Made available in DSpace on 2016-12-23T14:05:56Z (GMT). No. of bitstreams: 1 Fernanda Vescovi Goncalves 1.pdf: 4104793 bytes, checksum: 7c22c0d324845c2dc40c6e98de51cd73 (MD5) Previous issue date: 2012-10-25 / The van Genuchten (1980) equation has been widely used in the literature to represent analytically the soil water retention curve, and there are several published database tables which allow estimate the van Genuchten (1980) parameters (VG parameters) for different soils and regions. The equation enables one to derive closed-form analytical expressions for the unsaturated hydraulic conductivity function using Burdine (1953) and Mualem (1976) models. The objective of this dissertation is to study published database tables of the retention and hydraulic conductivity functions for different soils (Wosten et al.; 1999; Schaap et al., 2001; Hodnett and Tomasella, 2002; and Gerscovich and Sayão, 2002), and quantify the variation of VG parameters with the grain size distribution of these soils. The different experimental methods, the large variability of soils, and the lack of complete information of the soil properties of the investigated data, and the lack of physical meaning of VGparameters did not allow to define functions to quantify the variation of VGparameters with the grain size distribution for the investigated soils. The results suggest that there is no dependency between the VG parameters and the fine content of the investigated silty sand soils when the percentage of fines is such that it fills all large grains voids. In this case, the limited classification based only on soil texture can not be used to estimate the VG parameters. The variation of saturated hydraulic conductivity with fines content provides a useful means of assessing the existence of the dependency between the VG parameters and the soil texture. For the silty sandy soils evaluated in this study, when the fines content is higher that 30% there is no dependency between the VG parameters and the fines content. It is also observed that the soils that do not exhibit a significant difference in their saturated hydraulic conductivity values may exhibit large variations in their unsaturated hydraulic conductivity values depending on their fines content. For high suction values, the relative permeability of the soil specimens with 10% of fines content can be up to 1016 times lower than that of the soil specimens with 90% of fines content / Uma das equações mais utilizadas na literatura para representar analiticamente a curva de retenção de água no solo foi proposta por van Genuchten (1980) e, existem vários bancos de dados publicados com valores dos quatro parâmetros independentes de ajuste da equação para diferentes tipos de solos e regiões. A equação de van Genuchten (1980) possibilita a determinação de uma expressão analítica para a função de condutividade hidráulica de solos não saturados a partir dos modelos propostos por Burdine (1953) ou Mualem (1976). O objetivo deste trabalho é estudar curvas de retenção e condutividades hidráulicas publicadas na literatura para diferentes tipos de solos (Wosten et al.; 1999; Schaap et al., 2001; Hodnett e Tomasella, 2002; e Gerscovich e Sayão, 2002) e quantificar a variação dos parâmetros de van Genuchten (1980) com a distribuição granulométrica desses solos. Os diferentes métodos experimentais utilizados para determinar esses dados, a grande variabilidade de solos e regiões diferentes dos dados, a falta de informação completa das propriedades geotécnicas dos solos e a falta de significado físico dos parâmetros de van Genuchten (1980) não possibilitaram definir uma função que quantifique a variação dos parâmetros de de van Genuchten (1980) com a distribuição granulométrica para os solos analisados neste trabalho. As análises realizadas sugerem que não existe dependência entre o teor de finos/textura de solos granulares com finos e os parâmetros da equação de van Genuchten (1980) quando o percentual de finos é tal que preenche todos os vazios das partículas mais grossas. Neste caso a classificação exclusivamente por textura não pode ser usada para estimar os parâmetros de van Genuchen (1980). A variação da permeabilidade saturada com o teor de finos pode ser uma forma de indicar o valor do percentual de finos que isto acontece. Para os solos arenosos siltosos analisados este percentual de finos é aproximadamente 30%. Verifica-se que os solos que não apresentam uma diferença significativa na permeabilidade (condutividade hidráulica saturada) podem apresentar grandes variações nos valores da condutividade hidráulica não saturada dependendo do teor de finos desses solos, tal que para altos valores de sucções a permeabilidade relativa das amostras com até 10% de finos pode ser até 1016 vezes menor que a das amostras com percentual de finos superior a 90%

