| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agrossilvipastoril. |
|
Data corrente: |
19/12/2014 |
|
Data da última atualização: |
29/05/2017 |
|
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
|
Autoria: |
PEDREIRA, B. C. e; DIAS FILHO, M. B.; ANDRADE, C. M. S. de; RIBEIRO, L. F. C.; PEREIRA, D. H.; CARNEVALLI, R. A.; COSTA, F. C.; FELIPE, F. de L. |
|
Afiliação: |
BRUNO CARNEIRO E PEDREIRA, CPAMT; MOACYR BERNARDINO DIAS FILHO, CPATU; CARLOS MAURICIO SOARES DE ANDRADE, CPAF-AC; LUIZ FERNANDO CALDEIRA RIBEIRO, Professor, Universidade Estadual de Mato Grosso, Alta Floresta, MT, Brasil.; DALTON HENRIQUE PEREIRA, Professor, Universidade Federal de Mato Grosso, Sinop, MT, Brasil.; ROBERTA APARECIDA CARNEVALLI, CPAMT; FRANCIANE CAZELATO COSTA; FRANCARLOS DE LIMA FELIPE. |
|
Título: |
Síndrome da morte do braquiarão em Mato Grosso. |
|
Ano de publicação: |
2014 |
|
Fonte/Imprenta: |
IN: SIMPÓSIO DE PECUÁRIA INTEGRADA, 1., 2014, Sinop, MT. Intensificação da produção animal em pastagens: Anais... Sinop, MT: Embrapa, 2014. 294 p. Editores Bruno Carneiro e Pedreira, Dalton Henrique Pereira, Douglas dos Santos Pina, Roberta Aparecida Carnevalli, Luciano Bastos Lopes |
|
Idioma: |
Português |
|
Conteúdo: |
A pecuária é uma das atividades econômicas mais importantes do Brasil, o qual, por sua extensão territorial e condições de clima, possibilita que a grande maioria do rebanho seja criada em pastagens, diminuindo os custos de produção. Isso ocorre, pois, em sistemas que utilizam animais confinados e grãos na dieta os custos de produção são inflados pelo o uso intensivo de mão de obra, máquinas, equipamentos e combustível fóssil (Dias-Filho, 2014). Além disso, no sistema de produção em pastagens o produtor tem a vantagem de não depender de fatores instáveis, como altas nos preços de grãos (Torres Júnior e Aguiar, 2013). A planta forrageira desempenha uma função de extrema importância, que reflete tanto no aspecto econômico, quanto na sustentabilidade do sistema (Sbrissia e Da Silva, 2001). De acordo com o último Censo Agropecuário Brasileiro, o de 2006 (IBGE, 2007), a área total de pastagens (naturais e plantadas) no Brasil é de 172,3 milhões de hectares. Entre 1975 e 2006, as áreas de pastagem do país diminuíram nas regiões Sudeste (-32,2%), Sul (-14,3%) e Centro-Oeste (-7,3%), aumentando apenas nas regiões Norte (517,9%) e Nordeste (6,6%). No Brasil, como um todo, o crescimento das áreas de pastagem, desde meados da década de 1970, foi de apenas 4%. De acordo com Dias-Filho (2014), o baixo crescimento médio das áreas de pastagem do Brasil, como um todo, nos últimos 30 anos decorre principalmente da expansão das áreas agrícolas, de reflorestamento e de urbanização sobre as áreas originais de pastagem. Uma característica importante da dinâmica das áreas de pastagem no Brasil tem sido a substituição do uso de pastagens naturais por pastagens plantadas, observada desde o Censo Agropecuário de 1970 (Dias-Filho, 2014). A explicação é que muitas dessas pastagens naturais estão sendo substituídas por lavouras, além de outras atividades, ou mesmo substituídas por pastagens plantadas (plantio de capins exóticos) (Dias-Filho, 2014). As áreas cultivadas com pastagens no Brasil expandiram com maior intensidade a partir da década de 1970 em decorrência, principalmente, do avanço da pecuária na Amazônia Legal (Faria et al., 1996). Desde então, o que eram aproximadamente 25 milhões de hectares de pastagens plantadas nos anos 1970, já ultrapassavam 100 milhões de hectares em 2006 (IBGE, 2007). Uma grande proporção dessas novas pastagens foi originalmente plantada, ou vem sendo substituída com gramíneas do gênero Brachiaria. MenosA pecuária é uma das atividades econômicas mais importantes do Brasil, o qual, por sua extensão territorial e condições de clima, possibilita que a grande maioria do rebanho seja criada em pastagens, diminuindo os custos de produção. Isso ocorre, pois, em sistemas que utilizam animais confinados e grãos na dieta os custos