Análise da produtividade e das variáveis biométricas do rabanete sob diferentes lâminas de irrigação com água tratada magneticamente utilizando modelagem neuro-fuzzy

• Autor(a) principal: Ferrari, Jéssica Maiara de Souza
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/157146
• topic: Otimização hídrica; Raphanus sativus L.; redes neurais; ANFIS

O rabanete é um dos vegetais mais antigos, tendo origem nas regiões mediterrâneas. A irrigação da cultura geralmente é feita com água proveniente de fontes superficiais, muitas vezes com qualidade inferior ao perfil utilizado mais comumente, contendo uma alta concentração de sais dissolvidos. O presente trabalho teve como finalidade, investigar a possibilidade de elaborar modelagens neuro fuzzy para estimativa do desenvolvimento e produtividade do rabanete, quando submetido a irrigação com água convencional e tratada magneticamente sob diferentes lâminas de irrigação, baseados na evapotranspiração da cultura (ETc). Os dados utilizados para alimentar o sistema foram provenientes de experimento realizado em ambiente protegido, localizado no Departamento de Engenharia Rural da UNESP, Faculdade de Ciências Agronômicas (FCA), Fazenda Experimental Lageado, no município de Botucatu/SP. O delineamento experimental foi inteiramente casualizado 2x5, com cinco lâminas de irrigação (25%; 50%; 75%, 100% e 125% da ETc), com água em duas condições (magnetizada e convencional) e cinco repetições de plantas. Para isto, o trabalho foi dividido em 4 capítulos, em que utiliza-se o modelo hibrido para estimativa da produtividade e fatores biométricos do rabanete, utilizando dados aferidos 35 dias após transplantio. As variáveis de entrada foram: Lâmina de Irrigação e Característica da Água (convencional ou magnetizada), e as variáveis de saída selecionadas foram: Produtividade e as Análises Biométricas. Os modelos se mostraram satisfatórios, e também possibilitou visualizar resultados nos níveis intermediários, não somente nos que já foram realizados no experimento, formalizando assim uma generalização dos resultados do experimento.