Estimating Potential Evapotranspiration in Maranhão State Using Artificial Neural Networks
| Autor: | Maryzélia Furtado de Farias, Klara Cunha de Meneses, Lucas Eduardo de Oliveira Aparecido, Kamila Cunha de Meneses |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2020 |
| Předmět: |
inteligência artigicial
Atmospheric Science Accuracy and precision Artificial neural network elementos climáticos Context (language use) modeling 04 agricultural and veterinary sciences 02 engineering and technology climatic elements Perceptron artificial intelligence modelagem Water scarcity Evapotranspiration Meteorology. Climatology Statistics 040103 agronomy & agriculture 0202 electrical engineering electronic engineering information engineering 0401 agriculture forestry and fisheries Environmental science 020201 artificial intelligence & image processing Precipitation QC851-999 Irrigation management |
| Zdroj: | Revista Brasileira de Meteorologia, Vol 35, Iss 4, Pp 675-682 (2020) Revista Brasileira de Meteorologia v.35 n.4 2020 Revista Brasileira de Meteorologia Sociedade Brasileira de Meteorologia (SBMET) instacron:SBMET Revista Brasileira de Meteorologia, Issue: ahead, Published: 27 NOV 2020 |
| ISSN: | 1982-4351 |
| Popis: | The use of technology and planning in agricultural production is essential in Northeastern Brazil, which is the region of the country that most suffers from water shortage. For the best irrigation management, it is necessary to know the potential evapotranspiration rate for water control in order to increase productivity. There are several direct and indirect methods for estimating evapotranspiration, but the standard method recommended by the United Nations Agriculture Organization (FAO) is the Penman-Monteith (PETpm) method because it has higher accuracy than other methods. However, it is a difficult method to be used due to the need for a large number of meteorological elements. In this context, the objective of this study was to estimate potential evapotranspiration by the Penman-Monteith method in the micro-region of Baixo Parnaíba in Maranhão state using artificial neural networks. Agro-meteorological data were collected daily over 34 years, from 1984 to 2017, and these data were obtained from the NASA/POWER website. Subsequently, liquid radiation and potential evapotranspiration were calculated by the Penman-Monteith standard method (1998). To predict potential daily evapotranspiration, the Multi-Layer Perceptron (MLP) was chosen, which is a traditional Artificial Neural Network. The period that presented a higher evapotranspiration index was the same one that showed precipitation with a lower volume and higher temperatures. The artificial neural network model that best adapted to estimate PETpm was MLP 2-5-1. It is concluded that artificial neural networks estimate with accuracy and precision the Penman-Monteith daily potential evapotranspiration of the Lower Parnaiba in Maranhão, and potential evapotranspiration can be estimated by the Penman-Monteith method using neural networks with inputs of air temperatures. Resumo O uso de tecnologia e planejamento na produção agrícola é essencial, principalmente, no Nordeste do Brasil, que é a região do país que mais sofre com a escassez hídrica. Para o melhor manejo da irrigação torna-se necessário o conhecimento da taxa de evapotranspiração potencial para o controle e economia de água aumentando a produtividade. Existe vários métodos diretos e indiretos para a estimativa de evapotranspiração, mas o método padrão recomendado pela Organização das Nações Unidas para Agricultura (FAO) é o método Penman-Monteith (ETPPM) por ter uma alta precisão em relação aos demais métodos. Entretanto, é um método difícil de ser utilizado devido à necessidade de uma grande quantidade de elementos meteorológicos. Diante desse contexto, objetivou-se estimar a ETPPM na microrregião do Baixo Parnaíba maranhense utilizando redes neurais artificiais, visando facilitar a utilização deste método tão acurado. Os dados agrometeorológicos coletados foram de 34 anos, a partir do ano de 1984 até o ano de 2017 em escala diária, obtidos do site NASA/POWER. Posteriormente, foram calculadas a radiação liquida e a evapotranspiração potencial pelo método padrão Penman-Moteith (1998). Para prever a evapotranspiração potencial diária foi escolhida a Perceptron Multi-Layer (MLP), que é uma Rede Neural Artificial tradicional. O período que apresentou um maior índice de evapotranspiração foi o mesmo que apontou precipitações com um menor volume e temperaturas elevadas. O modelo de rede neural artificial que melhor se adequou para estimativa da ETPPM foi a MLP 2-5-1. Com isto, conclui-se que as redes neurais artificiais podem ser utilizadas para a estimativa da ETPPM diária do Baixo Parnaíba maranhense. é possível estimar a evapotranspiração potencial por Penman-Monteith usando redes neurais com inputs de temperaturas do ar. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|