Made available in DSpace on 2015-10-06T13:03:12Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-06-12. Added 1 bitstream(s) on 2015-10-06T13:18:49Z : No. of bitstreams: 1 000849756.pdf: 428290 bytes, checksum: 03fd146bf85d856682db4cdc9bfdba66 (MD5) / O clima é o fator importante que influencia a cana-de-açúcar e seu estudo é fundamental para entender as exigências climáticas da safra. A estimativa é feita com dados históricos e representa uma condição atual, já a previsão é a estimativa feita para o futuro, ou seja, com dados disponíveis atuais simular uma condição futura. O presente trabalho teve como objetivo o desenvolvimento de modelos agro-meteorológicos regionais para fazer a previsão da produtividade em toneladas de cana por hectare (TCH) e qualidade da matéria prima em relação á total de açúcar recuperável (ATR) da cana em uma escala mensal. Foram utilizados dados climatológicos mensais (temperatura do ar, precipitação, deficiência e excesso hidricos, evapotranspiração potencial e real do solo, armazenamento de água no solo, radiação solar global) do ano anterior, para prever TCH e ATR do próximo ano por meio de regressão linear múltipla. A combinação de dados climatológica mensal foi feito buscando um menor erro médio percentual absoluto possível com valor-p inferior a 0,05, e modelos com maior antecipação possível. Dados de 12 anos da região de Jaboticabal, de um grande produtor de cana no Estado de São Paulo, foram utilizados para análise, sendo o período de 2002-2009 utilizados para calibração e 2010-2013 para validação. Observou-se que todos os modelos calibrados foram significativos e precisos, pois os maiores valores de erro médio percentual absoluto (MAPE) foram de 4,06% na previsão do TCH (C) de julho. O modelo calibrado para novembro teve a presença de variável déficit hídrico em todos os ambientes, mostrando a importância dessa variável na cultura. Modelos mensais testadas neste trabalho apresentaram desempenhos significativos em sua previsão. Por exemplo, a previsão do TCHMAI no ambiente AB (MAPE = 1,89% e R adj = 0,90), considerando um valor médio de 90,6 t ha-1 na região, o modelo erra cerca de... / The climate is the important factor of influence for sugarcane and its study is fundamental for understanding the climatic requirements of the crop. The estimate is made with historical data and is a current condition, as the forecast is the estimate made for the future, ie, with current available data simulate a future state. The present work aimed developing regional agro-meteorological models to make the yield forecasting of tons of sugarcane per hectare (TCH) and quality in relation to total recoverable sugar (ATR) of sugarcane in a monthly scale. We used monthly climatological data (air temperature, Precipitation, Water Deficiency and Surplus, Potential and Actual evapotranspiration, Soil Water Storage, Solar Global irradiation) of the previously year to forecast TCH and ATR of the next year using multiple linear regression. The combination of monthly climatological data was made searching a small mean absolute percentage error possible with p-value less than 0.05, and models with greater possible anticipation. Data of 12 years of Jaboticabal, a major sugarcane producer in the State of São Paulo, were used for analysis, being the period from 2002 to 2009 used for calibration and from 2010 to 2013 for validation. We observed that all models calibrated were significant and accurate, because the higher values of mean absolute percentage error (MAPE) were of 4.06% in the forecasting of the TCH(C) of July. The model calibrated for November had the presence of water deficit variable in every environment, showing the importance of this variable in the crop. Monthly models tested in this work showed significant performances in their forecasting's. For example, the forecast of the TCHMAY in the AB environment (MAPE = 1.89% and R2 adj = 0.90) considering an average value of 90.6 t ha-1 in the region, the model misses about 1.7 t ha-1.In this case the anticipation for forecasting TCHMAY was eight months because the last climatological ...