de produção são inflados pelo o uso intensivo de mão de obra, máquinas, equipamentos e combustível fóssil (Dias-Filho, 2014). Além disso, no sistema de produção em pastagens o produtor tem a vantagem de não depender de fatores instáveis, como altas nos preços de grãos (Torres Júnior e Aguiar, 2013). A planta forrageira desempenha uma função de extrema importância, que reflete tanto no aspecto econômico, quanto na sustentabilidade do sistema (Sbrissia e Da Silva, 2001). De acordo com o último Censo Agropecuário Brasileiro, o de 2006 (IBGE, 2007), a área total de pastagens (naturais e plantadas) no Brasil é de 172,3 milhões de hectares. Entre 1975 e 2006, as áreas de pastagem do país diminuíram nas regiões Sudeste (-32,2%), Sul (-14,3%) e Centro-Oeste (-7,3%), aumentando apenas nas regiões Norte (517,9%) e Nordeste (6,6%). No Brasil, como um todo, o crescimento das áreas de pastagem, desde meados da década de 1970, foi de apenas 4%. De acordo com Dias-Filho (2014), o baixo crescimento médio das áreas de pastagem do Brasil, como um todo, nos últimos 30 anos decorre principalmente da expansão das áreas agrícolas, de reflorestamento e de urbanização sobre as áre... Mostrar Tudo |
|
Thesagro: |
Brachiaria; Síndrome. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/114185/1/cpamt-2014-pedreira-morte-braquiarao.pdf
|
|
Marc: |
LEADER 03401naa a2200229 a 4500
001 2003373
005 2017-05-29
008 2014 bl uuuu u00u1 u #d
100 1 $aPEDREIRA, B. C. e
245 $aSíndrome da morte do braquiarão em Mato Grosso.$h[electronic resource]
260 $c2014
520 $aA pecuária é uma das atividades econômicas mais importantes do Brasil, o qual, por sua extensão territorial e condições de clima, possibilita que a grande maioria do rebanho seja criada em pastagens, diminuindo os custos de produção. Isso ocorre, pois, em sistemas que utilizam animais confinados e grãos na dieta os custos de produção são inflados pelo o uso intensivo de mão de obra, máquinas, equipamentos e combustível fóssil (Dias-Filho, 2014). Além disso, no sistema de produção em pastagens o produtor tem a vantagem de não depender de fatores instáveis, como altas nos preços de grãos (Torres Júnior e Aguiar, 2013). A planta forrageira desempenha uma função de extrema importância, que reflete tanto no aspecto econômico, quanto na sustentabilidade do sistema (Sbrissia e Da Silva, 2001). De acordo com o último Censo Agropecuário Brasileiro, o de 2006 (IBGE, 2007), a área total de pastagens (naturais e plantadas) no Brasil é de 172,3 milhões de hectares. Entre 1975 e 2006, as áreas de pastagem do país diminuíram nas regiões Sudeste (-32,2%), Sul (-14,3%) e Centro-Oeste (-7,3%), aumentando apenas nas regiões Norte (517,9%) e Nordeste (6,6%). No Brasil, como um todo, o crescimento das áreas de pastagem, desde meados da década de 1970, foi de apenas 4%. De acordo com Dias-Filho (2014), o baixo crescimento médio das áreas de pastagem do Brasil, como um todo, nos últimos 30 anos decorre principalmente da expansão das áreas agrícolas, de reflorestamento e de urbanização sobre as áreas originais de pastagem. Uma característica importante da dinâmica das áreas de pastagem no Brasil tem sido a substituição do uso de pastagens naturais por pastagens plantadas, observada desde o Censo Agropecuário de 1970 (Dias-Filho, 2014). A explicação é que muitas dessas pastagens naturais estão sendo substituídas por lavouras, além de outras atividades, ou mesmo substituídas por pastagens plantadas (plantio de capins exóticos) (Dias-Filho, 2014). As áreas cultivadas com pastagens no Brasil expandiram com maior intensidade a partir da década de 1970 em decorrência, principalmente, do avanço da pecuária na Amazônia Legal (Faria et al., 1996). Desde então, o que eram aproximadamente 25 milhões de hectares de pastagens plantadas nos anos 1970, já ultrapassavam 100 milhões de hectares em 2006 (IBGE, 2007). Uma grande proporção dessas novas pastagens foi originalmente plantada, ou vem sendo substituída com gramíneas do gênero Brachiaria.
