Estimativa da evapotranspiração de referência do Planalto Paulista por meio de regressões múltiplas com dados ausentes estimados via análise de componentes principais

Autores

DOI:

https://doi.org/10.33448/rsd-v11i8.31120

Palavras-chave:

Análise de componentes principais; Modelos de regressão; Dados faltantes.

Resumo

A evapotranspiração é um fenômeno físico que promove a complexa transferência de água para a atmosfera por meio da relação entre o balanço hídrico climatológico, evaporação da água da superfície e transpiração das culturas agrícolas. É um parâmetro importante para otimização da gestão de recursos hídricos e planejamento da irrigação. Obter medidas confiáveis de evapotranspiração é uma tarefa complexa, pois depende de variáveis não disponíveis em algumas localidades. O objetivo deste trabalho foi aplicar a técnica multivariada de Análise de Componentes Principais para preenchimento de dados faltantes e propor modelos mais simples na estimação da evapotranspiração de referência para o Planalto Ocidental Paulista, comparando-os com o modelo de Penman-Monteith. Foi aplicado um procedimento baseado na Análise de Componente Principais para reconstrução da base de dados meteorológicos do período de 2013 a 2017 de 30 estações meteorológicas automáticas do Planalto Ocidental Paulista, localizado a noroeste do Estado de São Paulo, Brasil. Posteriormente foi realizada uma análise exploratória das variáveis climáticas para verificar o agrupamento de variáveis climáticas mais relevantes nos processos físicos da evapotranspiração. Esses agrupamentos foram a base para a construção de diferentes modelos de estimação da evapotranspiração de referência por meio de Regressões Múltiplas. Os resultados mostraram os melhores desempenhos dos modelos EToRLM4 (rRMSE = 5,23%) e EToRNLM4 (rRMSE = 6,39%). Os valores dos indicativos estatísticos da base de validação de RLM4 e RNLM4 indicam que ambos os modelos de regressões múltiplas podem ser utilizados na estimativa da evapotranspiração de referência.

Referências

Adeloye, A. J.; Rustum, R.; Kariyama, I. D (2012). Neural Computing Modeling of the reference crop evapotranspiration. Environmental Modelling e Software, v. 29, pp. 61-73.

Allen, R. G., Pereira, L. S., Raes, D. & Smith, M. (1998). Crop evapotranspiration: guidelines for computing crop water requirements. Rome: FAO. 300p. (Irrigation and Drainage Paper, 56).

Allen, R. G.; Pruitt, W. O. (1991). FAO-24 reference evapotranspiration factors. Journal of Irrigation and Drainage Engineering, v. 177, 758 - 773. doi: https://doi.org/10.1061/(ASCE)0733-9437(1991)117:5(758)

Almedeij, J. (2012). Modeling Pan Evaporation for Kuwait by Multiple Linear Regression. The Scientific World Journal, Article ID 574742, 9 pages, doi: 10.1100/2012/574742.

Althoff, D.; Bazame, H. C.; Filgueiras, R. et al. (2018). Heuristic methods applied in reference evapotranspiration modeling. Ciência e Agrotecnologia, v. 42, n. 3, pp. 314-324.

Benavides, J. G., & Lopez Diaz, Y. J. (1970). Formula para el calculo de la evapotranspiracion potencial adaptada al tropico (15º N - 15º S). Agronomia Tropical, Maracay, 20(5), 335-345.

Bilgili, M. (2010). Prediction of soil temperature using regression and artificial neural network models. Meteorology and Atmospheric Physic, v. 110, pp. 59-70. DOI: 10.1007/s00703-010-0104-x

Blaney, H. F.; Criddle, W. D. (1950). Determining Water Requirements in Irrigated Areas from Climatological and Irrigation Data. US Dep. of Agr. Tech. Pap. No. 96, p. 48.

Bogawski, P.; Bednorz, E. (2014). Comparison and Validation of Selected Evapotranspiration Models for Conditions in Poland (Central Europe). Water Resources Management, v. 28, pp. 5021-5038. doi: https://doi.org/10.1007/s11269-014-0787-8

Cristea, N. C.; Kampf, S. K.; Burges, S. J. (2013). Linear models for estimating annual and growing season reference evapotranspiration using averages of weather variables. International Journal of Climatology, v. 33, pp. 376–387. doi: https://doi.org/10.1002/joc.3430

García-Diego, F.; F. J.; Zarzo, M. (2010). Microclimate monitoring by multivariate statistical control: The renaissance frescoes of the Cathedral of Valencia (Spain). Journal of Cultural Heritage, v. 11, pp. 339-344. doi: https://doi.org/10.1016/j.culher.2009.06.002.

