| |
|
|
| Registros recuperados : 243 | |
| 161. |  | PINHEIRO, E. da C.; PIRES, E. da S.; LONGARAY, M. B.; STUMPF, E. T.; SOUZA, F. H. D. de; MITTELMANN, A. Tolerância a geada e invasoras de acessos de gramíneas selecionados para uso em gramados. In: CONGRESSO DE INICIAÇÃO CIENTÍFICA, 22.; ENCONTRO DE PÓS-GRADUAÇÃO, 15., 2013, Pelotas. [Anais.]. Pelotas: UFPel, 2013.| Biblioteca(s): Embrapa Clima Temperado. |
|    |
| 162. | | MARTINS, G. C. F.; BARREIROS, D. C.; PEREIRA, L. G. R.; VELOSO, C. M.; PINHEIRO, E. R. G.; OLIVEIRA, L. S. Teores de matéria seca e proteína bruta, nitrogênio amoniacal e pH de silagem de gliricídia aditivados com diferentes co-produtos. In: CONGRESSO NORDESTINO DE PRODUÇÃO ANIMAL, 6.; SIMPÓSIO NORDESTINO DE ALIMENTAÇÃO DE RUMINANTES, 7.; FÓRUM DE COORDENADORES DE PÓS GRADUAÇÃO EM PRODUÇÃO ANIMAL DO NORDESTE, 1.; FÓRUM DE AGROECOLOGIA RO RIO GRANDE DO NORTE, 1., 2010, Mossoró. Anais... Mossoró: Sociedade Nordestina de Producao Animal; UFERSA, 2010.| Biblioteca(s): Embrapa Gado de Leite. |
| |
| 163. | | MARTINS, G. C. F.; BARREIROS, D. C.; PEREIRA, L. G. R.; VELOSO, C. M.; PINHEIRO, E. R. G.; OLIVEIRA, L. S. Teores de matéria seca e proteína bruta, nitrogênio amoniacal e pH de silagem de gliricídia aditivados com diferentes co-produtos. In: CONGRESSO NORDESTINO DE PRODUÇÃO ANIMAL, 6.; SIMPÓSIO NORDESTINO DE ALIMENTAÇÃO DE RUMINANTES, 7.; FÓRUM DE COORDENADORES DE PÓS GRADUAÇÃO EM PRODUÇÃO ANIMAL DO NORDESTE, 1.; FÓRUM DE AGROECOLOGIA RO RIO GRANDE DO NORTE, 1., 2010, Mossoró. Anais... Mossoró: Sociedade Nordestina de Producao Animal; UFERSA, 2010. 3 f. 1 CD-ROM.| Biblioteca(s): Embrapa Caprinos e Ovinos. |
| |
| 165. | | LOPES, I. M.; ZIVIANI, M. M.; PINTO, L. A. da S. R.; PINHEIRO, E. F. M.; WEBER, H.; LIMA, E.; PEREIRA, M. G.; CAMPOS, D. V. B. de. Agregação e distribuição do carbono nos agregados de Latossolo Vermelho sob diferentes níveis de palhada da cana-de-açúcar em Paranavaí (PR). Revista Virtual de Química, Niterói, v. 9, n. 5, p. 1985-1995, set./out. 2017.| Biblioteca(s): Embrapa Solos. |
| |
| 166. | | PEREIRA, V. C. S.; DIAS, R. V.; AZEVEDO, C. F. e O.; PEREIRA, I. S.; HONDA, L. S.; PINHEIRO, E. F. M.; CAMPOS, D. V. B. de. Agregação do solo sob diferentes usos e cobertura vegetal no bioma Cerrado. In: CONGRESSO LATINO-AMERICANO DE CIÊNCIA DO SOLO, 23.; CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 38., 2023, Florianópolis. Anais [...]. Florianópolis: Epagri, 2023. p. 949. Ref. ID 1339.| Biblioteca(s): Embrapa Solos. |
| |
| 167. | | ROSA, T. C. DA; BORTOLINI, F.; MITTELMANN, A.; SILVA, J. L. S. da; PIRES, E. DA S.; PINHEIRO, E. DA C. Avaliação de genótipos de sorgo silageiro em solos hidromórficos. In: Congresso Internacional do Leite, 11.; Workshop de Políticas Públicas, 11.; Simpósio de Sustentabilidade da Atividade Leiteira, 12., 2012, Goiânia. Anais... Juiz de Fora: Embrapa Gado de Leite, 2012.| Biblioteca(s): Embrapa Clima Temperado; Embrapa Gado de Leite. |
| |
| 170. | | CUNHA, E. M. F.; FREITAS, T. K. T.; PINHEIRO, É. M.; ROCHA, M. de M.; ARAUJO, M. A. da M.; MOREIRA-ARAÚJO, R. S. dos R. Compostos fenólicos e atividade antioxidante em linhagens de feijão-caupi. In: SILVA-MATOS, R. R. S. da; OLIVEIRA, A. R. F.; CORDEIRO, K. V. (Org.). A transformação da agronomia e o perfil do novo profissional. Ponta Grossa, PR: Atena, 2020. cap. 1, p. 1-6.| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 172. | | FREITAS, T. K. T.; PINHEIRO, É. M.; CUNHA, E. M. F.; ROCHA, M. de M.; MOREIRA-ARAÚJO, R. S. dos R. Compostos fenólicos, atividade antioxidante e sua correlação em genótipos elite de feijão-caupi. In: CONGRESSO NACIONAL DE FEIJÃO-CAUPI, 5., 2019, Fortaleza. Sustentabilidade e inovações tecnológicas para o feijão-caupi: desafios e perspectivas: anais. Fortaleza: Universidade Federal do Ceará: Embrapa Meio-Norte, 2019. 5 p.| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 173. | | LOPES, I. M.; PINHEIRO, E. F. M.; LIMA, E.; CEDDIA, M. B.; CAMPOS, D. V. B. de; ALVES, B. J. R. Emissões de N2O em solos sob cultivo de cana-de-açúcar no Bioma Mata Atlântica: efeito dos sistemas de colheita e da adubação com vinhaça. Revista Virtual de Química, Niterói, v. 9, n. 5, p. 1930-1943, set./out. 2017.| Biblioteca(s): Embrapa Agrobiologia; Embrapa Solos. |
