Redes neuronales artificiales en la estimación de la evapotranspiración de referencia

Alberto A. Méndez-Jocik, Daniel Ponce de León-Lima

Resumen

Las Redes Neuronales Artificiales (RNA) son una poderosa herramienta de modelación basada en los principios de Inteligencia Artificial adecuada para el análisis de complejos ecosistemas, la cual combinada con técnicas Sensoramiento Remoto Satelital pueden dar respuestas donde las ecuaciones matemáticas y físicas pierden su alcance. Siete variables fueron incluidas en este primer análisis, la temperatura superficial y emisividad obtenida de los productos radiométricos de MODIS 11, la temperatura ambiental, temperatura del punto de rocío, ángulo solar cenital del MODIS 7 y procesados según la ecuación dada por Méndez y Venus (2006), además del Índice Normalizado de Vegetación obtenido a partir de la banda MODIS 13, en el caso de la velocidad del viento fue necesario recurrir a procedimientos geoestadisticos para su modelación.

Palabras clave

modelación, riego, inteligencia artificial.

Texto completo:

PDF HTML EPUB XML-JATS

Referencias

ALLEN, R.G.; PEREIRA, L.S.; RAES, D.; SMITH, M.: Evapotranspiración del cultivo: Guías para la determinación de los requerimientos de agua de los cultivos, [en línea], ser. Estudio FAO Riego y Drenaje, no. ser. 56, Ed. FAO, Roma, Italy, 298 p., 2006, ISBN: 92-5-304219-2, Disponible en: http://www.fao.org/docrep/009/x0490s/x0490s00.htm, [Consulta: 30 de mayo de 2017].

BENNETT, T.J.: “A Coupled Atmosphere-Sea Ice Model Study of the Role of Sea Ice in Climatic Predictability”, Journal of the Atmospheric Sciences, 39(7): 1456-1465, 1 de julio de 1982, ISSN: 0022-4928, DOI: 10.1175/1520-0469(1982)039<1456:ACASIM>2.0.CO;2.

BISHT, G.; VENTURINI, V.; ISLAM, S.; JIANG, L.: “Estimation of the net radiation using MODIS (Moderate Resolution Imaging Spectroradiometer) data for clear sky days”, Remote Sensing of Environment, 97(1): 52-67, 15 de julio de 2005, ISSN: 0034-4257, DOI: 10.1016/j.rse.2005.03.014.

HONGXING, L.; PHILIP, C.; HAN-PANG, H.: Fuzzy Neural Intelligent Systems: Mathematical Foundation and the Applications in Engineering, [en línea], Ed. CRC Press, Boca Raton, Fla., 371 p., 2001, ISBN: 978-0-8493-2360-7, Disponible en: https://www.amazon.com/Fuzzy-Neural-Intelligent-Systems-Mathematical/dp/0849323606, [Consulta: 31 de agosto de 2017].

IPCC (GRUPO INTERGUBERNAMENTAL DE EXPERTOS SOBRE EL CAMBIO CLIMÁTICO): Cambio climático 2007: Informe de síntesis, Pachauri, R.K. y Reisinger, A. (eds.), Ed. IPCC, 1.a ed., Ginebra, Suiza, 104 p., 2007, ISBN: 92-9169-322-7.

JENSEN, J.R.: Introductory digital image processing: a remote sensing perspective, no. solc. G70.4.J46 1996, ser. Prentice Hall series in geographic information science, Ed. Prentice Hall, 2.a ed., Upper Saddle River, N.J, 316 p., 1996, ISBN: 978-0-13-205840-7.

KIŞI, Ö.; ÖZTÜRK, Ö.: “Adaptive Neurofuzzy Computing Technique for Evapotranspiration Estimation”, Journal of Irrigation and Drainage Engineering, 133(4): 368-379, 1 de agosto de 2007, ISSN: 0733-9437, 1943-4774, DOI: 10.1061/(ASCE)0733-9437(2007)133:4(368).

KUMAR, M.; RAGHUWANSHI, N.S.; SINGH, R.; WALLENDER, W.W.; PRUITT, W.O.: “Estimating Evapotranspiration using Artificial Neural Network”, Journal of Irrigation and Drainage Engineering , 128(4): 224-233, 1 de agosto de 2002, ISSN: 0733-9437, 1943-4774, DOI: 10.1061/(ASCE)0733-9437(2002)128:4(224).

LÓPEZ, T.: Caracterización del movimiento del agua en suelos irrigados del sur de La Habana: contribución metodológica al procedimiento actual para la determinación de los balances hídricos, Instituto de Investigaciones de Riego y Drenaje, Tesis de Doctorado, La Habana, Cuba, 108 p., 2001.

MÉNDEZ, A.A.; VENUS, V.: “Estimación de la temperatura ambiental a escala regional mediante procesamiento de imágenes de satélites”, Ciencias de la Tierra y el Espacio, 7: 10-20, 2006, ISSN: 1729-3790.

NIEMELA, S.; RAISANEN, P.; SAVIJARVI, H.: “Comparison of surface radiative flux parameterizations Part II. Shortwave radiation”, Atmospheric Research, 58: 141-154, 2001, ISSN: 0169-8095.

RAMÍREZ, E.A.: “La distribución de la evapotranspiración de referencia en Cuba”, Ciencia y Técnica en la Agricultura. Riego y Drenaje, 12(1): 85-92, 1989, ISSN: 1013-9850.

STANCALIE, G.; PERDIGAO, A.; PESSANHA, L.: “Possibilities of deriving some useful agrometeorological parameters from the remotely sensed data-from current and new sensors-with the integration with other sources of information”, [en línea], En: Meteorological Applications for Agriculture, Ed. 3rd Management Committee and the Working Groups, Budapest, Hungary, p. 40, 2001, Disponible en: http://agromet-cost.bo.ibimet.cnr.it/index.php?id=109, [Consulta: 30 de agosto de 2017 ].

WANG, Y.-M.; TRAORE, S.; KERH, T.: “Neural network approach for estimating reference evapotranspiration from limited climatic data in Burkina Faso”, WSEAS Transactions on Computers, 7(6): 704-713, 2008, ISSN: 1109-2750.

YANG, F.: Estimate evapotranspiration from remote sensing data an artificial neural network approach, [en línea], no. CS539, Inst. University of Wisconsin Madison, Artificial Neural Network and Fuzzy Logic Final Project, USA, 2006, Disponible en: http://www.library.wisc.edu/, [Consulta: 19 de julio de 2016].

ZAMORA, H.E.; CHATERLÁN, D.Y.: “Estudios sobre evapotranspiración de referencia en Cuba”, Revista Ciencias Técnicas Agropecuarias, 10(3): 87-90, 2001, ISSN: 1010-2760, 2071-0054.

Enlaces refback

  • No hay ningún enlace refback.