| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
16/11/2022 |
|
Data da última atualização: |
22/11/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
FERREIRA, A. C. de S.; CEDDIA, M. B.; COSTA, E. M.; PINHEIRO, E. F. M.; NASCIMENTO, M. M. do; VASQUES, G. M. |
|
Afiliação: |
ANA CAROLINA DE S. FERREIRA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; MARCOS B. CEDDIA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; ELIAS M. COSTA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; ÉRIKA F. M. PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; MARIANA MELO DO NASCIMENTO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; GUSTAVO DE MATTOS VASQUES, CNPS. |
|
Título: |
Use of airborne radar images and machine learning algorithms to map soil clay, silt, and sand contents in remote areas under the Amazon rainforest. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Remote Sensing, v. 14, n. 22, 5711, 2022. |
|
DOI: |
https://doi.org/10.3390/rs14225711 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Soil texture has a great influence on the physical-hydric and chemical behavior of soils. In the Amazon regions, due to the presence of dense forest cover and limited access to roads, carrying out surveys and mapping of soils is challenging. When data exist, they are relatively sparse and the distribution is quite uneven. In this context, machine learning algorithms (ML) associated with remote sensor covariates offer a framework to derive digital maps of soil attributes. The objective of this study was to produce maps of surface and subsurface soil clay, silt, and sand contents in a 13.440 km2 area in the Amazon. The specific objectives were to a) evaluate the gain in prediction accuracy when using the P-band of airborne radar as a covariate; b) evaluate two sampling approaches (Reference Area-RA and Total Area-TA); and c) evaluate the transferability and performance of three ML algorithms: regression tree (RT), random forest (RF), and support vector machine (SVM). The study site was divided into three blocks, called Urucu, Araracanga, and Juruá, respectively. The soil dataset consisted of 151 surface and subsurface sand, silt, and clay observations and 21 covariates (20 relief variables and the backscattering coefficient from the P-band). Both the RA and TA sampling approach used 114 observations for training the prediction models (75%) and 37 for validation (25%). The RA approach was better for the development of sand and silt models. Overall, RF derived the most accurate predictions for all variables. The effect of introducing the P-band backscattering coefficient improved the sand prediction accuracy at the surface and subsurface in Araracanga, which had the highest sand content, with relative improvements (RI) of the R2, root mean square error (RMSE), and mean absolute error (MAE) of 46%, 3%, and 4% at the surface, respectively, and 66.7%, 4.4%, and 5.2% at the subsurface, respectively. For silt, the P-band improved the predictions at the surface in Araracanga, which had the lowest silt contents among the blocks. For clay, adding the P-band improved the RF predictions at the subsurface, with RI of the R2, RMSE, and MAE of 29%, 5%, and 5%, respectively. Despite the low observation density, inherently hindered by the low accessibility of the area and high costs of sampling thereof, the results showed the potential of ML algorithms boosted by airborne radar P-band to map soil clay, silt, and sand contents in the Amazon. MenosSoil texture has a great influence on the physical-hydric and chemical behavior of soils. In the Amazon regions, due to the presence of dense forest cover and limited access to roads, carrying out surveys and mapping of soils is challenging. When data exist, they are relatively sparse and the distribution is quite uneven. In this context, machine learning algorithms (ML) associated with remote sensor covariates offer a framework to derive digital maps of soil attributes. The objective of this study was to produce maps of surface and subsurface soil clay, silt, and sand contents in a 13.440 km2 area in the Amazon. The specific objectives were to a) evaluate the gain in prediction accuracy when using the P-band of airborne radar as a covariate; b) evaluate two sampling approaches (Reference Area-RA and Total Area-TA); and c) evaluate the transferability and performance of three ML algorithms: regression tree (RT), random forest (RF), and support vector machine (SVM). The study site was divided into three blocks, called Urucu, Araracanga, and Juruá, respectively. The soil dataset consisted of 151 surface and subsurface sand, silt, and clay observations and 21 covariates (20 relief variables and the backscattering coefficient from the P-band). Both the RA and TA sampling approach used 114 observations for training the prediction models (75%) and 37 for validation (25%). The RA approach was better for the development of sand and silt models. Overall, RF derived the most accurate ... Mostrar Tudo |
|
Palavras-Chave: |
Digital soil mapping; Radar P-band; Reference area. |
|
Thesagro: |
Mapa; Reconhecimento do Solo; Textura do Solo. |
|
Thesaurus Nal: |
Soil surveys; Soil texture. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1148295/1/Use-of-airborne-radar-images-and-machine-learning-algorithms-2022.pdf
|
|
Marc: |
LEADER 03374naa a2200289 a 4500
001 2148295
005 2022-11-22
008 2022 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.3390/rs14225711$2DOI
100 1 $aFERREIRA, A. C. de S.