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Studies on the dynamics of water in the soil-plant-atmosphere such as water availability cultures infiltration drainage and movement of solutes into the soil, require knowledge of the relation between the water content in soil matric potential and represented by retention curve water. However, its implementation is laborious, requires considerable time and cost. An alternative is your estimate through statistical equations called pedotransfer functions (PTFs). The aim of this study was to generate PTFs for the different soil classes in the state of Rio Grande do Sul, through prediction methodologies. To develop the work we used data available in the literature, with values of hydro-physical characteristics and mineralogical characteristics of soils of the State, to estimate values of soil unit under different stresses. In possession of the database was conducted subdivision thereof, in different textural classes identified in the state in an attempt to improve the predictive ability of pedofunctions, forming more homogeneous subsets. The development of PTFs was from two modeling methods: (i) multiple linear regression (MLR) and (ii) artificial neural networks (ANNs). For the development of PTFs first methodology was used the "stepwise" (SAS, 1997). The PTFs generated from ANNs were implemented through the multilayer perceptron with backpropagation algorithm and Levenberg-Marquardt optimization. Each network is trained by varying the number of neurons in the input layer and the number of neurons in the hidden layer. The output variable was water content in soil matric potentials of 0, -6, -10, -33, -100, -500 and -1500 kPa. For each architecture, the network was trained several times, picking up training at the end of the architecture with lower mean relative error and lower variance in relation to the validation data. The efficiency of PTFs were analyzed graphically by the ratio 1:1 between data versus the observed and estimated by means of the following statistical indicators: correlation coefficient (r); concordance index Wilmont (c); coefficient of determination (R2) and performance index (id). The results showed that the more homogeneous is the data of the variables that compose the PTFs, the greater the precision in estimating the water retention in the soil, for the same. The network architecture consists of 4 inputs, showed high accuracy in the estimation of variables. The PTFs developed by ANNs outperformed the predictive ability of the standard method (MLR). Thus, the estimate of the retention curve of soil water by means of ANNs trained by classes textures, presents itself as a subsidy techniques adopted in irrigated agriculture. / Estudos que envolvem a dinâmica da água no sistema solo-planta-atmosfera tais como disponibilidade de água as culturas, infiltração, drenagem e movimento de solutos no solo, necessitam do conhecimento da relação entre o conteúdo de água no solo e o potencial matricial, representada pela curva de retenção de água. No entanto, sua execução é laboriosa, demanda considerável tempo e custos. Uma alternativa é sua estimativa através de equações estatísticas denominadas Funções de Pedotransferência (FPTs). O objetivo deste estudo foi gerar FPTs para as diferentes classes de solos do Estado do Rio Grande do Sul, por meio de metodologias de predição. Para desenvolver o trabalho foram utilizados dados, disponíveis na literatura, com valores de características físico-hídricas e mineralógicas, de solos do Estado, para estimar valores de umidade de solo, sob diferentes tensões. De posse do banco de dados foi realizado a subdivisão do mesmo, nas diferentes classes texturais identificada no Estado, na tentativa de melhorar a capacidade preditiva das pedofunções, formando subconjuntos mais homogêneos. O desenvolvimento das FPTs foi a partir de dois métodos de modelagem: (i) regressão linear múltipla (RLM) e (ii) redes neurais artificiais (RNAs). Para o desenvolvimento das FPTs pela primeira metodologia, foi utilizada a opção stepwise (SAS, 1997). As FPTs geradas a partir de RNAs, foram implementadas através do perceptron multicamadas com algoritmo backpropagation e otimização Levenberg-Marquardt. As redes foram treinadas variando-se o número de neurônios na camada de entrada e número de neurônios na camada escondida. A variável de saída foi conteúdo de água no solo nos potenciais matriciais de 0, -6, -10, -33, -100, -500 e -1500 kPa. Para cada arquitetura, a rede foi treinada diversas vezes, escolhendo-se no final do treinamento a arquitetura com menor erro relativo médio e menor variância em relação aos dados de validação. A eficiência das FPTs foram analisadas graficamente pela relação 1:1, entre os dados estimados versus os observados e, por meio dos seguintes indicadores estatísticos: coeficiente de correlação (r); índice de concordância de Wilmont (c); coeficiente de determinação (R2) e índice de desempenho (id). Os resultados mostraram que quanto mais homogêneos são os dados das variáveis que compõem as FPTs, maior é a precisão na estimativa da retenção de água no solo, pelas mesmas. As redes de arquitetura formada por 4 entradas, apresentaram elevada precisão na estimativa das variáveis. As FPTs desenvolvidas por RNAs superaram a capacidade preditiva do método padrão (RLM). Deste modo, a estimativa da curva de retenção de água no solo, por meio das RNAs treinadas por classes texturais, apresenta-se como um subsídio as técnicas adotadas na agricultura irrigada. Palavras-chave: Pedofunções. Umidade do solo. Potencial matricial. Inteligência artificial