|
|
Registro Completo |
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
18/11/2016 |
Data da última atualização: |
21/01/2020 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
CRUZ, S. A. B. da; SILVA, J. dos S. V. da; NEVES, S. M. A. da S. |
Afiliação: |
SÉRGIO APARECIDO BRAGA DA CRUZ, CNPTIA; JOÃO DOS SANTOS VILA DA SILVA, CNPTIA; SANDRA MARA ALVES DA SILVA NEVES, Unemat. |
Título: |
Proposta de uso de computação em nuvem em aplicações de zoneamento. |
Ano de publicação: |
2016 |
Fonte/Imprenta: |
In: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 6., 2016, Cuiabá. Anais... São José dos Campos: INPE; Brasília, DF: Embrapa, 2016. |
Páginas: |
p. 133-140. |
Descrição Física: |
1 CD-ROM. |
Idioma: |
Português |
Notas: |
GeoPantanal 2016. |
Conteúdo: |
A demanda por produtos de geoprocessamento de melhor qualidade, com processos de produção ágeis e rastreáveis baseados no uso de dados com maior escala e resoluções espacial e temporal têm estimulado a adoção de novos paradigmas de produção de dados georreferenciados. A abordagem tradicional baseada no uso de ferramentas desktop tem sido complementada com o uso de infraestruturas virtuais para armazenamento e processamento de grande volume de dados. Este artigo apresenta as bases deste novo paradigma de construção de aplicações em geoprocessamento, e ilustra a sua aplicação na produção de um zoneamento do cultivo da soja no Mato Grosso |
Palavras-Chave: |
Cloud computing; Computação em nuvem; Crop zoning; Geoprocessamento; Geoprocessing. |
Thesagro: |
Zoneamento agrícola. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/150195/1/Geopantanal-proposta-p153.pdf
|
Marc: |
LEADER 01441nam a2200229 a 4500 001 2056590 005 2020-01-21 008 2016 bl uuuu u00u1 u #d 100 1 $aCRUZ, S. A. B. da 245 $aProposta de uso de computação em nuvem em aplicações de zoneamento.$h[electronic resource] 260 $aIn: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 6., 2016, Cuiabá. Anais... São José dos Campos: INPE; Brasília, DF: Embrapa$c2016 300 $ap. 133-140.$c1 CD-ROM. 500 $aGeoPantanal 2016. 520 $aA demanda por produtos de geoprocessamento de melhor qualidade, com processos de produção ágeis e rastreáveis baseados no uso de dados com maior escala e resoluções espacial e temporal têm estimulado a adoção de novos paradigmas de produção de dados georreferenciados. A abordagem tradicional baseada no uso de ferramentas desktop tem sido complementada com o uso de infraestruturas virtuais para armazenamento e processamento de grande volume de dados. Este artigo apresenta as bases deste novo paradigma de construção de aplicações em geoprocessamento, e ilustra a sua aplicação na produção de um zoneamento do cultivo da soja no Mato Grosso 650 $aZoneamento agrícola 653 $aCloud computing 653 $aComputação em nuvem 653 $aCrop zoning 653 $aGeoprocessamento 653 $aGeoprocessing 700 1 $aSILVA, J. dos S. V. da 700 1 $aNEVES, S. M. A. da S.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Unidades Centrais. |
Data corrente: |
26/03/2008 |
Data da última atualização: |
27/06/2018 |
Autoria: |
SILVA, F. F. e; SÁFADI, T.; MUNIZ, J. A.; AQUINO, L. H. de; MOURÃO, G. B. |
Afiliação: |
Fabyano Fonseca e Silva, Universidade Federal de Viçosa; Thelma Sáfadi, Universidade Federal de Lavras; Joel Augusto Muniz, Universidade Federal de Lavras; Luiz Henrique de Aquino, Universidade Federal de Lavras; Gerson Barreto Mourão, Escola Superior de Agricultura Luiz de Queiroz. |
Título: |
Comparação bayesiana de modelos de previsão de diferenças esperadas nas progênies no melhoramento genético de gado Nelore. |
Ano de publicação: |
2008 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 43, n. 1, p. 37-45, jan. 2008 |
Idioma: |
Português |
Conteúdo: |
O objetivo deste trabalho foi realizar uma análise bayesiana de modelos auto-regressivos de ordem p, AR(p), para dados em painel referentes às diferenças esperadas nas progênies (DEP) de touros da raça Nelore publicados de 2000 a 2006. Neste trabalho, adotou-se o modelo AR(2), indicado pela análise prévia da função de autocorrelação parcial. As comparações entre as prioris, realizadas por meio do Fator de Bayes e do Pseudo-Fator de Bayes, indicaram superioridade da priori independente t-Student multivariada ? Gama inversa em relação à priori hierárquica Normal multivariada ? Gama inversa e a priori de Jeffreys. Os resultados indicam a importância de se dividir os animais em grupos homogêneos de acordo com a acurácia. Constatou-se também que, em média, a eficiência de previsão dos valores de DEP para um ano futuro foi próxima de 80%. |
Palavras-Chave: |
algoritmos MCMC; autoregressive model; dados em painel; MCMC algorithm; modelo auto-regressivo; panel data. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/38134/1/43n01a06.pdf
|
Marc: |
LEADER 01623naa a2200241 a 4500 001 1123177 005 2018-06-27 008 2008 bl uuuu u00u1 u #d 100 1 $aSILVA, F. F. e 245 $aComparação bayesiana de modelos de previsão de diferenças esperadas nas progênies no melhoramento genético de gado Nelore. 260 $c2008 520 $aO objetivo deste trabalho foi realizar uma análise bayesiana de modelos auto-regressivos de ordem p, AR(p), para dados em painel referentes às diferenças esperadas nas progênies (DEP) de touros da raça Nelore publicados de 2000 a 2006. Neste trabalho, adotou-se o modelo AR(2), indicado pela análise prévia da função de autocorrelação parcial. As comparações entre as prioris, realizadas por meio do Fator de Bayes e do Pseudo-Fator de Bayes, indicaram superioridade da priori independente t-Student multivariada ? Gama inversa em relação à priori hierárquica Normal multivariada ? Gama inversa e a priori de Jeffreys. Os resultados indicam a importância de se dividir os animais em grupos homogêneos de acordo com a acurácia. Constatou-se também que, em média, a eficiência de previsão dos valores de DEP para um ano futuro foi próxima de 80%. 653 $aalgoritmos MCMC 653 $aautoregressive model 653 $adados em painel 653 $aMCMC algorithm 653 $amodelo auto-regressivo 653 $apanel data 700 1 $aSÁFADI, T. 700 1 $aMUNIZ, J. A. 700 1 $aAQUINO, L. H. de 700 1 $aMOURÃO, G. B. 773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 43, n. 1, p. 37-45, jan. 2008
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|