650 $aBrachiaria
650 $aSíndrome
700 1 $aDIAS FILHO, M. B.
700 1 $aANDRADE, C. M. S. de
700 1 $aRIBEIRO, L. F. C.
700 1 $aPEREIRA, D. H.
700 1 $aCARNEVALLI, R. A.
700 1 $aCOSTA, F. C.
700 1 $aFELIPE, F. de L.
773 $tIN: SIMPÓSIO DE PECUÁRIA INTEGRADA, 1., 2014, Sinop, MT. Intensificação da produção animal em pastagens: Anais... Sinop, MT: Embrapa, 2014. 294 p. Editores Bruno Carneiro e Pedreira, Dalton Henrique Pereira, Douglas dos Santos Pina, Roberta Aparecida Carnevalli, Luciano Bastos Lopes
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agrossilvipastoril (CPAMT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Gado de Corte; Embrapa Pantanal. |
|
Data corrente: |
25/03/2020 |
|
Data da última atualização: |
20/04/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
WEBER, V. A. de M.; WEBER, F. de L.; GOMES, R. da C.; OLIVEIRA JUNIOR, A. da S.; MENEZES, G. V.; ABREU, U. G. P. de; BELETE, N. A. de S.; PISTORI, H. |
|
Afiliação: |
Vanessa Aparecida de Moraes Weber, Universidade Católica Dom Bosco - UCDB; Fabricio de Lima Weber, Universidade Federal de Mato Grosso do Sul - UFMS/Faculdade de Computação; RODRIGO DA COSTA GOMES, CNPGC; Adair da Silva Oliveira Junior, Universidade Federal de Mato Grosso do Sul - UFMS/Faculdade de Computação; Geazy Vilharva Menezes, Universidade Federal de Mato Grosso do Sul - UFMS/Faculdade de Computação; URBANO GOMES PINTO DE ABREU, CPAP; Nícolas Alessandro de Souza Belete, Universidade Católica Dom Bosco - UCDB; Hemerson Pistori, Universidade Católica Dom Bosco - UCDB. |
|
Título: |
Prediction of Girolando cattle weight by means of body measurements extracted from images. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Revista Brasileira de Zootecnia. v. 49, e20190110, 2020. |
|
Idioma: |
Inglês
Português |
|
Conteúdo: |
The objective with this study was to analyze the body measurements of Girolando cattle, as well as measurements extracted from their images, to generate a model to understand which measures further explain the cattle body weight. Therefore, the experiment physically measured 34 Girolando cattle (two males and 32 females), for the following traits: heart girth (HGP), circumference of the abdomen, body length, occipito-ischial length, wither height, and hip height. In addition, images of the dorsum and the body lateral area of these animals allowed measurements of hip width (HWI), body length, tail distance to the neck, dorsum area (DAI), dorsum perimeter, wither height, hip height, body lateral area, perimeter of the lateral area, and rib height. The measurements extracted from the images were subjected to the stepwise regression method and regression-based machine learning algorithms. The HGp was the physical measure with stronger positive correlation with respect to body weight. In the stepwise method, the final model generated R² of 0.70 and RMSE of 42.52 kg and the equation: WEIGHT (kg) = 6.15421 * HWI (cm) + 0.01929 * DAI (cm2 ) + 70.8388. The linear regression and SVM algorithms obtained the best results, followed by discretization regression with random forests. The set of rules presented in this study can be recommended for estimating body weight in Girolando cattle, at a correlation coefficient of 0.71, by measurements of hip width and dorsum area, both extracted from cattle images. MenosThe objective with this study was to analyze the body measurements of Girolando cattle, as well as measurements extracted from their images, to generate a model to understand which measures further explain the cattle body weight. Therefore, the experiment physically measured 34 Girolando cattle (two males and 32 females), for the following traits: heart girth (HGP), circumference of the abdomen, body length, occipito-ischial length, wither height, and hip height. In addition, images of the dorsum and the body