Affiliation:
1. UFRRJ
2. UFV
3. Instituto Federal de Educação, Ciência e Tecnologia Goiano
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 (EI30) 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 EI30 and allowing visualization of the space variability of EI30. Thus, ANN is a potential option for the estimate of climatic variables in substitution to the traditional methods of interpolation.
Subject
Agricultural and Biological Sciences (miscellaneous)
Reference19 articles.
1. Avaliação do desempenho de diferentes métodos de estimativa da evapotranspiração potencial no Estado de São Paulo;CAMARGO A.P.;Revista Brasileira de Agrometeorologia,1997
2. Distribuição, probabilidade de ocorrência e período de retorno dos índices de erosividade EI30 e KE>25 em Seropédica - RJ;CARVALHO D.F.;Engenharia Agrícola,2010
3. Padrões de precipitação e índices de erosividade para as chuvas de Seropédica e Nova Friburgo, RJ;CARVALHO D.F.;Revista Brasileira de Engenharia Agrícola e Ambiental,2005
4. Topgraphyand spatial variability of soil physical properties;CEDDIA M.B.;Scientia Agricola,2009
5. Erosividade das chuvas no Estado do Rio de Janeiro;GONÇALVES F.A.,2002
Cited by
6 articles.
订阅此论文施引文献
订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献