| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agrossilvipastoril. |
|
Data corrente: |
28/06/2019 |
|
Data da última atualização: |
04/12/2019 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
CAVERO, B. A. S.; ITUASSU, D. R.; GANDRA, A. L.; MARINHO-PEREIRA, T.; FONSECA; PEREIRA-FILHO, M. |
|
Afiliação: |
BRUNO ADAN SAGRATZKI CAVERO, UFAM, Manaus-AM; DANIEL RABELLO ITUASSU, CPAMT; ANDRÉ LIMA GANDRA, Instituto de Proteção Ambiental do Amazonas, AM; THIAGO MARINHO-PEREIRA, UFOPA, Santarem, PA; FLÁVIO AUGUSTO LEÃO DA FONSECA, IFAM, Campus Manaus, AM; MANOEL PEREIRA-FILHO, INPA, Manaus, AM. |
|
Título: |
Exogenous enzymes on the feeding of pirarucu Arapaima gigas Schinz. 1822 (Osteoglossiformes. Arapaimidae). |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
Revista Brasileira de Ciências Agrárias, v. 14, n. 1, e5601, 2019. |
|
ISSN: |
1981-0997 |
|
DOI: |
http://doi.org/10.5039/agraria.v14i1a5601 |
|
Idioma: |
Inglês |
|
Conteúdo: |
EN-US: The objective of this work was to verify the effect of exogenous digestive enzymes protease, lipase and amylase on the feeding of pirarucu. In a completely randomized design, we tested three levels of inclusion for both exogenous enzymes against a control commercial feed lacking any enzymatic enrichment. Inclusion levels were as follows: (Control) = no enzymes; (T1) = 0.1% Amylase; (T2) = 0.2% Amylase; (T3) = 0.4% Amylase; (T4) = Protease 0.1%; (T5) = Protease 0.2%; (T6) = Protease 0.4%; (T7) = Lipase 0.1%; (T8) = Lipase 0.2%; (T9) = Lipase 0.4% . After the end of the experiment it was possible to find a significant difference (p < 0.05) in relation to the Control treatment only in the zootechnical data of the treatments that added protease and lipase to the pirarucu feed (T4, T5, T6, T7, T8, T9). The use of exogenous digestive enzyme protease and lipase are indicating on the pirarucu feeding, as it positively influences its growth. | PT-BR: O objetivo deste trabalho foi verificar o efeito das enzimas digestivas exógenas protease, lipase e amilase na alimentação do pirarucu. Em um delineamento inteiramente casualizado foram testados três níveis de inclusão para ambas as enzimas exógenas frente a uma ração comercial controle ausente de qualquer enriquecimento enzimático. Os níveis de inclusão foram os seguintes: (Controle) = sem adição enzimas; (T1) = Amilase 0,1%; (T2) = Amilase 0,2%; (T3) = Amilase 0,4%; (T4) = Protease 0,1%; (T5) = Protease 0,2%; (T6) = Protease 0,4%; (T7) = Lipase 0,1%; (T8) = Lipase 0,2%; (T9) = Lipase 0,4%. Após o término do experimento foi possível encontrar diferença significativa (p<0,05), em relação ao tratamento Controle, nos dados zootécnicos dos tratamentos que adicionaram protease e lipase a alimentação do pirarucu (T4, T5, T6, T7, T8, T9). As enzimas digestivas exógenas protease e lipase são indicadas na alimentação do pirarucu, influenciando positivamente no seu crescimento. MenosEN-US: The objective of this work was to verify the effect of exogenous digestive enzymes protease, lipase and amylase on the feeding of pirarucu. In a completely randomized design, we tested three levels of inclusion for both exogenous enzymes against a control commercial feed lacking any enzymatic enrichment. Inclusion levels were as follows: (Control) = no enzymes; (T1) = 0.1% Amylase; (T2) = 0.2% Amylase; (T3) = 0.4% Amylase; (T4) = Protease 0.1%; (T5) = Protease 0.2%; (T6) = Protease 0.4%; (T7) = Lipase 0.1%; (T8) = Lipase 0.2%; (T9) = Lipase 0.4% . After the end of the experiment it was possible to find