An?lise multivariada com Python para a gest?o sustent?vel da ?gua de irriga??o (Portuguese Edition). Este artículo no está disponible.
Idioma: portugués
Editorial: Edições Nosso Conhecimento, 2026
- Tapa blanda
- Nuevo

Librería: Books Puddle, New York, NY, Estados Unidos de AmericaBooks Puddle
Vendedor de 4 estrellas
Vendedor de AbeBooks desde 22 de noviembre de 2018
No disponible
Tapa blanda
Condición: Nuevo
EUR 93,39
N° de ref. del artículo 26406469926
- Título
- An?lise multivariada com Python para a gest?o sustent?vel da ?gua de irriga??o (Portuguese Edition)
- Autor
- K N, Jakir Hussain; B R, Jagadeesh; Channavar, Vijayakumari R.
- Editorial
- Edições Nosso Conhecimento
- Año de publicación
- 2026
- Estado
- New
- Encuadernación
- Encuadernación de tapa blanda
- Idioma
- portugués
- ISBN 10
- 6209865224
- ISBN 13
- 9786209865220
Este livro apresenta uma estrutura multivariada integrada orientada para Python para uma avaliação abrangente da qualidade das águas subterrâneas com um forte enfoque na adequação à irrigação. Utilizando o Northern Ranebennur taluk do distrito de Haveri, Karnataka, como um estudo de caso, combina a análise hidroquímica de 150 amostras de águas subterrâneas com revisão bibliométrica e técnicas avançadas de aprendizagem automática para ligar observações à escala do terreno com tendências globais de investigação. Os principais parâmetros, incluindo pH, CE, TDS, SAR, TH, MAR, Índice de Kelley e índices de qualidade da água de irrigação, são analisados para avaliar os riscos de salinidade, sodicidade e permeabilidade do solo. Os resultados indicam uma variabilidade espacial significativa, com águas subterrâneas que variam de doce a salobra e uma maioria de amostras classificadas como moderadamente adequadas a inadequadas para irrigação sob diagramas de perigo padrão. Os conhecimentos bibliométricos revelam a evolução das prioridades de investigação na gestão da qualidade das águas subterrâneas, enquanto os modelos preditivos como PCR, LASSO, Ridge Regression e SVMR destacam os pontos fortes e as limitações das abordagens baseadas em dados, particularmente para índices complexos.
“Sinopsis” puede pertenecer a otra edición de este título.