Hargreaves, G. H, Samani, Z. A. (1985). Reference crop evapotranspiration from temperature. Applied Engineering in Agriculture, v. 1, n. 2, pp. 96-99. doi: http://dx.doi.org/10.13031/2013.26773

Ikudayisi, Akinola & Adeyemo, Josiah. (2016). Effects of Different Meteorological Variables on Reference Evapotranspiration Modeling: Application of Principal Component Analysis. International Journal of Environmental, Chemical, Ecological, Geological and Geophysical Engineering. 10. 623-627.

Iqbal, M. (1983). An introduction to solar radiation. New York: Academic Press, 390 p.

Jensen, M. E.; Haise, H. R. (1963). Estimating evapotranspiration from solar radiation. Proceeding of the American Society of Civil Engineers, Journal of Irrigation and Drainage Division, v. 89, p. 15-41.

Josse, J.; Husson, F. (2016). missMDA: A Package for Handling Missing Values in Multivariate Data Analysis. Journal of Statistical Software, v. 70, pp. 1-31. doi: https://doi.org/10.18637/jss.v070.i01

Josse, J.; Husson, F. (2012). Handling missing values in exploratory multivariate data analysis methods. Journal de la Société Française de Statistique, Société Française de Statistique et Société Mathématique de France, 2012, 153 (2), pp.79-99. ⟨hal-00811888⟩

Josse, J.; Husson, F.; Pagès, J. (2009). Gestion des donn´ees manquantes en Analyse en Composantes Principales. Journal de la Société Française de Statistique, v. 150, n. 2, pp. 28-51. http://www.numdam.org/item/JSFS_2009__150_2_28_0/

Khanmohammadi, N.; Rezaie, H.; Montaseri, M. et al. (2018). The application of multiple linear regression method in reference evapotranspiration trend calculation. Stochastic Environmental Research and Risk Assessment, v. 32, pp. 661-673. DOI:10.1007/s00477-017-1378-z

Kisi, O; Demir, V. (2016). Evapotranspiration Estimation using Six Different Multi-layer Perceptron Algorithms. Irrigation e Drainage Systems Engineering, v. 5, n. 2, pp. 1-6. https://doi.org/10.1080/02626667.2019.1678750

Kisi, O; Cimen, M. (2011). Evapotranspiration modeling using a wavelet regression model. Irrigation Science, v. 29, pp. 241-252. doi:10.1007/s00271-010-0232-6

Köppen, W.; Geiger, R. (1928). Klimate der Erde. Gotha: Verlag Justus Perthes. Wall-map 150cmx200cm.

Ladlani, I.; Houichi, L.; Djemili, L. et al. (2014). Estimation of Daily Reference Evapotranspiration (ETo) in the North of Algeria Using Adaptive Neuro-Fuzzy Inference System (ANFIS) and Multiple Linear Regression (MLR) Models: A Comparative Study. Arabian. Journal for Science and Engineering, DOI 10.1007/s13369-014-1151-2.

Laaboudi, A.; Brahim, M.; Draoui, B. (2012). Conceptual Reference Evapotranspiration Models for Different Time Steps. Petroleum & Environmental Biotechnology. Volume 3. 10.4172/2157-7463.1000123.

Landeras, G.; Ortiz-Barredo, A.; López, J. J. (2008). Comparison of artificial neural network models and empirical and semi-empirical equations for daily reference evapotranspiration estimation in the Basque Country (Northern Spain). Agricultural Water Management, v. 95, pp. 553-565. doi: 10.1016/j.agwat.2007.12.011

Mahida, H. R.; Patel, V. N. (2015). Impact of Climatological Parameters on Reference Crop Evapotranspiration using Multiple Linear Regression Analysis. SSRG International Journal of Civil Engineering (SSRG-IJCE), v. 2, pp. 21-24. doi:10.14445/23488352/IJCE-V2I1P103

Makkink, G. F. (1957). Testing the Penman formula by means of lysimeters. Journal of the Institution of Water Engineers, v. 11, n. 3, pp. 277-288.

