| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Clima Temperado. |
|
Data corrente: |
11/01/2018 |
|
Data da última atualização: |
11/01/2018 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SOUZA, R. S.; PIESANTI, S. R.; LÚCIO, P. de S.; BARRETO, C. F.; BILHARVA, M. G.; MALGARIM, M. B.; MARTINS, C. R. |
|
Afiliação: |
Rafaela Schmidt Souza; Sandro Roberto Piesanti; Priscila da Silva Lúcio; Caroline Farias Barreto; Maurício Gonçalves Bilharva; Marcelo Barbosa Malgarim; CARLOS ROBERTO MARTINS, CPACT. |
|
Título: |
Caracterização dos frutos de genótipos de goiabeira-serrana em sistema orgânico. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
In: REVISTA DA JORNADA DE PÓS-GRADUAÇÃO E PESQUISA, 14., 2017, Bagé. Anais... Bagé: Urcamp 2017. CONGREGA 2017. |
|
Páginas: |
p. 880-888 |
|
Idioma: |
Português |
|
Palavras-Chave: |
Feijoa. |
|
Thesagro: |
Myrtaceae. |
|
Thesaurus Nal: |
Acca sellowiana. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/170880/1/Carlos-Roberto-Martins-2086-6493-1-PB.pdf
|
|
Marc: |
LEADER 00713nam a2200217 a 4500
001 2085073
005 2018-01-11
008 2017 bl uuuu u00u1 u #d
100 1 $aSOUZA, R. S.
245 $aCaracterização dos frutos de genótipos de goiabeira-serrana em sistema orgânico.$h[electronic resource]
260 $aIn: REVISTA DA JORNADA DE PÓS-GRADUAÇÃO E PESQUISA, 14., 2017, Bagé. Anais... Bagé: Urcamp 2017. CONGREGA 2017.$c2017
300 $ap. 880-888
650 $aAcca sellowiana
650 $aMyrtaceae
653 $aFeijoa
700 1 $aPIESANTI, S. R.
700 1 $aLÚCIO, P. de S.
700 1 $aBARRETO, C. F.
700 1 $aBILHARVA, M. G.
700 1 $aMALGARIM, M. B.
700 1 $aMARTINS, C. R.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Clima Temperado (CPACT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Meio Ambiente. |
|
Data corrente: |
21/01/2020 |
|
Data da última atualização: |
21/01/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
PADILHA, M. C. C.; VICENTE, L. E.; DEMATTÊ, J. A. M.; LOEBMANN, D. G. dos S. W.; URBINA SALAZAR, D.; KOGA-VICENTE, A.; ARAUJO, L. S. de; MANZATTO, C. V. |
|
Afiliação: |
MANUELA CORRÊA DE CASTRO PADILHA, ESALQ-USP; LUIZ EDUARDO VICENTE, CNPMA; JOSÉ ALEXANDRE MELO DEMATTÊ, ESALQ-USP; DANIEL GOMES DOS SANTOS W LOEBMANN, CNPMA; DIEGO URBINA SALAZAR, ESALQ-USP; ANDREA KOGA-VICENTE; LUCIANA SPINELLI DE ARAUJO, CNPMA; CELSO VAINER MANZATTO, CNPMA. |
|
Título: |
Prediction statistical model for soil organic carbon mapping in crop areas using the Landsat/OLI sensor. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 19., 2019, Santos. Anais... São José dos Campos: INPE, 2019. Ref. 96042. |
|
Páginas: |
p. 1-4. |
|
ISBN: |
978-85-17-00097-3 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Abstract: The quantification of soil organic carbon (SOC) is essential to agriculture and sustainable use of the land. However, there are difficulties to estimate it in large areas due to high cost of soil sample extraction, and laboratory preparations. There are approaches that may facilitate the estimation of SOC, such as the use of satellite imagery and the application of statistical models based on the spectral bands of the satellite under study. In July of 2017, this study proposed a prediction statistical model from optical-orbital data of the series Landsat, OLI sensor for estimating SOC content. |
|
Palavras-Chave: |
Landsat OLI; Linear regression. |
|
Thesagro: |
Carbono; Regressão Linear; Satélite; Solo. |
|
Thesaurus NAL: |
Linear models; Prediction; Regression analysis; Soil organic carbon. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/209286/1/Vicente-prediction-statistical-2019.pdf
|
|
Marc: |
LEADER 01669nam a2200337 a 4500
001 2119120
005 2020-01-21
008 2019 bl uuuu u00u1 u #d
020 $a978-85-17-00097-3
100 1 $aPADILHA, M. C. C.
245 $aPrediction statistical model for soil organic carbon mapping in crop areas using the Landsat/OLI sensor.$h[electronic resource]
260 $aIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 19., 2019, Santos. Anais... São José dos Campos: INPE, 2019. Ref. 96042.$c2019
300 $ap. 1-4.
520 $aAbstract: The quantification of soil organic carbon (SOC) is essential to agriculture and sustainable use of the land. However, there are difficulties to estimate it in large areas due to high cost of soil sample extraction, and laboratory preparations. There are approaches that may facilitate the estimation of SOC, such as the use of satellite imagery and the application of statistical models based on the spectral bands of the satellite under study. In July of 2017, this study proposed a prediction statistical model from optical-orbital data of the series Landsat, OLI sensor for estimating SOC content.
650 $aLinear models
650 $aPrediction
650 $aRegression analysis
650 $aSoil organic carbon
650 $aCarbono
650 $aRegressão Linear
650 $aSatélite
650 $aSolo
653 $aLandsat OLI
653 $aLinear regression
700 1 $aVICENTE, L. E.
700 1 $aDEMATTÊ, J. A. M.
700 1 $aLOEBMANN, D. G. dos S. W.
700 1 $aURBINA SALAZAR, D.
700 1 $aKOGA-VICENTE, A.
700 1 $aARAUJO, L. S. de
700 1 $aMANZATTO, C. V.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
