Modelos Hargreaves Priestley-Taylor y redes neuronales artificiales en la estimación de la evapotranspiración de referencia

Reference evapotranspiration estimation by Hargreaves Priestley-Taylor and artificial neural networks models

dc.creatorROCIO CERVANTES OSORNIO
dc.creatorRAMON ARTEAGA RAMIREZ
dc.creatorMARIO ALBERTO VAZQUEZ PEÑA
dc.creatorWALDO OJEDA BUSTAMANTE
dc.creatorABEL QUEVEDO NOLASCO
dc.date2012
dc.date.accessioned2023-07-17T16:26:08Z
dc.date.available2023-07-17T16:26:08Z
dc.identifierhttp://hdl.handle.net/20.500.12013/1962
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/7499627
dc.descriptionResulta costoso medir directamente la evapotranspiración de referencia (ET0) con un lisímetro, y al no contar con esta información se utilizó el método de Penman-Monteith modificado por la FAO (ET0 FAO-56 P-M) para su cálculo. El objetivo del presente trabajo fue realizar una comparación de modelos empíricos como el de Hargreaves, Hargreaves calibrado y Priestley-Taylor, con el modelo de redes neuronales artificiales función de base radial (RNA BR), con las mismas variables de entrada, en la estimación de la ET0 FAO-56 P-M. Las estimaciones de ET0 se evaluaron en cuatro estaciones climáticas del Distrito 075, Valle del Fuerte en Sinaloa, México.
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad Nacional Autónoma de México. Instituto de Ingeniería.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.sourceIngeniería Investigación y Tecnología (1405-7743), 14(2)
dc.subjectinfo:eu-repo/classification/Autor/Cultivos alimenticios
dc.subjectinfo:eu-repo/classification/Autor/Planificación del riego
dc.subjectinfo:eu-repo/classification/Autor/Evapotranspiración
dc.subjectinfo:eu-repo/classification/Autor/Modelos matemáticos
dc.subjectinfo:eu-repo/classification/cti/7
dc.titleModelos Hargreaves Priestley-Taylor y redes neuronales artificiales en la estimación de la evapotranspiración de referencia
dc.titleReference evapotranspiration estimation by Hargreaves Priestley-Taylor and artificial neural networks models
dc.typeinfo:eu-repo/semantics/article


Este ítem pertenece a la siguiente institución