| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agrobiologia; Embrapa Hortaliças. |
|
Data corrente: |
13/12/1995 |
|
Data da última atualização: |
13/12/1995 |
|
Autoria: |
PAULA, M. A. de. |
|
Título: |
Interação micorrizas vesículo-arbusculares - bactérias diazotróficas em batata-doce (Ipomoea batatas (L) Lam). |
|
Ano de publicação: |
1992 |
|
Fonte/Imprenta: |
1992. 168 f. Tese (Doutorado em Agronomia, área de concentração em Ciência do Solo) - Universidade Federal Rural do Rio de Janeiro, Itaguaí, RJ. |
|
Idioma: |
Português |
|
Notas: |
Orientada por: Johanna Döbereiner, José Oswaldo Siqueira, Segundo Urquiaga. |
|
Conteúdo: |
Embora a batata-doce (Ipomoea batatas L. Lam) seja bastante cultivada no Brasil e em outras regiões tropicais, são bastante limitados os estudos sobre requerimentos nutricionais e da influencia da microbiota do solo sobre o seu crescimento e produção. A natureza das interações e dos efeitos de simbiontes, tais como fungos micorrízicos vesículo arbusculares e bactérias diazotróficas, para essa cultura ainda não esta devidamente esclarecida. Em amostras de batata-doce e solo de rizosfera coletadas em diferentes localidades dos estados do Rio de Janeiro e Pernambuco constatou-se a ocorrência de várias espécies de fungos MVA, especialmente dos gêneros Glomus e Acaulospora, e de bactérias diazotróficas, destacando-se a Acetobacter diazotrophicus, a qual foi isolada na maioria das amostras de todas as partes da planta, principalmente em amostras de raízes e tubérculos. Em experimentos conduzidos "in vitro", o crescimento micelial de Glomus clarum (Schenck & Nicolson) e Gigapora gigantea (Nicolson & Gerdemann) Gerdemann & Trappe foi avaliado na presença de células vegetais e de A. diazotrophicus. A adição simultânea ao meio de sacarose (2 g/l), células de batata-doce (25 células/ml de meio) e de A. diazotrophicus (2,1.10 células) estimulou o crescimento e diferenciação do micélio. A resposta em crescimento de hifas de G. gigantea a adição de sacarose diferiu em função do tipo de planta hospedeira em que os esporos foram multiplicados. Foi observado ainda que a adição dos fitohormônios (ANA/BAP-0,01 mg/l meio) contribui... MenosEmbora a batata-doce (Ipomoea batatas L. Lam) seja bastante cultivada no Brasil e em outras regiões tropicais, são bastante limitados os estudos sobre requerimentos nutricionais e da influencia da microbiota do solo sobre o seu crescimento e produção. A natureza das interações e dos efeitos de simbiontes, tais como fungos micorrízicos vesículo arbusculares e bactérias diazotróficas, para essa cultura ainda não esta devidamente esclarecida. Em amostras de batata-doce e solo de rizosfera coletadas em diferentes localidades dos estados do Rio de Janeiro e Pernambuco constatou-se a ocorrência de várias espécies de fungos MVA, especialmente dos gêneros Glomus e Acaulospora, e de bactérias diazotróficas, destacando-se a Acetobacter diazotrophicus, a qual foi isolada na maioria das amostras de todas as partes da planta, principalmente em amostras de raízes e tubérculos. Em experimentos conduzidos "in vitro", o crescimento micelial de Glomus clarum (Schenck & Nicolson) e Gigapora gigantea (Nicolson & Gerdemann) Gerdemann & Trappe foi avaliado na presença de células vegetais e de A. diazotrophicus. A adição simultânea ao meio de sacarose (2 g/l), células de batata-doce (25 células/ml de meio) e de A. diazotrophicus (2,1.10 células) estimulou o crescimento e diferenciação do micélio. A resposta em crescimento de hifas de G. gigantea a adição de sacarose diferiu em função do tipo de planta hospedeira em que os esporos foram multiplicados. Foi observado ainda que a adição dos fitohormôn... Mostrar Tudo |
|
Palavras-Chave: |
Bacteria diazotrofica; Batata-doce; Diazotróficas; Diazotrophic bacteria; Diazotrophy; Fixacao; Fixation; FMVA; Fungos micorrizico; Micorrhizal fungi; MVA; Mycorrhiza. |
|
Thesagro: |
Bactéria; Ipomoea Batatas; Micorriza; Micorriza Vesicular Arbuscular; Solo. |
|
Thesaurus Nal: |
soil; sweet potatoes; vesicular arbuscular mycorrhizae. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02748nam a2200361 a 4500
001 1622233
005 1995-12-13
008 1992 bl uuuu m 00u1 u #d
100 1 $aPAULA, M. A. de
245 $aInteração micorrizas vesículo-arbusculares - bactérias diazotróficas em batata-doce (Ipomoea batatas (L) Lam).
