Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-06-28T12:04:49Z
No. of bitstreams: 1
albertobenitomirambell.pdf: 7805095 bytes, checksum: 69d22876f49a364f6fb31b967f70c3ba (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-07-03T15:27:23Z (GMT) No. of bitstreams: 1
albertobenitomirambell.pdf: 7805095 bytes, checksum: 69d22876f49a364f6fb31b967f70c3ba (MD5) / Made available in DSpace on 2018-07-03T15:27:23Z (GMT). No. of bitstreams: 1
albertobenitomirambell.pdf: 7805095 bytes, checksum: 69d22876f49a364f6fb31b967f70c3ba (MD5)
Previous issue date: 2018-02-23 / No dia de hoje, qualquer estudo relacionado aos recursos hídricos e seus usos, tais como irrigação, abastecimento de água e geração de energia, é de suma importância em função dos cenários que vivemos atualmente face às variabilidades climáticas. O uso eficiente desses recursos faz-se cada vez mais necessário, envolvendo fatores como a estimativa de algumas variáveis relacionadas ao ciclo hidrológico, notadamente a evapotranspiração. Há quase trinta anos a FAO recomendou o uso da equação de Penman-Monteith para a estimativa da evapotranspiração de referência. Desde então tem sido aplicada com sucesso em diferentes regiões e sob diferentes climas. No entanto, esta abordagem tem algumas desvantagens, entre elas, o fato de depender de medições de campo de parâmetros climáticos, tais como temperatura, humidade do ar, velocidade do vento e radiação solar. Além disso, essas medições são pontuais em referência ao local de operação da estação meteorológica e podem não representar de forma fidedigna as condições climáticas dos ambientes circundantes. Nos últimos tempos, com o avanço da tecnologia, o desenvolvimento de potentes linguagens de programação orientados à análise de dados, o surgimento das técnicas na área de inteligência artificial e do tratamento de grandes volumes de dados (“Big Data”), surgiram ferramentas com grande potencial para melhorar a forma como se tratam os eventos naturais ou antrópicos, permitindo maior eficiência e produtividade. Nessa linha, o objetivo principal do presente estudo é o uso desse conjunto de tecnologias para uma estimação confiável e robusta da evapotranspiração, na medida que constitui uma variável fundamental no fechamento do balanço hídrico no nível de uma bacia hidrográfica. Complementarmente, essa estimativa poderia ser também empregada como indicativo da perda água em uma cultura pelo agricultor. Em especial, dois procedimentos foram aplicados ao longo deste trabalho: redes neurais artificiais (RNA’s) e o algoritmo METRIC. O primeiro está associado a uma ferramenta com base em inteligência artificial, capaz de reproduzir o comportamento de certas variáveis com um alto nível de semelhança abrindo a possibilidade de gerar predições a curto-maio prazo que ajude no gerenciamento dos recursos hídricos por parte dos comités de bacia e outros entes responsáveis por eles. Por outro lado, METRIC permite usar imagens de satélite para estimar evapotranspiração em escala horária, capturando as abruptas mudanças que sofrem algumas variáveis climáticas ao longo do dia, sendo esta uma informação de vital importância para os agricultores determinarem a irrigação com maior confiabilidade. Os resultados obtidos após a aplicação de ambos os procedimentos, que compõem a abordagem metodológica deste trabalho, foram muito satisfatórios e com uma alta correlação com aqueles gerados pela metodologia considerada como referência. Assim sendo, pode-se concluir que ambos procedimentos formam um referencial apropriado na estimativa de valores de evapotranspiração que podem ser transferidos à prática agrícola com a certeza de uma melhora constante a tenor da rápida e imparável evolução da tecnologia na área da agricultura de precisão. / Nowadays, any study related to water resources and its usage, such as irrigation, water consumption and energy production is a central issue due to the climate change scenario we are currently living. The efficient use of such resources is a must and involves several factors, among them, the estimate of some hydrologic cycle-related variables, highlighting evapotranspiration, among them. About thirty years ago, the FAO recommended Penman-Monteith equation as the most trustworthy and representative methodology to estimate reference crop evapotranspiration. Since then, it has been applied successfully over different regions and under diverse weather conditions. However, this approach has some cons, such as its dependency on ground measurements of most common climatological parameters: temperature, relative air humidity, wind speed or solar radiation. In addition, these measurements are punctual on the weather station’s location and may not fully represent surrounding environments’ conditions. Lately, thanks to technological advances, the development of powerful programming data analysis-oriented languages, the rising of artificial intelligence, as well as big data, we have a wide variety of tools to improve the way we analyse natural phenomena, making it more efficient and productive. Therefore, the main objective of the present study is the use of such technologies aiming to estimate reliable evapotranspiration values, as a central parameter on water resources management at watershed basis, or even as an indicator of crop water loss, by farmers. Mainly, two different technology-based approaches have been applied along this dissertation pursuing the objective previously mentioned: artificial neural networks (ANN’s) and METRIC algorithm. The former is an artificial intelligence-based tool, capable of “recording” specific variables behaviour and succeed in “mimicking” them at a high resemblance level, favouring the possibility of short-half term forecasts to help watershed committees and other responsible bodies manage water resources. On the other hand, METRIC algorithm uses satellite imagery in order to estimate evapotranspiration hourly and able thus to catch the disrupting changes some of the climatological variables suffer along the day, turning into a vital piece of information for farmers, since they can design irrigation schedule more precisely. Results obtained after both procedures’ application, which compose the methodological approach throughout this study, fully satisfied our expectations and showed a high correlation to those results estimated by the methodology of reference. To sum up, we conclude that both approaches are reliable at estimating reference crop evapotranspiration and can be transferred to the agricultural management assuring a steady improvement due to the quick and unstoppable evolution in technology on the “agriculture of precision” field.
| Identifer | oai:union.ndltd.org:IBICT/oai:hermes.cpd.ufjf.br:ufjf/6909 |
| Date | 23 February 2018 |
| Creators | Mirambell, Alberto Benito |
| Contributors | Ribeiro, Celso Bandeira de Melo, Andrade, Ricardo Guimarães, Rotunno Filho, Otto Corrêa, Silva, Jonathas Batista Gonçalves |
| Publisher | Universidade Federal de Juiz de Fora (UFJF), Programa de Pós-graduação em Ecologia, UFJF, Brasil, ICB – Instituto de Ciências Biológicas |
| Source Sets | IBICT Brazilian ETDs |
| Language | English |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFJF, instname:Universidade Federal de Juiz de Fora, instacron:UFJF |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0165 seconds