245 $aUse of airborne radar images and machine learning algorithms to map soil clay, silt, and sand contents in remote areas under the Amazon rainforest.$h[electronic resource]
260 $c2022
520 $aSoil texture has a great influence on the physical-hydric and chemical behavior of soils. In the Amazon regions, due to the presence of dense forest cover and limited access to roads, carrying out surveys and mapping of soils is challenging. When data exist, they are relatively sparse and the distribution is quite uneven. In this context, machine learning algorithms (ML) associated with remote sensor covariates offer a framework to derive digital maps of soil attributes. The objective of this study was to produce maps of surface and subsurface soil clay, silt, and sand contents in a 13.440 km2 area in the Amazon. The specific objectives were to a) evaluate the gain in prediction accuracy when using the P-band of airborne radar as a covariate; b) evaluate two sampling approaches (Reference Area-RA and Total Area-TA); and c) evaluate the transferability and performance of three ML algorithms: regression tree (RT), random forest (RF), and support vector machine (SVM). The study site was divided into three blocks, called Urucu, Araracanga, and Juruá, respectively. The soil dataset consisted of 151 surface and subsurface sand, silt, and clay observations and 21 covariates (20 relief variables and the backscattering coefficient from the P-band). Both the RA and TA sampling approach used 114 observations for training the prediction models (75%) and 37 for validation (25%). The RA approach was better for the development of sand and silt models. Overall, RF derived the most accurate predictions for all variables. The effect of introducing the P-band backscattering coefficient improved the sand prediction accuracy at the surface and subsurface in Araracanga, which had the highest sand content, with relative improvements (RI) of the R2, root mean square error (RMSE), and mean absolute error (MAE) of 46%, 3%, and 4% at the surface, respectively, and 66.7%, 4.4%, and 5.2% at the subsurface, respectively. For silt, the P-band improved the predictions at the surface in Araracanga, which had the lowest silt contents among the blocks. For clay, adding the P-band improved the RF predictions at the subsurface, with RI of the R2, RMSE, and MAE of 29%, 5%, and 5%, respectively. Despite the low observation density, inherently hindered by the low accessibility of the area and high costs of sampling thereof, the results showed the potential of ML algorithms boosted by airborne radar P-band to map soil clay, silt, and sand contents in the Amazon.
650 $aSoil surveys
650 $aSoil texture
650 $aMapa
650 $aReconhecimento do Solo
650 $aTextura do Solo
653 $aDigital soil mapping
653 $aRadar P-band
653 $aReference area
700 1 $aCEDDIA, M. B.
700 1 $aCOSTA, E. M.
700 1 $aPINHEIRO, E. F. M.
700 1 $aNASCIMENTO, M. M. do
700 1 $aVASQUES, G. M.
