| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
30/08/2021 |
|
Data da última atualização: |
03/12/2021 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
EUSÉBIO, G. dos S.; MORAES, A. S.; FASIABEN, M. do C. R.; MAIA, A. G. |
|
Afiliação: |
GABRIELA DOS SANTOS EUSÉBIO, NEA/UNICAMP; ANDRE STEFFENS MORAES, CNPSO; MARIA DO CARMO RAMOS FASIABEN, CNPTIA; ALEXANDRE GORI MAIA, NEA/UNICAMP. |
|
Título: |
Impactos da difusão de sistemas agroflorestais na produção de soja: uma análise a partir dos censos agropecuários 2006 e 2017. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
In: CONGRESSO DA SOCIEDADE BRASILEIRA DE ECONOMIA, ADMINISTRAÇÃO E SOCIOLOGIA RURAL, 59.; ENCONTRO BRASILEIRO DE PESQUISADORES EM COOPERATIVISMO, 6., 2021, Brasília, DF. Anais... Brasília, DF: UnB, 2021. |
|
Páginas: |
19 p. |
|
ISBN: |
978-65-5941-281-5 |
|
Idioma: |
Português |
|
Notas: |
Sober 2021, EBPC 2021. Evento online. |
|
Conteúdo: |
Resumo. Os sistemas agroflorestais (SAF) têm provocado o interesse da pesquisa especialmente no que se refere a seus benefícios ambientais e produtivos, encontrando-se entre as recomendações de políticas públicas como o Plano ABC (Agricultura de Baixo Carbono). Entretanto, avaliações do impacto agregado dos SAF na produção agropecuária do Brasil ainda são escassas. Este artigo avalia o impacto da difusão de sistemas agroflorestais na produção de soja e no valor bruto da produção da agropecuária nos municípios brasileiros. As análises são realizadas segundo diferentes indicadores baseados na produção, área de atividade agropecuária e valor da produção, além de serem considerados recortes referentes aos biomas Amazônia, Cerrado, Mata Atlântica e Pampa. A estratégia de análise baseia-se em modelos de dados em painel com estimadores de efeitos fixos, com o emprego de informações municipais dos Censos Agropecuários de 2006 e 2017 do IBGE. As estimativas para o Brasil apontam para um impacto positivo do aumento nas áreas dedicadas a SAF na quantidade total produzida de soja. Os impactos sobre a produção de soja e sobre o valor da produção municipal se mostraram diferenciados conforme os biomas considerados. |
|
Palavras-Chave: |
Agroforestry systems; Dados em painel; Panel data; Production; Production value; Sistemas agroflorestais; Soybean; Valor da produção. |
|
Thesagro: |
Produção; Soja. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02339nam a2200301 a 4500
001 2133912
005 2021-12-03
008 2021 bl uuuu u01u1 u #d
020 $a978-65-5941-281-5
100 1 $aEUSÉBIO, G. dos S.
245 $aImpactos da difusão de sistemas agroflorestais na produção de soja$buma análise a partir dos censos agropecuários 2006 e 2017.$h[electronic resource]
260 $aIn: CONGRESSO DA SOCIEDADE BRASILEIRA DE ECONOMIA, ADMINISTRAÇÃO E SOCIOLOGIA RURAL, 59.; ENCONTRO BRASILEIRO DE PESQUISADORES EM COOPERATIVISMO, 6., 2021, Brasília, DF. Anais... Brasília, DF: UnB$c2021
300 $a19 p.
500 $aSober 2021, EBPC 2021. Evento online.
520 $aResumo. Os sistemas agroflorestais (SAF) têm provocado o interesse da pesquisa especialmente no que se refere a seus benefícios ambientais e produtivos, encontrando-se entre as recomendações de políticas públicas como o Plano ABC (Agricultura de Baixo Carbono). Entretanto, avaliações do impacto agregado dos SAF na produção agropecuária do Brasil ainda são escassas. Este artigo avalia o impacto da difusão de sistemas agroflorestais na produção de soja e no valor bruto da produção da agropecuária nos municípios brasileiros. As análises são realizadas segundo diferentes indicadores baseados na produção, área de atividade agropecuária e valor da produção, além de serem considerados recortes referentes aos biomas Amazônia, Cerrado, Mata Atlântica e Pampa. A estratégia de análise baseia-se em modelos de dados em painel com estimadores de efeitos fixos, com o emprego de informações municipais dos Censos Agropecuários de 2006 e 2017 do IBGE. As estimativas para o Brasil apontam para um impacto positivo do aumento nas áreas dedicadas a SAF na quantidade total produzida de soja. Os impactos sobre a produção de soja e sobre o valor da produção municipal se mostraram diferenciados conforme os biomas considerados.
650 $aProdução
650 $aSoja
653 $aAgroforestry systems
653 $aDados em painel
653 $aPanel data
653 $aProduction
653 $aProduction value
653 $aSistemas agroflorestais
653 $aSoybean
653 $aValor da produção
700 1 $aMORAES, A. S.
700 1 $aFASIABEN, M. do C. R.
700 1 $aMAIA, A. G.
