|
|
Registro Completo |
Biblioteca(s): |
Embrapa Florestas. |
Data corrente: |
01/09/2008 |
Data da última atualização: |
04/11/2015 |
Autoria: |
NASCIMENTO, D. F. do; LELES, P. S. dos S.; OLIVEIRA NETO, S. N. de; ALONSO, J. M. |
Título: |
Crescimento de copa de cinco espécies florestais nativas plantadas em diferentes espaçamentos em projeto de recomposição florestal. |
Ano de publicação: |
2008 |
Fonte/Imprenta: |
In: SEMINÁRIO NACIONAL SOBRE DINÂMICAS DE FLORESTAS, 1., 2008, Curitiba. Anais. Colombo: Embrapa Florestas, 2008. |
Descrição Física: |
1 CD-ROM. |
ISBN: |
978-85-89281-22-5 |
Idioma: |
Português |
Notas: |
Resumo 18. |
Conteúdo: |
Para avaliar o sucesso da recomposição florestal, destaca-se o crescimento das plantas, com base no diâmetro, altura e área de copa. Normalmente, as espécies que têm capacidade de produzir maior área de copa proporcionam, maior recobrimento do solo, diminuindo os efeitos negativos dos impactos das gotas de chuva diretamente sobre o solo e maior deposição de serapilheira, proporcionando assim melhores condições edáficas locais. Este trabalho teve como objetivo verificar a influência do espaçamento de plantio na área de copa de cinco espécies florestais nativas da flora brasileira, aos 22 meses de idade, em plantios de recomposição florestal, na Bacia do Rio Guandu, do Estado do Rio de Janeiro. O trabalho foi desenvolvido em área da Usina Termoelétrica Barbosa Lima Sobrinho, Município de Seropédica, RJ. O experimento foi instalado, entre outubro e dezembro de 2004. Foram utilizadas 48 espécies arbóreas, estabelecidas nos espaçamentos 1,0 m x 0,5 m; 1,0 m x 1,0 m; 1,5 m x 1,0 m; 1,5 m x 1,5 m; 2,0 m x 1,5 m; 2,0 m x 2,0 m e 3,0 m x 2,0 m, os quais constituem os tratamentos. Para cada
espaçamento foi utilizado uma área de plantio de 3.300 m2. Aos 22 meses após plantio, avaliou-se a largura da copa nos sentidos longitudinal (L) e transversal (l) à linha de plantio, de dez plantas por espaçamento, de Anadenanthera macrocarpa Benth. Brenan (angico vermelho), Schinus terebinthifolius Raddi (aroeira pimenteira), Chorisia speciosa St. Hill (paineira), Cordia superba Cham. (babosa branca) e Inga marginata (ingá), e calculou-se a área de copa pela fórmula A = ((L+l) / 4)² x p. Em geral, as espécies apresentaram valores médios de área de copa significativamente superiores nos espaçamentos mais amplos (2 m x 2 m e 3 m x 2 m), e significativamente inferior nos espaçamentos mais fechados (1,0 m x 0,5 m e 1,0 m x 1,0 m), com destaque para angico vermelho, paineira e babosa branca, que apresentaram maior área de copa em todos os espaçamentos. MenosPara avaliar o sucesso da recomposição florestal, destaca-se o crescimento das plantas, com base no diâmetro, altura e área de copa. Normalmente, as espécies que têm capacidade de produzir maior área de copa proporcionam, maior recobrimento do solo, diminuindo os efeitos negativos dos impactos das gotas de chuva diretamente sobre o solo e maior deposição de serapilheira, proporcionando assim melhores condições edáficas locais. Este trabalho teve como objetivo verificar a influência do espaçamento de plantio na área de copa de cinco espécies florestais nativas da flora brasileira, aos 22 meses de idade, em plantios de recomposição florestal, na Bacia do Rio Guandu, do Estado do Rio de Janeiro. O trabalho foi desenvolvido em área da Usina Termoelétrica Barbosa Lima Sobrinho, Município de Seropédica, RJ. O experimento foi instalado, entre outubro e dezembro de 2004. Foram utilizadas 48 espécies arbóreas, estabelecidas nos espaçamentos 1,0 m x 0,5 m; 1,0 m x 1,0 m; 1,5 m x 1,0 m; 1,5 m x 1,5 m; 2,0 m x 1,5 m; 2,0 m x 2,0 m e 3,0 m x 2,0 m, os quais constituem os tratamentos. Para cada
