Journal: | Anais da Academia Brasileira de Ciencias |
Database: | PERIÓDICA |
System number: | 000366344 |
ISSN: | 0001-3765 |
Authors: | Cecilio, Roberto A1 Moreira, Michel C2 Pezzopane, Jose Eduardo M1 Pruski, Fernando F3 Fukunaga, Danilo C1 |
Institutions: | 1Universidade Federal do Espirito Santo, Departamento de Engenharia Florestal, Alegre, Espirito Santo. Brasil 2Universidade Federal da Bahia, Instituto de Ciencias Ambientais e Desenvolvimento Sustentavel, Barreiras, Bahia. Brasil 3Universidade Federal de Vicosa, Departamento de Engenharia Agricola, Vicosa, Minas Gerais. Brasil |
Year: | 2013 |
Season: | Dic |
Volumen: | 85 |
Number: | 4 |
Pages: | 1523-1535 |
Country: | Brasil |
Language: | Inglés |
Document type: | Artículo |
Approach: | Experimental, aplicado |
English abstract | The rainfall parameter that expresses the capacity to promote soil erosion is called rainfall erosivity (R), and is commonly represented by the indexes EI30 and KE>25. The calculations of these indexes requires pluviographical records, that are difficult to obtain in Brazil. This paper describes the use of synthetic rainfall series to compute EI30 and KE>25 in Espírito Santo State (Brazil). Artificial neural networks (ANNs) were also developed to spatially interpolate R values in Espírito Santo. EI30 and KE>25 indexes values were close to those calculated on a homogeneous area according to the similarity of rainfall distribution; indicating the applicability of the use of synthetic rainfall series to estimate the R factor. ANNs had a better performance than Inverse Distance Weighted and Kriging to spatially interpolate rainfall erosivity values in the State of Espírito Santo |
Portuguese abstract | Dentre as características da precipitação aquela que expressa sua capacidade em promover a erosão do solo é denominada erosividade das chuvas (R), sendo comumente representada pelos índices EI30 e KE>25. A determinação destes indices requer a disponibilidade de series de dados pluviográficos, que são de difícil acesso no Brasil. O presente artigo descreve o uso de séries sintéticas de dados pluviográficos para calcular os índices EI30 e KE>25 no Estado do Espírito Santo (Brasil). Redes neurais artificiais (ANNs) também foram desenvolvidas para promover a interpolação espacial dos valores de R no Espírito Santo. Os valores calculados para os índices EI30 e KE>25 foram próximos àqueles encontrados em áreas pluviométricamente homegêneas próximas, indicando a aplicabilidade do uso de séries sintéticas de dados pluviográficos. As redes neurais artificiais consistiram em interpoladores espacial melhores que os métodos de inverso da potência da distância e krigagem para a espacialização dos índices de erosividade no Espírito Santo |
Disciplines: | Agrociencias |
Keyword: | Suelos, Precipitación, Erosión de suelos, Conservación de suelos, Interpolación, Ecuación universal de pérdida de suelo |
Keyword: | Agricultural sciences, Soils, Rainfall, Soil erosion, Soil conservation, Interpolation, Universal soil loss equation |
Full text: | Texto completo (Ver HTML) |