Artificial neural networks, regression and empirical methods for reference evapotranspiration modeling in Inhambane City, Mozambique

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Eduardo Mondlane-
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.creatorTangune, Bartolomeu Félix-
Autor(es): dc.creatorRomán, E Rodrigo Máximo Sánchez [UNESP]-
Data de aceite: dc.date.accessioned2022-02-22T00:29:45Z-
Data de disponibilização: dc.date.available2022-02-22T00:29:45Z-
Data de envio: dc.date.issued2020-12-11-
Data de envio: dc.date.issued2020-12-11-
Data de envio: dc.date.issued2019-01-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.15809/irriga.2019v24n4p802-816-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/200198-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/200198-
Descrição: dc.descriptionPrecise estimation of reference evapotranspiration (ETo) is important for designing and managing irrigation systems. Methods of ETo estimation (11 empirical methods, 10 multiple regression models: RLM and 10 artificial neural networks: RNAs) were evaluated against Penman Monteith FAO 56 method using the following indexes: MBE (Mean Bias Error), RMSE (Root Mean Square Error) and R2, and RMSE was used as the main criterion of method selection. The significance of the methods was evaluated on the basis of the t test using data from 1985 to 2009. The meteorological data used (maximum temperature: Tmax, minimum temperature: Tmin and average temperature: T, relative air humidity, wind speed and solar brightness), from 1985 to 2009, are from the conventional meteorological station of the city of Inhambane, Mozambique. The results showed that the RLM4 model presented better performance (MBE = 0.01 mm.d-1; RMSE = 0.15 mm.d-1; R2 = 0.99). In the absence of global solar radiation, RLM6 (MBE =-0.01 mm.d-1; RMSE = 0.23 mm.d-1; R2 = 0.97) and RLM10 (MBE = 0.01 mm. d-1; RMSE = 0.23 mm.d-1; R2 = 0.97) can be used, which require measurement of T, and Tmax and Tmin, respectively. These models were not statistically different from the standard method.-
Descrição: dc.descriptionDepartamento de Engenharia Rural Escola Superior de Desenvolvimento Rural Universidade Eduardo Mondlane-
Descrição: dc.descriptionDepartamento de Engenharia Rural Faculdade de Ciências Agronômicas Universidade Estadual Paulista (UNESP), Campus de Botucatu. Fazenda Experimental Lageado, Avenida Universitária, nº 3780, Altos do Paraíso-
Descrição: dc.descriptionDepartamento de Engenharia Rural Faculdade de Ciências Agronômicas Universidade Estadual Paulista (UNESP), Campus de Botucatu. Fazenda Experimental Lageado, Avenida Universitária, nº 3780, Altos do Paraíso-
Formato: dc.format802-816-
Idioma: dc.languagept_BR-
Relação: dc.relationIRRIGA-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectEvapotranspiration-
Palavras-chave: dc.subjectMultiple regression-
Palavras-chave: dc.subjectNeural networks-
Título: dc.titleArtificial neural networks, regression and empirical methods for reference evapotranspiration modeling in Inhambane City, Mozambique-
Título: dc.titleRedes neurais artificiais, regressão e métodos empíricos para a modelagem da evapotranspiração de referência na cidade de Inhambane, Moçambique-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.