260 $a1992. 168 f. Tese (Doutorado em Agronomia, área de concentração em Ciência do Solo) - Universidade Federal Rural do Rio de Janeiro, Itaguaí, RJ.$c1992
500 $aOrientada por: Johanna Döbereiner, José Oswaldo Siqueira, Segundo Urquiaga.
520 $aEmbora a batata-doce (Ipomoea batatas L. Lam) seja bastante cultivada no Brasil e em outras regiões tropicais, são bastante limitados os estudos sobre requerimentos nutricionais e da influencia da microbiota do solo sobre o seu crescimento e produção. A natureza das interações e dos efeitos de simbiontes, tais como fungos micorrízicos vesículo arbusculares e bactérias diazotróficas, para essa cultura ainda não esta devidamente esclarecida. Em amostras de batata-doce e solo de rizosfera coletadas em diferentes localidades dos estados do Rio de Janeiro e Pernambuco constatou-se a ocorrência de várias espécies de fungos MVA, especialmente dos gêneros Glomus e Acaulospora, e de bactérias diazotróficas, destacando-se a Acetobacter diazotrophicus, a qual foi isolada na maioria das amostras de todas as partes da planta, principalmente em amostras de raízes e tubérculos. Em experimentos conduzidos "in vitro", o crescimento micelial de Glomus clarum (Schenck & Nicolson) e Gigapora gigantea (Nicolson & Gerdemann) Gerdemann & Trappe foi avaliado na presença de células vegetais e de A. diazotrophicus. A adição simultânea ao meio de sacarose (2 g/l), células de batata-doce (25 células/ml de meio) e de A. diazotrophicus (2,1.10 células) estimulou o crescimento e diferenciação do micélio. A resposta em crescimento de hifas de G. gigantea a adição de sacarose diferiu em função do tipo de planta hospedeira em que os esporos foram multiplicados. Foi observado ainda que a adição dos fitohormônios (ANA/BAP-0,01 mg/l meio) contribui...
