RODRIGUES, Rafael do Nascimento. Resposta hidrológica em cursos efêmeros no semiárido em função da cobertura vegetal e do padrão de chuva. 2016. 70 f. Dissertação (Mestrado em Engenharia Agrícola)-Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Jairo Viana (jairo@ufc.br) on 2016-09-05T19:59:00Z No. of bitstreams: 1 2016_dis_rnrodrigues.pdf: 1762351 bytes, checksum: d9d98c5d5b68ec2200ae780075a179fd (MD5) / Approved for entry into archive by Jairo Viana (jairo@ufc.br) on 2016-09-05T20:01:31Z (GMT) No. of bitstreams: 1 2016_dis_rnrodrigues.pdf: 1762351 bytes, checksum: d9d98c5d5b68ec2200ae780075a179fd (MD5) / Made available in DSpace on 2016-09-05T20:01:31Z (GMT). No. of bitstreams: 1 2016_dis_rnrodrigues.pdf: 1762351 bytes, checksum: d9d98c5d5b68ec2200ae780075a179fd (MD5) Previous issue date: 2016 / The knowledge the factors involved in the hydrological response of a watershed is essential to the planning and management of water resources. The aim of this study was to answer the question of how the vegetation of tropical dry forest and the rainfall patterns can influence on the coefficient of runoff generated by rainfall different heights. Data were related to the rainy seasons of the years 2008 to 2013. We monitored the runoff two watersheds: scrub in regeneration for 35 years (CReg35) and thinned caatinga (CRal). At baseline, 2008, both watersheds had the same vegetation cover (CReg35), only at the end of this year was made the sleaze of the watersheds, eliminating the trees with a diameter less than 10 cm. precipitation events were classified in the standards: advanced, intermediate and late rains. To identify whether the flow coefficients generated before and after the thinning vegetation presented significant differences, applied to the test "t" Studart the level of 1%. Before thinning (2008), the class of P ≤ 30 mm recorded the highest percentage of runoff coefficient were significantly different at the 1% level of significance for other years. large magnitude events (> 50 mm) the flow is more dependent on rain characteristics and soil moisture conditions. The thinning caused a reduction in total annual runoff monitored during the five years (2009-2013) the P ≤ 30 mm, with a 46.2% difference in flow CRal in relation to the effective precipitation CReg35. Further development of the herbaceous layer due to thinning resulted in impediment to the runoff flow, requiring larger blade hasty to generate flow. The average flow rate was 10.43% for the watershed with CReg35 and 6.01% for the CRal. The response of the flow before the rainfall patterns followed the same trend in both watersheds, with higher effective rainfall recorded for intermediate patterns followed by the delayed and advanced. The existing herbaceous in CRal reduced surface flow, which resulted in a lower effective precipitation in different patterns of rainfall compared to CReg35. 50 mm) the flow is more dependent on rain characteristics and soil moisture conditions. The thinning caused a reduction in total annual runoff monitored during the five years (2009-2013) the P ≤ 30 mm, with a 46.2% difference in flow CRal in relation to the effective precipitation CReg35. Further development of the herbaceous layer due to thinning resulted in impediment to the runoff flow, requiring larger blade hasty to generate flow. The average flow rate was 10.43% for the watershed with CReg35 and 6.01% for the CRal. The response of the flow before the rainfall patterns followed the same trend in both watersheds, with higher effective rainfall recorded for intermediate patterns followed by the delayed and advanced. The existing herbaceous in CRal reduced surface flow, which resulted in a lower effective precipitation in different patterns of rainfall compared to CReg35." / O entendimento dos fatores envolvidos na resposta hidrológica de uma bacia hidrográfica é fundamental para o planejamento e gestão dos recursos hídricos. O objetivo desse estudo foi responder ao questionamento de como a cobertura vegetal de uma floresta tropical seca bem como o padrão de chuva podem influenciar sobre o coeficiente de escoamento gerado por alturas pluviométricas distintas. Os dados analisados foram referentes às estações chuvosas dos anos de 2008 à 2013. Foram monitorados os deflúvios de duas microbacias: caatinga em regeneração há 35 anos (CReg35) e caatinga raleada (CRal). No início da pesquisa, ano de 2008, ambas as microbacias apresentavam a mesma cobertura vegetal (CReg35), somente ao final deste ano foi efetuado o raleamento de