Made available in DSpace on 2014-06-11T19:24:43Z (GMT). No. of bitstreams: 0 Previous issue date: 2007-08-24Bitstream added on 2014-06-13T20:32:03Z : No. of bitstreams: 1 antonio_caa_me_botfca.pdf: 2765325 bytes, checksum: 280098279ffdbea961a48e5dc795f5a5 (MD5) / As medidas diárias de chuva acumulada são informações de suma importância para a agricultura como, por exemplo, na aplicação de insumos, na estimativa da irrigação ou em cálculos de balanços hídricos. As informações atualmente disponíveis sobre chuvas diárias são, no geral, provenientes de pluviômetros convencionais de operação manual. A eficiência de pluviômetros em mensurar a precipitação em uma área está diretamente relacionada à distância entre os equipamentos. A maior rede de pluviômetros em operação no Estado de São Paulo, que está sob responsabilidade do DAEE (Departamento de Águas e Energia Elétrica), disponibiliza os totais diários com vários meses de defasagem, impossibilitando a utilização imediata dessas informações. A utilização de radares meteorológicos para a quantificação de chuva está associada à eficiência de equações de conversão do sinal eletrônico do radar (Z) em chuva (R), denominada relação ZR. Utilizando dados pluviométricos diários, entre 1995 e 1999, de sete estações dispostas numa área de 1.500 km2, e comparando com dados de radar no mesmo período, foi possível estabelecer uma relação ZR probabilística visando à acumulação diária da precipitação, representativa a área delimitada. A aplicação da relação ZR ajustada à área delimitada resultou em acumulações diárias mais próximas dos resultados observados pelos dados dos pluviômetros, quando comparadas aos resultados da relação ZR atualmente em uso, nos radares da UNESP. Nas acumulações de chuva, obtidas por radar, foram aplicadas interpolações geoestatísticas, resultando na melhoria da distribuição espacial dessas acumulações. Objetivando a complementação espacial e temporal das informações de chuva acumulada atualmente disponíveis, este estudo demonstra uma metodologia apropriada para determinação... / The daily measures of accumulated rain are very important information for agriculture, for example, in the fertilezer applications, the estimate of the irrigation or calculation of water balance. Currently, the information available of daily rain is, generally, provenient form conventional rain gauges manually operated. The efficiency of rain gauges in measuring the precipitation in an area is directly related to the distance between equipment. The biggest rain gauges net operating in the State of São Paulo in under responsibility of DAEE (Department of Water and Electric Energy) which provides daily information with several months of delay, impeding the information to be used immediately. The use of meteorological radars for the quantification of rain is associated to the efficiency of conversion equations of the radar electronic sign (Z) in rain (R), known as relationship ZR. Using daily rain data between 1995 and 1999, from seven stations located in an area of 1,500 km2 and comparing whit data from the radar in the same period, it was possible do establish a ZR probabilistic relation aiming at the daily amount of precipitation, which represents the delimited area. The application of the ZR relationship adjusted to the delimited area resulted in daily accumulation closer to the results observed by the rain gauges data when compared to the results of the ZR relationship currently in use in radar operated by UNESP. In the accumulation of rain, taken by the radar, geostatistic interpolations were applied, and the results were a better spatial distribution of these accumulations. Objectifying the space and temporal complementation of currently available the accumulated rain information, this research demonstrates an appropriate methodology to determinate regional ZR relationship, based on data from rain gauges, and the application of geoestaistic interpolation... (Complete abstract click electronic access below)

Orientadores: Hilton Silveira Pinto, Maria Angela Fagnani / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-06T03:39:21Z (GMT). No. of bitstreams: 1 Coral_Gustavo_M.pdf: 7476254 bytes, checksum: 4197ca8acc653636d1f80dd90a34edf2 (MD5) Previous issue date: 2004 / Resumo: A agricultura é a atividade econômica mais afetada pelo clima. Os fenômenos meteorológicos como a temperatura, precipitação, umidade relativa, velocidade do vento, influenciam tanto na produtividade e qualidade dos produtos agrícolas, quanto nos custos de produção. Uma das ferramentas mais utilizadas para quantificar os efeitos causados pelos fenômenos meteorológicos na produtividade agrícola são os modelos agrometeorológicos. No presente trabalho foi utilizado um modelo agrometeorológico multiplicativo, que se baseia na penalização da produtividade agrícola, em decorrência de fenômenos meteorológicos desfavoráveis ao desenvolvimento da cultura, para a estimativa de safra da soja. O estudo abrangeu um total de 66 municípios nos estados de Goiás, Mato Grosso, Paraná, Rio Grande do Sul e São Paulo. Foram relacionados os municípios que possuíam área plantada de soja superior à 2000 ha, com os municípios que possuíam estações pluviométricas operando entre os anos de 1994à 2000. Utilizou-se mapas pedológicos para diferenciação dos tipos de solos predominantes