Estimativa de evapotranspiração de referência utilizando redes neurais artificiais para o Estado do Rio Grande do Sul

Abstract

A evapotranspiração de referência (ETo) é um fenômeno complexo e não-linear, pois depende da interação entre os vários elementos climáticos. Propor uma rede neural artificial (RNA) para estimar a ETo em função de dados climáticos e coordenadas geográfica no Estado do Rio Grande do Sul, motivou a realização do presente estudo. Os dados utilizados no treinamento da rede foram obtidos de 35 estações meteorológicas do Instituto Nacional de Meteorologia, localizadas nesse Estado. A ETo diária calculada pelo método de Penman-Monteith (FAO-56) foi utilizada como referência para treinar as redes. As RNAs, do tipo perceptron de múltiplas camadas, foram treinadas para estimar a ETo em função da latitude, longitude, altitude, dia do ano, temperatura máxima diária, temperatura mínima diária, umidade relativa do ar média diária, velocidade do vento, ocorrência de precipitação, radiação solar global incidente diária, duração de brilho solar diário e déficit de saturação do ar. Após o treinamento com várias configurações de rede, pode-se observar que todas as arquiteturas apresentaram índice de desempenho entre 0,85 a 0,8819, classificado como ótimo. Pelos resultados obtidos conclui-se que as RNA’s são ferramentas poderosas para estimativa de evapotranspiração, principalmente ao acrescentarmos dados climáticos e espaciais.