|
|
Registro Completo |
Biblioteca(s): |
Embrapa Agrobiologia; Embrapa Agroindústria Tropical; Embrapa Amapá; Embrapa Meio Norte / UEP-Parnaíba; Embrapa Meio-Norte; Embrapa Pantanal; Embrapa Roraima; Embrapa Semiárido. |
Data corrente: |
29/02/2000 |
Data da última atualização: |
13/08/2009 |
Autoria: |
MARTINEZ, J. L.; SILVA, M. E. T. da; THOMAZINI, P. L. |
Título: |
Recria e engorda de búfalos em pastagens de hemártria e humidícola no litoral do Paraná. |
Ano de publicação: |
1999 |
Fonte/Imprenta: |
Londrina: IAPAR, 1999. |
Páginas: |
11 p. |
Série: |
(IAPAR. Circular, 104). |
Idioma: |
Português |
Conteúdo: |
Visando a seleção de forrageiras apropriadas para a formação de pastagens na região litorânea, foram conduzidos trabalhos experimentais pelo IAPAR desde 1979, destacando-se a Hemarthria altíssima e a Brachiaria humidicola. |
Palavras-Chave: |
Brasil; Bufalos; Bufalos - Recria - Engorda; Buffalo; Byfalo; Create again; Fattening; Fattining; Feed grasses; Gramínea forageira; Parana; Pastagens; Pasture; Post weaning. |
Thesagro: |
Brachiaria Humidicola; Búfalo; Capim Quicuio; Engorda; Hemarthria Altíssima; Hemártria; Nutrição Animal; Pastagem; Recria. |
Thesaurus Nal: |
animal nutrition; bison; Brazil; buffaloes; feeds; pastures. |
Categoria do assunto: |
-- |
Marc: |
LEADER 01476nam a2200505 a 4500 001 1692674 005 2009-08-13 008 1999 bl uuuu u0uu1 u #d 100 1 $aMARTINEZ, J. L. 245 $aRecria e engorda de búfalos em pastagens de hemártria e humidícola no litoral do Paraná. 260 $aLondrina: IAPAR$c1999 300 $a11 p. 490 $a(IAPAR. Circular, 104). 520 $aVisando a seleção de forrageiras apropriadas para a formação de pastagens na região litorânea, foram conduzidos trabalhos experimentais pelo IAPAR desde 1979, destacando-se a Hemarthria altíssima e a Brachiaria humidicola. 650 $aanimal nutrition 650 $abison 650 $aBrazil 650 $abuffaloes 650 $afeeds 650 $apastures 650 $aBrachiaria Humidicola 650 $aBúfalo 650 $aCapim Quicuio 650 $aEngorda 650 $aHemarthria Altíssima 650 $aHemártria 650 $aNutrição Animal 650 $aPastagem 650 $aRecria 653 $aBrasil 653 $aBufalos 653 $aBufalos - Recria - Engorda 653 $aBuffalo 653 $aByfalo 653 $aCreate again 653 $aFattening 653 $aFattining 653 $aFeed grasses 653 $aGramínea forageira 653 $aParana 653 $aPastagens 653 $aPasture 653 $aPost weaning 700 1 $aSILVA, M. E. T. da 700 1 $aTHOMAZINI, P. L.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Roraima (CPAF-RR) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
| Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
Registro Completo
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
21/12/2017 |
Data da última atualização: |
15/08/2023 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
OLIVEIRA, H. L. C. de; OLIVEIRA, S. R. de M.; MONTEIRO, J. E. B. de A. |
Afiliação: |
HENRIQUE L. C. DE OLIVEIRA, Bolsista CNPTIA; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; JOSE EDUARDO B DE ALMEIDA MONTEIRO, CNPTIA. |
Título: |
Metodologia baseada em florestas aleatórias para geração de séries espaço-temporais de temperatura e precipitação. |
Ano de publicação: |
2017 |
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 20., SIMPÓSIO DE MUDANÇAS CLIMÁTICAS E DESERTIFICAÇÃO NO SEMIÁRIDO BRASILEIRO, 5., 2017, Juazeiro. A agrometeorologia na solução de problemas multiescala: anais. Juazeiro: Sociedade Brasileira de Agrometeorologia, 2017. |
Páginas: |
Não paginado. |
Idioma: |
Português |
Notas: |
CBAgro, SMUD 2017. Na publicação: José Eduardo B. A. Monteiro. |
Conteúdo: |
