| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital; Embrapa Instrumentação; Embrapa Unidades Centrais. |
|
Data corrente: |
03/08/1993 |
|
Data da última atualização: |
03/08/1993 |
|
Autoria: |
SOUZA, M. I. F. |
|
Título: |
Centros refêrenciais para a pesquisa agropecuária: subsídios para a EMBRAPA. |
|
Ano de publicação: |
1992 |
|
Fonte/Imprenta: |
1992. |
|
Páginas: |
152 f. |
|
Idioma: |
Português |
|
Notas: |
Dissertação (Mestrado em Administração de Sistemas de Informação) - Pontificia Universidade Católica de Campinas, Campinas. |
|
Conteúdo: |
Estudo conduzido nas Bibliotecas e Setores de Difusão de Tecnologia da EMBRAPA, visando identificar: tipos de usuários, demanda de informação técnico-científica e oferta de serviços e produtos informacionais. Analisa o ambiente institucional da EMBRAPA e o processo de mudanças em curso, que prioriza a ampliação dos beneficios da pesquisa a outros segmentos da sociedade. Este estudo teve a preocupação de identificar formas que viabilizem o acesso a informação a camadas mais amplas da comunidade agrícola. Sugere a implantação de Centros Referenciais nas Unidades descentralizadas da EMBRAPA, visando oferecer atividades referenciais, como: serviço de encaminhamento de usuário, serviço de pergunta e resposta, serviço de assistência técnica e consultoria. Centros Referenciais requerem o trabalho de formação de bases de dados, que no caso da EMBRAPA, poderão ser compostas de: catálogos e diretórios sobre temas variados, cadastro e diretórios de tecnologias, cadastro de consultores e especialistas, cadastro de equipamentos banco de bibliografias, catálogos de obras de referência, catálogo de software, cadastro de projeto de pesquisa em andamento, etc. Através da criação de Centros Referenciais a EMBRAPA poderá integrar o Sistema Público de Acesso a Base de Dados (SPA), do PADCT, que visa a interligação das instituições nacionais que operam bases de dados e o compartilhamento de seus recursos informacionais. |
|
Palavras-Chave: |
Atividades referenciais; Bases de dados; Catálogos; Centro Referencial; Centros referenciais; Comunidade agrícola; Demand; Demanda de informação técnico-científica; Diretórios; Gerencia; Implantação; Informação; Informação agrícola; Informação referencial; Management; Recurso informacional; Recursos informacionais; Referencial centre; Serviços e produtos informacionais; User; Usuário. |
|
Thesagro: |
Cadastro; Demanda. |
|
Thesaurus Nal: |
agriculture; information. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02755nam a2200433 a 4500
001 1001452
005 1993-08-03
008 1992 bl uuuu m 00u1 u #d
100 1 $aSOUZA, M. I. F.
245 $aCentros refêrenciais para a pesquisa agropecuária$bsubsídios para a EMBRAPA.
260 $a1992.$c1992
300 $a152 f.
500 $aDissertação (Mestrado em Administração de Sistemas de Informação) - Pontificia Universidade Católica de Campinas, Campinas.
520 $aEstudo conduzido nas Bibliotecas e Setores de Difusão de Tecnologia da EMBRAPA, visando identificar: tipos de usuários, demanda de informação técnico-científica e oferta de serviços e produtos informacionais. Analisa o ambiente institucional da EMBRAPA e o processo de mudanças em curso, que prioriza a ampliação dos beneficios da pesquisa a outros segmentos da sociedade. Este estudo teve a preocupação de identificar formas que viabilizem o acesso a informação a camadas mais amplas da comunidade agrícola. Sugere a implantação de Centros Referenciais nas Unidades descentralizadas da EMBRAPA, visando oferecer atividades referenciais, como: serviço de encaminhamento de usuário, serviço de pergunta e resposta, serviço de assistência técnica e consultoria. Centros Referenciais requerem o trabalho de formação de bases de dados, que no caso da EMBRAPA, poderão ser compostas de: catálogos e diretórios sobre temas variados, cadastro e diretórios de tecnologias, cadastro de consultores e especialistas, cadastro de equipamentos banco de bibliografias, catálogos de obras de referência, catálogo de software, cadastro de projeto de pesquisa em andamento, etc. Através da criação de Centros Referenciais a EMBRAPA poderá integrar o Sistema Público de Acesso a Base de Dados (SPA), do PADCT, que visa a interligação das instituições nacionais que operam bases de dados e o compartilhamento de seus recursos informacionais.
