|
|
Registro Completo |
Biblioteca(s): |
Embrapa Mandioca e Fruticultura. |
Data corrente: |
30/03/2012 |
Data da última atualização: |
11/01/2017 |
Tipo da produção científica: |
Boletim de Pesquisa e Desenvolvimento |
Autoria: |
LEDO, C. A. da S.; ALVES, A. A. C.; SILVEIRA, T. C. da; OLIVEIRA, M. M. de; SANTOS, A. S.; TAVARES FILHO, L. F. de Q. |
Afiliação: |
CARLOS ALBERTO DA SILVA LEDO, CNPMF; ALFREDO AUGUSTO CUNHA ALVES, SRI; TAMYRES CARDOSO DA SILVEIRA, UFRB; MAYANA MATOS DE OLIVEIRA, UFRB; ARIANA SILVA SANTOS, UFRB; LEÔNIDAS FRANCISCO DE QUEIROZ TAVARES FILHO, UFRB. |
Título: |
Caracterização morfológica da coleção de espécies silvestres de Manihot (Euphorbiaceae - Magnoliophyta) da Embrapa Mandioca e Fruticultura. |
Ano de publicação: |
2011 |
Fonte/Imprenta: |
Cruz das Almas, Ba: Embrapa Mandioca e Fruticultura, 2011. |
Série: |
(Embrapa Mandioca e Fruticultura. Boletim de Pesquisa e Desenvolvimento, 53). |
Idioma: |
Português |
Conteúdo: |
Espécies silvestres de Manihot são importantes reservatórios de genes de interesse que podem ser transferidos para cultivares comerciais de mandioca, visando o desenvolvimento de variedades melhoradas que sejam mais resistentes a fatores bióticos e abióticos e que expressem maior produtividade. O objetivo deste trabalho foi realizar a caracterização de 475 acessos da coleção de espécies silvestres de Manihot da Embrapa Mandioca e Fruticultura por meio da avaliação de 32 descritores morfológicos, sendo 10 quantitativos e 22 qualitativos. Foi realizada análise de agrupamento considerando os descritores quantitativos e qualitativos simultaneamente, segundo o algoritmo de Gower A utilização de descritores morfológicos evidenciou a existência de diversidade genética entre os acessos da coleção de espécies silvestres da Embrapa Mandioca e Fruticultura. Alguns dos acessos presentes na coleção de espécies silvestres de Manihot mostraram-se promissores, podendo os mesmos ser utilizados em programas de melhoramento para obtenção de híbridos interespecíficos melhorados entre espécies silvestres e variedades de mandioca. |
Palavras-Chave: |
Melhoramento genético; Variabilidade genética. |
Thesagro: |
Mandioca. |
Categoria do assunto: |
G Melhoramento Genético |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/58020/1/Boletim-Pesquisa-Desenv-53.pdf
|
Marc: |
LEADER 01938nam a2200217 a 4500 001 1921268 005 2017-01-11 008 2011 bl uuuu u0uu1 u #d 100 1 $aLEDO, C. A. da S. 245 $aCaracterização morfológica da coleção de espécies silvestres de Manihot (Euphorbiaceae - Magnoliophyta) da Embrapa Mandioca e Fruticultura. 260 $aCruz das Almas, Ba: Embrapa Mandioca e Fruticultura$c2011 490 $a(Embrapa Mandioca e Fruticultura. Boletim de Pesquisa e Desenvolvimento, 53). 520 $aEspécies silvestres de Manihot são importantes reservatórios de genes de interesse que podem ser transferidos para cultivares comerciais de mandioca, visando o desenvolvimento de variedades melhoradas que sejam mais resistentes a fatores bióticos e abióticos e que expressem maior produtividade. O objetivo deste trabalho foi realizar a caracterização de 475 acessos da coleção de espécies silvestres de Manihot da Embrapa Mandioca e Fruticultura por meio da avaliação de 32 descritores morfológicos, sendo 10 quantitativos e 22 qualitativos. Foi realizada análise de agrupamento considerando os descritores quantitativos e qualitativos simultaneamente, segundo o algoritmo de Gower A utilização de descritores morfológicos evidenciou a existência de diversidade genética entre os acessos da coleção de espécies silvestres da Embrapa Mandioca e Fruticultura. Alguns dos acessos presentes na coleção de espécies silvestres de Manihot mostraram-se promissores, podendo os mesmos ser utilizados em programas de melhoramento para obtenção de híbridos interespecíficos melhorados entre espécies silvestres e variedades de mandioca. 650 $aMandioca 653 $aMelhoramento genético 653 $aVariabilidade genética 700 1 $aALVES, A. A. C. 700 1 $aSILVEIRA, T. C. da 700 1 $aOLIVEIRA, M. M. de 700 1 $aSANTOS, A. S. 700 1 $aTAVARES FILHO, L. F. de Q.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Mandioca e Fruticultura (CNPMF) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
| Acesso ao texto completo restrito à biblioteca da Embrapa Meio Ambiente. Para informações adicionais entre em contato com cnpma.biblioteca@embrapa.br. |
Registro Completo
Biblioteca(s): |
Embrapa Meio Ambiente. |
Data corrente: |
02/08/2018 |
Data da última atualização: |
02/08/2018 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
A - 1 |
Autoria: |