| |
| 175. | | PINHEIRO, E. F. M.; SANTOS, C. de A.; SILVA, S. N. da; ALVES, B. J. R.; CAMPOS, D. V. B. de; CEDDIA, M. B. Emissões de óxido nitroso sob cobertura de pastagem numa topossequência em Seropédica, RJ. Revista Virtual de Química v. 10, n. 6, p. 1809-1827, nov./dez. 2018| Biblioteca(s): Embrapa Agrobiologia; Embrapa Solos. |
| |
| 176. | | TURETTA, A. P. D.; ANJOS, L. H. C. dos; PINHEIRO, E. F. M.; SOUZA, R. C. de; PALMIERI, F.; PEREIRA, M. G. Efeito de sistemas de manejo nas propriedades quimicas de um latossolo vermelho sob cultivo de oleraceas em Paty do Alferes, RJ. In: CONGRESSO BRASILEIRO DE CIENCIA DO SOLO, 28., 2001, Londrina. Ciencia do solo: fator de produtividade competitiva com sustentabilidade: [resumos]... Londrina: Sociedade Brasileira de Ciencia do Solo; Embrapa Soja; IAPAR; UEL; UEM, 2001. p.251| Biblioteca(s): Embrapa Solos. |
| |
| 177. | | DANIEL, O.; VITORINO, A. C. T.; ALOVISI, A. A.; MAZZOCHIN, L.; TOKURA, A. M.; PINHEIRO, E. R.; SOUZA, E. F. de. Aplicacao de fosforo em mudas de Acacia mangium Willd. Revista Arvore, Vicosa, v.21, n.2, p.163-168, 1997.| Biblioteca(s): Embrapa Florestas. |
| |
| 179. | | RAMOS, L. de S.; NASCIMENTO, A. R. do; MEDEIROS, M. V.; INACIO, C. de T.; MILLER, P. R. M.; ARAÚJO, S. C. de; PINHEIRO, E. F. M. Avaliação preliminar em biorreatores de bancada da compostagem de biofiltros de água residuária da suinocultura. In: SEMINÁRIO PIBIC EMBRAPA SOLOS, 2018-2019, Rio de Janeiro. Seminário PIBIC Embrapa Solos 2018/2019. Rio de Janeiro: Embrapa Solos, 2019. E-book. (Embrapa Solos. Documentos, 210).| Biblioteca(s): Embrapa Solos. |
|  |
| 180. | | PINHEIRO, E. E. G.; MARQUES, J. de A.; SANTANA, A. L. A.; CRUZ, O. T. B.; ALENCAR, A. M. de; VALLE, S. V. de. Avaliação metodológica do comportamento ingestivo de ovelhas parida da raça Santa Inês em pastejo de Brachiaria decumbens. In: CONGRESSO NORDESTINO DE PRODUÇÃO ANIMAL, 6.; SIMPÓSIO NORDESTINO DE ALIMENTAÇÃO DE RUMINANTES, 7.; FÓRUM DE COORDENADORES DE PÓS GRADUAÇÃO EM PRODUÇÃO ANIMAL DO NORDESTE, 1.; FÓRUM DE AGROECOLOGIA RO RIO GRANDE DO NORTE, 1., 2010, Mossoró. Anais... Mossoró: Sociedade Nordestina de Producao Animal; UFERSA, 2010. 4 f. 1 CD-ROM.| Biblioteca(s): Embrapa Caprinos e Ovinos. |
| |
| Registros recuperados : 243 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
16/11/2022 |
|
Data da última atualização: |
22/11/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
FERREIRA, A. C. de S.; CEDDIA, M. B.; COSTA, E. M.; PINHEIRO, E. F. M.; NASCIMENTO, M. M. do; VASQUES, G. M. |
|
Afiliação: |
ANA CAROLINA DE S. FERREIRA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; MARCOS B. CEDDIA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; ELIAS M. COSTA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; ÉRIKA F. M. PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; MARIANA MELO DO NASCIMENTO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; GUSTAVO DE MATTOS VASQUES, CNPS. |
|
Título: |
Use of airborne radar images and machine learning algorithms to map soil clay, silt, and sand contents in remote areas under the Amazon rainforest. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Remote Sensing, v. 14, n. 22, 5711, 2022. |
|
DOI: |
