A aplicação do método de Penman-Monteith FAO56 (PM-FAO56) para estimativa da evapotranspiração de referência (ETo) requer observações de diversos elementos meteorológicos. A maior parte das estações meteorológicas não realiza medidas de todos os elementos, o que restringe a aplicação do PM-FAO56. O objetivo foi avaliar o desempenho dos métodos empíricos de Thornthwaite, Camargo, Hargreaves-Samani, Jensen-Haise e Makkink na estimativa de ETo em função dos extremos de temperatura do ar no estado do Rio de Janeiro (RJ). Foram utilizadas séries meteorológicas entre oito e 34 anos de 10 estações convencionais pertencentes ao Instituto Nacional de Meteorologia localizadas no RJ. As estimativas decendiais e mensais de ETo pelos métodos empíricos foram comparadas com ETo determinada por PM-FAO56 (padrão) para se avaliar a exatidão (Erro Padrão de Estimativa -EPE e Índice de Willmott -d), precisão (coeficiente de determinação -R²) e o desempenho (índice c de Camargo e Sentelhas) dos métodos. Independente da escala de tempo avaliada, o método de Makkink mostrou estimativas com maior exatidão (d > 0,82 e EPE < 0,68 mm d ) e desempenhos (0,51 < índice c < 0,75) das estimativas foram proporcionadas por Jensen-Haise para todas as estações e escalas de tempo, não sendo recomendado sua aplicação no estado do RJ. Os métodos de Hargreaves-Samani, Jensen-Haise e Makkink devem ser ajustados às condições climáticas do RJ.Palavras-Chave: Penman-Monteith, radiação solar global, amplitude térmica
The present study aims to evaluate the APSIM-Maize model performance to use it as a decision-making tool to help improve production rates, reduce production costs and assess the potential impacts of climate change on crop yields in the Northeast of Brazil. The crop, soil and weather data used in the simulations were obtained from field experiments carried out in maize crops in 2008 and 2011 in two different edaphoclimatic regions in Alagoas State, Northeast Brazil. The approach we used explored the ability of APSIM to simulate growth variables and soil water dynamics of a maize variety (AL Bandeirante). During parametrization, we made some adjustments regarding the variety and soil organic matter to attain a better representation of the growth and soil water dynamics, respectively. The APSIM-Maize model predicted the leaf area index with a RMSE (Root Mean Square Error) ranging between 0.14 and 1.06 cm2 cm-2 and the biomass production with an RMSE between 2.30 and 3.34 Mg ha-1. The volumetric soil water content was satisfactorily predicted with RMSE ranging between 0.02 and 0.08 mm mm-1. Results showed that this model is a useful tool for decision-making, which can be potentially used as a support in climate risk management and policies, aiming to improve regional production, provided it has been previously validated with independent datasets.
O biogás tem em sua composição o dióxido de carbono (𝐶𝑂ଶ) e o gás metano (𝐶𝐻ସ), sendo esse último o principal precursor, enquanto combustível, para utilização como fonte de energia. Resultante da decomposição de matéria orgânica, o estudo a ser desenvolvido visa avaliar a viabilidade da utilização de biodigestores para o aproveitamento energético do biogás produzido pela decomposição da matéria orgânica dos resíduos sólidos urbanos. O procedimento metodológico, adotado a partir da perspectiva de emissão de metano em aterros, se deu a partir da aplicação do método do IPCC. Método esse, geralmente aplicado para projetar cenários de aterros que ainda não estão operando. O presente trabalho buscou contribuir com cenários frente às discussões sobre a necessidade de se investir em energias alternativas que minimizem o estágio atual de emissões de gases estufa, bem como, mostrar o potencial energético que esse gás possui e a possibilidade de transformação do metano em energia útil, tornando o biogás um gás lucrativo e mitigando o problema da poluição. O aterro apresenta uma prospecção de gerar 5.211.050 𝑚ଷ𝐶𝐻ସentre o período apresentado (2015 – 2050) e até 2036, o aterro vai gerar 2.960.351 𝑚ଷ𝐶𝐻ସ, chegando a produzir em média 144.751,4𝑚ଷ𝐶𝐻ସ/ano. Para projetar à estimativa foi utilizado o modelo do IPCC, método esse já consagrado na literatura.
O objetivo desse estudo foi avaliar o potencial energético e o teor de cinzas da canaenergia em Alagoas, Nordeste do Brasil. O experimento foi conduzido com sete genótipos de cana-energia do tipo Vertix (VX) e uma cultivar de cana-de-açúcar (RB92579). O delineamento foi em blocos casualizados com três repetições. O poder calorífico superior, a combustibilidade e o teor de cinzas foram determinados bimestralmente. A eficiência de conversão de energia foi calculada pela relação entre o conteúdo de energia da biomassa e a irradiação solar. O poder calorífico superior para cana-energia na colheita foi em média 18.876,00 (± 110,05) J g-1, e mostrou diferença estatística significativa (p < 0,05) entre os genótipos apenas aos 201 e aos 362 dias após o transplantio (DAT). A variedade RB92579 teve rendimento energético de 530 GJ ha-1 e do genótipo mais produtivo de cana-energia (VX12-1744) foi 1.069 GJ ha-1 (329 DAT), a média dos genótipos foi igual a 762 (± 133,92) GJ ha-1. A RB92579 apresentou o menor teor de cinzas na colheita (2,4%) e o maior teor de combustibilidade (97,6%). Os genótipos apresentaram eficiência na conversão de energia, considerando a irradiação fotossintética interceptada, em média de 4,2%. A cana-energia apresentou resultados de poder calorifico maiores que a cana-de-açúcar com teores de cinzas superiores e menor combustibilidade. Esses resultados demostram que a cana-energia é alternativa promissora para geração de energia elétrica.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.