RESUMO: O objetivo deste trabalho foi desenvolver uma metodologia, baseada no algoritmo Random Forest, para gerar séries espaço-temporais de temperatura e de precipitação. Foi definida uma região de estudo de formato retangular, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. Essa região foi escolhida por ser climaticamente bastante heterogênea, tanto no tempo como no espaço, e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas AgMERRA, AgCFSR, radiação solar GL 1.2 CPTEC, TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grids que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados vários modelos preditivos, para temperatura máxima, mínima, precipitação diária e acumulada de 10 dias, utilizando o algoritmo de Aprendizado de Máquina Random Forest. Os resultados revelaram um bom ajuste dos modelos preditivos em relação aos valores previstos e observados para as quadrículas avaliadas, indicando um grande potencial da metodologia proposta tanto para a imputação de dados ausentes quanto para a geração de séries espaço-temporais em regiões sem a presença de dados medidos. MenosRESUMO: O objetivo deste trabalho foi desenvolver uma metodologia, baseada no algoritmo Random Forest, para gerar séries espaço-temporais de temperatura e de precipitação. Foi definida uma região de estudo de formato retangular, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. Essa região foi escolhida por ser climaticamente bastante heterogênea, tanto no tempo como no espaço, e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas AgMERRA, AgCFSR, radiação solar GL 1.2 CPTEC, TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grids que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados vários modelos preditivos, para temperatura máxima, mínima, precipitação diária e acumulada de 10 dias, utilizando o algoritmo de Aprendizado de Máquina Random Forest. Os resultados revelaram um bom ajuste dos modelos preditivos em relação aos valores previstos e observados para as quadrículas avaliadas, indicando um grande potencial da metodologia proposta tanto para... Mostrar Tudo |
Palavras-Chave: |
Agrometeorologia; Aprendizado de máquina; Classificação de dados; Data classification; Data imputation; Imputação de dados; Inteligência artificial; Machine learning; Modelos preditivos; Optimization; Otimização; Predictive modeling. |
Thesaurus NAL: |
Agrometeorology; Artificial intelligence; Models. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
Marc: |
LEADER 03011nam a2200337 a 4500 001 2083203 005 2023-08-15 008 2017 bl uuuu u00u1 u #d 100 1 $aOLIVEIRA, H. L. C. de 245 $aMetodologia baseada em florestas aleatórias para geração de séries espaço-temporais de temperatura e precipitação.$h[electronic resource] 260 $aIn: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 20., SIMPÓSIO DE MUDANÇAS CLIMÁTICAS E DESERTIFICAÇÃO NO SEMIÁRIDO BRASILEIRO, 5., 2017, Juazeiro. A agrometeorologia na solução de problemas multiescala: anais. Juazeiro: Sociedade Brasileira de Agrometeorologia$c2017 300 $aNão paginado. 500 $aCBAgro, SMUD 2017. Na publicação: José Eduardo B. A. Monteiro. 520 $aRESUMO: O objetivo deste trabalho foi desenvolver uma metodologia, baseada no algoritmo Random Forest, para gerar séries espaço-temporais de temperatura e de precipitação. Foi definida uma região de estudo de formato retangular, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. Essa região foi escolhida por ser climaticamente bastante heterogênea, tanto no tempo como no espaço, e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas AgMERRA, AgCFSR, radiação solar GL 1.2 CPTEC, TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grids que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados vários modelos preditivos, para temperatura máxima, mínima, precipitação diária e acumulada de 10 dias, utilizando o algoritmo de Aprendizado de Máquina Random Forest. Os resultados revelaram um bom ajuste dos modelos preditivos em relação aos valores previstos e observados para as quadrículas avaliadas, indicando um grande potencial da metodologia proposta tanto para a imputação de dados ausentes quanto para a geração de séries espaço-temporais em regiões sem a presença de dados medidos. 650 $aAgrometeorology 650 $aArtificial intelligence 650 $aModels 653 $aAgrometeorologia 653 $aAprendizado de máquina 653 $aClassificação de dados 653 $aData classification 653 $aData imputation 653 $aImputação de dados 653 $aInteligência artificial 653 $aMachine learning 653 $aModelos preditivos 653 $aOptimization 653 $aOtimização 653 $aPredictive modeling 700 1 $aOLIVEIRA, S. R. de M. 700 1 $aMONTEIRO, J. E. B. de A.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|