Mallikarjuna, P.; Jyothy, S. A.; Reddy, K. C. S. (2013). Daily Reference Evapotranspiration Estimation using Linear Regression and ANN Models. Journal of The Institution of Engineers (India), v. 97, n. 4, pp. 215-221. doi: 10.1007/s40030-013-0030-2

Manikumari, N.; Vinodhini, G. (2016). Regression Models for Predicting Reference Evapotranspiration. In ternational Journal of Engineering Trends and Technology (IJETT), v. 38, n. 3, pp. 134-139. doi:0.14445/22315381/IJETT-V38P224

Marofi, S; Mohammad M, S.; Kourosh, M.; et al. (2011). Investigation of meteorological extreme events over coastal regions of Iran. Theoretical and Applied Climatology. 103. 401-412. DOI: 10.1007/s00704-010-0298-3.

Martí, P.; Gasque, M. (2010). Ancillary data supply strategies for improvement of temperature-based ETo ANN models. Agricultural Water Management, v. 97, pp. 939-955. doi: https://doi.org/10.1016/j.agwat.2010.02.002

Martí, P.; González-altozano, M. (2011). Reference evapotranspiration estimation without local climatic data. Irrigation Science, v. 29, pp. 479-495. doi: 10.1007/s00271-010-0243-3

Martí, P.; Zarzo, M. (2012). Multivariate statistical monitoring of ETo: A new approach for estimation in nearby locations using geographical inputs. Agricultural and Forest Meteorology, v. 152, pp. 125 - 134. doi: 10.1016/j.agrformet.2011.08.008

Melo Prado, B. Q.; Fernandes, H. R.; Araújo, T. G. et al. (2016). Avaliação de variáveis climatológicas da cidade de Uberlândia (MG) por meio da análise de componentes principais. Engenharia Sanitária e Ambiental, v. 21, n. 21, pp. 407 - 413. doi:https://doi.org/10.1590/s1413-41522016147040.

Mohan, S.; Arumugam, N. (1996). Relative Importance of Meteorological Variables in Evapotranspiration: Factor Analysis Approach. Water Resources Management, v. 10, pp. 1 - 20. doi: https://doi.org/10.1007/BF00698808

Oracle Corporation. (2019). Chapter 1 General Information. MySQL 5.7 Reference Manual, 2019. Disponível em: https://dev.mysql.com/doc/refman/5.7/en/introduction.html. Acesso em: 08 abr. 2019.

Ozbayoglu, G.; Ozbayoglu, M. E. (2006). A new approach for the prediction of ash fusion temperatures: a case study using Turkish lignites. Fuel, v. 85, pp. 545–552. doi: 10.1016/j.fuel.2004.12.020

Penman, H. L. (1948). Natural evaporation from open water, bare soil, and grass. Proceedings of the Royal Society, London, v. 193, n. 1, p. 120-146. doi: https://doi.org/10.1098/rspa.1948.0037.

Priestley, C. H. B., Taylor, R. J. (1972). On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, v. 100, n. 2, pp. 81-92. doi: http://dx.doi.org/10.1175/1520-0493(1972)100<0081:OTAOSH>2.3.CO;2

R Core Team. (2020). R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/.

Rolim, G. S.; Camargo, M. B. P.; Lania, D. G.; et al. (2007). Classificação climática de Köppen e de Thornthwaite e sua aplicabilidade na determinação de zonas agroclimáticas para o estado de São Paulo. Bragantia, Campinas, v. 66, n. 4, p. 711-720. doi: https://doi.org/10.1590/S0006-87052007000400022.

Santos, C. M.; Souza, J. L.; Ferreira Júnior, R. A. et al. (2014). On modeling global solar irradiation using air temperature for Alagoas State, Northeastern Brazil. Energy, v. 71, 338-398. doi: 10.1016/j.energy.2014.04.116

Shiri, J.; Nazemi, A. H.; Sadraddini, A. A.; et al. (2014). Comparison of heuristic and empirical approaches for estimating reference evapotranspiration from limited inputs in Iran. Computers and Eletronics in Agriculture, v. 108, pp. 230-241.