a significant difference (p < 0.05) in relation to the Control treatment only in the zootechnical data of the treatments that added protease and lipase to the pirarucu feed (T4, T5, T6, T7, T8, T9). The use of exogenous digestive enzyme protease and lipase are indicating on the pirarucu feeding, as it positively influences its growth. | PT-BR: O objetivo deste trabalho foi verificar o efeito das enzimas digestivas exógenas protease, lipase e amilase na alimentação do pirarucu. Em um delineamento inteiramente casualizado foram testados três níveis de inclusão para ambas as enzimas exógenas frente a uma ração comercial controle ausente de qualquer enriquecimento enzimático. Os níveis de inclusão foram os seguintes: (Controle) = sem adição enzimas; (T1) = Amilase 0,1%; (T2) = Amilase 0,2%; (T3) = Amilase 0,4%; (T4) = Protease 0,1%; (T5) = Protease 0,2%; (T6) = Protease 0,4... Mostrar Tudo |
|
Palavras-Chave: |
Carnivorous fish. |
|
Thesagro: |
Lípase; Protease. |
|
Thesaurus Nal: |
Amylases; Animal nutrition. |
|
Categoria do assunto: |
L Ciência Animal e Produtos de Origem Animal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/198906/1/2019-cpamt-daniel-rabelo-exogenous-enzymes-feeding-pirarucu-arapaima-gigas.pdf
|
|
Marc: |
LEADER 02785naa a2200265 a 4500
001 2110167
005 2019-12-04
008 2019 bl uuuu u00u1 u #d
022 $a1981-0997
024 7 $ahttp://doi.org/10.5039/agraria.v14i1a5601$2DOI
100 1 $aCAVERO, B. A. S.
245 $aExogenous enzymes on the feeding of pirarucu Arapaima gigas Schinz. 1822 (Osteoglossiformes. Arapaimidae).$h[electronic resource]
260 $c2019
520 $aEN-US: The objective of this work was to verify the effect of exogenous digestive enzymes protease, lipase and amylase on the feeding of pirarucu. In a completely randomized design, we tested three levels of inclusion for both exogenous enzymes against a control commercial feed lacking any enzymatic enrichment. Inclusion levels were as follows: (Control) = no enzymes; (T1) = 0.1% Amylase; (T2) = 0.2% Amylase; (T3) = 0.4% Amylase; (T4) = Protease 0.1%; (T5) = Protease 0.2%; (T6) = Protease 0.4%; (T7) = Lipase 0.1%; (T8) = Lipase 0.2%; (T9) = Lipase 0.4% . After the end of the experiment it was possible to find a significant difference (p < 0.05) in relation to the Control treatment only in the zootechnical data of the treatments that added protease and lipase to the pirarucu feed (T4, T5, T6, T7, T8, T9). The use of exogenous digestive enzyme protease and lipase are indicating on the pirarucu feeding, as it positively influences its growth. | PT-BR: O objetivo deste trabalho foi verificar o efeito das enzimas digestivas exógenas protease, lipase e amilase na alimentação do pirarucu. Em um delineamento inteiramente casualizado foram testados três níveis de inclusão para ambas as enzimas exógenas frente a uma ração comercial controle ausente de qualquer enriquecimento enzimático. Os níveis de inclusão foram os seguintes: (Controle) = sem adição enzimas; (T1) = Amilase 0,1%; (T2) = Amilase 0,2%; (T3) = Amilase 0,4%; (T4) = Protease 0,1%; (T5) = Protease 0,2%; (T6) = Protease 0,4%; (T7) = Lipase 0,1%; (T8) = Lipase 0,2%; (T9) = Lipase 0,4%. Após o término do experimento foi possível encontrar diferença significativa (p<0,05), em relação ao tratamento Controle, nos dados zootécnicos dos tratamentos que adicionaram protease e lipase a alimentação do pirarucu (T4, T5, T6, T7, T8, T9). As enzimas digestivas exógenas protease e lipase são indicadas na alimentação do pirarucu, influenciando positivamente no seu crescimento.
