See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/266558550

UM SISTEMA COM LÓGICA FUZZY PARA DEFINIR DINAMICAMENTE A

REFERÊNCIA DE UMIDADE DO SOLO EM UM PROCESSO DE IRRIGAÇÃO

Conference Paper · August 2013

CITATIONS READS

0 278

4 authors:

Rafaelle Feliciano Marcio Emanuel Ugulino de Araujo Junior

Instituto Federal de Educação, Ciência e Tecnologia da Paraíba Instituto Federal de Educação, Ciência e Tecnologia da Paraíba
4 PUBLICATIONS   0 CITATIONS    8 PUBLICATIONS   0 CITATIONS   

SEE PROFILE SEE PROFILE

Marcílio P. Onofre Filho Fábio M. U. de Araújo

Universidade Federal do Rio Grande do Norte
6 PUBLICATIONS   1 CITATION   
76 PUBLICATIONS   199 CITATIONS   
SEE PROFILE
SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Controle Inteligente View project

Detecção de Falhas View project

All content following this page was uploaded by Fábio M. U. de Araújo on 07 October 2014.

The user has requested enhancement of the downloaded file.

 XLII Congresso Brasileiro de Engenharia Agrícola - CONBEA 2013
Fábrica de Negócios - Fortaleza - CE - Brasil
04 a 08 de agosto de 2013

UM SISTEMA COM LÓGICA FUZZY PARA DEFINIR DINAMICAMENTE A

REFERÊNCIA DE UMIDADE DO SOLO EM UM PROCESSO DE IRRIGAÇÃO

Rafaelle de Aguiar Correia Feliciano1, Márcio Emanuel Ugulino de Araújo Jr.2, Marcílio de
Paiva Onofre Filho3, Fábio Meneghetti Ugulino de Araújo4
1
Engª Eletricista, Profª. MSc., Unid. Acadêmica de Indústria, Instituto Federal da Paraíba-IFPB, João Pessoa-PB, Fone:
(0XX83) 3208-3000, rafaelle.feliciano@ifpb.edu.br
2
Tecnólogo em Proc. de Dados, Prof. MSc., Unid. Acadêmica de Informação, IFPB, João Pessoa-PB
3
Engº Eletricista, Prof. MSc., Unid. Acadêmica de Indústria, IFPB, João Pessoa-PB.
4
Engº Mecânico, Prof. Doutor, Depto. de Engenharia de Computação e Automação, CT/UFRN, Natal-RN.

Apresentado no
XLII Congresso Brasileiro de Engenharia Agrícola - CONBEA 2013
04 a 08 de Agosto de 2013 - Fortaleza - CE, Brasil

RESUMO: Sistemas de irrigação tradicionais não controlam localmente a disponibilidade de água no

solo e isso pode levar a erros de frequência de irrigação. Controladores comerciais de irrigação com
parâmetros pré-definidos de tempo e vazão não consideram as necessidades hídricas específicas ao
longo do ciclo de crescimento das plantas. O volume insuficiente ou excessivo de água pode causar
danos irreversíveis ao desenvolvimento da plantação. Sistemas de controle com lógica nebulosa são
sugeridos para otimizar a irrigação, devido à natureza não-linear do problema e do contexto
multivariável de processos de irrigação. Este trabalho apresenta o desenvolvimento de um sistema
fuzzy para determinar dinamicamente a referência de umidade do solo de um sistema de controle de
irrigação. Os resultados obtidos com a ferramenta de programação SIMULINK® demonstram que o
perfil da referência de umidade do solo acompanha as variações climáticas e as necessidades hídricas
do conjunto solo-planta dos cenários de teste implementados.

PALAVRAS–CHAVE: Lógica Fuzzy, Umidade do Solo, Irrigação.

A FUZZY LOGIC SYSTEM TO SET DYNAMICALLY THE SOIL MOISTURE REFERENCE

IN AN IRRIGATION PROCESS

ABSTRACT: Traditional irrigation systems do not control locally the availability of soil water and
this can lead to errors of irrigation frequency. Commercial irrigation controllers with predefined
parameters of timing and water flow do not consider the specific water needs throughout the plant
growth cycle. The insufficient or excessive amount of water may cause irreversible damage to the
plantation development. Control systems with fuzzy logic are suggested to optimize irrigation due to
the nonlinear nature of this problem and the multivariable context of irrigation processes. This work
presents the development of a fuzzy system to determine dynamically the soil moisture reference of an
irrigation control system. The results obtained with the programming toolbox SIMULINK® have
shown that the soil moisture reference profile follows climatic variations and watering needs of the
soil-plant set defined in each test scenario.