https://doi.org/10.3390/rs14225711 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Soil texture has a great influence on the physical-hydric and chemical behavior of soils. In the Amazon regions, due to the presence of dense forest cover and limited access to roads, carrying out surveys and mapping of soils is challenging. When data exist, they are relatively sparse and the distribution is quite uneven. In this context, machine learning algorithms (ML) associated with remote sensor covariates offer a framework to derive digital maps of soil attributes. The objective of this study was to produce maps of surface and subsurface soil clay, silt, and sand contents in a 13.440 km2 area in the Amazon. The specific objectives were to a) evaluate the gain in prediction accuracy when using the P-band of airborne radar as a covariate; b) evaluate two sampling approaches (Reference Area-RA and Total Area-TA); and c) evaluate the transferability and performance of three ML algorithms: regression tree (RT), random forest (RF), and support vector machine (SVM). The study site was divided into three blocks, called Urucu, Araracanga, and Juruá, respectively. The soil dataset consisted of 151 surface and subsurface sand, silt, and clay observations and 21 covariates (20 relief variables and the backscattering coefficient from the P-band). Both the RA and TA sampling approach used 114 observations for training the prediction models (75%) and 37 for validation (25%). The RA approach was better for the development of sand and silt models. Overall, RF derived the most accurate predictions for all variables. The effect of introducing the P-band backscattering coefficient improved the sand prediction accuracy at the surface and subsurface in Araracanga, which had the highest sand content, with relative improvements (RI) of the R2, root mean square error (RMSE), and mean absolute error (MAE) of 46%, 3%, and 4% at the surface, respectively, and 66.7%, 4.4%, and 5.2% at the subsurface, respectively. For silt, the P-band improved the predictions at the surface in Araracanga, which had the lowest silt contents among the blocks. For clay, adding the P-band improved the RF predictions at the subsurface, with RI of the R2, RMSE, and MAE of 29%, 5%, and 5%, respectively. Despite the low observation density, inherently hindered by the low accessibility of the area and high costs of sampling thereof, the results showed the potential of ML algorithms boosted by airborne radar P-band to map soil clay, silt, and sand contents in the Amazon. MenosSoil texture has a great influence on the physical-hydric and chemical behavior of soils. In the Amazon regions, due to the presence of dense forest cover and limited access to roads, carrying out surveys and mapping of soils is challenging. When data exist, they are relatively sparse and the distribution is quite uneven. In this context, machine learning algorithms (ML) associated with remote sensor covariates offer a framework to derive digital maps of soil attributes. The objective of this study was to produce maps of surface and subsurface soil clay, silt, and sand contents in a 13.440 km2 area in the Amazon. The specific objectives were to a) evaluate the gain in prediction accuracy when using the P-band of airborne radar as a covariate; b) evaluate two sampling approaches (Reference Area-RA and Total Area-TA); and c) evaluate the transferability and performance of three ML algorithms: regression tree (RT), random forest (RF), and support vector machine (SVM). The study site was divided into three blocks, called Urucu, Araracanga, and Juruá, respectively. The soil dataset consisted of 151 surface and subsurface sand, silt, and clay observations and 21 covariates (20 relief variables and the backscattering coefficient from the P-band). Both the RA and TA sampling approach used 114 observations for training the prediction models (75%) and 37 for validation (25%). The RA approach was better for the development of sand and silt models. Overall, RF derived the most accurate ... Mostrar Tudo |