espaçamento foi utilizado uma área de plantio de 3.300 m2. Aos 22 meses após plantio, avaliou-se a largura da copa nos sentidos longitudinal (L) e transversal (l) à linha de plantio, de dez plantas por espaçamento, de Anadenanthera macrocarpa Benth. Brenan (angico vermelho), Schinus terebinthifolius Raddi (aroeira pimenteira), Chorisia speciosa St. Hill (paineira), Cordia superba Cham. (babosa bran... Mostrar Tudo |
Palavras-Chave: |
Recomposição florestal. |
Thesagro: |
Crescimento. |
Categoria do assunto: |
-- |
Marc: |
LEADER 02742naa a2200217 a 4500 001 1314662 005 2015-11-04 008 2008 bl uuuu u00u1 u #d 020 $a978-85-89281-22-5 100 1 $aNASCIMENTO, D. F. do 245 $aCrescimento de copa de cinco espécies florestais nativas plantadas em diferentes espaçamentos em projeto de recomposição florestal. 260 $c2008 300 $c1 CD-ROM. 500 $aResumo 18. 520 $aPara avaliar o sucesso da recomposição florestal, destaca-se o crescimento das plantas, com base no diâmetro, altura e área de copa. Normalmente, as espécies que têm capacidade de produzir maior área de copa proporcionam, maior recobrimento do solo, diminuindo os efeitos negativos dos impactos das gotas de chuva diretamente sobre o solo e maior deposição de serapilheira, proporcionando assim melhores condições edáficas locais. Este trabalho teve como objetivo verificar a influência do espaçamento de plantio na área de copa de cinco espécies florestais nativas da flora brasileira, aos 22 meses de idade, em plantios de recomposição florestal, na Bacia do Rio Guandu, do Estado do Rio de Janeiro. O trabalho foi desenvolvido em área da Usina Termoelétrica Barbosa Lima Sobrinho, Município de Seropédica, RJ. O experimento foi instalado, entre outubro e dezembro de 2004. Foram utilizadas 48 espécies arbóreas, estabelecidas nos espaçamentos 1,0 m x 0,5 m; 1,0 m x 1,0 m; 1,5 m x 1,0 m; 1,5 m x 1,5 m; 2,0 m x 1,5 m; 2,0 m x 2,0 m e 3,0 m x 2,0 m, os quais constituem os tratamentos. Para cada espaçamento foi utilizado uma área de plantio de 3.300 m2. Aos 22 meses após plantio, avaliou-se a largura da copa nos sentidos longitudinal (L) e transversal (l) à linha de plantio, de dez plantas por espaçamento, de Anadenanthera macrocarpa Benth. Brenan (angico vermelho), Schinus terebinthifolius Raddi (aroeira pimenteira), Chorisia speciosa St. Hill (paineira), Cordia superba Cham. (babosa branca) e Inga marginata (ingá), e calculou-se a área de copa pela fórmula A = ((L+l) / 4)² x p. Em geral, as espécies apresentaram valores médios de área de copa significativamente superiores nos espaçamentos mais amplos (2 m x 2 m e 3 m x 2 m), e significativamente inferior nos espaçamentos mais fechados (1,0 m x 0,5 m e 1,0 m x 1,0 m), com destaque para angico vermelho, paineira e babosa branca, que apresentaram maior área de copa em todos os espaçamentos. 650 $aCrescimento 653 $aRecomposição florestal 700 1 $aLELES, P. S. dos S. 700 1 $aOLIVEIRA NETO, S. N. de 700 1 $aALONSO, J. M. 773 $tIn: SEMINÁRIO NACIONAL SOBRE DINÂMICAS DE FLORESTAS, 1., 2008, Curitiba. Anais. Colombo: Embrapa Florestas, 2008.
