| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Acre. |
|
Data corrente: |
01/04/2010 |
|
Data da última atualização: |
06/11/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
OLIVEIRA, L. C. de; ANDRADE, C. M. S. de; ASSIS, G. M. L. de; MARTINS-DA-SILVA, R. C.; RODRIGUES, S. T.; BENTES-GAMA, M. de M.; SALMAN, A. K. D.; PEREIRA, W. J. P.; LUZ, S. A. da. |
|
Afiliação: |
LUIS CLAUDIO DE OLIVEIRA, CPAF-AC; CARLOS MAURICIO SOARES DE ANDRADE, CPAF-AC; GISELLE MARIANO LESSA DE ASSIS, CPAF-AC; REGINA CELIA VIANA MARTINS DA SILVA, CPATU; SILVANE TAVARES RODRIGUES, CPATU; MICHELLINY DE MATOS BENTES GAMA, CPAF-RO; ANA KARINA DIAS SALMAN, CPAF-RO; Wesley José P. Pereira, Bolsista Embrapa Acre; Samuel A. da Luz, Bolsista Embrapa Acre. |
|
Título: |
Diversidade de espécies arbóreas em pastagens no Estado do Acre. |
|
Ano de publicação: |
2009 |
|
Fonte/Imprenta: |
In: WORKSHOP INTEGRAÇÃO LAVOURA-PECUÁRIA-FLORESTA NA EMBRAPA, 2009, Brasília, DF. Resumos e palestras apresentadas. Brasília, DF: Embrapa, 2009. |
|
Descrição Física: |
1 CD-ROM. |
|
Idioma: |
Português |
|
Notas: |
Nome do quarto autor: Regina Célia Viana Martins-da-Silva. |
|
Conteúdo: |
Este trabalho teve por objetivo identificar e confirmar botanicamente as espécies arbóreas e arbustivas que ocorrem de forma isolada em pastagens cultivadas no entorno das rodovias BR 364 e BR 317 no estado do Acre. As espécies foram identificadas por seu nome vernacular, georeferenciadas e tomadas as medidas circunferência a altura do peito e altura total; as amostras botânicas coletadas foram enviadas para identificação taxonômica e registro no Herbário IAN. Foram identificadas 36 espécies de 13 famílias. A família mais representativa foi Leguminosae, com 21 espécies distribuídas nas subfamílias: Mimosoideae (nove espécies), destacando-se o gênero Inga com 4quatro espécies;Papilionoideae (oito) e Caesalpinioideae (cinco espécies) A ocorrência de espécies de diferentes grupos ecológicos em pastagens produtivas indica que esta oferece às condições ecológicas básicas para o estabelecimento do processo de sucessão secundária e pode ser importante para a manutenção da diversidade arbórea. |
|
Palavras-Chave: |
Arborização de pastagem; Pasatagem. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/171631/1/22942.pdf
|
|
Marc: |
LEADER 01927nam a2200253 a 4500
001 1663023
005 2023-11-06
008 2009 bl uuuu u00u1 u #d
100 1 $aOLIVEIRA, L. C. de
245 $aDiversidade de espécies arbóreas em pastagens no Estado do Acre.$h[electronic resource]
260 $aIn: WORKSHOP INTEGRAÇÃO LAVOURA-PECUÁRIA-FLORESTA NA EMBRAPA, 2009, Brasília, DF. Resumos e palestras apresentadas. Brasília, DF: Embrapa$c2009
300 $c1 CD-ROM.
500 $aNome do quarto autor: Regina Célia Viana Martins-da-Silva.
520 $aEste trabalho teve por objetivo identificar e confirmar botanicamente as espécies arbóreas e arbustivas que ocorrem de forma isolada em pastagens cultivadas no entorno das rodovias BR 364 e BR 317 no estado do Acre. As espécies foram identificadas por seu nome vernacular, georeferenciadas e tomadas as medidas circunferência a altura do peito e altura total; as amostras botânicas coletadas foram enviadas para identificação taxonômica e registro no Herbário IAN. Foram identificadas 36 espécies de 13 famílias. A família mais representativa foi Leguminosae, com 21 espécies distribuídas nas subfamílias: Mimosoideae (nove espécies), destacando-se o gênero Inga com 4quatro espécies;Papilionoideae (oito) e Caesalpinioideae (cinco espécies) A ocorrência de espécies de diferentes grupos ecológicos em pastagens produtivas indica que esta oferece às condições ecológicas básicas para o estabelecimento do processo de sucessão secundária e pode ser importante para a manutenção da diversidade arbórea.
653 $aArborização de pastagem
653 $aPasatagem
700 1 $aANDRADE, C. M. S. de
700 1 $aASSIS, G. M. L. de
700 1 $aMARTINS-DA-SILVA, R. C.
700 1 $aRODRIGUES, S. T.
700 1 $aBENTES-GAMA, M. de M.
700 1 $aSALMAN, A. K. D.
700 1 $aPEREIRA, W. J. P.
700 1 $aLUZ, S. A. da
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Acre (CPAF-AC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Instrumentação. |
|
Data corrente: |
23/01/2023 |
|
Data da última atualização: |
12/01/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
B - 3 |
|
Autoria: |
CORREA, D. V.; RAMOS, A. P. M.; OSCO, L. P.; JORGE, L. A. de C. |
|
Afiliação: |
LUCIO ANDRE DE CASTRO JORGE, CNPDIA. |
|
Título: |
Aprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
Colloquium Exactarum, v.14, 2023. |
|
Páginas: |
146-153 |
|
ISSN: |
2178-8332 |
|
DOI: |
10.5747/ce.2022.v14.e393 |
|
Idioma: |
Português |
|
Conteúdo: |
A integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas. MenosA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja.... Mostrar Tudo |
|
Palavras-Chave: |
Aprendizagem de máquina; Medidas de refletância. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/245659/1/P-APRENDIZAGEM-DE-MAQUINA-PARA-IDENTIFICACAO-DE-PLANTAS-DE-SOJA.pdf
|
|
Marc: |
LEADER 02265naa a2200217 a 4500
001 2151175
005 2024-01-12
008 2023 bl uuuu u00u1 u #d
022 $a2178-8332
024 7 $a10.5747/ce.2022.v14.e393$2DOI
100 1 $aCORREA, D. V.
245 $aAprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais.$h[electronic resource]
260 $c2023
300 $a146-153
520 $aA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas.
653 $aAprendizagem de máquina
653 $aMedidas de refletância
700 1 $aRAMOS, A. P. M.
700 1 $aOSCO, L. P.
700 1 $aJORGE, L. A. de C.
773 $tColloquium Exactarum$gv.14, 2023.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