773 $tRemote Sensing$gv. 14, n. 22, 5711, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 39 | |
| 21. |  | ARAÚJO, E. C. E.; VELOSO, M. E. da C.; SOUSA, H. U. de; CARVALHAES, M. A.; AZEVEDO, D. M. P.; FREIRE, C. L.; COSTA, E. M. S. Caracterização do módulo de crescimento do pinhão-manso (Jatropha curcas L.) na microregião geográfica de Teresina-Piauí. In: CONGRESSO INTERNACIONAL DE AGROENERGIA E BIOCOMBUSTÍVEIS, 1., 2007, Teresina. Energia de resultados: palestras e resumos. Teresina: Embrapa Meio-Norte, 2007. 1 CD-ROM. (Embrapa Meio-Norte. Documentos, 143).| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Meio-Norte. |
|    |
| 22. | | ARAÚJO, L. DA S.; JESUS, O. N. de; COSTA, E. M. R.; SOARES, T. L.; SANTOS, I. S, DOS; ARAÚJO, D. M. S. Caracterização de acessos e híbridos de maracujazeiro por meio de descritores morfológicos. In: CONGRESSO BRASILEIRO DE RECURSOS GENÉTICOS, 3., 2014, Santos. Anais... Brasília, DF: Sociedade Brasileira de Recursos Genéticos, 2014.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 23. | | ARAÚJO, L. DA S.; JESUS, O. N. de; COSTA, E. M. R.; SOARES, T. L.; SANTOS, I. S. DOS; ARAÚJO, D. M. S. Avaliação química de frutos de maracujá de casca amarela e roxa em diferentes condições e período de armazenamento. In: CONGRESSO BRASILEIRO DE RECURSOS GENÉTICOS, 3., 2014, Santos. Anais... Brasília, DF: Sociedade Brasileira de Recursos Genéticos, 2014.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 24. | | FARO, I. A. M. de; SANTOS, L. da S.; COSTA, E. M. R.; AUD, F. F.; SEREJO, J. A. dos S.; AMORIM, E. P. Dissociação de autotetraploides a partir de mixoploides de bananeira tratados inicialmente com amiprofós-metil. In: JORNADA CIENTÍFICA EMBRAPA MANDIOCA E FRUTICULTURA, 13., 2019. Foco e valor : resumos. Cruz das Almas, BA: Embrapa Mandioca e Fruticultura,2019. 119 p. il.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 25. | | ARAÚJO, E. C. E.; PRADO, C. H. B. de A.; VELOSO, M. E. da C.; COSTA, E. M. S.; FREIRE, C. L.; NOVAES, P. Curso diário de parâmetros do estado hídrico do pinhão-manso (Jatropha curcas L.) no período chuvoso do município de Teresina, Piauí. In: CONGRESSO INTERNACIONAL DE AGROENERGIA E BIOCOMBUSTÍVEIS, 1., 2007, Teresina. Energia de resultados: palestras e resumos. Teresina: Embrapa Meio-Norte, 2007. 1 CD-ROM. (Embrapa Meio-Norte. Documentos, 143).| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 27. | | ONOYAMA, S. S.; REIFSCHNEIDER, F. J. B.; MOITA, A. W.; AMARO, G. B.; SOUZA, G. da S. e; LIMA, R. dos S.; COSTA, E. M. da C. Programa de melhoramento de Capsicum da Embrapa: levantamento dos principais atributos de pimenta malagueta sob a ótica de processadoras de pimenta. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 6., 2011, Búzios. Panorama atual e perspectivas do melhoramento de plantas no Brasil. [Búzios]: SBMP, 2011. 4 p. 1 CD-ROM.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Hortaliças. |
