Aplicação de um modelo computacional híbrido para estimativa da evapotranspiração de referência (ETo) como uma ferramenta de apoio à irrigação

Abstract

A população mundial cresce exponencialmente a cada dia, o que tem tornado o aumento da produção de alimentos cada vez mais indispensável. Este só será possível com a intensificação da produção em diferentes localidades e épocas do ano apoiadas pelo processo de irrigação. Em contra partida, o aumento do consumo dos recursos naturais como água tem demonstrado um fator de preocupação mundial. Para tanto, a determinação de informações que possam minimizar a sua utilização, como a evapotranspiração, é cada vez mais necessária. O presente estudo visou a aplicação de técnicas de inteligência computacional no desenvolvimento de um modelo híbrido, composto por Redes Neurais Artificiais (RNAs) e Algoritmos Genéticos (AGs), para estimar os valores diários e mensais da evapotranspiração de referência (ETo) obtidos pelo método de Penman-Monteith FAO-56. O método foi aplicado para 75 localidades da região sudeste do Brasil. Os resultados foram comparados com os métodos empíricos de Hargreaves-Samani, Jensen-Haise, Linacre, Benavides & Lopez e Hamon e a RNA Multilayer Perceptron (MLP). O desempenho dos modelos foram avaliados utilizando o coeficiente de correlação (r), erro médio absoluto (EMA), raiz do erro médio quadrático (REMQ), erro médio percentual (EMP), índice de concordância (D), índice de confiança (C), estatística descritiva e análise de dispersão. A avaliação dos resultados mostraram que na maioria dos casos o modelo híbrido MLP-AG apresentou índices superiores aos demais modelos, chegando a obter índices de (r) entre 0,94 a 0,99, (D) entre 0,97 a 0,99, (C) entre 0,92 a 0,99 e (EMP) entre 1,82% e 6,66% caracterizando que os dados obtidos pelo modelo apresentam uma precisão entre 93,34% a 98,12% em relação aos valores obtidos pelo método de Penman-Monteith. Logo, pode-se concluir que o modelo proposto é uma alternativa para estimativa da ETo na região Sudeste do Brasil.