|
Palavras-Chave: |
Digital soil mapping; Radar P-band; Reference area. |
|
Thesagro: |
Mapa; Reconhecimento do Solo; Textura do Solo. |
|
Thesaurus NAL: |
Soil surveys; Soil texture. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1148295/1/Use-of-airborne-radar-images-and-machine-learning-algorithms-2022.pdf
|
|
Marc: |
LEADER 03374naa a2200289 a 4500
001 2148295
005 2022-11-22
008 2022 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.3390/rs14225711$2DOI
100 1 $aFERREIRA, A. C. de S.
245 $aUse of airborne radar images and machine learning algorithms to map soil clay, silt, and sand contents in remote areas under the Amazon rainforest.$h[electronic resource]
260 $c2022
520 $aSoil texture has a great influence on the physical-hydric and chemical behavior of soils. In the Amazon regions, due to the presence of dense forest cover and limited access to roads, carrying out surveys and mapping of soils is challenging. When data exist, they are relatively sparse and the distribution is quite uneven. In this context, machine learning algorithms (ML) associated with remote sensor covariates offer a framework to derive digital maps of soil attributes. The objective of this study was to produce maps of surface and subsurface soil clay, silt, and sand contents in a 13.440 km2 area in the Amazon. The specific objectives were to a) evaluate the gain in prediction accuracy when using the P-band of airborne radar as a covariate; b) evaluate two sampling approaches (Reference Area-RA and Total Area-TA); and c) evaluate the transferability and performance of three ML algorithms: regression tree (RT), random forest (RF), and support vector machine (SVM). The study site was divided into three blocks, called Urucu, Araracanga, and Juruá, respectively. The soil dataset consisted of 151 surface and subsurface sand, silt, and clay observations and 21 covariates (20 relief variables and the backscattering coefficient from the P-band). Both the RA and TA sampling approach used 114 observations for training the prediction models (75%) and 37 for validation (25%). The RA approach was better for the development of sand and silt models. Overall, RF derived the most accurate predictions for all variables. The effect of introducing the P-band backscattering coefficient improved the sand prediction accuracy at the surface and subsurface in Araracanga, which had the highest sand content, with relative improvements (RI) of the R2, root mean square error (RMSE), and mean absolute error (MAE) of 46%, 3%, and 4% at the surface, respectively, and 66.7%, 4.4%, and 5.2% at the subsurface, respectively. For silt, the P-band improved the predictions at the surface in Araracanga, which had the lowest silt contents among the blocks. For clay, adding the P-band improved the RF predictions at the subsurface, with RI of the R2, RMSE, and MAE of 29%, 5%, and 5%, respectively. Despite the low observation density, inherently hindered by the low accessibility of the area and high costs of sampling thereof, the results showed the potential of ML algorithms boosted by airborne radar P-band to map soil clay, silt, and sand contents in the Amazon.
650 $aSoil surveys
650 $aSoil texture
650 $aMapa
650 $aReconhecimento do Solo
650 $aTextura do Solo
653 $aDigital soil mapping
653 $aRadar P-band
653 $aReference area
700 1 $aCEDDIA, M. B.
700 1 $aCOSTA, E. M.
700 1 $aPINHEIRO, E. F. M.
700 1 $aNASCIMENTO, M. M. do
700 1 $aVASQUES, G. M.
773 $tRemote Sensing$gv. 14, n. 22, 5711, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