uma das microbacias, eliminando-se as árvores com diâmetro inferior a 10 cm. Os eventos de precipitação foram classificados nos padrões: chuvas avançadas, intermediárias e atrasadas. Para identificar se os coeficientes de escoamento gerados antes e após o raleamento da vegetação apresentavam diferenças significativas, aplicou-se o teste “t” de Studart ao nível de 1%. Antes do raleamento (ano de 2008), a classe de P ≤ 30 mm registrou o maior percentual do coeficiente de escoamento diferindo estatisticamente ao nível de 1% de significância dos outros anos. Eventos de grande magnitude (>50 mm) o escoamento está mais dependente das características da chuva e das condições de umidade do solo. O raleamento proporcionou redução no escoamento total anual dos cinco anos monitorados (2009-2013) nas P ≤ 30 mm, com uma diferença de escoamento de 46,2% na CRal em relação à precipitação efetiva pela CReg35. O maior desenvolvimento do estrato herbáceo devido ao raleamento resultou num impedimento ao fluxo do escoamento superficial, necessitando de maior lâmina precipitada para gerar escoamento. O coeficiente de escoamento médio foi de 10,43% para a microbacia com CReg35 e 6,01% para a CRal. A resposta do escoamento perante aos padrões de chuvas seguiu uma mesma tendência em ambas as microbacias, com maiores precipitações efetivas registradas para padrões intermediário seguido do atrasado e avançado. O estrato herbáceo existente na CRal reduziu o fluxo superficial, o que resultou em uma menor precipitação efetiva nos diferentes padrões de chuvas quando comparada com a CReg35.

Made available in DSpace on 2016-01-26T18:56:03Z (GMT). No. of bitstreams: 1 Ronaldo Oikawa.pdf: 3711757 bytes, checksum: 5d13d9ef8b2d092d0bb1a6fe62a73248 (MD5) Previous issue date: 2015-03-16 / The Artificial Neural Networks are nonlinear mathematical models that resemble the human brain, and this ability to learn was applied to recognize the rain patterns in the city of Presidente Prudente, located in the region of Pontal do Paranapanema. Through these calculations, it was possible to indicate another way to rain forecast. This study used two algorithms with supervised learning, the first one the Multiple Layer Network Propagation, with 23 neurons and with one, two and three hidden layers, and the second one the Support Vector Machine (SVM) with polynomial, radial basis function and hyper tangent cores. The set analyzed covers the period from January 1996 to May 2012, collected from Weather Forecast Center and Climate Studies (CPTEC). The results showed that the atmospheric pressure, wind direction, minimum temperature and air relative humidity were the parameters more related with the rain precipitation. The SVM model with base radial function core, using sigma=0.1, showed the best results with Kappa coefficient, equal to 0.675 for first test group, equal to 0.746 to the second test group 0.746 and equal to 0.826 for the third test group. These results demonstrate the data set robustness and allowed achieve high accuracy rate in recognition of rain precipitation. / As Redes Neurais Artificiais são modelos matemáticos não lineares que se assemelham ao cérebro humano, e esta capacidade de aprender foi aplicada no reconhecimento de padrões da chuva na cidade de Presidente Prudente, localizada na região do Pontal do Paranapanema. Através desses cálculos foi possível indicar uma forma alternativa de se reconhecer o padrão da precipitação da chuva. O presente trabalho utilizou dois algoritmos com aprendizagem supervisionada, sendo o primeiro a Rede de Múltipla Camada de Retro Propagação, com 23 neurônios e com uma, duas e três camadas ocultas, já o segundo, a Máquina de Vetor de Suporte (SVM) utilizou o núcleo polinomial, função de base radial e hiper tangente. O conjunto de dados analisados compreende o período de Janeiro de 1996 até Maio de 2012, sendo obtidos do Centro de Previsão de Tempo e Estudos Climáticos (CPTEC). Os resultados demonstraram que a pressão atmosférica, direção do vento, temperatura mínima e umidade relativa do ar são os parâmetros que estão mais relacionados à precipitação da chuva. O modelo SVM, com núcleo função de base radial, utilizando o parâmetro sigma=0,1 obteve os melhores resultados, apresentando o coeficiente Kappa (resposta), igual a 0,675 para o grupo de teste um, 0,746 para o grupo de teste dois e 0,826 para o grupo de teste três. Estes resultados demonstram a robustez do conjunto de dados e permitiram atingir altos índices de acerto no reconhecimento da precipitação da chuva.