650 $aAmylases
650 $aAnimal nutrition
650 $aLípase
650 $aProtease
653 $aCarnivorous fish
700 1 $aITUASSU, D. R.
700 1 $aGANDRA, A. L.
700 1 $aMARINHO-PEREIRA, T.
700 1 $aFONSECA
700 1 $aPEREIRA-FILHO, M.
773 $tRevista Brasileira de Ciências Agrárias$gv. 14, n. 1, e5601, 2019.
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 Trigo. |
|
Data corrente: |
08/08/2023 |
|
Data da última atualização: |
08/08/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
PALMA, G. R.; GODOY, W. A. C.; ENGEL, E.; LAU, D.; GALVAN, E.; MASON, O.; MARKHAM, C.; MORAL, R. A. |
|
Afiliação: |
GABRIEL R. PALMA, Maynooth University; WESLEY A. C. GODOY, Universidade de São Paulo; EDUARDO ENGEL, Universidade de São Paulo; DOUGLAS LAU, CNPT; EDGAR GALVAN, Maynooth University; OLIVER MASON, Maynooth University; CHARLES MARKHAM, Maynooth University; RAFAEL A. MORAL, Maynooth University. |
|
Título: |
Pattern-based prediction of population outbreaks. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
Ecological Informatics, v. 77, 102220, nov. 2023. |
|
DOI: |
https://doi.org/10.1016/j.ecoinf.2023.102220 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Resumo: A complexidade e a importância prática dos surtos de insetos tornaram o problema de prever surtos um foco de pesquisa recente. Propomos o método de Previsão Baseada em Padrões (PBP) para prever surtos populacionais. Este método usa informações sobre valores de séries temporais anteriores que precedem um evento de surto como preditores de surtos futuros, o que pode ser útil ao monitorar espécies de pragas. Nós ilustramos o método usando conjuntos de dados simulados e uma série temporal de pulgões obtida em lavouras de trigo no sul do Brasil. Abstract: The complexity and practical importance of insect outbreaks have made the problem of predicting outbreaks a focus of recent research. We propose the Pattern-Based Prediction (PBP) method for predicting population outbreaks. It uses information on previous time series values that precede an outbreak event as predictors of future outbreaks, which can be helpful when monitoring pest species. We illustrate the methodology using simulated datasets and an aphid time series obtained in wheat crops in Southern Brazil. We obtained an average test accuracy of 84.6% in the simulation studies implemented with stochastic models and 95.0% for predicting outbreaks using a time series of aphids in wheat crops in Southern Brazil. Our results show the PBP method's feasibility in predicting population outbreaks. We benchmarked our results against established state-of-the-art machine learning methods: Support Vector Machines, Deep Neural Networks, Long Short Term Memory and Random Forests. The PBP method yielded a competitive performance associated with higher true-positive rates in most comparisons while providing interpretability rather than being a black-box method. It is an improvement over current state-of-the-art machine learning tools, especially by non-specialists, such as ecologists aiming to use a quantitative approach for pest monitoring. We provide the implemented PBP method in Python through the pypbp package. MenosResumo: A complexidade e a importância prática dos surtos de insetos tornaram o problema de prever surtos um foco de pesquisa recente. Propomos o método de Previsão Baseada em Padrões (PBP) para prever surtos populacionais. Este método usa informações sobre valores de séries temporais anteriores que precedem um evento de surto como preditores de surtos futuros, o que pode ser útil ao monitorar espécies de pragas. Nós ilustramos o método usando conjuntos de dados simulados e uma série temporal de pulgões obtida em lavouras de trigo no sul do Brasil. Abstract: The complexity and practical importance of insect outbreaks have made the problem of predicting outbreaks a focus of recent research. We propose the Pattern-Based Prediction (PBP) method for predicting population outbreaks. It uses information on previous time series values that precede an outbreak event as predictors of future outbreaks, which can be helpful when monitoring pest species. We illustrate the methodology using simulated datasets and an aphid time series obtained in wheat crops in Southern Brazil. We obtained an average test accuracy of 84.6% in the simulation studies implemented with stochastic models and 95.0% for predicting outbreaks using a time series of aphids in wheat crops in Southern Brazil. Our results show the PBP method's feasibility in predicting population outbreaks. We benchmarked our results against established state-of-the-art machine learning methods: Support Vector Machines, Deep Neural Ne... Mostrar Tudo |
