Orientador: João Francisco Escobedo / Banca: Diego Augusto de Campos Moraes / Banca: Carlos Roberto Pereira Padovani / Banca: Eduardo Nardini Gomes / Banca: Luis Roberto de Almeida Gabriel Filho / Resumo: Neste trabalho são desenvolvidos modelos de estimativa e interpolação espacial para a Evapotranspiração de Referência (EToFAO-56), modelo de Penman-Monteith, na Região do Planalto Ocidental Paulista (composta pelas regiões intermediárias de São José do Rio Preto e Ribeirão Preto do Estado de São Paulo/Brasil): Análise de Componentes Principais (ACP), Regressões Múltiplas (RM) [Regressões Lineares Múltiplas (RLM) e Regressões Não Lineares Múltiplas (RNLM)] e técnicas de Aprendizado de Máquinas (AM) [Multilayer Perceptron (MLP), Adaptative Neuro Fuzzy Inference System (ANFIS), General Regression Neural Network (GRNN) e Support Vector Machine (SVM)], no primeiro capítulo; Krigagem Ordinária (KO) e Mínima Curvatura (MC), no segundo capítulo. O desenvolvimento deste tipo de estudo é de grande importância para otimizar a gestão de recursos hídricos e planejamento da irrigação. A base de dados climáticos utilizada no cálculo de EToFAO-56 é do período de 2013-2017 de 30 localidades da região de estudo. Para a validação dos modelos nos dois estudos foi considerada a EToFAO-56 como referência por meio dos indicativos estatísticos: coeficiente de correlação (r), coeficiente de determinação (R2), Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean Bias Error (MBE), e índice de concordância de Willmott (d). Os resultados do primeiro estudo mostraram os melhores desempenhos em sequência: EToMLP4 (rRMSE = 0,62%), EToANFIS4 (rRMSE = 0,75%), EToSVM4 (rRMSE = 1,19%), EToRLM4 (rRMSE = ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this work, estimation and spatial interpolation models are developed for the Evapotranspiration Reference (EToFAO-56), Penman-Monteith model, in the Western Plateau Paulista Region (composed by the intermediate regions of São José do Rio Preto and Ribeirão Preto of the State of São Paulo/Brazil): Principal Component Analysis (PCA), Multiple Regressions (RM) [Multiple Linear Regressions (RLM) and Multiple Nonlinear Regressions (RNLM)] and Machine Learning (ML) techniques [Multilayer Perceptron (MLP) Adaptive Neuro Fuzzy Inference System (ANFIS), General Regression Neural Network (GRNN) and Support Vector Machine (SVM)] in the first chapter; Ordinary Kriging (OK) and Minimum Curvature (MC) in the second chapter. The development of this type of study is of great importance to optimize water resource management and irrigation planning. The climate database used in the calculation of EToFAO-56 is from the 2013-2017 period from 30 locations in the study region. For the validation of the models in the two studies, the EToFAO-56 was considered as a reference by means of statistical indications: correlation coefficient (r), determination coefficient (R2), Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean Bias Error (MBE), and Willmott's agreement index (d). The results of the first study showed the best performance in sequence: EToMLP4 (rRMSE = 0.62%), EToANFIS4 (rRMSE = 0.75%), EToSVM4 (rRMSE = 1.19%), EToRLM4 (rRMSE = 5.23%), EToRNLM4 (rRMSE = 6.39%) and EToACP (rRMSE = 9.32%). The results obtained from the second study showed that the performance (RMSE) of the annual and seasonal EToMC spatial interpolation models ranged from 0.11 to 0.14. / Doutor
Identifer | oai:union.ndltd.org:UNESP/oai:www.athena.biblioteca.unesp.br:UEP01-000924720 |
Date | January 2019 |
Creators | Silva, Maurício Bruno Prado da, 1988. |
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 | English |
Type | text |
Format | 117 p. : |
Relation | Sistema requerido: Adobe Acrobat Reader |
Page generated in 0.0051 seconds