 2016.

FERRAZ, R. C. Estimativa de evapotranspiração de referência utilizando redes neurais artificiais para o estado do Rio Grande do Sul. Revista Tecnológica, v. 23, n. 1, p. 25-31, 2014.

FRITSCH, S.; GUENTHER, F. Neuralnet: training of neural network s. 2016. R package version 1.33. Disponível em: <https://CRAN.R-project.org/package=neuralnet>. Acesso em: 16 jul. 2018.

HAYKIN, S. Redes neurais: princípios e prática. Tradução: Paulo Martins Engel. 2.ed. Porto Alegre: Bookman, 2001.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Diretoria de Pesquisas, Coordenação de População e Indicadores Sociais. Estimativas da população residente no Brasil e unidades da federação com data de referência em 1º de julho de 2017. 2017. Disponível em: ftp://ftp.ibge.gov.br/Estimativas_de_Populacao/Estimativas_2017/estimativa _2017_TCU.pdf. Acesso em: 14 nov. 2017.

KOVACS, Z. L. Redes neurais artificiais: fundamentos e aplicações. 4.ed. São Paulo: Livraria da Física, 2002. 174p.

KWIATKOWSKI, D.; PHILLIPS, P. C. B.; SCHMIDT, P.; SHIN, Y. Testing the null hypothesis of stationarity against the alternative of a Unit Root. Journal of Econometrics, v. 54, p. 159 -178, 1992.

MASSAD, E. Modelos matemáticos em biomedicina. In: MASSAD, E., MENEZES, R. X.; SILVEIRA, P. S. P.; ORTEGA, N. R. S. (Org.). Métodos quantitativos em medicina. Barueri: Manole, 2004.

MENDONÇA, J. C.; SOUSA, E. F.; BERNARDO, S.; DIAS, G. P.; GRIPPA, S. Comparação entre métodos de estimativa da evapotranspiração de referência (ETo) na região Norte Fluminense, RJ. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 7, n. 2, p. 275-279, 2003.

MONTGOMERY, D. C.; RUNGER, G. C. Estatística aplicada e probabilidade para engenheiros. Tradução: Verônica Calado. 4.ed. Rio de Janeiro: LTC, 2009.

MURTGATH, F. Neural networks and related "massively parallel" methods for statistics: a short review. International Statistical Review, v. 62, n. 3, p. 275-88, 1994.

PEIXOTO, T. D. C.; LEVIEN, S. L. A.; BEZERRA, A. H. F.; SOBRINHO, J. E. Evapotranspiração de referência utilizando métodos de tanque classe A propostos pela FAO, na região de Mossoró, RN. Enciclopédia Biosfera, v.6, n. 11, p. 1-7, 2010.

PHILLIPS, P. C. B.; PERRON, P. Testing for a Unit Root in time series regression. Biometrika, v. 75, n.2, p. 335-346, 1988.

R CORE TEAM. R: a language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, 2016. Disponível em: <https://www.R-project.org/>. Acesso em: 01 nov. 2016.

TANAKA, A. A.; SOUZA, A. P.; KLAR, A. E.; SILVA, A. C.; GOMES, A. W. A. Evapotranspiração de referência estimada por modelos simplificados para o Estado do Mato Grosso. Pesquisa Agropecuária Brasileira, v. 51, n. 2, p. 91-104, 2016.

TESTEZLAF, R. Irrigação: métodos, sistemas e aplicações. Campinas, SP: Faculdade de Engenharia Agrícola/UNICAMP, 2011. 203p.

VENABLES, W. N.; RIPLEY, B. D. Modern applied statistics with S. 4.ed. New York: Springer, 2002.

WILKS, D. S. Statistical methods in the atmospheric sciences. 2ed. Amsterdam: Elsevier, 2006. 627p.

WILLMOTT, C. J.; ACKLESON, S. G.; DAVIS, R. E.; FEDDEMA, J. J.; KLINK, K. M.; LEGATES, D. R.; O´DONNELL, J.; ROWE, C. M. Statistics for the evaluation and comparison for models. Journal of Geophysical Research, v. 90, n.5, p. 8995-9005, 1985.

ZAMBRANO-BIGIARINI, M. HydroGOF: goodness-of-fit functions for comparison of simulated and observed hydrological time series. 2017. (R package version 0.3-10.). Disponível em: < http://hzambran.github.io>. Acesso em 16 jul. 2018.

Downloads

Publicado

17-03-2022

Como Citar

Carvalho, R. L. da S., & Delgado, A. R. S. (2022). Comparação de modelos perceptron multicamadas na estimava da evapotranspiração de referência. Revista Inova Ciência & Tecnologia / Innovative Science & Technology Journal, 8, e0221213. https://doi.org/10.46921/rict2022-1213

Edição

Seção

Ciências Exatas e da Terra - Ciência da Computação