| |
|
|
| Registros recuperados : 10 | |
| 3. |  | FARHATE, C. V. V.; SOUZA, Z. M. de; OLIVEIRA, S. R. de M.; LOVERA, L. H.; OLIVEIRA, I. N. de; GUIMARÃES, E. M. Data mining techniques for classification of soil CO2 emission. In: WORLD CONGRESS OF SOIL SCIENCE, 21., 2018, Rio de Janeiro. Soil science: beyond food and fuel: abstracts. Viçosa, MG: SBCS, 2018. Não paginado. WCSS 2018.| Biblioteca(s): Embrapa Agricultura Digital. |
|    |
| 4. | | FARHATE, C. V. V.; SOUZA, Z. M. de; OLIVEIRA, S. R. de M.; CARVALHO, J. L. N.; LA SCALA JÚNIOR, N.; SANTOS, A. P. G. Classification of soil respiration in areas of sugarcane renewal using decision tree. Scientia Agricola, v. 75, n. 3, p. 216-224, May/June 2018.| Biblioteca(s): Embrapa Agricultura Digital. |
|  |
| 5. | | LÓPEZ-NORONHA, R.; SOUZA, Z. M. de; SOARES, M. D. R.; CAMPOS, M. C. C.; FARHATE, C. V. V.; OLIVEIRA, S. R. de M. Soil carbon stock in archaeological black earth under different land use systems in the Brazilian Amazon. Agronomy Journal, v. 112, n. 5, p. 4437-4450, Sept./Oct. 2020.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 6. | | NORONHA, R. L.; SOARES, M. D. R.; OLIVEIRA, I. N. de; FARHATE, C. V. V.; SOUZA, Z. M. de; OLIVEIRA, S. R. de M. Soil carbon stock predictive models on archaeological black lands - natural and transformed. In: WORLD CONGRESS OF SOIL SCIENCE, 21., 2018, Rio de Janeiro. Soil science: beyond food and fuel: abstracts. Viçosa, MG: SBCS, 2018. Não paginado. WCSS 2018.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 8. | | TAVARES, R. L. M.; OLIVEIRA, S. R. de M.; BARROS, F. M. M. de; FARHATE, C. V. V.; SOUZA, Z. M. de; LA SCALA JUNIOR, N. Prediction of soil CO2 flux in sugarcane management systems using the Random Forest approach. Scientia Agricola, Piracicaba, v. 74, n. 4, p. 281-287, July/Aug. 2018.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 9. | | MARÇAL, M. F. M.; SOUZA, Z. M. de; TAVARES, R. L. M.; FARHATE, C. V. V.; OLIVEIRA, S. R. de M.; GALINDO, F. S. Predictive models to estimate carbon stocks in agroforestry systems. Forests, v. 12, n. 9, p. 1-15, Sept. 2021. Article 1240. Na publicação: Stanley Robson Medeiros Oliveira.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| Registros recuperados : 10 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
06/04/2022 |
|
Data da última atualização: |
06/04/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
LIMA, E. de S.; SOUZA, Z. M. de; OLIVEIRA, S. R. de M.; MONTANARI, R.; FARHATE, C. V. V. |
|
Afiliação: |
ELIZEU DE S. LIMA, FEAGRI/UNICAMP; ZIGOMAR MENEZES DE SOUZA, FEAGRI/UNICAMP; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; RAFAEL MONTANARI, UNESP; CAMILA VIANA VIEIRA FARHATE, FCAV/UNESP. |
|
Título: |
Random forest model to predict the height of Eucalyptus. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Engenharia Agrícola, v. 42, e20210153, 2022. |
|
DOI: |
http://dx.doi.org/10.1590/1809-4430-Eng.Agric.v42nepe20210153/2022 |
|
Idioma: |
Inglês |
|
Notas: |
Special issue: artificial intelligence. |
|
Conteúdo: |
Eucalyptus (Eucalyptus urograndis) production has significantly advanced over the past few years in Brazil, especially with regard to acreage and productivity. Machine learning has made significant advances in most varied fields of agrarian sciences. In this context, this study aimed to use physicochemical variables of the soil as well as climatic and dendrometric variables of eucalyptus to predict its height using the random forest algorithm. The study was conducted in the municipality of Três Lagoas, in Mato Grosso do Sul, Brazil. |
|
Palavras-Chave: |
Alumínio permutável; Aprendizado de máquina; Conteúdo de fósforo no solo; Crescimento de eucalipto; Eucalyptus urograndis; Floresta aleatória; Machine learning; Mistura de solos; Physicochemical variables of soil; Soil moisture; Soil phosphorus content; Variáveis físico-químicas do solo. |
|
Thesaurus NAL: |
Eucalyptus; Exchangeable aluminum. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1141899/1/AP-Random-forest-model-2022.pdf
|
|
Marc: |
LEADER 01709naa a2200361 a 4500
001 2141899
005 2022-04-06
008 2022 bl uuuu u00u1 u #d
024 7 $ahttp://dx.doi.org/10.1590/1809-4430-Eng.Agric.v42nepe20210153/2022$2DOI
100 1 $aLIMA, E. de S.
245 $aRandom forest model to predict the height of Eucalyptus.$h[electronic resource]
260 $c2022
500 $aSpecial issue: artificial intelligence.
520 $aEucalyptus (Eucalyptus urograndis) production has significantly advanced over the past few years in Brazil, especially with regard to acreage and productivity. Machine learning has made significant advances in most varied fields of agrarian sciences. In this context, this study aimed to use physicochemical variables of the soil as well as climatic and dendrometric variables of eucalyptus to predict its height using the random forest algorithm. The study was conducted in the municipality of Três Lagoas, in Mato Grosso do Sul, Brazil.
650 $aEucalyptus
650 $aExchangeable aluminum
653 $aAlumínio permutável
653 $aAprendizado de máquina
653 $aConteúdo de fósforo no solo
653 $aCrescimento de eucalipto
653 $aEucalyptus urograndis
653 $aFloresta aleatória
653 $aMachine learning
653 $aMistura de solos
653 $aPhysicochemical variables of soil
653 $aSoil moisture
653 $aSoil phosphorus content
653 $aVariáveis físico-químicas do solo
700 1 $aSOUZA, Z. M. de
700 1 $aOLIVEIRA, S. R. de M.
700 1 $aMONTANARI, R.
700 1 $aFARHATE, C. V. V.
773 $tEngenharia Agrícola$gv. 42, e20210153, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
