|
Registro Completo |
|
Biblioteca(s): |
Embrapa Unidades Centrais. |
|
Data corrente: |
26/08/2020 |
|
Data da última atualização: |
26/08/2020 |
|
Autoria: |
FERREIRA, L. B.; CUNHA, F. F. da; OLIVEIRA, R. A. de; RODRIGUES, T. F. |
|
Afiliação: |
LUCAS BORGES FERREIRA, Universidade Federal de Viçosa; FERNANDO FRANÇA da CUNHA, Universidade Federal de Viçosa; RUBENS ALVES de OLIVEIRA, Universidade Federal de Viçosa; THIAGO FERREIRA RODRIGUES, Universidade Federal de Viçosa. |
|
Título: |
A smartphone APP for weather based irrigation scheduling using artificial neural networks. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, v. 55, e01839, 2020. |
|
DOI: |
https://doi.org/10.1590/S1678-3921. pab2020.v55.01839. |
|
Idioma: |
Inglês |
|
Notas: |
Título em português: Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais. |
|
Conteúdo: |
Abstract – 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. 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. MenosAbstract – 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. 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 temperatur... Mostrar Tudo |
|
Thesagro: |
Clima; Evapotranspiração; Irrigação; Milho Verde; Umidade Relativa; Zea Mays. |
|
Thesaurus Nal: |
Evapotranspiration; Irrigation; Relative humidity; Weather. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/215589/1/Smartphone-app-weather.pdf
|
|
Marc: |
LEADER 03455naa a2200301 a 4500
001 2124569
005 2020-08-26
008 2020 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1590/S1678-3921. pab2020.v55.01839.$2DOI
100 1 $aFERREIRA, L. B.
245 $aA smartphone APP for weather based irrigation scheduling using artificial neural networks.$h[electronic resource]
260 $c2020
500 $aTítulo em português: Aplicativo de celular para manejo da irrigação com base no clima por meio de redes neurais artificiais.
520 $aAbstract – 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. 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.
650 $aEvapotranspiration
650 $aIrrigation
650 $aRelative humidity
650 $aWeather
650 $aClima
650 $aEvapotranspiração
650 $aIrrigação
650 $aMilho Verde
650 $aUmidade Relativa
650 $aZea Mays
700 1 $aCUNHA, F. F. da
700 1 $aOLIVEIRA, R. A. de
700 1 $aRODRIGUES, T. F.
773 $tPesquisa Agropecuária Brasileira$gv. 55, e01839, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