Shiri, J.; Sadraddini, A. A.; Nazemi, A. H. et al. (2015). Independent testing for assessing the calibration of the Hargreaves-Samani equation: New heuristic alternatives for Iran. Computers and Eletronics in Agriculture, v. 117, pp. 70-80. doi: 10.1016/j.compag.2015.07.010

Silva, I. N.; Spatti, D. H.; Flausino, R. A. (2016a). Redes Neurais Artificiais para engenharia e ciências aplicadas – fundamentos teóricos e aspectos práticos. 2nd ed. Artiliber 431 p.

Silva, H. J. F.; Santos, M. S.; Cabral júnior, J. B. et al. (2016b). Modeling of reference evapotranspiration by multiple linear regression. Journal of Hyperspectral Remote Sensing, v. 6, n. 1, pp. 44-58. doi: https://doi.org/10.5935/2237-2202.20160005%20

Silva, M. B. P.; Escobedo, J. F.; Santos, C. M. et al. (2017). Performance of the Angstrom-Prescott Model (A-P) and SVM and ANN techniques to estimate the daily Global Solar Irradiation in Botucatu/SP/Brazil. Journal of Atmospheric and Solar–Terrestrial Physics, v. 160, pp. 11-23. doi: 10.1016/j.jastp.2017.04.001

Snyder, R. L. (1992). Equation for evaporation pan to evapotranspiration conversions. Journal of Irrigation and Drainage Engineering, v. 118, n. 6, pp. 977-980. doi: http://dx.doi.org/10.1061/(ASCE)0733-9437(1992)118:6(977)

Sriram, A. V.; Rashmi, C. N. (2014). Estimation of Potential Evapotranspiration by Multiple Linear Regression Method. IOSR Journal of Mechanical and Civil Engineering, v. 11, pp. 65-70. doi: 10.9790/1684-11246570

Tabari, H.; Grismer, M. E. (2013). Comparative analysis of 31 reference evapotranspiration methods under humid conditions. Irrigation Science, v. 31, pp. 107-117. doi:10.1007/s00271-011-0295-z

Tabari, H.; Kisi, O.; Ezani, A. et al. (2012). SVM, ANFIS, regression and climate based models for reference evapotranspiration modeling using limited climatic data in a semi-arid highland environment. Journal of Hidrology, v. 444-445, pp. 78-89. doi : 10.1016/j.jhydrol.2012.04.007

Tangune', B. F.; Escobedo, J. F. (2018). Reference evapotranspiration in São Paulo State: Empirical methods and machine learning techniques. International Journal of Water Resources and Environmental Engineering, v. 10, n. 4, pp. 33-44.

Thornthwaite, C. W. (1948). An approach toward a rational classification of climate. Geographical Review, v. 55–94, pp. 38.

Xu, J.; Peng, S.; Wang, W. et al. (2013). Prediction of daily reference evapotranspiration by a multiple regression method based on weather forecast data. Archives of Agronomy and Soil Science, v. 59, n. 11, pp. 1487-1501. doi: 10.1080/03650340.2012.727400

Ye, X. A.; Li, X.; Liu, J. et al. (2014). Variation of reference evapotranspiration and its contributing climatic factors in the Poyang Lake catchment, China. Hydrological Processes, v. 28, pp. 6151-6162. doi: https://doi.org/10.1002/hyp.10117

Downloads

Publicado

25/06/2022

Como Citar

SILVA, M. B. P. da; SOUZA, V. C. de .; CREMASCO, C. P. .; CALÇA, M. V. C.; SANTOS, C. M. dos; CREMASCO, C. P.; GABRIEL FILHO , L. R. A.; RODRIGUES, S. A.; ESCOBEDO, J. F. Estimativa da evapotranspiração de referência do Planalto Paulista por meio de regressões múltiplas com dados ausentes estimados via análise de componentes principais. Research, Society and Development, [S. l.], v. 11, n. 8, p. e43211831120, 2022. DOI: 10.33448/rsd-v11i8.31120. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/31120. Acesso em: 6 jul. 2024.

Edição

v. 11 n. 8

Seção

Ciências Exatas e da Terra

Licença

Copyright (c) 2022 Maurício Bruno Prado da Silva; Valter Cesar de Souza; Caroline Pires Cremasco; Marcus Vinícius Contes Calça; Cícero Manoel dos Santos; Camila Pires Cremasco; Luís Roberto Almeida Gabriel Filho ; Sergio Augusto Rodrigues; João Francisco Escobedo

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos:

1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.