| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Florestas. |
|
Data corrente: |
10/03/2015 |
|
Data da última atualização: |
08/06/2015 |
|
Autoria: |
SILVA, C. A.; KLAUBERG, C. CARVALHO, S. de P. C. e; HUDAK, A. T.; RODRIGUEZ, L. C. E. |
|
Título: |
Mapping aboveground carbon stocks using LiDAR data in Eucalyptus spp. plantations in the state of São Paulo, Brazil. |
|
Ano de publicação: |
2014 |
|
Fonte/Imprenta: |
Scientia Forestalis, Piracicaba, v. 42, n. 104, p. 591-604, dez. 2014. |
|
Idioma: |
Inglês |
|
Conteúdo: |
As plantações florestais de rápido crescimento fornecem um significativo baixo custo de sequestro de carbono para redução de gases de efeito estufa. O objetivo deste estudo foi avaliar a utilização de dados LiDAR (Light Detection And Ranging) aerotransportado para estimativa do estoque de carbono acima do solo (AGC) em plantações de Eucalyptus spp. Parâmetros biométricos tais como altura (Ht) e diâmetro à altura do peito (DAP) das árvores foram coletadas em parcelas de inventários convencionais. Os modelos de regressão linear múltipla, com o intuito de estimar o estoque de carbono total acima do solo (AGCt), em toras comerciais (AGCc) e em resíduos de colheita (AGCr), foram desenvolvidos utilizando métricas derivadas da nuvem de pontos LiDAR. Os melhores modelos de um conjunto de seis modelos foram selecionados com base no Critério de informação de Akaike corrigido (AICc) e avaliados segundo a Raiz Quadrada do Erro Médio (RMSE) e Coeficiente de determinação ajustado (R²-adj). Os três melhores modelos para as estimativas do estoque de AGC foram AGCt: R²-adj= 0,81; RMSE = 7,70 Mg.ha-1; AGCc: R²-adj= 0,83; RMSE = 5,26 Mg.ha-1; AGCr: R²-adj = 0,71; RMSE = 2,67 Mg.ha-1. Este estudo mostrou que métricas derivadas a nuvem de pontos LiDAR podem ser usadas para estimar o estoque de AGC em plantações Eucalyptus spp. no Brasil com precisão. Concluímos que existe um bom potencial para monitorar o crescimento e a fixação de carbono em plantações de Eucalyptus spp. com o uso da tecnologia LiDAR. MenosAs plantações florestais de rápido crescimento fornecem um significativo baixo custo de sequestro de carbono para redução de gases de efeito estufa. O objetivo deste estudo foi avaliar a utilização de dados LiDAR (Light Detection And Ranging) aerotransportado para estimativa do estoque de carbono acima do solo (AGC) em plantações de Eucalyptus spp. Parâmetros biométricos tais como altura (Ht) e diâmetro à altura do peito (DAP) das árvores foram coletadas em parcelas de inventários convencionais. Os modelos de regressão linear múltipla, com o intuito de estimar o estoque de carbono total acima do solo (AGCt), em toras comerciais (AGCc) e em resíduos de colheita (AGCr), foram desenvolvidos utilizando métricas derivadas da nuvem de pontos LiDAR. Os melhores modelos de um conjunto de seis modelos foram selecionados com base no Critério de informação de Akaike corrigido (AICc) e avaliados segundo a Raiz Quadrada do Erro Médio (RMSE) e Coeficiente de determinação ajustado (R²-adj). Os três melhores modelos para as estimativas do estoque de AGC foram AGCt: R²-adj= 0,81; RMSE = 7,70 Mg.ha-1; AGCc: R²-adj= 0,83; RMSE = 5,26 Mg.ha-1; AGCr: R²-adj = 0,71; RMSE = 2,67 Mg.ha-1. Este estudo mostrou que métricas derivadas a nuvem de pontos LiDAR podem ser usadas para estimar o estoque de AGC em plantações Eucalyptus spp. no Brasil com precisão. Concluímos que existe um bom potencial para monitorar o crescimento e a fixação de carbono em plantações de Eucalyptus spp. com o uso da tecnologia... Mostrar Tudo |
|
Palavras-Chave: |
Estoque de carbono; Métricas LiDAR; Perfilhamento a Laser aerotrasportado-ALS; Plantações de rápido crescimento. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02205naa a2200169 a 4500
001 2016839
005 2015-06-08
008 2014 bl uuuu u00u1 u #d
100 1 $aSILVA, C. A.; KLAUBERG, C. CARVALHO, S. de P. C. e; HUDAK, A. T.; RODRIGUEZ, L. C. E.