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 Florestas. Para informações adicionais entre em contato com cnpf.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Florestas. |
|
Data corrente: |
08/11/2019 |
|
Data da última atualização: |
08/11/2019 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
ALMEIDA FILHO, J. E. de A.; GUIMARÃES, J. F. R.; SILVA, F. F. e; RESENDE, M. D. V. de; MUÑOZ, P.; KIRST, M.; RESENDE JÚNIOR, M. F. R. de. |
|
Afiliação: |
Janeo Eustáquio de Almeida Filho, Universidade Esatdual do Norte Fluminense e "Darcy Ribeiro"; João Filipi Rodrigues Guimarães, Futuragene Ltda; Fabyano Fonsceca e Silva, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; Patricio Muñoz, University of Florida; Matias Kirst, University of Florida; Marcio Fernando Ribeiro de Resende Júnior, University of Florida. |
|
Título: |
Genomic prediction of additive and non-additive effects using genetic markers and pedigrees. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
G3: Genes, Genomes, Genetics, v. 9, p. 2739-2748, Aug. 2019. |
|
Idioma: |
Inglês |
|
Conteúdo: |
The genetic merit of individuals can be estimated using models with dense markers and pedigree information. Early genomic models accounted only for additive effects. However, the prediction of non-additive effects is important for different forest breeding systems where the whole genotypic value can be captured through clonal propagation. In this study, we evaluated the integration of marker data with pedigree information, in models that included or ignored non-additive effects. We tested the models Reproducing Kernel Hilbert Spaces (RKHS) and BayesA, with additive and additive-dominance frameworks. Model performance was assessed for the traits tree height, diameter at breast height and rust resistance, measured in 923 pine individuals from a structured population of 71 full-sib families. We have also simulated a population with similar genetic properties and evaluated the performance of models for six simulated traits with distinct genetic architectures. Different cross validation strategies were evaluated, and highest accuracies were achieved using within family cross validation. The inclusion of pedigree information in genomic prediction models did not yield higher accuracies. The different RKHS models resulted in similar predictions accuracies, and RKHS and BayesA generated substantially better predictions than pedigree-only models. The additive-BayesA resulted in higher accuracies than RKHS for rust incidence and in simulated additive-oligogenic traits. For DBH, HT and additive dominance polygenic traits, the RKHS- based models showed slightly higher accuracies than BayesA. Our results indicate that BayesA performs the best for traits with few genes with major effects, while RKHS based models can best predict genotypic effects for clonal selection of complex traits MenosThe genetic merit of individuals can be estimated using models with dense markers and pedigree information. Early genomic models accounted only for additive effects. However, the prediction of non-additive effects is important for different forest breeding systems where the whole genotypic value can be captured through clonal propagation. In this study, we evaluated the integration of marker data with pedigree information, in models that included or ignored non-additive effects. We tested the models Reproducing Kernel Hilbert Spaces (RKHS) and BayesA, with additive and additive-dominance frameworks. Model performance was assessed for the traits tree height, diameter at breast height and rust resistance, measured in 923 pine individuals from a structured population of 71 full-sib families. We have also simulated a population with similar genetic properties and evaluated the performance of models for six simulated traits with distinct genetic architectures. Different cross validation strategies were evaluated, and highest accuracies were achieved using within family cross validation. The inclusion of pedigree information in genomic prediction models did not yield higher accuracies. The different RKHS models resulted in similar predictions accuracies, and RKHS and BayesA generated substantially better predictions than pedigree-only models. The additive-BayesA resulted in higher accuracies than RKHS for rust incidence and in simulated additive-oligogenic traits. For DBH, HT and ... Mostrar Tudo |
|
Palavras-Chave: |
BayesA; Genomic Prediction; Genotypic Value; GenPred; Oligogenic; Polygenic; Predição genòmica; RKHS; Shared Data Resources. |
|
Thesagro: |
Genótipo. |
|
Categoria do assunto: |
G Melhoramento Genético |
|
Marc: |
LEADER 02704naa a2200313 a 4500
001 2114084
005 2019-11-08
008 2019 bl uuuu u00u1 u #d
100 1 $aALMEIDA FILHO, J. E. de A.
245 $aGenomic prediction of additive and non-additive effects using genetic markers and pedigrees.$h[electronic resource]
260 $c2019
520 $aThe genetic merit of individuals can be estimated using models with dense markers and pedigree information. Early genomic models accounted only for additive effects. However, the prediction of non-additive effects is important for different forest breeding systems where the whole genotypic value can be captured through clonal propagation. In this study, we evaluated the integration of marker data with pedigree information, in models that included or ignored non-additive effects. We tested the models Reproducing Kernel Hilbert Spaces (RKHS) and BayesA, with additive and additive-dominance frameworks. Model performance was assessed for the traits tree height, diameter at breast height and rust resistance, measured in 923 pine individuals from a structured population of 71 full-sib families. We have also simulated a population with similar genetic properties and evaluated the performance of models for six simulated traits with distinct genetic architectures. Different cross validation strategies were evaluated, and highest accuracies were achieved using within family cross validation. The inclusion of pedigree information in genomic prediction models did not yield higher accuracies. The different RKHS models resulted in similar predictions accuracies, and RKHS and BayesA generated substantially better predictions than pedigree-only models. The additive-BayesA resulted in higher accuracies than RKHS for rust incidence and in simulated additive-oligogenic traits. For DBH, HT and additive dominance polygenic traits, the RKHS- based models showed slightly higher accuracies than BayesA. Our results indicate that BayesA performs the best for traits with few genes with major effects, while RKHS based models can best predict genotypic effects for clonal selection of complex traits
650 $aGenótipo
653 $aBayesA
653 $aGenomic Prediction
653 $aGenotypic Value
653 $aGenPred
653 $aOligogenic
653 $aPolygenic
653 $aPredição genòmica
653 $aRKHS
653 $aShared Data Resources
700 1 $aGUIMARÃES, J. F. R.
700 1 $aSILVA, F. F. e
700 1 $aRESENDE, M. D. V. de
700 1 $aMUÑOZ, P.
700 1 $aKIRST, M.
700 1 $aRESENDE JÚNIOR, M. F. R. de
773 $tG3: Genes, Genomes, Genetics$gv. 9, p. 2739-2748, Aug. 2019.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
