• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.18.2007.tde-07042008-140003
Documento
Autor
Nome completo
Antonio Angelotti Netto
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2007
Orientador
Banca examinadora
Crestana, Silvio (Presidente)
Mendiondo, Eduardo Mario
Primavesi, Odo Maria Artur Siegmund Pedro Rudolfo Barão
Reichardt, Klaus
Vaz, Carlos Manoel Pedro
Título em português
Estimativa da retenção de água no solo a partir do uso de equipamentos não convencionais, redes neurais artificiais e funções de pedotransferência
Palavras-chave em português
Analisador granulométrico
Penetrômetro
Redes neurais artificiais
Reflectometria no domínio do tempo
Retenção de água no solo
Tomografia computadorizada
Resumo em português
O desenvolvimento econômico e o aumento da produtividade agrícola intensificaram o uso de produtos químicos nas lavouras. Quando se pretende quantificar o impacto ambiental de tal uso é necessário empregar modelos que descrevam o fluxo de água e solutos na região não saturada do solo. Para esse fim, um dos parâmetros mais eficazes é conhecer a retenção de água no solo. O objetivo deste trabalho foi desenvolver funções de pedotransferência (FPTs) que estimassem a partir de análise em redes neurais artificiais (RNAs) a retenção de água nos solos da microbacia hidrográfica do ribeirão Canchim, município de São Carlos, SP. Os atributos físicos, textura (argila, silte e areia), densidade e resistência à penetração dos solos: LVAd, LVe, LVdf e NVef, manejados com e sem cobertura vegetal e sob mata foram determinados com equipamentos não convencionais na Embrapa Instrumentação Agropecuária em São Carlos, SP. Esses parâmetros foram utilizados como variáveis de entrada nas duas redes neurais artificiais. Foram obtidas, ainda, as curvas de retenção de água no solo por meio da câmara de pressão de Richards e da tomografia computadorizada, além da porosidade total e da condutividade hidráulica não saturada. O analisador granulométrico de solos e o penetrômetro associado a TDR possibilitaram a obtenção de um grande número de dados. Os atributos físicos dos solos apresentaram grande variabilidade em função da constituição granulométrica e manejos adotados. As RNAs foram eficientes no desenvolvimento de FPTs capazes de estimar a retenção de água com base em propriedades básicas de solo obtidas em grande número.
Título em inglês
Water retention soil estimate using nonconventional equipment, artificial neural networks and pedotransfer functions
Palavras-chave em inglês
Artificial neural networks
Computed tomography
Granulometry
Penetrometer
Soil water retention
Time domain reflectometry (TDR)
Resumo em inglês
Economic development and increasing agricultural productivity have intensified the use of chemical products in farming. The quantification environmental impact of these products requires the use of models that describe the flow of water and solutes in the unsaturated region of the soil. For this purpose, one of the most effective parameters belong to the water retention curve of the soil. The purpose of this work was to develop pedotransfer functions (PTFs) to estimate the retention of water by soils of the hydrographic microbasin of the Canchim river, in the municipality of São Carlos, state of São Paulo, Brazil, based on artificial neural networks (ANNs). The physical attributes, granulometry (clay, silt and sand), density and resistance to penetration of LVAd, LVe, LVdf and NVef soils, managed with and without vegetal cover and under forest, were determined using nonconventional equipment at Embrapa Instrumentação Agropecuária in São Carlos, SP. These parameters were used as input variables for two artificial neural networks. The soils' water retention curves were also obtained using a Richards pressure chamber and computed tomography, as well as their total porosity and unsaturated hydraulic conductivity. A soil granulometric analyzer and a penetrometer allied to TDR provided a large number of data. The soils' physical attributes displayed a wide variability as a function of their granulometric constitution and adopted managements. The ANNs were effective in developing PTFs able to estimate the water retention based on the large number of basic soil properties.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2008-04-09
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.