|  |
| 28. | | COSTA, E. M. da; NÓBREGA, R. S. A.; CARVALHO, F. de; TROCHMANN, A.; FERREIRA, L. de V. M.; MOREIRA, F. M. de S. Promoção do crescimento vegetal e diversidade genética de bactérias isoladas de nódulos de fijão-caupi. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 48, n. 9, p. 1275-1284, set. 2013. Título em inglês: Plant growth promotion and genetic diversity of bacteria isolated from cowpea nodules.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 29. | | FERREIRA, A. C. de S.; CEDDIA, M. B.; COSTA, E. M.; PINHEIRO, E. F. M.; NASCIMENTO, M. M. do; VASQUES, G. M. Use of airborne radar images and machine learning algorithms to map soil clay, silt, and sand contents in remote areas under the Amazon rainforest. Remote Sensing, v. 14, n. 22, 5711, 2022.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Solos. |
| |
| 30. | | FARO, I. A. M. de; KÜHL, P.; SANTOS, T. O. dos; COSTA, E. M. R.; AUD, F. F.; SEREJO, J. A. dos S.; AMORIM, E. P. Sobrevivência de explantes de bananeira submetidos ao tratamento com orizalina. In: JORNADA CIENTÍFICA EMBRAPA MANDIOCA E FRUTICULTURA, 13., 2019. Foco e valor : resumos. Cruz das Almas, BA: Embrapa Mandioca e Fruticultura,2019. 119 p. il.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 31. | | CAMPOS, A.; LUCHESI, B.; CLARO, P. I. C.; SOUZA, E. H.; JESUS, J. S. de; MOURA, H. C. P.; COSTA, E. M. R.; MATTOSO, L. H. C.; SOUZA, F. V. D.; MARCONCINI, J. M. Functionalized cellulose sheets with fertilizers applied as multimodal agricultural supports for seedling cultivation. ACS Agricultural Science & Technology, v. 2,n. 5, p.995?1004, 2022. 995−1004| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 4 |
| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 32. | | CLARO, P. I. C.; LUCHESI, B.; CUNHA, P. I.; SOUZA, E. H.; JESUS, J. S. de; MOURA, H. C. P.; COSTA, E. M. R.; MATTOSO, L. H. C.; SOUZA, F.; MARCONCINI, J. M. Functionalized cellulose sheets with fertilizers applied as multimodal agricultural supports for seedling cultivation. ACS Agriccultural Sciience & Technology, v. 2, 2022. 995–1004| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 4 |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 33. | | LOPES, A. C. de A.; GOMES, R. L. F.; SILVA, R, N. O.; COSTA, E. M. R.; SOUSA, I. F. S.; SANTOS, J. O.; SOUSA, T. H. P.; SILVA, K. J. D. e. Diversidade genética. In: LOPES, A. C. de A.; GOMES, R. L. F.; ARAÚJO, A. S. F. de (Ed.). A cultura do feijão-fava no Meio-Norte do Brasil. Teresina: Universidade Federal do Piauí, 2010. p. 45-71.