650 $asoil
650 $asweet potatoes
650 $avesicular arbuscular mycorrhizae
650 $aBactéria
650 $aIpomoea Batatas
650 $aMicorriza
650 $aMicorriza Vesicular Arbuscular
650 $aSolo
653 $aBacteria diazotrofica
653 $aBatata-doce
653 $aDiazotróficas
653 $aDiazotrophic bacteria
653 $aDiazotrophy
653 $aFixacao
653 $aFixation
653 $aFMVA
653 $aFungos micorrizico
653 $aMicorrhizal fungi
653 $aMVA
653 $aMycorrhiza
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agrobiologia (CNPAB) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Gado de Leite. Para informações adicionais entre em contato com cnpgl.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Gado de Leite. |
|
Data corrente: |
08/02/2021 |
|
Data da última atualização: |
06/02/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
CAIRO, F. C.; PEREIRA, L. G. R.; CAMPOS, M. M.; TOMICH, T. R.; COELHO, S. G.; LAGE, C. F. A.; FONSECA, A. P.; BORGES, A. M.; ALVES, B. R. C.; DOREA, J. R. R. |
|
Afiliação: |
F. C. Cairo, Universidade Estadual do Sudoeste da Bahia, Itapetinga, BA; LUIZ GUSTAVO RIBEIRO PEREIRA, CNPGL; MARIANA MAGALHAES CAMPOS, CNPGL; THIERRY RIBEIRO TOMICH, CNPGL; S. G. Coelho, UFMG; C. F. A. Lage, UFMG; A. P. Fonseca, UFMG; A. M. Borges, UFMG; B. R. C. Alves, University of Nevada, Reno, USA; J. R. R. Dorea, University of Wisconsin, Madison, USA. |
|
Título: |
Applying machine learning techniques on feeding behavior data for early estrus detection in dairy heifers. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Computers and Electronics in Agriculture, v. 179, 105855, 2020. |
|
DOI: |
https://doi.org/10.1016/j.compag.2020.105855 |
|
Idioma: |
Inglês |
|
Conteúdo: |
The recent advances in sensor technology have allowed accurate predictions of estrus events using animal behavior information. Behavioral variables generated by electronic feed and water bins have not been explored as potential predictors for estrus detection. The objectives of this study were: (i) to evaluate the effect of estrus expression on feed intake and animal behavior (feeding and drinking) and (ii) to develop and evaluate predictive approaches to detect estrus expression using electronic feed and water bins data. Feed intake, animal behavior, and estrus events were measured in 57 Holstein × Gyr heifers (374 ± 21.2 kg and 22.6 ± 0.60 months). Previous to each estrus event, the following covariates were computed: total feed intake (FI, as-fed basis), number of visits at the feed bins (VF) and water bins (VW), time spent eating (TE), and time spent drinking water (TD). Three predictive approaches were evaluated: Generalized Linear Models (GLM), Artificial Neural Network (ANN), and Random Forest (RF). Twelve covariate sets were established to investigate: (ii.a) the prediction quality for estrus detection when long (−174 to 0 h) or short (−24 to 0 h) time series were used as predictors (6 h of time window, with estrus event at 0 h); (ii.b) the ability of machine learning algorithms to predict estrus 6 and 12 h in advance; and (ii.c) the predictive quality for estrus detection when only feeding and drinking behavior data (without intake variables) were included as predictors. The predictive approaches were evaluated through Leave-One-Out Cross-validation. Estrus events altered feeding and drinking behavior patterns, and feed intake. ANN, RF, and GLM presented similar accuracies within covariate sets. There was no benefit of using longer time series for estrus detection. Earlier detection of estrus event (6 and 12 h in advance) reduced model accuracy compared to predictions performed at 0 h. However, ANN and RF showed accuracy values ranging between 75.7% and 96.5%, which indicates a great potential for early estrus detection. The exclusion of feed intake data of the covariate sets did not reduce the accuracy, sensitivity, and specificity of the models for estrus detection. These findings suggest that behavioral data can early predict estrus events, which could be incorporated in sensor technologies capable of generating behavioral information, such as electronic bins, wearable sensors, and computer vision systems. MenosThe recent advances in sensor technology have allowed accurate predictions of estrus events using animal behavior information. Behavioral variables generated by electronic feed and water bins have not been explored as potential predictors for estrus detection. The objectives of this study were: (i) to evaluate the effect of estrus expression on feed intake and animal behavior (feeding and drinking) and (ii) to develop and evaluate predictive approaches to detect estrus expression using electronic feed and water bins data. Feed intake, animal behavior, and estrus events were measured in 57 Holstein × Gyr heifers (374 ± 21.2 kg and 22.6 ± 0.60 months). Previous to each estrus event, the following covariates were computed: total feed intake (FI, as-fed basis), number of visits at the feed bins (VF) and water bins (VW), time spent eating (TE), and time spent drinking water (TD). Three predictive approaches were evaluated: Generalized Linear Models (GLM), Artificial Neural Network (ANN), and Random Forest (RF). Twelve covariate sets were established to investigate: (ii.a) the prediction quality for estrus detection when long (−174 to 0 h) or short (−24 to 0 h) time series were used as predictors (6 h of time window, with estrus event at 0 h); (ii.b) the ability of machine learning algorithms to predict estrus 6 and 12 h in advance; and (ii.c) the predictive quality for estrus detection when only feeding and drinking behavior data (without intake variables) were includ... Mostrar Tudo |
|
Palavras-Chave: |
Artificial neural network; Heat detection; Machine learning; Precision livestock; Random forest. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 03409naa a2200301 a 4500
001 2129867
005 2024-02-06
008 2020 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1016/j.compag.2020.105855$2DOI
100 1 $aCAIRO, F. C.
