| Revista: | Atmósfera |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000456596 |
| ISSN: | 0187-6236 |
| Autores: | Dokmen, Funda1 Ahi, Yesim2 Koksal, Daniyal D1 |
| Instituciones: | 1Kocaeli University, Vocational School of İzmit, Kartepe. Turquía 2Ankara University, Institute of Water Management, Ankara. Turquía |
| Año: | 2023 |
| Volumen: | 37 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Los nogales, así como sus frutos, representan un sector importante de la industria agrícola y su cultivo contribuye significativamente a la economía global. Hay muchos problemas relacionados con el riego, que es un factor clave en el cultivo de la nuez. El más importante está relacionado con la estimación precisa de la necesidad de agua de riego. En este estudio, el uso de agua de nuez se estimó a través de dos métodos de inteligencia artificial: redes neuronales artificiales (ANN, por su sigla en inglés) y el sistema de inferencia neuro-difusa adaptativa (ANFIS), utilizando los datos meteorológicos del oeste de Turquía, que tiene condiciones climáticas semiáridas. Los modelos ANN y ANFIS se aplicaron mediante escenarios probables de datos meteorológicos disponibles que incluyen temperatura máxima, mínima y media, velocidad del viento y horas de sol para los años 2016-2019, y se evaluó su desempeño para estimar la evapotranspiración de la nuez. Los resultados indican que el rendimiento óptimo de los modelos se observa en el cuarto escenario con R = 0.90 y dos parámetros climáticos, a saber, duración de la luz solar y temperatura media para los modelos ANN y ANFIS, respectivamente. Ambos modelos pudieron predecir el uso de agua de los cultivos con alta correlación y el menor número de parámetros climáticos. Sin embargo, se encontró que el poder predictivo del modelo ANFIS era mayor, con el MSE más pequeño (0.36 para entrenamiento y 0.29 para pruebas), en comparación con el modelo ANN |
| Resumen en inglés | Walnut trees, as well as their fruits, represent an important sector of the agricultural industry and their cultivation significantly contributes to the global economy. Irrigation is a key factor in walnut cultivation and its most important problem is related to accurately estimating the need for irrigation water. Walnut water use was estimated in this study through artificial intelligence methods, namely artificial neural networks (ANN) and the adaptive neuro-fuzzy inference system (ANFIS) using meteorological data in western Turkey, which has semi-arid climatic conditions. Probabilistic scenarios based on maximum, minimum and average temperature, wind speed and sunshine hours over the period 2016-2019 were developed and tested with ANN and ANFIS to estimate walnut evapotranspiration. Results indicate that the optimum performance in the training and testing for ANN and ANFIS was obtained from the fourth scenario with R = 0.95 and two climate parameters: sunshine duration and mean temperature. Both ANN and ANFIS were able to predict crop water use obtaining a high correlation and the minimum number of climatic parameters. Nevertheless, the ANFIS model had a higher predictive capacity, with smaller MSE (0.36 for training and 0.29 for testing) compared to the ANN model |
| Disciplinas: | Geociencias |
| Palabras clave: | Ciencias de la atmósfera, Inteligencia artificial, Análisis de datos, Evapotranspiración, Clima semiárido, Irrigación |
| Keyword: | Atmospheric sciences, Artificial intelligence, Data analysis, Evapotranspiration, Semi-arid climate, Irrigation |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