KEYWORDS: Fuzzy Logic, Soil Moisture, Irrigation.

INTRODUÇÃO: Manejo de irrigação é geralmente operado por seres humanos que utilizam análise
qualitativa das necessidades hídricas do solo e das plantações (ZHANG et al., 1996; YUSOFF et al.,
2007). Projetos tradicionais de irrigação e sistemas comerciais não controlam localmente a
disponibilidade de água do solo nem as necessidades hídricas específicas de acordo com o ciclo de
crescimento vegetativo, o que pode provocar erros nos turnos de rega e danos irreversíveis ao
desenvolvimento da planta (BERNARDO, 1987; GOMES, 1994; BAHAT et al., 2000). Portanto, o
uso de sistemas de controle inteligente baseados em parâmetros agrícolas (tipo de planta, tipo de solo,
estágio de crescimento vegetativo, evapotranspiração etc) e físicos (variações climáticas da
temperatura e umidade do ar, da umidade do solo etc) aplicados a sistemas de irrigação se apresentam
como alternativa aos controladores comerciais do tipo liga-desliga (ZHANG et al., 1996; BAHAT et
al., 2000; YUSOFF et al., 2007; XIAOHONG et al., 2009). Este trabalho utiliza um sistema
regulatório com lógica fuzzy para determinar a umidade do solo apropriada durante todo o ciclo de
crescimento de uma planta. Foram testados cenários com dois tipos de solo e duas condições
climáticas distintas para uma plantação de cana-de-açúcar, típica da região Nordeste do Brasil. O
sistema supervisório fuzzy faz parte de um sistema de controle de irrigação completo, conforme
ilustrado na Figura 1.

FIGURA 1. Diagrama do supervisório fuzzy e sistema de controle de irrigação

MATERIAL E MÉTODOS: O sistema descrito neste trabalho considerou que a disponibilidade de

água do solo a ser absorvida pela planta se encontra entre os níveis de umidade do solo conhecidos
como Capacidade de Campo (CC) e Ponto de Murcha (PM). As amostras simples, de ponto único,
coletadas em solo arenoso (solo1 em canavial do município de Santa Rita-PB) e em solo argila-arenosa
(solo2 na zona rural do município de Sapé-PB) foram submetidas à análise de propriedades físico-
químicas pelo Laboratório de Irrigação e Salinidade da UFCG. Foram identificados os respectivos
valores de CC e PM das amostras: (CC=13,42; PM=1,80)solo1 e (CC=28,45; PM=12,49)solo2. Para o
sistema regulatório fuzzy foi utilizado o modelo de inferência Mamdani.

FIGURA 2. Diagrama de blocos do sistema fuzzy regulatório no SIMULINK®.

A arquitetura do sistema possui as seguintes variáveis de entrada: TSOLO (representada pelo nível
CC do solo), TPLAN-Z (associada à profundidade efetiva da raiz ZR da planta), TPLAN-Y
(representada pela tolerância da planta ao déficit hídrico Y), ATEMP (associada às variações da
temperatura do ar), AUMD (representada pela umidade relativa média do ar) e ESTAG (associado ao
coeficiente de cultivo KC do estágio de desenvolvimento vegetativo). A Figura 2 apresenta o diagrama
de blocos do referido sistema, implementado com a ferramenta SIMULINK®. Os primeiros cenários
de teste foram realizados com valores constantes para as variáveis ATEMP (30oC) e AUMD (65%).
Depois, foram testados cenários com a variável ATEMP como uma função senoidal com frequência
de 0,0349 rad/s, amplitude de 3oC e offset de 29oC (BAHAT et al., 2000), para representar as variações
de temperatura típicas do Nordeste do Brasil. Para a cana-de-açúcar, a variável TPLAN-Z assumiu o
valor 75cm e a variável TPLAN-Y o valor 0,15. A variável TSOLO é igual a 13,42 para o solo1 e
28,45 para o solo2. A variável ESTAG assumiu o gráfico de variação do coeficiente de cultivo KC da
cana-de-açúcar, como ilustrado na Figura 3.
KC (cana-de-açúcar)

tempo
FIGURA 3. Gráfico da variável ESTAG (variação do coeficiente de cultivo KC da cana-de-açúcar.