Made available in DSpace on 2016-07-18T17:46:20Z (GMT). No. of bitstreams: 1 Ronaldo Oikawa.pdf: 3711757 bytes, checksum: 5d13d9ef8b2d092d0bb1a6fe62a73248 (MD5) Previous issue date: 2015-03-16 / The Artificial Neural Networks are nonlinear mathematical models that resemble the human brain, and this ability to learn was applied to recognize the rain patterns in the city of Presidente Prudente, located in the region of Pontal do Paranapanema. Through these calculations, it was possible to indicate another way to rain forecast. This study used two algorithms with supervised learning, the first one the Multiple Layer Network Propagation, with 23 neurons and with one, two and three hidden layers, and the second one the Support Vector Machine (SVM) with polynomial, radial basis function and hyper tangent cores. The set analyzed covers the period from January 1996 to May 2012, collected from Weather Forecast Center and Climate Studies (CPTEC). The results showed that the atmospheric pressure, wind direction, minimum temperature and air relative humidity were the parameters more related with the rain precipitation. The SVM model with base radial function core, using sigma=0.1, showed the best results with Kappa coefficient, equal to 0.675 for first test group, equal to 0.746 to the second test group 0.746 and equal to 0.826 for the third test group. These results demonstrate the data set robustness and allowed achieve high accuracy rate in recognition of rain precipitation. / As Redes Neurais Artificiais são modelos matemáticos não lineares que se assemelham ao cérebro humano, e esta capacidade de aprender foi aplicada no reconhecimento de padrões da chuva na cidade de Presidente Prudente, localizada na região do Pontal do Paranapanema. Através desses cálculos foi possível indicar uma forma alternativa de se reconhecer o padrão da precipitação da chuva. O presente trabalho utilizou dois algoritmos com aprendizagem supervisionada, sendo o primeiro a Rede de Múltipla Camada de Retro Propagação, com 23 neurônios e com uma, duas e três camadas ocultas, já o segundo, a Máquina de Vetor de Suporte (SVM) utilizou o núcleo polinomial, função de base radial e hiper tangente. O conjunto de dados analisados compreende o período de Janeiro de 1996 até Maio de 2012, sendo obtidos do Centro de Previsão de Tempo e Estudos Climáticos (CPTEC). Os resultados demonstraram que a pressão atmosférica, direção do vento, temperatura mínima e umidade relativa do ar são os parâmetros que estão mais relacionados à precipitação da chuva. O modelo SVM, com núcleo função de base radial, utilizando o parâmetro sigma=0,1 obteve os melhores resultados, apresentando o coeficiente Kappa (resposta), igual a 0,675 para o grupo de teste um, 0,746 para o grupo de teste dois e 0,826 para o grupo de teste três. Estes resultados demonstram a robustez do conjunto de dados e permitiram atingir altos índices de acerto no reconhecimento da precipitação da chuva.