245 $aMapping aboveground carbon stocks using LiDAR data in Eucalyptus spp. plantations in the state of São Paulo, Brazil.
260 $c2014
520 $aAs plantações florestais de rápido crescimento fornecem um significativo baixo custo de sequestro de carbono para redução de gases de efeito estufa. O objetivo deste estudo foi avaliar a utilização de dados LiDAR (Light Detection And Ranging) aerotransportado para estimativa do estoque de carbono acima do solo (AGC) em plantações de Eucalyptus spp. Parâmetros biométricos tais como altura (Ht) e diâmetro à altura do peito (DAP) das árvores foram coletadas em parcelas de inventários convencionais. Os modelos de regressão linear múltipla, com o intuito de estimar o estoque de carbono total acima do solo (AGCt), em toras comerciais (AGCc) e em resíduos de colheita (AGCr), foram desenvolvidos utilizando métricas derivadas da nuvem de pontos LiDAR. Os melhores modelos de um conjunto de seis modelos foram selecionados com base no Critério de informação de Akaike corrigido (AICc) e avaliados segundo a Raiz Quadrada do Erro Médio (RMSE) e Coeficiente de determinação ajustado (R²-adj). Os três melhores modelos para as estimativas do estoque de AGC foram AGCt: R²-adj= 0,81; RMSE = 7,70 Mg.ha-1; AGCc: R²-adj= 0,83; RMSE = 5,26 Mg.ha-1; AGCr: R²-adj = 0,71; RMSE = 2,67 Mg.ha-1. Este estudo mostrou que métricas derivadas a nuvem de pontos LiDAR podem ser usadas para estimar o estoque de AGC em plantações Eucalyptus spp. no Brasil com precisão. Concluímos que existe um bom potencial para monitorar o crescimento e a fixação de carbono em plantações de Eucalyptus spp. com o uso da tecnologia LiDAR.
653 $aEstoque de carbono
653 $aMétricas LiDAR
653 $aPerfilhamento a Laser aerotrasportado-ALS
653 $aPlantações de rápido crescimento
773 $tScientia Forestalis, Piracicaba$gv. 42, n. 104, p. 591-604, dez. 2014.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Florestas. |
|
Data corrente: |
24/08/2015 |
|
Data da última atualização: |
25/02/2016 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; VIANA, J. M. S.; VALENTE, M. S. F.; RESENDE JUNIOR, M. F. R.; MUÑOZ, P. |
|
Afiliação: |
Camila Ferreira Azevedo, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; Fabyano Fonseca e Silva, UFV; José Marcelo Soriano Viana, UFV; Magno Sávio Ferreira Valente, UFV; Márcio Fernando Ribeiro Resende Jr, Florida Innovation Hub; Patricio Muñoz, University of Florida. |
|
Título: |
Ridge, Lasso and Bayesian additive dominance genomic models. |
|
Ano de publicação: |
2015 |
|
Fonte/Imprenta: |
BMC Genetics, v. 16, art. 105, Aug. 2015. 13 p. |
|
DOI: |
10.1186/s12863-015-0264-2 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Background: A complete approach for genome-wide selection (GWS) involves reliable statistical genetics models and methods. Reports on this topic are common for additive genetic models but not for additive-dominance models. The objective of this paper was (i) to compare the performance of 10 additive-dominance predictive models (including current models and proposed modifications), fitted using Bayesian, Lasso and Ridge regression approaches; and (ii) to decompose genomic heritability and accuracy in terms of three quantitative genetic information sources, namely, linkage disequilibrium (LD), co-segregation (CS) and pedigree relationships or family structure (PR). The simulation study considered two broad sense heritability levels (0.30 and 0.50, associated with narrow sense heritabilities of 0.20 and 0.35, respectively) and two genetic architectures for traits (the first consisting of small gene effects and the second consisting of a mixed inheritance model with five major genes). Results: G-REML/G-BLUP and a modified Bayesian/Lasso (called BayesA*B* or t-BLASSO) method performed best in the prediction of genomic breeding as well as the total genotypic values of individuals in all four scenarios (two heritabilities x two genetic architectures). The BayesA*B*-type method showed a better ability to recover the dominance variance/additive variance ratio. Decomposition of genomic heritability and accuracy revealed the following descending importance order of information: LD, CS and PR not captured by markers, the last two being very close. Conclusions: Amongst the 10 models/methods evaluated, the G-BLUP, BAYESA*B* (−2,8) and BAYESA*B* (4,6) methods presented the best results and were found to be adequate for accurately predicting genomic breeding and total genotypic values as well as for