Orientador: João Francisco Escobedo / Banca: Célia Regina Lopes Zimback / Banca: Paulo Andre de Oliveira / Banca: Erico Tadao Teramoto / Banca: Valeria Cristina Rodrigues Sarnighausen / Resumo: A evapotranspiração de referência (ETo) é importante na agricultura para satisfazer as necessidades de água das culturas e para o manejo dos sistemas de irrigação. A ETo pode ser estimada com precisão a partir do método padrão de Penman Monteith FAO 56, porém, o seu uso é bastante complexo. Sendo assim, vários métodos empíricos de uso simples vem sendo desenvolvidos por diversos pesquisadores, todavia, a sua escolha deve ser feita de forma cuidadosa, pois apresentam um desempenho que varia em função das condições climáticas de cada local. A variabilidade do desempenho dos métodos empíricos tem levado os pesquisadores a procurarem outros métodos alternativos. Como resultado dessas pesquisas, há que destacar a técnica de aprendizado de máquinas (TAM): redes neurais artificiais (RNAs) e máquina vetor de suporte (MVS). Diante do exposto, o presente trabalho foi dividido em três capítulos, onde no primeiro capítulo foi avaliado o desempenho dos métodos empíricos de temperatura (Benevides e Lopez - BenL, Hamon -Ham, Blaney Criddle Original e Hargreaves Samani -HS) e de radiação solar (Abtew, Jensen Haise - JensH, Makkink e Irmak) na estimativa da ETo no estado de São Paulo. Todos os métodos foram avaliados em relação ao método padrão em escala anual e sazonal. Os resultados obtidos na escala anual mostraram que o método de Abtew apresentou o melhor desempenho. Na escala sazonal, observou-se que o método de JensH foi melhor no inverno, o de Irmak e de Abtew no verão e outono. O méto... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The reference evapotranspiration (ETo) is important in agriculture for crop water management and irrigation systems management. The ETo can be estimated accurately by the FAO 56 standard method of Penman Monteith, however, its use is complex. Thus, several empirical methods of simple use have been developed by many researchers, but their choice must be made carefully because they present a performance that change according to the climate conditions of each location. The variability of the performance of empirical methods has led researchers to look for alternative methods. As the result, we must highlight the machine learning technique (MLT), such as artificial neural networks (ANNs) and support vector machine (SVM). This work was divided into three chapters. In the first chapter, four temperature- based (Benevides e Lopez - BenL, Hamon -Ham, Blaney Criddle Original e Hargreaves Samani -HS) and four radiation- based (Abtew, Jensen Haise - JensH, Makkink and Irmak) ETo methods were tested against FAO 56 method, using annual and seasonal scale in the state of São Paulo. The results obtained in the annual scale showed that the Abtew method presented the best performance. On the seasonal scale, it was observed that the JensH method was better in the winter, the Irmak and Abtew methods were better in the summer and autumn. The Abtew method was also better in the spring. In the second chapter, HS and Abtew methods, ANNs and SVM were used. The ANN used was Multilayer Perceptron with Backpropagation learning algorithm, and in the SVM, was used Kernel Radial Basic Function with Regression Sequential Minimal Optimization learning algorithm. ... / Doutor
| Identifer | oai:union.ndltd.org:UNESP/oai:www.athena.biblioteca.unesp.br:UEP01-000886842 |
| Date | January 2017 |
| Creators | Tangune, Bartolomeu Félix, 1982. |
| Contributors | Universidade Estadual Paulista "Júlio de Mesquita Filho" Faculdade de Ciências Agronômicas (Campus de Botucatu). |
| Publisher | Botucatu, |
| Source Sets | Universidade Estadual Paulista |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | text |
| Format | 124 p. : |
| Relation | Sistema requerido: Adobe Acrobat Reader |
Page generated in 0.0016 seconds