245 $aApplying machine learning techniques on feeding behavior data for early estrus detection in dairy heifers.$h[electronic resource]
260 $c2020
520 $aThe recent advances in sensor technology have allowed accurate predictions of estrus events using animal behavior information. Behavioral variables generated by electronic feed and water bins have not been explored as potential predictors for estrus detection. The objectives of this study were: (i) to evaluate the effect of estrus expression on feed intake and animal behavior (feeding and drinking) and (ii) to develop and evaluate predictive approaches to detect estrus expression using electronic feed and water bins data. Feed intake, animal behavior, and estrus events were measured in 57 Holstein × Gyr heifers (374 ± 21.2 kg and 22.6 ± 0.60 months). Previous to each estrus event, the following covariates were computed: total feed intake (FI, as-fed basis), number of visits at the feed bins (VF) and water bins (VW), time spent eating (TE), and time spent drinking water (TD). Three predictive approaches were evaluated: Generalized Linear Models (GLM), Artificial Neural Network (ANN), and Random Forest (RF). Twelve covariate sets were established to investigate: (ii.a) the prediction quality for estrus detection when long (−174 to 0 h) or short (−24 to 0 h) time series were used as predictors (6 h of time window, with estrus event at 0 h); (ii.b) the ability of machine learning algorithms to predict estrus 6 and 12 h in advance; and (ii.c) the predictive quality for estrus detection when only feeding and drinking behavior data (without intake variables) were included as predictors. The predictive approaches were evaluated through Leave-One-Out Cross-validation. Estrus events altered feeding and drinking behavior patterns, and feed intake. ANN, RF, and GLM presented similar accuracies within covariate sets. There was no benefit of using longer time series for estrus detection. Earlier detection of estrus event (6 and 12 h in advance) reduced model accuracy compared to predictions performed at 0 h. However, ANN and RF showed accuracy values ranging between 75.7% and 96.5%, which indicates a great potential for early estrus detection. The exclusion of feed intake data of the covariate sets did not reduce the accuracy, sensitivity, and specificity of the models for estrus detection. These findings suggest that behavioral data can early predict estrus events, which could be incorporated in sensor technologies capable of generating behavioral information, such as electronic bins, wearable sensors, and computer vision systems.
653 $aArtificial neural network
653 $aHeat detection
653 $aMachine learning
653 $aPrecision livestock
653 $aRandom forest
700 1 $aPEREIRA, L. G. R.
700 1 $aCAMPOS, M. M.
700 1 $aTOMICH, T. R.
700 1 $aCOELHO, S. G.
700 1 $aLAGE, C. F. A.
700 1 $aFONSECA, A. P.
700 1 $aBORGES, A. M.
700 1 $aALVES, B. R. C.
700 1 $aDOREA, J. R. R.
773 $tComputers and Electronics in Agriculture$gv. 179, 105855, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Leite (CNPGL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