estimating additive and dominance in additive-dominance genomic models. MenosBackground: A complete approach for genome-wide selection (GWS) involves reliable statistical genetics models and methods. Reports on this topic are common for additive genetic models but not for additive-dominance models. The objective of this paper was (i) to compare the performance of 10 additive-dominance predictive models (including current models and proposed modifications), fitted using Bayesian, Lasso and Ridge regression approaches; and (ii) to decompose genomic heritability and accuracy in terms of three quantitative genetic information sources, namely, linkage disequilibrium (LD), co-segregation (CS) and pedigree relationships or family structure (PR). The simulation study considered two broad sense heritability levels (0.30 and 0.50, associated with narrow sense heritabilities of 0.20 and 0.35, respectively) and two genetic architectures for traits (the first consisting of small gene effects and the second consisting of a mixed inheritance model with five major genes). Results: G-REML/G-BLUP and a modified Bayesian/Lasso (called BayesA*B* or t-BLASSO) method performed best in the prediction of genomic breeding as well as the total genotypic values of individuals in all four scenarios (two heritabilities x two genetic architectures). The BayesA*B*-type method showed a better ability to recover the dominance variance/additive variance ratio. Decomposition of genomic heritability and accuracy revealed the following descending importance order of information: LD, CS ... Mostrar Tudo |
|
Palavras-Chave: |
Bayesian methods; Dominance genomic models; Genética quantitativa; Lasso methods; Melhoramento genético; Modelo Bayesiano; Selection accuracy. |
|
Thesagro: |
Parâmetro Genético. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/128510/1/2015-API-Deon-Ridge.pdf
|
|
Marc: |
LEADER 02783naa a2200301 a 4500
001 2022575
005 2016-02-25
008 2015 bl uuuu u00u1 u #d
024 7 $a10.1186/s12863-015-0264-2$2DOI
100 1 $aAZEVEDO, C. F.
245 $aRidge, Lasso and Bayesian additive dominance genomic models.$h[electronic resource]
260 $c2015
520 $aBackground: A complete approach for genome-wide selection (GWS) involves reliable statistical genetics models and methods. Reports on this topic are common for additive genetic models but not for additive-dominance models. The objective of this paper was (i) to compare the performance of 10 additive-dominance predictive models (including current models and proposed modifications), fitted using Bayesian, Lasso and Ridge regression approaches; and (ii) to decompose genomic heritability and accuracy in terms of three quantitative genetic information sources, namely, linkage disequilibrium (LD), co-segregation (CS) and pedigree relationships or family structure (PR). The simulation study considered two broad sense heritability levels (0.30 and 0.50, associated with narrow sense heritabilities of 0.20 and 0.35, respectively) and two genetic architectures for traits (the first consisting of small gene effects and the second consisting of a mixed inheritance model with five major genes). Results: G-REML/G-BLUP and a modified Bayesian/Lasso (called BayesA*B* or t-BLASSO) method performed best in the prediction of genomic breeding as well as the total genotypic values of individuals in all four scenarios (two heritabilities x two genetic architectures). The BayesA*B*-type method showed a better ability to recover the dominance variance/additive variance ratio. Decomposition of genomic heritability and accuracy revealed the following descending importance order of information: LD, CS and PR not captured by markers, the last two being very close. Conclusions: Amongst the 10 models/methods evaluated, the G-BLUP, BAYESA*B* (−2,8) and BAYESA*B* (4,6) methods presented the best results and were found to be adequate for accurately predicting genomic breeding and total genotypic values as well as for estimating additive and dominance in additive-dominance genomic models.
650 $aParâmetro Genético
653 $aBayesian methods
653 $aDominance genomic models
653 $aGenética quantitativa
653 $aLasso methods
653 $aMelhoramento genético
653 $aModelo Bayesiano
653 $aSelection accuracy
700 1 $aRESENDE, M. D. V. de
700 1 $aSILVA, F. F. e
700 1 $aVIANA, J. M. S.
700 1 $aVALENTE, M. S. F.
700 1 $aRESENDE JUNIOR, M. F. R.
700 1 $aMUÑOZ, P.
773 $tBMC Genetics$gv. 16, art. 105, Aug. 2015. 13 p.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