em cada município, com a finalidade de se obterem informações sobre a capacidade de água disponível no solo (CAD), bem como a média histórica da evapotranspiração potencial (ETP) para o cálculo do balanço hídrico decendial e da evapotranpiração real (ETR). As épocas de semeadura selecionadas foram baseadas no Zoneamento Agroclimático da cultura da soja, elaborado pela Coordenação Nacional do Zoneamento Agrícola. As produtividades estimadas foram comparados com as produtividades reais obtidas através de dados do IBGE. O modelo apresentou correlações significativas entre as produtividades reais e as estimadas,a nível estadual. Os coeficientes de determinação para os estados de Goiás, Mato Grosso, Paraná, Rio Grande do Sul a São Paulo foram respectivamente, 0,5831; 0,6933;0,9162; 0,8504; 0,6426 / Abstract: Agriculture is the economic activity more affected by the climate. The meteorologicalphenomena like temperature, precipitation, relative humidity or wind speed have influence in the productivity and agricultural product quality, as well as in the productioncosts.One of the tools more used to quantify the effect caused for the meteorological phenomenain the agricultural productivity is the agrometeorologicalmodel. In the present work an agrometeorologicalmodel for estimate the productivity of the soybean was studied using a total of 66 cities in the states of Goiás, Mato Grosso, Paraná, Rio Grande do Sul and São Paulo. Productivity data of soybean was crossed with rainfall data of pluviometric stations observedbetweenthe years of 1994to the 2000. It was also used pedological maps for differentiation of the types of predominant soil in each city for estimating available water hold capacity of the soil. Historical data was used for estimasting the average of the potential evapotranspiration (ETP) for decendial hidric . balance and evapotranpiration reference (ETR). The selected times for seeding were based on the Agroclimatic Risc Zoning for soybean, elaborated for the National Coordination of the Agricultural Zoning. The calculated produtivities were compared with the data of produtivitiesused by IBGE. The model presented significant correlations between the real produtivities at the leveI of states. The coefficients of determination for the states of Goiás, Mato Grosso, Paraná, Rio Grande do Sul and São Paulo were respectively, 0,5831; 0,6933; 0,9162; 0,8504; 0,6426 / Mestrado / Agua e Solo / Mestre em Engenharia Agrícola

Orientador: Jansle Vieira Rocha / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-11T14:29:10Z (GMT). No. of bitstreams: 1 Weber_LianedeSouza_D.pdf: 866084 bytes, checksum: 6f14fe14fef394e2bd299f45b7c98915 (MD5) Previous issue date: 2005 / Resumo: O presente trabalho descreve um estudo sobre estimativa de safras cujo principal objetivo foi criar uma metodologia de integração de dados de produção, dados espectrais e indicadores meteorológicos por meio de redes neurais artificiais, estabelecendo correlações entre índices de vegetação e de produtividade, com o propósito de estimar a produtividade de cana-de-açúcar. O estudo foi dividido em duas etapas: a primeira correspondeu à obtenção e organização dos dados em um banco de dados com padrões de entrada/saída; a segunda, à implementação e ajuste das redes neurais, por meio de ensembles. O estudo foi realizado em unidades amostrais de produção de uma usina sucroalcooleira no município de Araras-SP. A primeira etapa consistiu na obtenção dos coeficientes de produtividade (kp), por meio da inversão do modelo agrometeorológico de Doorenbos e Kassam (1979), a partir da determinação do balanço hídrico. O resultado deste procedimento mostrou a sensibilidade do coeficiente à variabilidade da produtividade nos talhões. Os dados espectrais das imagens Landsat 7 ¿ ETM+ foram obtidos de correlações descritas na literatura estabelecidas entre o Índice de Vegetação Greenness (GVI), a banda do infravermelho próximo (B4) e a produtividade da cana-de-açúcar. A estratégia para treinamento dos ensembles foi baseada no aprendizado supervisionado aplicado a uma arquitetura Multilayer Perceptron (MLP), com uma camada escondida, método de aprendizado de 2ª ordem e feedforward. Na etapa de treinamento e validação, as redes neurais tiveram como variáveis de entrada os valores de kp, GVI e B4, e como variável de saída a produtividade, que definiram os padrões de entrada/saída. A fase de teste consistiu em implementar a metodologia em um grupo de padrões de entrada não utilizados nos treinamentos. Os resultados mostraram valores de EQM entre 0,03 e 0,51 ton/ha, enquanto que a estimativa da usina errou em média 9,93 ton/ha, o que garantiu o correto ajuste da rede neural quanto à topologia, ao número de iterações e aos algoritmos de aprendizagem. Esta etapa mostrou a capacidade de generalização da rede neural, já que os treinamentos foram realizados a partir de unidades amostrais. O estudo ratificou a aplicação desta metodologia na determinação da estimativa de produtividade de cana-deaçúcar, empregando-a como técnica complementar aos atuais métodos de estimativa agrícola, sugerindo a ampliação da escala de aplicação para o ambiente de produção da usina / Abstract: The present thesis describes a study on crop forecast. Its main purpose was to create a methodology for integrating production, spectral and meteorological