FRIEDEL, M. J.; BUSCEMA, M.; VICENTE, L. E.; IWASHITA, F.; KOGA-VICENTE, A. |
Afiliação: |
MICHAEL J FRIEDEL, Hydrogeology Department - GNS Science; MASSIMO BUSCEMA, University of Colorado; LUIZ EDUARDO VICENTE, CNPMA; FABIO IWASHITA, University of Florence; ANDREA KOGA-VICENTE, CEPAGRI-UNICAMP. |
Título: |
Mapping fractional landscape soils and vegetation components from Hyperion satellite imagery using an unsupervised machine-learning workflow. |
Ano de publicação: |
2018 |
Fonte/Imprenta: |
International Journal of Digital Earth, v. 11, n. 7, p. 670-690, 2018. |
ISSN: |
1753-8955 |
DOI: |
https://doi.org/10.1080/17538947.2017.1349841 |
Idioma: |
Inglês |
Conteúdo: |
An unsupervised machine-learning workflow is proposed for estimating fractional landscape soils and vegetation components from remotely sensed hyperspectral imagery. The workflow is applied to EO-1 Hyperion satellite imagery collected near Ibirací, Minas Gerais, Brazil. The proposed workflow includes subset feature selection, learning, and estimation algorithms. Network training with landscape feature class realizations provide a hypersurface from which to estimate mixtures of soil (e.g. 0.5 exceedance for pixels: 75% clay-rich Nitisols, 15% iron-rich Latosols, and 1% quartz-rich Arenosols) and vegetation (e.g. 0.5 exceedance for pixels: 4% Aspen-like trees, 7% Blackberry-like trees, 0% live grass, and 2% dead grass). The process correctly maps forests and iron-rich Latosols as being coincident with existing drainages, and correctly classifies the clay-rich Nitisols and grasses on the intervening hills. These classifications are independently corroborated visually (Google Earth) and quantitatively (random soil samples and crossplots of field spectra). Some mapping challenges are the underestimation of forest fractions and overestimation of soil fractions where steep valley shadows exist, and the under representation of classified grass in some dry areas of the Hyperion image. These preliminary results provide impetus for future hyperspectral studies involving airborne and satellite sensors with higher signal-to-noise and smaller footprints. |
Palavras-Chave: |
Machine learning. |
Thesagro: |
Satélite; Sensoriamento Remoto; Solo; Vegetação. |
Thesaurus NAL: |
Hyperspectral imagery; Remote sensing; Soil; Vegetation cover. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
Marc: |
LEADER 02406naa a2200301 a 4500 001 2093828 005 2018-08-02 008 2018 bl uuuu u00u1 u #d 022 $a1753-8955 024 7 $ahttps://doi.org/10.1080/17538947.2017.1349841$2DOI 100 1 $aFRIEDEL, M. J. 245 $aMapping fractional landscape soils and vegetation components from Hyperion satellite imagery using an unsupervised machine-learning workflow.$h[electronic resource] 260 $c2018 520 $aAn unsupervised machine-learning workflow is proposed for estimating fractional landscape soils and vegetation components from remotely sensed hyperspectral imagery. The workflow is applied to EO-1 Hyperion satellite imagery collected near Ibirací, Minas Gerais, Brazil. The proposed workflow includes subset feature selection, learning, and estimation algorithms. Network training with landscape feature class realizations provide a hypersurface from which to estimate mixtures of soil (e.g. 0.5 exceedance for pixels: 75% clay-rich Nitisols, 15% iron-rich Latosols, and 1% quartz-rich Arenosols) and vegetation (e.g. 0.5 exceedance for pixels: 4% Aspen-like trees, 7% Blackberry-like trees, 0% live grass, and 2% dead grass). The process correctly maps forests and iron-rich Latosols as being coincident with existing drainages, and correctly classifies the clay-rich Nitisols and grasses on the intervening hills. These classifications are independently corroborated visually (Google Earth) and quantitatively (random soil samples and crossplots of field spectra). Some mapping challenges are the underestimation of forest fractions and overestimation of soil fractions where steep valley shadows exist, and the under representation of classified grass in some dry areas of the Hyperion image. These preliminary results provide impetus for future hyperspectral studies involving airborne and satellite sensors with higher signal-to-noise and smaller footprints. 650 $aHyperspectral imagery 650 $aRemote sensing 650 $aSoil 650 $aVegetation cover 650 $aSatélite 650 $aSensoriamento Remoto 650 $aSolo 650 $aVegetação 653 $aMachine learning 700 1 $aBUSCEMA, M. 700 1 $aVICENTE, L. E. 700 1 $aIWASHITA, F. 700 1 $aKOGA-VICENTE, A. 773 $tInternational Journal of Digital Earth$gv. 11, n. 7, p. 670-690, 2018.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|