Desenvolvimento e análise de uma rede neural artificial para estimativa da erosividade da chuva para o Estado de São Paulo

Moreira, Michel Castro; Cecílio, Roberto Avelino; Pinto, Francisco de Assis de Carvalho; Pruski, Fernando Falco

doi:10.1590/s0100-06832006000600016

Cited by 22 publications

(19 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Tal fato faz com que informações relativas à erosividade estejam disponíveis apenas para pequeno número de localidades no Brasil (MOREIRA et al, 2006). O solo desprovido da cobertura vegetal e da ação fixadora das raízes, exposto ao impacto direto das gotas de chuva, sofre desagregação, efeito que é complementado pela energia do escoamento superficial das águas, causando elevadas perdas de solo (SILVEIRA, 1998).…”

Section: Introductionunclassified

Escoamento superficial na interação: cobertura vegetal e práticas de controle de erosão

Carvalho¹,

Miranda

Duarte

et al. 2012

Eng. Agríc.

View full text Add to dashboard Cite

O escoamento da água oriunda das terras agricultadas é o principal fator poluente dos mananciais hídricos nas áreas rurais. Devido a esse fato, faz-se necessário o desenvolvimento e a aplicação de tecnologias que venham a reduzir descargas de resíduos indesejáveis. Nesse sentido, conduziu-se um experimento na área experimental do Departamento de Engenharia Rural - ESALQ/USP, Piracicaba - SP, com o objetivo de avaliar o efeito de diferentes condições de solo, (feijão, gramínea e solo nu) e diferentes práticas de controle de erosão (sulco de infiltração, terraço de infiltração e sem práticas de controle de erosão), buscando-se estimar o escoamento superficial. O delineamento estatístico adotado foi o em blocos aleatorizados, em esquema fatorial 3x3, perfazendo 9 tratamentos com 3 repetições. O período de coleta de dados pluviométricos foi de 06 de dezembro de 2007 a 11 de abril de 2008; para isto, utilizou-se de um pluviômetro, com 21,1 cm de diâmetro, instalado na área experimental. Observando-se as perdas de água, em relação às estruturas, tem-se em ordem decrescente de eficiência: Terraço, Sulco e Rampa; e com relação às coberturas, tem-se em ordem decrescente de eficiência: Feijão, Capim e Solo Nu.

show abstract

Section: Introductionunclassified

Escoamento superficial na interação: cobertura vegetal e práticas de controle de erosão

Carvalho¹,

Miranda

Duarte

et al. 2012

Eng. Agríc.

View full text Add to dashboard Cite

show abstract

“…They have been successfully used to model complex relationships involving time series in various areas of knowledge. MOREIRA et al (2006) andMOREIRA et al (2009) …”

Section: Introductionmentioning

confidence: 99%

Rainfall erosivity for the State of Rio de Janeiro estimated by artificial neural network

Carvalho

Khoury²,

Varella

et al. 2012

Eng. Agríc.

View full text Add to dashboard Cite

ABSTRACT:The Artificial Neural Networks (ANNs) are mathematical models method capable of estimating non-linear response plans. The advantage of these models is to present different responses of the statistical models. Thus, the objective of this study was to develop and to test ANNs for estimating rainfall erosivity index (EI 30 ) as a function of the geographical location for the state of Rio de Janeiro, Brazil and generating a thematic visualization map. The characteristics of latitude, longitude e altitude using ANNs were acceptable to estimating EI 30 and allowing visualization of the space variability of EI 30 . Thus, ANN is a potential option for the estimate of climatic variables in substitution to the traditional methods of interpolation.KEYWORDS: geographic information system, interpolation methods, soil conservation. EROSIVIDADE DAS CHUVAS NO ESTADO DO RIO DE JANEIRO ESTIMADA POR REDES NEURAIS ARTIFICIAIS RESUMO:As Redes Neurais Artificiais (RNAs) são métodos de modelagem matemática capazes de estimar planos de respostas não lineares, tendo a vantagem sobre métodos estatísticos que apresentam respostas lineares ou quadráticas. Este trabalho teve como objetivo desenvolver e testar RNAs para estimaro índice de erosividade das chuvas (EI 30 ) no Estado do Rio de Janeiro, em função da localização geográfica, e gerar um mapa temático para visualização. As características de latitude, longitude e altitude podem ser utilizadas para estimar o índice EI 30 , permitindogerar um mapa da variabilidade espacial desseíndice.PALAVRAS-CHAVE: sistema de informação geográfica, métodos de interpolação, conservação de solo.

show abstract

“…Studies of erosivity mapping on a national scale (Silva, 2004;Oliveira et al, 2012;Mello et al, 2013) and for the states of Minas Gerais (Mello et al, 2007;Moreira et al, 2008), with specific details for the south of the state of Minas Gerais (Aquino et al, 2012), and São Paulo (Vieira and Lombardi Neto, 1995;Moreira et al, 2006) showed analysis on a regional scale with low spatial resolution. However, river basins are the basic unit of planning and management of water resources, and the planning and implementation of soil and water conservation practices require a level of spatial detail consistent with their scale .…”

Section: Introductionmentioning

confidence: 99%

Spatial Distribution of Annual and Monthly Rainfall Erosivity in the Jaguarí River Basin

Pontes

Silva

Bispo

et al. 2017

Rev. Bras. Ciênc. Solo

View full text Add to dashboard Cite

ABSTRACT:The Jaguarí River Basin forms the main water supply sources for the São Paulo Metropolitan Region and other cities in the state. Since the kinetic energy of rainfall is the driving force of water erosion, the main cause of land and water degradation, we tested the hypothesis of correlation between the erosive potential of rainfall (erosivity) and geographical coordinates and altitude for the purpose of predicting the spatial and temporal distribution of the rainfall erosivity index (EI 30 ) in the basin. An equation was used to estimate the (EI 30 ) in accordance with the average monthly and total annual rainfall at rainfall stations with data available for the study area. In the regression kriging technique, the deterministic part was modeled using multiple linear regression between the dependent variable (EI 30 ) and environmental predictor variables: latitude, longitude, and altitude. From the result of equations and the maps generated, a direct correlation between erosivity and altitude could be observed. Erosivity has a markedly seasonal behavior in accordance with the rainy season from October to March. ), a region that should be prioritized in soil and water conservation efforts. From this validation, good precision and accuracy of the model was observed for the long period of the annual average, which is the main factor used in soil loss prediction models.

show abstract

Desenvolvimento e análise de uma rede neural artificial para estimativa da erosividade da chuva para o Estado de São Paulo

Cited by 22 publications

References 8 publications

Escoamento superficial na interação: cobertura vegetal e práticas de controle de erosão

Escoamento superficial na interação: cobertura vegetal e práticas de controle de erosão

Rainfall erosivity for the State of Rio de Janeiro estimated by artificial neural network

Spatial Distribution of Annual and Monthly Rainfall Erosivity in the Jaguarí River Basin

Contact Info

Product

Resources

About