data indicators through artificial neural networks, establishing correlations between vegetation index and yield coefficients, aiming at the estimate of sugarcane yield. The study was divided in two parts: the first corresponded to obtaining and organizing data in a database with input/output default; the second corresponded to the implementation and adjustment of the neural network. The study was carried out in sample production units (fields) of a sugarmill agricultural area located in the municipality of Araras-SP, Brazil. The first part consisted in obtaining yield coefficients (kp) through the inversion of the Doorenbos-Kassam (1979) agrometeorological model, based on the determination of the water balance. The result of this procedure showed the coefficient¿s sensitivity to the variability of yield within the sample fields. The spectral data of the Landsat 7 ¿ ETM+ images were obtained from correlations, available in scientific literature, between the Greenness Vegetation Index (GVI), near infrared band, and sugarcane yield. The strategy for training the neural network was based on supervised learning applied to a Multilayer Perceptron (MLP) architecture, with a hidden layer, second order learning method and feedforward. For the training and validation stage, the neural network had as input variables kp, GVI and B4 values, and as output variable the yield, both obtained in the input/output database. The test stage consisted of implementing the methodology in a set of input patterns not used for the trainings. The results showed Mean Square Error (MSE) values between 0,03 and 0,51 ton/ha, while the average error of the sugarmill estimates were 9,93 ton/ha, which showed the correct adjustment of the network concerning topology, number of iterations and learning algorithms. This showed the generalization capacity of the neural network once the trainings were carried out based on sample units. The study ratified the application of this methodology for determining sugarcane yield estimate, employing it as a complementary technique to the present methods of agricultural forecast, suggesting the increase of the application scale to a broader area of the sugarmill production environment / Doutorado / Planejamento e Desenvolvimento Rural Sustentável / Doutor em Engenharia Agrícola

Orientador: Célia Regina Lopes Zimback / Banca: Carlos Alberto Oliveira de Matos / Banca: Paulo Cesar Sentelhas / Resumo: As medidas diárias de chuva acumulada são informações de suma importância para a agricultura como, por exemplo, na aplicação de insumos, na estimativa da irrigação ou em cálculos de balanços hídricos. As informações atualmente disponíveis sobre chuvas diárias são, no geral, provenientes de pluviômetros convencionais de operação manual. A eficiência de pluviômetros em mensurar a precipitação em uma área está diretamente relacionada à distância entre os equipamentos. A maior rede de pluviômetros em operação no Estado de São Paulo, que está sob responsabilidade do DAEE (Departamento de Águas e Energia Elétrica), disponibiliza os totais diários com vários meses de defasagem, impossibilitando a utilização imediata dessas informações. A utilização de radares meteorológicos para a quantificação de chuva está associada à eficiência de equações de conversão do sinal eletrônico do radar (Z) em chuva (R), denominada relação ZR. Utilizando dados pluviométricos diários, entre 1995 e 1999, de sete estações dispostas numa área de 1.500 km2, e comparando com dados de radar no mesmo período, foi possível estabelecer uma relação ZR probabilística visando à acumulação diária da precipitação, representativa a área delimitada. A aplicação da relação ZR ajustada à área delimitada resultou em acumulações diárias mais próximas dos resultados observados pelos dados dos pluviômetros, quando comparadas aos resultados da relação ZR atualmente em uso, nos radares da UNESP. Nas acumulações de chuva, obtidas por radar, foram aplicadas interpolações geoestatísticas, resultando na melhoria da distribuição espacial dessas acumulações. Objetivando a complementação espacial e temporal das informações de chuva acumulada atualmente disponíveis, este estudo demonstra uma metodologia apropriada para determinação... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The daily measures of accumulated rain are very important information for agriculture, for example, in the fertilezer applications, the estimate of the irrigation or calculation of water balance. Currently, the information available of daily rain is, generally, provenient form conventional rain gauges manually operated. The efficiency of rain gauges in measuring the precipitation in an area is directly related to the distance between equipment. The biggest rain gauges net operating in the State of São Paulo in under responsibility of DAEE (Department of Water and Electric Energy) which provides daily information with several months of delay, impeding the information to be used immediately. The use of meteorological radars for the quantification of rain is associated to the efficiency of conversion equations of the radar electronic sign (Z) in rain (R), known as relationship ZR. Using daily rain data between 1995 and 1999, from seven stations located in an area of 1,500 km2 and comparing whit data from the radar in the same period, it