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 34. | | CARVALHO, M. de J. da S. de; SOUZA, A. da S.; EMANUELA BARBOSA SANTOS; SOARES FILHO, W. dos S.; LEDO, C. A. da S.; COSTA, E. M. R.; SOUZA, F. V. D. In vitro conservation of 'Florida Rough' lemon plants. Ciência Rural, Santa Maria, v.52:12, e20210276, 2022.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 35. | | CARVALHO, A. M. S. de; MAIA, A. V. P.; SILVA, B. K. de A.; SILVA, C. de F. B. da; LIMA, C. S.; FERNANDES, E. C.; LIMA, E. F. B.; ARAÚJO, E. L.; COSTA, E. M. da; SILVA, F. E. L. da; RODRIGUES, J. A. M.; MENDES, L. de F. P.; LIMA, M. G. A. de; CORDEIRO, M. V. M.; SOUSA, M. M. de. Pragas e doenças associadas aos cultivos na Serra de Baturité-CE. Recife: Editora Liceu, 2019. 173 p.| Biblioteca(s): Embrapa Agroindústria Tropical. |
| |
| 36. | | SAMUEL-ROSA, A.; DALMOLIN, R. S. D.; GUBIANI, P. I.; OLIVEIRA, S. R. de M.; TEIXEIRA, W. G.; VIANA, J. H. M.; RIBEIRO, E.; TORNQUIST, C. G.; ANJOS, L. H. C. dos; SOUZA, J. J. E. L. de; OTTONI, M. V.; MEDEIROS, P. S. C. de; GRIS, D. J.; ROSIN, N. A.; BUENO, J. M. M.; SANTOS, H. G. dos; WEBER, E. J.; FLORES, C. A.; COSTA, E. M.; OLIVEIRA, R. P. de; FILIPPINI ALBA, J. M.; PEDROSO NETO, J. C.; PEDRON, F. de A.; CAVIGLIONE, J. H.; VALLADARES, G. S.; MIRANDA, C. S. S.; DEMATTÊ, J. A. M.; MARQUES JÚNIOR, J.; SIQUEIRA, D. S.; AQUINO, R. E. de; SILVERO, N. E. Q.; GENÚ, A. M.; BROETTO, T.; CANCIAN, L. C.; MIGUEL, P.; ZALAMENA, J.; DOTTO, A. C.; ALMEIDA, J. A. de; REICHERT.; CURCIO, G. R.; COLLIER, L. S.; CARVALHO JUNIOR, W. de; FONTANA, A.; OLIVEIRA, A. P. de; VOGELMANN, E. S.; MALLMANN, F. J. K.; VASQUES, G. de M.; LEPSCH, I. F.; FINK, J. R.; KER, J. C.; SILVA, L. S. da; FREITAS, P. L. de; BIELUCZYK, B.; TIECHER, T. Bringing together Brazilian soil scientists to share soil data. In: WORLD CONGRESS OF SOIL SCIENCE, 21., 2018, Rio de Janeiro. Soil science: beyond food and fuel: proceedings... Viçosa, MG: SBCS, 2018. v. 1, p. 63-64. WCSS 2018.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Solos. |
| |
| 37. | | SAMUEL-ROSA, A.; DALMOLIN, R. S. D.; GUBIANI, P. I.; OLIVEIRA, S. R. de M.; TEIXEIRA, W. G.; VIANA, J. H. M.; RIBEIRO, E.; TORNQUIST, C. G.; ANJOS, L. H. C. dos; SOUZA, J. J. E. L. de; OTTONI, M. V.; MEDEIROS, P. S. C. de; GRIS, D. J.; ROSIN, N. A.; BUENO, J. M. M.; SANTOS, H. G. dos; WEBER, E. J.; FLORES, C. A.; COSTA, E. M.; OLIVEIRA, R. P. de; FILIPPINI ALBA, J. M.; PEDROSO NETO, J. C.; PEDRON, F. de A.; CAVIGLIONE, J. H.; VALLADARES, G. S.; MIRANDA, C. S. S.; DEMATTÊ, J. A. M.; MARQUES JÚNIOR, J.; SIQUEIRA, D. S.; AQUINO, R. E. de; SILVERO, N. E. Q.; GENÚ, A. M.; BROETTO, T.; CANCIAN, L. C.; MIGUEL, P.; ZALAMENA, J.; DOTTO, A. C.; ALMEIDA, J. A. de; REICHERT.; CURCIO, G. R.; COLLIER, L. S.; CARVALHO JUNIOR, W. de; FONTANA, A.; OLIVEIRA, A. P. de; VOGELMANN, E. S.; MALLMANN, F. J. K.; VASQUES, G. de M.; LEPSCH, I. F.; FINK, J. R.; KER, J. C.; SILVA, L. S. da; FREITAS, P. L. de; BIELUCZYK, B.; TIECHER, T. Bringing together Brazilian soil scientists to share soil data. In: WORLD CONGRESS OF SOIL SCIENCE, 21., 2018, Rio de Janeiro. Soil science: beyond food and fuel: abstracts. Viçosa, MG: SBCS, 2018.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Clima Temperado. |