RESULTADOS E DISCUSSÃO: O gráfico da variável de saída RUMD é a referência da umidade

do solo (%), obtida com a execução das regras de inferência do fuzzy Mamdani e o método de
defuzzificação centroide. Para o solo#1 (arenoso), os perfis do set point da umidade do solo estão
mostrados na Figura 4, quando a variável ATEMP é constante e igual a 30oC e quando assume a
variação temporal senoidal.

13.5
ATEMP 30oC 13.5
ATEMP senoidal

13 13

12.5 12.5

12 12
U m id a d e d e S o lo % ( R U M D )
U m id a d e d e S o lo % (R U M D )

11.5 11.5

11 11

10.5 10.5

10 10

9.5 9.5

9 9

8.5 8.5
0 50 100 150 200 250 300 350 400 0 50 100 150 200 250 300 350 400
Tempo de simulação (s) Tempo de simulação (s)

FIGURA 4. Perfis da variável RUMD (referência da umidade do solo) para o conjunto solo
arenoso/cana-de-açúcar.

A Figura 5 apresenta os perfis do set point da umidade do solo para o conjunto solo argila-
arenosa/cana-de-açúcar nas mesmas condições assumidas pela variável ATEMP (constante e função
senoidal).
 27
ATEMP 30oC ATEMP senoidal
30
26.5 29.5
26 29
28.5
25.5 28
25 27.5
27
U m id a d e d o s o lo % (R U M D )

24.5

U m id a d e d o s o lo (R U M D )
26.5
24 26
23.5 25.5
25
23 24.5
22.5 24
23.5
22
23
21.5 22.5
21 22
21.5
20.5 21
20 20.5
20
19.5
19
0 50 100 150 200 250 300 350 400 0 50 100 150 200 250 300 350 400
Tempo de simulação (s) Tempo de simulação (s)

FIGURA 5. Perfis da variável RUMD (referência da umidade do solo) para o conjunto solo
argila-arenosa/cana-de-açúcar.

Os resultados obtidos com a ferramenta de programação SIMULINK® demonstram que o perfil da

referência de umidade do solo acompanha as variações climáticas e as necessidades hídricas dos
diferentes conjuntos solo-planta dos cenários de teste implementados.

CONCLUSÕES:
O funcionamento correto e adequado dos sistemas supervisórios fuzzy sugerem a sua eficácia e
viabilidade para determinar dinamicamente a referência de umidade do solo de um sistema de controle
de irrigação para aplicações em agricultura de precisão espacialmente diferenciada, conforme o
propósito deste trabalho.

REFERÊNCIAS
BAHAT, M.; INBAR, G.; YANIV, O.; SCHNEIDER, M. A Fuzzy Irrigation Controller System.
Engineering Applications of Artificial Intelligence. Elsevier, 2000. v. 13, p. 137-145.
BERNARDO, S. Manual de Irrigação. 4. ed. Viçosa, MG: Imprensa Universitária, UFV, 1987.
GOMES, H.P. Engenharia de Irrigação: Hidráulica dos Sistemas Pressurizados Aspersão e
Gotejamento. João Pessoa-PB: Editora Universitária, UFPB, 1994.
XIAOHONG, P.; MO, Z.; XIAO, L.; LIU, G. A Water-saving Irrigation System Based on Fuzzy
Control Technology and Wireless Sensor Network. In: 5th INTERNATIONAL CONFERENCE ON
WIRELESS COMMUNICATIONS, NETWORKING AND MOBILE COMPUTING. Proceedings.
Beijing, China, 2009.
YUSOFF, M.; MUTALIB, S.; RAHMAN, S. A.; MOHAMED, A. Intelligent Water Dispersal
Controller: Comparison between Mamdani and Sugeno Approaches. In: 5th INTERNATIONAL
CONFERENCE ON COMPUTATIONAL SCIENCE AND APPLICATIONS. Proceedings. IEEE
Computer Society. 2007, p. 86-93.
ZHANG, Q.; WU, C.; TILT, K. Application of Fuzzy Logic in an Irrigation Control System. In: THE
IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL TECHNOLOGY. Proceedings. 1996,
p. 593-597.

View publication stats