|
|
Registro Completo |
Biblioteca(s): |
Embrapa Pecuária Sul. |
Data corrente: |
20/08/2021 |
Data da última atualização: |
20/08/2021 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
SOARES, Â. F.; PEREZ, N. B.; PÍNHO, L. B. de. |
Afiliação: |
ÂNDERSON FISCHOEDER SOARES, UNIPAMPA; NAYLOR BASTIANI PEREZ, CPPSUL; LEONARDO BIDESE DE PÍNHO, UNIPAMPA. |
Título: |
TouceiraTech: uma proposta de FMIS inovador para predição de disponibilidade de pasto e ajuste de lotação animal. |
Ano de publicação: |
2020 |
Fonte/Imprenta: |
In: JORNADAS ARGENTINAS DE INFORMÁTICA E INVESTIGACIÓN OPERATIVA, 49.; CONGRESO DE AGROINFORMÁTICA, 12., 2020, Buenos Aires. Anales electrónicos... Buenos Aires: SADIO, 2020. |
Páginas: |
p. 298-311. |
ISSN: |
2525-0949 |
Idioma: |
Português |
Conteúdo: |
Para aumentar a produtividade em sistemas de produção de animais a pasto, com baixo custo e sem degradação do ambiente, é necessário ajustar a lotação animal â disponibilidade de alimento. Convencionalmente, o ajuste de lotação é realizado com base na taxa de acúmulo do período anterior, sem considerar as variações meteorológicas diárias observadas desde a última estimativa. O presente trabalho apresenta os princípios e resultados preliminares de um Farm Management In- formation System (FMIS), denominado TouceiraTech, concebido para a predição da disponibilidade de forragem em pastagens naturais por meio de Inteligência Artificial. O modelo correlaciona dados meteorológicos obtidos automaticamente, de bases remotas abertas, com dados históricos da pastagem, obtidos por amostragem estratificada em áreas experimentais do Bioma Pampa. O sistema inova em funcionalidades desenvolvidas na Linguagem Python permitindo coletar automaticamente os dados históricos de experimentos e da previsão meteorológica recente, bem como calcular a evapotranspiração. As informações, armazenadas em um banco de dados espacial, contemplam as variáveis de entrada necessárias ao modelo de predição de matéria seca (MS) de pasto, proposto em trabalho anterior, baseado em uma rede neural convolucional do tipo Long Short-Term Memory (LSTM). Os resultados evidenciam que a inclusão do cálculo automático da evapotranspiração, com auxílio do Pacote PyEto, apresenta uma acurácia adequada em comparação com o processo manual anteriormente adotado, sendo também verificada a capacidade do sistema para obter e processar os dados de previsão meteorológica de diferentes órgãos, predizendo com diferentes níveis de acurácia a oferta de MS com horizonte de quinze dias. MenosPara aumentar a produtividade em sistemas de produção de animais a pasto, com baixo custo e sem degradação do ambiente, é necessário ajustar a lotação animal â disponibilidade de alimento. Convencionalmente, o ajuste de lotação é realizado com base na taxa de acúmulo do período anterior, sem considerar as variações meteorológicas diárias observadas desde a última estimativa. O presente trabalho apresenta os princípios e resultados preliminares de um Farm Management In- formation System (FMIS), denominado TouceiraTech, concebido para a predição da disponibilidade de forragem em pastagens naturais por meio de Inteligência Artificial. O modelo correlaciona dados meteorológicos obtidos automaticamente, de bases remotas abertas, com dados históricos da pastagem, obtidos por amostragem estratificada em áreas experimentais do Bioma Pampa. O sistema inova em funcionalidades desenvolvidas na Linguagem Python permitindo coletar automaticamente os dados históricos de experimentos e da previsão meteorológica recente, bem como calcular a evapotranspiração. As informações, armazenadas em um banco de dados espacial, contemplam as variáveis de entrada necessárias ao modelo de predição de matéria seca (MS) de pasto, proposto em trabalho anterior, baseado em uma rede neural convolucional do tipo Long Short-Term Memory (LSTM). Os resultados evidenciam que a inclusão do cálculo automático da evapotranspiração, com auxílio do Pacote PyEto, apresenta uma acurácia adequada em comparação com o proc... Mostrar Tudo |
Thesagro: |
Agricultura de Precisão; Pastejo; Pecuária; Produtividade. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/225372/1/Soares-et-al.pdf
|
Marc: |