| |
| 38. | | SAMUEL-ROSA, A.; DALMOLIN, R. S. D.; GUBIANI, P. I.; OLIVEIRA, S. R. de M.; TEIXEIRA, W. G.; VIANA, J. H. M.; RIBEIRO, E.; TORNQUIST, C. G.; ANJOS, L. H. C. dos; SOUZA, J. J. E. L. de; OTTONI, M. V.; MEDEIROS, P. S. C. de; GRIS, D. J.; ROSIN, N. A.; BUENO, J. M. M.; SANTOS, H. G. dos; WEBER, E. J.; FLORES, C. A.; COSTA, E. M.; OLIVEIRA, R. P. de; FILIPPINI ALBA, J. M.; PEDROSO NETO, J. C.; PEDRON, F. de A.; CAVIGLIONE, J. H.; VALLADARES, G. S.; MIRANDA, C. S. S.; DEMATTÊ, J. A. M.; MARQUES JÚNIOR, J.; SIQUEIRA, D. S.; AQUINO, R. E. de; SILVERO, N. E. Q.; GENÚ, A. M.; BROETTO, T.; CANCIAN, L. C.; MIGUEL, P.; ZALAMENA, J.; DOTTO, A. C.; ALMEIDA, J. A. de; REICHERT.; CURCIO, G. R.; COLLIER, L. S.; CARVALHO JUNIOR, W. de; FONTANA, A.; OLIVEIRA, A. P. de; VOGELMANN, E. S.; MALLMANN, F. J. K.; VASQUES, G. de M.; LEPSCH, I. F.; FINK, J. R.; KER, J. C.; SILVA, L. S. da; FREITAS, P. L. de; BIELUCZYK, B.; TIECHER, T. Bringing together Brazilian soil scientists to share soil data. In: WORLD CONGRESS OF SOIL SCIENCE, 21., 2018, Rio de Janeiro. Soil science: beyond food and fuel: abstracts. Viçosa, MG: SBCS, 2018. Não paginado. WCSS 2018.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Florestas. |
| |
| 39. | | SAMUEL-ROSA, A.; DALMOLIN, R. S. D.; GUBIANI, P. I.; OLIVEIRA, S. R. de M.; TEIXEIRA, W. G.; VIANA, J. H. M.; RIBEIRO, E.; TORNQUIST, C. G.; ANJOS, L. H. C. dos; SOUZA, J. J. E. L. de; OTTONI, M. V.; MEDEIROS, P. S. C. de; GRIS, D. J.; ROSIN, N. A.; BUENO, J. M. M.; SANTOS, H. G. dos; WEBER, E. J.; FLORES, C. A.; COSTA, E. M.; OLIVEIRA, R. P. de; FILIPPINI ALBA, J. M.; PEDROSO NETO, J. C.; PEDRON, F. de A.; CAVIGLIONE, J. H.; VALLADARES, G. S.; MIRANDA, C. S. S.; DEMATTÊ, J. A. M.; MARQUES JÚNIOR, J.; SIQUEIRA, D. S.; AQUINO, R. E. de; SILVERO, N. E. Q.; GENÚ, A. M.; BROETTO, T.; CANCIAN, L. C.; MIGUEL, P.; ZALAMENA, J.; DOTTO, A. C.; ALMEIDA, J. A. de; REICHERT.; CURCIO, G. R.; COLLIER, L. S.; CARVALHO JUNIOR, W. de; FONTANA, A.; OLIVEIRA, A. P. de; VOGELMANN, E. S.; MALLMANN, F. J. K.; VASQUES, G. de M.; LEPSCH, I. F.; FINK, J. R.; KER, J. C.; SILVA, L. S. da; FREITAS, P. L. de; BIELUCZYK, B.; TIECHER, T. Bringing together Brazilian soil scientists to share soil data. In: WORLD CONGRESS OF SOIL SCIENCE, 21., 2018, Rio de Janeiro. Soil science: beyond food and fuel: abstracts. Viçosa, MG: SBCS, 2018. Não paginado. WCSS 2018.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Milho e Sorgo. |
| |
| Registros recuperados : 39 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
