Evapotranspiración de referencia estimada con Fao-Penman-Monteith, Priestley-Taylor, Hargreaves y RNA

Abstract

Las necesidades de agua de riego de los cultivos se basan en la estimación de la evapotranspiración de referencia (ETo) de cada zona en particular, están sujetas a la limitación de información meteorológica existente. El objetivo fue calcular ETo con FAO-Penman-Monteith (FAO-P-M), Hargreaves (H), Priestly-Taylor (P-T) y redes neuronales artificiales (RNA). Se utilizaron datos de la estación meteorológica de la Universidad Autónoma Chapingo para el periodo 2003-2009. En los métodos de H y P-T, se utilizaron cuatro variables climáticas para su cálculo y en RNA se construyeron diferentes escenarios para evaluar el comportamiento de la red, al cambiar las variables climáticas de entrada y la cantidad de neuronas en la capa oculta. Los resultados del coeficiente de determinación (r2) y raíz cuadrada del cuadrado medio del error (RMSE) de H y P-T son: 0.5378, 0.8553 y 0.6977, 0.6501 respectivamente. Para RNA se encontró que con el mayor número de variables y de neuronas en la capa oculta se obtuvo una r2 0.9986, y RMSE 0.0297 y en el escenario con el menor número de variables y de neuronas en la capa oculta fueron: 0.7549 y 0.5555. Si se tienen todas las variables climáticas es mejor RNA debido a que los resultados RMSE son cercanos a cero y su r2 se aproxima a uno. Si en RNA decrece el número de neuronas en la capa oculta y las variables, da mayor error la estimación de ETo, pero menor a los obtenidos por H y P-T.