LEADER 02563nam a2200205 a 4500 001 2133748 005 2021-08-20 008 2020 bl uuuu u00u1 u #d 022 $a2525-0949 100 1 $aSOARES, Â. F. 245 $aTouceiraTech$buma proposta de FMIS inovador para predição de disponibilidade de pasto e ajuste de lotação animal.$h[electronic resource] 260 $aIn: JORNADAS ARGENTINAS DE INFORMÁTICA E INVESTIGACIÓN OPERATIVA, 49.; CONGRESO DE AGROINFORMÁTICA, 12., 2020, Buenos Aires. Anales electrónicos... Buenos Aires: SADIO$c2020 300 $ap. 298-311. 520 $aPara aumentar a produtividade em sistemas de produção de animais a pasto, com baixo custo e sem degradação do ambiente, é necessário ajustar a lotação animal â disponibilidade de alimento. Convencionalmente, o ajuste de lotação é realizado com base na taxa de acúmulo do período anterior, sem considerar as variações meteorológicas diárias observadas desde a última estimativa. O presente trabalho apresenta os princípios e resultados preliminares de um Farm Management In- formation System (FMIS), denominado TouceiraTech, concebido para a predição da disponibilidade de forragem em pastagens naturais por meio de Inteligência Artificial. O modelo correlaciona dados meteorológicos obtidos automaticamente, de bases remotas abertas, com dados históricos da pastagem, obtidos por amostragem estratificada em áreas experimentais do Bioma Pampa. O sistema inova em funcionalidades desenvolvidas na Linguagem Python permitindo coletar automaticamente os dados históricos de experimentos e da previsão meteorológica recente, bem como calcular a evapotranspiração. As informações, armazenadas em um banco de dados espacial, contemplam as variáveis de entrada necessárias ao modelo de predição de matéria seca (MS) de pasto, proposto em trabalho anterior, baseado em uma rede neural convolucional do tipo Long Short-Term Memory (LSTM). Os resultados evidenciam que a inclusão do cálculo automático da evapotranspiração, com auxílio do Pacote PyEto, apresenta uma acurácia adequada em comparação com o processo manual anteriormente adotado, sendo também verificada a capacidade do sistema para obter e processar os dados de previsão meteorológica de diferentes órgãos, predizendo com diferentes níveis de acurácia a oferta de MS com horizonte de quinze dias. 650 $aAgricultura de Precisão 650 $aPastejo 650 $aPecuária 650 $aProdutividade 700 1 $aPEREZ, N. B. 700 1 $aPÍNHO, L. B. de
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Pecuária Sul (CPPSUL) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Solos. |
Data corrente: |
17/01/2024 |
Data da última atualização: |
17/01/2024 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
LUZ, L. B.; VASQUES, G. M.; ARAÚJO, T. M.; BENTO, G. C.; MELO, J. R. C.; BHERING, S. B. |
Afiliação: |
LEVI B. LUZ, UNIVERSIDADE FEDERAL FLUMINENSE; GUSTAVO DE MATTOS VASQUES, CNPS; TATIANE M. ARAÚJO, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO; GRAZIELLY C. BENTO, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO; JULIA R. C. MELO, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO; SILVIO BARGE BHERING, CNPS. |
Título: |
Building a geographic soil VisNIR and XRF spectral library: methods and data overview. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
In: SIMPÓSIO BRASILEIRO DE GEOINFORMÁTICA, 24., 2023, São José dos Campos. Anais [...]. São José dos Campos: INPE, 2023. p. 339-344. GEOINFO. |
Idioma: |
Inglês |
Conteúdo: |
Laboratory methods for soil analysis need to cope with the increasing demand for expedited and widespread georeferenced soil data to support decisions in digital agriculture, digital soil mapping and natural resources monitoring and conservation. A soil visible-near-infrared (VisNIR) and X-ray fluorescence (XRF) spectral library containing data from different Brazilian states is under construction that will (1) support the development of green soil analysis methods, (2) produce data to populate soil geodatabases, and (3) allow fast and accurate soil monitoring. The methods used to build the spectral library and an overview of the current data are presented. |
Thesagro: |
Análise de Dados; Análise do Solo. |
Thesaurus NAL: |
Data analysis; Soil analysis. |
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1160909/1/Building-a-geographic-soil-VisNIR-and-XRF-spectral-library-2023.pdf
|
Marc: |
LEADER 01407nam a2200217 a 4500 001 2160909 005 2024-01-17 008 2023 bl uuuu u00u1 u #d 100 1 $aLUZ, L. B. 245 $aBuilding a geographic soil VisNIR and XRF spectral library$bmethods and data overview.$h[electronic resource] 260 $aIn: SIMPÓSIO BRASILEIRO DE GEOINFORMÁTICA, 24., 2023, São José dos Campos. Anais [...]. São José dos Campos: INPE, 2023. p. 339-344. GEOINFO.$c2023 520 $aLaboratory methods for soil analysis need to cope with the increasing demand for expedited and widespread georeferenced soil data to support decisions in digital agriculture, digital soil mapping and natural resources monitoring and conservation. A soil visible-near-infrared (VisNIR) and X-ray fluorescence (XRF) spectral library containing data from different Brazilian states is under construction that will (1) support the development of green soil analysis methods, (2) produce data to populate soil geodatabases, and (3) allow fast and accurate soil monitoring. The methods used to build the spectral library and an overview of the current data are presented. 650 $aData analysis 650 $aSoil analysis 650 $aAnálise de Dados 650 $aAnálise do Solo 700 1 $aVASQUES, G. M. 700 1 $aARAÚJO, T. M. 700 1 $aBENTO, G. C. 700 1 $aMELO, J. R. C. 700 1 $aBHERING, S. B.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Solos (CNPS) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|