Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | Pesquisa Agropecuária Brasileira (Online) |
Texto Completo: | https://seer.sct.embrapa.br/index.php/pab/article/view/26726 |
Resumo: | O objetivo deste trabalho foi desenvolver um aplicativo (APP) para manejo da irrigação com base no clima, por meio de redes neurais artificiais (ANNs), além de validá-lo em um cultivo de milho (Zea mays) verde. Desenvolveu-se um APP (IrriMobile) que utiliza ANNs com base em temperatura e umidade relativa, ou apenas em temperatura, para estimar a evapotranspiração de referência (ETo). O aplicativo e a metodologia de manejo da irrigação de Bernardo, com a ETo estimada pela equação FAO-56 Penman-Monteith, foram utilizados para manejar a irrigação na cultura do milho verde. Avaliou-se também o desempenho de equações empíricas para estimar a ETo. Avaliaram-se diversas características morfológicas e agronômicas do milho. O APP foi utilizado no experimento com dados de temperatura, umidade relativa e precipitação. Simulou-se, também, seu uso apenas com dados de temperatura e precipitação. Não houve diferença para nenhuma das características do milho avaliadas. A estimação de ETo pelo APP mostrou desempenho superior à das equações avaliadas. O aplicativo superestima os requisitos de irrigação em 8 e 19%, ao usar temperatura e umidade relativa, e apenas temperatura, respectivamente. |
id |
EMBRAPA-4_46276348cfa72b4141832b4801a4f657 |
---|---|
oai_identifier_str |
oai:ojs.seer.sct.embrapa.br:article/26726 |
network_acronym_str |
EMBRAPA-4 |
network_name_str |
Pesquisa Agropecuária Brasileira (Online) |
repository_id_str |
|
spelling |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiaisA smartphone APP for weather-based irrigation scheduling using artificial neural networksZea mays; inteligência artificial; evapotranspiração; aprendizado de máquina; irrigação inteligenteZea mays; artificial intelligence; evapotranspiration; machine learning; smart irrigationO objetivo deste trabalho foi desenvolver um aplicativo (APP) para manejo da irrigação com base no clima, por meio de redes neurais artificiais (ANNs), além de validá-lo em um cultivo de milho (Zea mays) verde. Desenvolveu-se um APP (IrriMobile) que utiliza ANNs com base em temperatura e umidade relativa, ou apenas em temperatura, para estimar a evapotranspiração de referência (ETo). O aplicativo e a metodologia de manejo da irrigação de Bernardo, com a ETo estimada pela equação FAO-56 Penman-Monteith, foram utilizados para manejar a irrigação na cultura do milho verde. Avaliou-se também o desempenho de equações empíricas para estimar a ETo. Avaliaram-se diversas características morfológicas e agronômicas do milho. O APP foi utilizado no experimento com dados de temperatura, umidade relativa e precipitação. Simulou-se, também, seu uso apenas com dados de temperatura e precipitação. Não houve diferença para nenhuma das características do milho avaliadas. A estimação de ETo pelo APP mostrou desempenho superior à das equações avaliadas. O aplicativo superestima os requisitos de irrigação em 8 e 19%, ao usar temperatura e umidade relativa, e apenas temperatura, respectivamente.The objective of this work was to develop a smartphone application (APP) for a weather-based irrigation scheduling using artificial neural networks (ANNs), as well as to validate it in a green corn (Zea mays) crop. An APP (IrriMobile) that uses ANNs based on temperature and relative humidity, or on temperature only, was developed to estimate the reference evapotranspiration (ETo). The APP and Bernardo’s methodology for irrigation scheduling, with the ETo estimated by the FAO-56 Penman-Monteith equation, were used to schedule the irrigation for a green corn crop. The performance of empirical equations to estimate ETo was also assessed. Several corn morphological and agronomic characteristics were evaluated. The APP was used in the experiment with temperature, relative humidity, and rainfall data. Its use was also simulated with temperature and rainfall data only. There was no difference for any of the green corn characteristics evaluated. ETo estimation through the APP showed a higher performance than that by the evaluated equations. The APP overestimates the irrigation requirements by 8 and 19% when using temperature and relative humidity, and temperature only, respectively. Pesquisa Agropecuaria BrasileiraPesquisa Agropecuária BrasileiraConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Ferreira, Lucas BorgesCunha, Fernando França daOliveira, Rubens Alves deRodrigues, Thiago Ferreira2020-08-13info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://seer.sct.embrapa.br/index.php/pab/article/view/26726Pesquisa Agropecuaria Brasileira; V.55, Jan./Dec., 2020: Publicação contínua em volume anual; e01839Pesquisa Agropecuária Brasileira; V.55, Jan./Dec., 2020: Publicação contínua em volume anual; e018391678-39210100-104xreponame:Pesquisa Agropecuária Brasileira (Online)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPAenghttps://seer.sct.embrapa.br/index.php/pab/article/view/26726/14731https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/26726/18308https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/26726/18311Direitos autorais 2020 Pesquisa Agropecuária Brasileirainfo:eu-repo/semantics/openAccess2022-05-18T18:26:38Zoai:ojs.seer.sct.embrapa.br:article/26726Revistahttp://seer.sct.embrapa.br/index.php/pabPRIhttps://old.scielo.br/oai/scielo-oai.phppab@sct.embrapa.br || sct.pab@embrapa.br1678-39210100-204Xopendoar:2022-05-18T18:26:38Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false |