was possible do establish a ZR probabilistic relation aiming at the daily amount of precipitation, which represents the delimited area. The application of the ZR relationship adjusted to the delimited area resulted in daily accumulation closer to the results observed by the rain gauges data when compared to the results of the ZR relationship currently in use in radar operated by UNESP. In the accumulation of rain, taken by the radar, geostatistic interpolations were applied, and the results were a better spatial distribution of these accumulations. Objectifying the space and temporal complementation of currently available the accumulated rain information, this research demonstrates an appropriate methodology to determinate regional ZR relationship, based on data from rain gauges, and the application of geoestaistic interpolation... (Complete abstract click electronic access below) / Mestre

Orientadores: Luiz Henrique Antunes Rodrigues, Eduardo Delgado Assad / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-12T21:35:45Z (GMT). No. of bitstreams: 1 Bucene_LucianaCorpas_D.pdf: 2595416 bytes, checksum: 86c930f5cf0a3ca7ba03de8acb811ea8 (MD5) Previous issue date: 2008 / Resumo: As perdas que ocorrem na agricultura são grandes, devido, principalmente, à ocorrência de sinistros climáticos que ocorrem nas plantações. Muitas vezes, os impactos social e econômico causados pelos danos são significativos, uma vez que envolvem fatores como a produção e o preço de alimentos. Como exemplos, têm-se a produção de café e a de cana-de-açúcar no Estado de São Paulo, que sofrem alternâncias motivadas por eventos climáticos adversos e, em especial, as geadas e as secas, que reduzem drasticamente as produções. Neste sentido, este estudo propõe identificar relações entre parâmetros climáticos, como temperatura máxima, temperatura mínima, precipitação, entre outros atributos, visando descobrir eventuais novos conhecimentos, a partir do comportamento conhecido dos atributos climáticos já ocorridos no passado, com o propósito de desenvolver a previsão local de geada e a previsão de deficiência hídrica. Para isso, foram aplicadas técnicas de descoberta de conhecimento em grandes bancos de dados climáticos. Utilizaram-se as ferramentas WEKA e o DISCOVER, que foram consideradas satisfatórias, uma vez que os objetivos propostos foram atingidos. As bases de dados disponíveis atenderam a necessidade para a realização do projeto, apresentando um volume de dados e atributos suficientes para que pudesse gerar resultados para a previsão local de geada e de deficiência hídrica. Referente aos resultados, com até 1 dia de antecedência à geada, o modelo gerado foi considerado confiável. A partir de 2 dias de antecedência à geada, os resultados encontrados apresentam uma diminuição no grau de acerto quanto mais distante estiver de acontecer o evento geada. Para o caso deficiência hídrica, os resultados encontrados foram diferenciados conforme a classe. Para a classe não, com 1dia até 15 dias de antecedência ao evento, o grau de acerto foi alto e aceitável. A classe forte, em seguida à classe não, é a que apresenta melhores resultados de acerto, decaindo para as outras classes. Até 3 dias de antecedência ao evento deficiência hídrica e, dependendo do mês, o grau de acerto é aceitável. De 4 dias em diante, os resultados mostram que o modelo gerado não é aceitável / Abstract: The losses that occur in agriculture are high, mainly due to the occurrence of crop damages due to climatic events. Many times, the social and economic impacts caused by the damages are significant, since they involve factors such as the production and the price of foods. For example, coffee and sugarcane production in São Paulo State suffer alternations motivated by adverse climatic events and, in special, frost and drought, that greatly reduce the production. The purpose of this study is to identify relationships between climatic parameters, such as maximum temperature, minimum temperature, precipitation, etc., in order to discover eventual new knowledge, from known behavior of the climatic attributes already occurred in the past, with the objective of developing local frost and deficit water forecast models. To achieve this, data mining techniques were applied to climatic data bases. WEKA and the DISCOVER tools had been used and considered satisfactory, since they reached the objectives. The available databases were suitable for the accomplishment of the project, presenting enough volume of data and attributes so that it could generate results for the frost and water deficit forecast. Concerning to the results, with up to 1 day of antecedence to the frost, the generated model was considered trustworthy. From 2 days of antecedence to the frost the results present a reduction in the accuracy. For water deficit, results were differentiated, depending on the class. For the not class, from 1 to 15 days of antecedence to the event, the accuracy was high and acceptable. The strong class, following the not class, is the one that presents better results, falling down for the other classes. Up to 3 days of antecedence to the event water deficit and, depending on the month, the accuracy is acceptable. For 4 days or more in advance, the results showed that the generated model is not acceptable / Doutorado / Doutor em Engenharia Agrícola