Sistema web e mobile para estimativa de evapotranspiração de referência utilizando redes neurais artificiais
Resumo
A evapotranspiração de referência (ETo) é um componente de grande importância em diversas áreas, assim como nos estudos agrícolas e na gestão dos recursos hídricos. Vários métodos de determinação são estudados, sendo o modelo de Penman-Monteith utilizado amplamente como padrão. A principal desvantagem deste método é o fato de que os dados meteorológicos necessários normalmente não estão facilmente disponibilizados, ou possuem um custo elevado para determinação. A inserção das redes neurais artificiais (RNA) nestes estudos possibilita obter resultados satisfatórios com número menor de variáveis de entradas. O presente trabalho tem por objetivo principal, desenvolver uma ferramenta web e mobile para a determinação da ETo utilizando modelos de redes neurais artificiais para o Estado do Rio Grande do Sul. Os dados utilizados para modelagem foram coletados junto as estações do Instituto Nacional de Meteorologia entre 2008 e 2012. Adotou-se como padrão os valores de ETo estimados pelo método de Penman-Mointeith e posteriormente comparado com os obtidos com as RNA s. O algoritmo de programação foi definido a partir da melhor arquitetura de rede neural, considerando o índide de desempenho e avaliação do erro. Ambas as aplicações foram desenvolvidas em ambiente Linux, com ferramentas livres e banco de dados SQLite. Pode-se perceber que as estimativas realizadas com as RNA's apresentam melhor desempenho quando comparado com os métodos empíricos conhecidos, variando seu índice de determinação (R²) entre 0,856 e 1,0. Obteve-se desempenho superior nos modelos com radiação solar diária como variável de entrada. Foi escolhido dois modelos de arquitetura para implementar no sistema, sendo o primeiro com inserção de radiação solar líquida e a segunda arquitetura utiliza-se de radiação solar extraterreste. Essa definição foi escolhida devido a carência ou custo alto para obtenção dos dados de radiação solar líquida. Concluiu-se que as redes neurais artificias são capazes de predizer com qualidade os valores de evapotranspiração de referencia para o Estado do Rio Grande do Sul possibilitando aplicações em sistemas web e mobile.