650 $aagriculture
650 $ainformation
650 $aCadastro
650 $aDemanda
653 $aAtividades referenciais
653 $aBases de dados
653 $aCatálogos
653 $aCentro Referencial
653 $aCentros referenciais
653 $aComunidade agrícola
653 $aDemand
653 $aDemanda de informação técnico-científica
653 $aDiretórios
653 $aGerencia
653 $aImplantação
653 $aInformação
653 $aInformação agrícola
653 $aInformação referencial
653 $aManagement
653 $aRecurso informacional
653 $aRecursos informacionais
653 $aReferencial centre
653 $aServiços e produtos informacionais
653 $aUser
653 $aUsuário
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Recursos Genéticos e Biotecnologia. Para informações adicionais entre em contato com cenargen.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Instrumentação; Embrapa Recursos Genéticos e Biotecnologia. |
|
Data corrente: |
10/09/2021 |
|
Data da última atualização: |
03/10/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
RAMOS, A. P. M.; GOMES, F. D. G.; PINHEIRO, M. M. F.; FURUYA, D. E. G.; GONÇALVEZ, W. N.; MARCATO JUNIOR, J.; MICHEREFF, M. F. F.; MORAES, M. C. B.; BORGES, M.; LAUMANN, R. A.; LIESENBERG, V.; JORGE, L. A. de C.; OSCO, L. P. |
|
Afiliação: |
ANA PAULA MARQUES RAMOS, UNOESTE; FELIPE DAVID GEORGES GOMES, UNOESTE; MAYARA MAEZANO FAITA PINHEIRO, UNOESTE; DANIELLE ELIS GARCIA FURUYA, UNOESTE; WESLEY NUNES GONÇALVEZ, UFMS; JOSÉ MARCATO JUNIOR, UFMS; MIRIAN FERNANDES FURTADO MICHEREFF; MARIA CAROLINA BLASSIOLI MORAES, Cenargen; MIGUEL BORGES, Cenargen; RAUL ALBERTO LAUMANN, Cenargen; VERALDO LIESENBERG, Udesc; LUCIO ANDRE DE CASTRO JORGE, CNPDIA; LUCAS PRADO OSCO, UNOESTE. |
|
Título: |
Detecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Precision Agriculture, 2021. |
|
DOI: |
https://doi.org/10.1007/s11119-021-09845-4 |
|
Idioma: |
Inglês |
|
Notas: |
Na publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann. |
|
Conteúdo: |
ABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measure?=?0.886). In conclusion, the proposed framework contributes to accurately identifying cotton plants under the Spodoptera frugiperda attack for both hyperspectral and multispectral scales. MenosABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measu... Mostrar Tudo |
|
Palavras-Chave: |
Insect damage; Machine learning; Spectral data; Theoretical model. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02768naa a2200337 a 4500
001 2138144
005 2023-10-03
008 2021 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1007/s11119-021-09845-4$2DOI
100 1 $aRAMOS, A. P. M.
245 $aDetecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements.$h[electronic resource]
260 $c2021
500 $aNa publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann.
520 $aABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measure?=?0.886). In conclusion, the proposed framework contributes to accurately identifying cotton plants under the Spodoptera frugiperda attack for both hyperspectral and multispectral scales.
653 $aInsect damage
653 $aMachine learning
653 $aSpectral data
653 $aTheoretical model
700 1 $aGOMES, F. D. G.
700 1 $aPINHEIRO, M. M. F.
700 1 $aFURUYA, D. E. G.
700 1 $aGONÇALVEZ, W. N.
700 1 $aMARCATO JUNIOR, J.
700 1 $aMICHEREFF, M. F. F.
700 1 $aMORAES, M. C. B.
700 1 $aBORGES, M.
700 1 $aLAUMANN, R. A.
700 1 $aLIESENBERG, V.
700 1 $aJORGE, L. A. de C.
700 1 $aOSCO, L. P.
773 $tPrecision Agriculture, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
