Multiple linear regression to forecast decendial weather for agricultural purposes

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorUniversidade Federal Rural da Amazônia (UFRA)-
Autor(es): dc.creatorVieira, Igor Cristian Oliveira-
Autor(es): dc.creatorde Moraes, José Reinaldo da Silva Cabral-
Autor(es): dc.creatorSantos, Valter Barbosa Dos-
Autor(es): dc.creatorCosta, Deborah Luciany Pires-
Autor(es): dc.creatorde Faria, Rogério Teixeira-
Autor(es): dc.creatorde Souza, Paulo Jorge de Oliveira Ponte-
Autor(es): dc.creatorRolim, Glauco de Souza-
Data de aceite: dc.date.accessioned2025-08-21T16:35:40Z-
Data de disponibilização: dc.date.available2025-08-21T16:35:40Z-
Data de envio: dc.date.issued2025-04-29-
Data de envio: dc.date.issued2024-05-07-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.26848/rbgf.v17.3.p1434-1456-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/305507-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/305507-
Descrição: dc.descriptionPredicting climate conditions helps in decision-making due to its great influence on crops, enabling more efficient production strategies and reducing damage, especially in the most critical phases of corn cultivation that determine its productive potential. A multiple linear regression model (RLM) was developed to forecast meteorological elements at least 2 months in advance for 15 locations that are prominent in corn production in Brazil. A set of daily data on average, minimum and maximum air temperature, wind speed, relative humidity and global radiation provided by the NASA/POWER system and precipitation data obtained from the National Water Agency (2003 to 2019) was used, organized into decennials (DEC) depending on the average corn cycle and grouped into two types of climate (Am and Aw). Forecasts using 14 DEC in both climate types showed, on average, high accuracy for all elements. The results indicated that the MLR has high accuracy in predicting these variables, especially in estimating wind speed. For the more volatile elements, such as precipitation, the model was still able to maintain acceptable reliability despite the complexities inherent in its prediction. In addition, the performance of the Camargo model to calculate the water balance was highlighted. This model required less input data to calculate water storage in the soil, which is decisive for planning corn cultivation, being an effective tool for predicting climatic elements on a ten-day scale.-
Descrição: dc.descriptionPrograma de Pós-Graduação Stricto Sensu de Ciência do Solo Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp)-
Descrição: dc.descriptionPrograma de Pós-Graduação Stricto Sensu de Produção Vegetal Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp)-
Descrição: dc.descriptionPrograma de Pós-Graduação Stricto Sensu em Agronomia Universidade Federal Rural da Amazônia (UFRA)-
Descrição: dc.descriptionUniversidade Estadual Paulista Júlio de Mesquita Filho (Unesp)-
Descrição: dc.descriptionUniversidade Federal Rural da Amazônia (UFRA)-
Descrição: dc.descriptionPrograma de Pós-Graduação Stricto Sensu de Ciência do Solo Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp)-
Descrição: dc.descriptionPrograma de Pós-Graduação Stricto Sensu de Produção Vegetal Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp)-
Descrição: dc.descriptionUniversidade Estadual Paulista Júlio de Mesquita Filho (Unesp)-
Formato: dc.format1434-1456-
Idioma: dc.languagept_BR-
Relação: dc.relationRevista Brasileira de Geografia Fisica-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectAgrometeorology, machine learning-
Palavras-chave: dc.subjectpredictive models-
Palavras-chave: dc.subjectweather forecast-
Título: dc.titleMultiple linear regression to forecast decendial weather for agricultural purposes-
Título: dc.titleModelo de previsão meteorológica decendial para fins agrícolas utilizando regressão linear múltipla-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.