dc.title.none.fl_str_mv |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais A smartphone APP for weather-based irrigation scheduling using artificial neural networks |
title |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais |
spellingShingle |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais Ferreira, Lucas Borges Zea mays; inteligência artificial; evapotranspiração; aprendizado de máquina; irrigação inteligente Zea mays; artificial intelligence; evapotranspiration; machine learning; smart irrigation |
title_short |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais |
title_full |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais |
title_fullStr |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais |
title_full_unstemmed |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais |
title_sort |
Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais |
author |
Ferreira, Lucas Borges |
author_facet |
Ferreira, Lucas Borges Cunha, Fernando França da Oliveira, Rubens Alves de Rodrigues, Thiago Ferreira |
author_role |
author |
author2 |
Cunha, Fernando França da Oliveira, Rubens Alves de Rodrigues, Thiago Ferreira |
author2_role |
author author author |
dc.contributor.none.fl_str_mv |
Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) |
dc.contributor.author.fl_str_mv |
Ferreira, Lucas Borges Cunha, Fernando França da Oliveira, Rubens Alves de Rodrigues, Thiago Ferreira |
dc.subject.por.fl_str_mv |
Zea mays; inteligência artificial; evapotranspiração; aprendizado de máquina; irrigação inteligente Zea mays; artificial intelligence; evapotranspiration; machine learning; smart irrigation |
topic |
Zea mays; inteligência artificial; evapotranspiração; aprendizado de máquina; irrigação inteligente Zea mays; artificial intelligence; evapotranspiration; machine learning; smart irrigation |
description |
O objetivo deste trabalho foi desenvolver um aplicativo (APP) para manejo da irrigação com base no clima, por meio de redes neurais artificiais (ANNs), além de validá-lo em um cultivo de milho (Zea mays) verde. Desenvolveu-se um APP (IrriMobile) que utiliza ANNs com base em temperatura e umidade relativa, ou apenas em temperatura, para estimar a evapotranspiração de referência (ETo). O aplicativo e a metodologia de manejo da irrigação de Bernardo, com a ETo estimada pela equação FAO-56 Penman-Monteith, foram utilizados para manejar a irrigação na cultura do milho verde. Avaliou-se também o desempenho de equações empíricas para estimar a ETo. Avaliaram-se diversas características morfológicas e agronômicas do milho. O APP foi utilizado no experimento com dados de temperatura, umidade relativa e precipitação. Simulou-se, também, seu uso apenas com dados de temperatura e precipitação. Não houve diferença para nenhuma das características do milho avaliadas. A estimação de ETo pelo APP mostrou desempenho superior à das equações avaliadas. O aplicativo superestima os requisitos de irrigação em 8 e 19%, ao usar temperatura e umidade relativa, e apenas temperatura, respectivamente. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-08-13 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://seer.sct.embrapa.br/index.php/pab/article/view/26726 |
url |
https://seer.sct.embrapa.br/index.php/pab/article/view/26726 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
https://seer.sct.embrapa.br/index.php/pab/article/view/26726/14731 https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/26726/18308 https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/26726/18311 |
dc.rights.driver.fl_str_mv |
Direitos autorais 2020 Pesquisa Agropecuária Brasileira info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Direitos autorais 2020 Pesquisa Agropecuária Brasileira |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Pesquisa Agropecuaria Brasileira Pesquisa Agropecuária Brasileira |
publisher.none.fl_str_mv |
Pesquisa Agropecuaria Brasileira Pesquisa Agropecuária Brasileira |
dc.source.none.fl_str_mv |
Pesquisa Agropecuaria Brasileira; V.55, Jan./Dec., 2020: Publicação contínua em volume anual; e01839 Pesquisa Agropecuária Brasileira; V.55, Jan./Dec., 2020: Publicação contínua em volume anual; e01839 1678-3921 0100-104x reponame:Pesquisa Agropecuária Brasileira (Online) instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa) instacron:EMBRAPA |
instname_str |
Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
instacron_str |
EMBRAPA |
institution |
EMBRAPA |
reponame_str |
Pesquisa Agropecuária Brasileira (Online) |
collection |
Pesquisa Agropecuária Brasileira (Online) |
repository.name.fl_str_mv |
Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
repository.mail.fl_str_mv |
pab@sct.embrapa.br || sct.pab@embrapa.br |
_version_ |
1793416680913764352 |