Estimativa da evapotranspiração de referência através de redes neurais artificiais

Abstract

A estimativa da evapotranspiração por métodos indiretos propicia, de modo facilitado, a geração de dados para o planejamento de sistemas de irrigação e aplicação de modelos meteorológicos e hidrológicos, ambos, úteis na gestão de bacias hidrográficas. O objetivo deste trabalho foi elaborar uma Rede Neural Artificial (RNA) para estimar a evapotranspiração de referência (Eto) em função de dados diários de temperatura do ar. A RNA, do tipo FeedForward Multilayer Perceptron, foi treinada tomando-se por referência a Eto diária obtida pelo método de Penman-Monteith. Nas camadas intermediárias e de saída foram utilizadas funções de ativação do tipo tan-sigmóide e lineares, respectivamente. Os valores de Eto gerados pela RNA foram comparados com os obtidos pelos métodos de Blanney-Criddle e Hargreaves considerando meses referentes às quatro estações do ano. Em relação aos outros métodos analisados, os resultados obtidos a partir da RNA foram mais próximos ao método padrão Penman-Monteith. Assim, o desempenho da RNA desenvolvida foi satisfatório, podendo-se considerá-la como integrante do conjunto de métodos indiretos para estimativa da evapotranspiração, além de representar uma diminuição dos custos de aquisição de dados para estimativa desta variável.

ABSTRACT - The estimation of evapotranspiration by indirect methods provides synthetic data for planning irrigation systems and application on meteorological and hydrological models, both useful in watershed management. The objective of this study was to develop an Artificial Neural Network (ANN) to estimate the reference evapotranspiration (Eto) based on daily air temperature data. The ANN model of Feedforward Multilayer Perceptron type, was trained using as a reference the daily Eto obtained by the Penman-Monteith method. In the intermediate and output layers were used activation functions like tan-sigmoid and linear, respectively. Eto values generated by ANN were compared with those obtained by the methods of Blanney-Criddle and Hargreaves considering the months of the four seasons. Comparing to the other analyzed methods, the results obtained from the ANN were closer to the standard Penman-Monteith method. Thus, the performance of the developed ANN was satisfactory, and the ANN model can be considered as one indirect method for estimating evapotranspiration and allows a cost reduction on data acquisition to estimate this variable.