Redes neuronales artificiales en la estimación de la evapotranspiración de referencia
Main Article Content
Resumo
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.
Article Details
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento-no comercial de Creative Commons 4.0 que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Referências
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.