|
Palavras-Chave: |
Alert zone procedure; Aprendizado de máquina; Deep learning; Machine learning; Monitoramento de pragas; Séries Temporais; Sistemas alerta; Sistemas de Suporte à Tomada de Decisão; Time series. |
|
Thesagro: |
Afídeo; Dinâmica Populacional; Epidemiologia; Lavoura; Praga de Planta; Trigo. |
|
Thesaurus NAL: |
Population dynamics; Time series analysis; Wheat. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1155768/1/Pattern-based-prediction-of-population-outbreaks.pdf
|
|
Marc: |
LEADER 03206naa a2200433 a 4500
001 2155768
005 2023-08-08
008 2023 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1016/j.ecoinf.2023.102220$2DOI
100 1 $aPALMA, G. R.
245 $aPattern-based prediction of population outbreaks.$h[electronic resource]
260 $c2023
520 $aResumo: A complexidade e a importância prática dos surtos de insetos tornaram o problema de prever surtos um foco de pesquisa recente. Propomos o método de Previsão Baseada em Padrões (PBP) para prever surtos populacionais. Este método usa informações sobre valores de séries temporais anteriores que precedem um evento de surto como preditores de surtos futuros, o que pode ser útil ao monitorar espécies de pragas. Nós ilustramos o método usando conjuntos de dados simulados e uma série temporal de pulgões obtida em lavouras de trigo no sul do Brasil. Abstract: The complexity and practical importance of insect outbreaks have made the problem of predicting outbreaks a focus of recent research. We propose the Pattern-Based Prediction (PBP) method for predicting population outbreaks. It uses information on previous time series values that precede an outbreak event as predictors of future outbreaks, which can be helpful when monitoring pest species. We illustrate the methodology using simulated datasets and an aphid time series obtained in wheat crops in Southern Brazil. We obtained an average test accuracy of 84.6% in the simulation studies implemented with stochastic models and 95.0% for predicting outbreaks using a time series of aphids in wheat crops in Southern Brazil. Our results show the PBP method's feasibility in predicting population outbreaks. We benchmarked our results against established state-of-the-art machine learning methods: Support Vector Machines, Deep Neural Networks, Long Short Term Memory and Random Forests. The PBP method yielded a competitive performance associated with higher true-positive rates in most comparisons while providing interpretability rather than being a black-box method. It is an improvement over current state-of-the-art machine learning tools, especially by non-specialists, such as ecologists aiming to use a quantitative approach for pest monitoring. We provide the implemented PBP method in Python through the pypbp package.
650 $aPopulation dynamics
650 $aTime series analysis
650 $aWheat
650 $aAfídeo
650 $aDinâmica Populacional
650 $aEpidemiologia
650 $aLavoura
650 $aPraga de Planta
650 $aTrigo
653 $aAlert zone procedure
653 $aAprendizado de máquina
653 $aDeep learning
653 $aMachine learning
653 $aMonitoramento de pragas
653 $aSéries Temporais
653 $aSistemas alerta
653 $aSistemas de Suporte à Tomada de Decisão
653 $aTime series
700 1 $aGODOY, W. A. C.
700 1 $aENGEL, E.
700 1 $aLAU, D.
700 1 $aGALVAN, E.
700 1 $aMASON, O.
700 1 $aMARKHAM, C.
700 1 $aMORAL, R. A.
773 $tEcological Informatics$gv. 77, 102220, nov. 2023.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Trigo (CNPT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
