Il contenuto di acqua del suolo è uno dei fattori critici e dinamici per controllare molti processi nella crescita delle piante e comprendere lo stato di siccità agricolo. Influisce anche sulla gestione dell’acqua. Purtroppo, non è ancora stata una variabile regolarmente misurata nel mondo. Pertanto, questa variabile deve essere stimata utilizzando approcci correlati. In questo studio sono state applicate una rete neurale artificiale (ANN), un adeguato sistema di inferenza adattivo neurofuzzy (ANFIS) e un modello di regressione multipla lineare (MLR) e confrontate per modellare la variazione nel contenuto di acqua misurato nel suolo per una superficie vegetata. Sono stati considerati fattori meteorologici e vegetali come la temperatura dell’aria, l’umidità relativa, il deficit della pressione del vapore, l’indice di precipitazione e l’area fogliare. Le misurazioni sono state eseguite su un campo irrigato. I risultati indicano che il miglior coefficiente di determinazione (r2 = 0,98) tra il contenuto di acqua del suolo misurato e tutte le variabili considerate è stato stimato dall’ANFIS, mentre minori relazioni sono state calcolate tra le stesse variabili con MLR con r2= 0,38 e ANN con r2=0,56. I confronti hanno mostrato che l’approccio ANFIS aveva un migliore potenziale di modellazione del tenore di acqua del suolo rispetto al modello MLR e ANN nel periodo di prova, anche se erano state trovate relazioni deboli nel periodo di prova da parte di tutti gli approcci. 

Parole chiave: Contenuto di acqua nel suolo, Sistema di Inferenza adattiva Neuro-fuzzy, Rete Neurale Artificiale.