lateral area of these animals allowed measurements of hip width (HWI), body length, tail distance to the neck, dorsum area (DAI), dorsum perimeter, wither height, hip height, body lateral area, perimeter of the lateral area, and rib height. The measurements extracted from the images were subjected to the stepwise regression method and regression-based machine learning algorithms. The HGp was the physical measure with stronger positive correlation with respect to body weight. In the stepwise method, the final model generated R² of 0.70 and RMSE of 42.52 kg and the equation: WEIGHT (kg) = 6.15421 * HWI (cm) + 0.01929 * DAI (cm2 ) + 70.8388. The linear regression and SVM algorithms obtained the best results, followed by discretization regression with random forests. The set of rules presented in this study can be recommended for estimating body weight in Girolando cattle, at a correlation coefficient of 0.71, by measurements of hip width and dorsum area, both extracted fro... Mostrar Tudo |
|
Palavras-Chave: |
Livestock precision; Machine learning; Mass estimation. |
|
Thesagro: |
Gado de Corte; Gado Gir; Morfologia Animal; Peso. |
|
Thesaurus NAL: |
Beef cattle; Body weight; Cattle; Computer vision; Gir (cattle breed); Livestock production. |
|
Categoria do assunto: |
--
L Ciência Animal e Produtos de Origem Animal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/212007/1/Prediction-of-girolando-cattle.pdf
|
|
Marc: |
LEADER 02545naa a2200361 a 4500
001 2121364
005 2020-04-20
008 2020 bl uuuu u00u1 u #d
100 1 $aWEBER, V. A. de M.
245 $aPrediction of Girolando cattle weight by means of body measurements extracted from images.$h[electronic resource]
260 $c2020
520 $aThe objective with this study was to analyze the body measurements of Girolando cattle, as well as measurements extracted from their images, to generate a model to understand which measures further explain the cattle body weight. Therefore, the experiment physically measured 34 Girolando cattle (two males and 32 females), for the following traits: heart girth (HGP), circumference of the abdomen, body length, occipito-ischial length, wither height, and hip height. In addition, images of the dorsum and the body lateral area of these animals allowed measurements of hip width (HWI), body length, tail distance to the neck, dorsum area (DAI), dorsum perimeter, wither height, hip height, body lateral area, perimeter of the lateral area, and rib height. The measurements extracted from the images were subjected to the stepwise regression method and regression-based machine learning algorithms. The HGp was the physical measure with stronger positive correlation with respect to body weight. In the stepwise method, the final model generated R² of 0.70 and RMSE of 42.52 kg and the equation: WEIGHT (kg) = 6.15421 * HWI (cm) + 0.01929 * DAI (cm2 ) + 70.8388. The linear regression and SVM algorithms obtained the best results, followed by discretization regression with random forests. The set of rules presented in this study can be recommended for estimating body weight in Girolando cattle, at a correlation coefficient of 0.71, by measurements of hip width and dorsum area, both extracted from cattle images.
650 $aBeef cattle
650 $aBody weight
650 $aCattle
650 $aComputer vision
650 $aGir (cattle breed)
650 $aLivestock production
650 $aGado de Corte
650 $aGado Gir
650 $aMorfologia Animal
650 $aPeso
653 $aLivestock precision
653 $aMachine learning
653 $aMass estimation
700 1 $aWEBER, F. de L.
700 1 $aGOMES, R. da C.
700 1 $aOLIVEIRA JUNIOR, A. da S.
700 1 $aMENEZES, G. V.
700 1 $aABREU, U. G. P. de
700 1 $aBELETE, N. A. de S.
700 1 $aPISTORI, H.
773 $tRevista Brasileira de Zootecnia.$gv. 49, e20190110, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Corte (CNPGC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