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 Unidades Centrais. |
Data corrente: |
29/07/2022 |
Data da última atualização: |
01/02/2024 |
Autoria: |
POHLOD. C. D.; WIGGERS, K. L.; ORLOVSKI; FERREIRA, R.; SANTOS, T. A.; LOPES, W. N. |
Afiliação: |
CARLOS DANIEL POHLOD, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE; KELLY LAIS WIGGERS, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE; REGIANE ORLOVSKI, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE; RODRIGO FERREIRA, FUNDAÇÃO AGRÁRIA DE PESQUISA AGROPECUÁRIA; THAIS AMANDA SANTOS, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE; WILLIAM NAHIRNEI LOPES, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE. |
Título: |
Mapeamento sistemático de detecção e contagem de plantas em imagens agrícolas usando aprendizagem de máquina: proposta de modelagem para desenvolvimento de sistema. |
Ano de publicação: |
2022 |
Fonte/Imprenta: |
Cadernos de Ciência & Tecnologia, v. 39, n. 2, e26950, 2022. |
DOI: |
http://dx.doi.org/10.35977/0104-1096.cct2022.v39.26950 |
Idioma: |
Português |
Notas: |
Título em inglês: Systematic mapping of plant detection and counting in agricultural images using machine learning ? modeling proposal for system
development. |
Conteúdo: |
RESUMO - A busca por produção de alimentos em grande escala continua sendo uma preocupação mundial. Nesse aspecto, realizada a detecção e contagem de plantas, estimar produção é uma área que está sendo explorada por técnicas de aprendizagem de máquina. Diante disso, este artigo tem como objetivo realizar um mapeamento bibliográfico das abordagens de aprendizagem de máquina aplicadas na estimativa de detecção e contagem de plantas. Com esse mapeamento, pretende-se avaliar se existem similaridades entre cultivos e técnicas escolhidas pelos autores e, dessa forma, propor uma modelagem para estudos futuros com imagens capturadas por VANTs. Para alcançar o objetivo proposto, foi aplicada uma string de busca em bases de dados e foram filtrados os resultados. Nesse mapeamento, 18 artigos foram relatados. Os resultados mostraram que o estado da arte indica que, modelos de Rede Neural Artificial (RNA), com destaque em Redes Neurais Convolucionais, estão sendo amplamente utilizados na contagem/estimativa de produção. ABSTRACT - The search for large-scale food production continues to be a global concern. In this regard, when detecting and counting plants, estimating production is an area that is explored by machine learning techniques. Given the above, this article aims to carry out a bibliographic mapping of machine learning approaches applied to plant detection and counting estimation. With this mapping, it was intended to evaluate if there are similarities between crops and techniques chosen by the authors and, in this way, to propose a model for future studies with images captured by UAVs. To achieve the proposed objective, a search string was applied to databases and the results were filtered. In this mapping, 18 papers were reported. The results showed that the state of the art indicates that Artificial Neural Network (ANN) models, mainly Convolutional Neural Networks (CNN), are being widely used in production counting/estimation. MenosRESUMO - A busca por produção de alimentos em grande escala continua sendo uma preocupação mundial. Nesse aspecto, realizada a detecção e contagem de plantas, estimar produção é uma área que está sendo explorada por técnicas de aprendizagem de máquina. Diante disso, este artigo tem como objetivo realizar um mapeamento bibliográfico das abordagens de aprendizagem de máquina aplicadas na estimativa de detecção e contagem de plantas. Com esse mapeamento, pretende-se avaliar se existem similaridades entre cultivos e técnicas escolhidas pelos autores e, dessa forma, propor uma modelagem para estudos futuros com imagens capturadas por VANTs. Para alcançar o objetivo proposto, foi aplicada uma string de busca em bases de dados e foram filtrados os resultados. Nesse mapeamento, 18 artigos foram relatados. Os resultados mostraram que o estado da arte indica que, modelos de Rede Neural Artificial (RNA), com destaque em Redes Neurais Convolucionais, estão sendo amplamente utilizados na contagem/estimativa de produção. ABSTRACT - The search for large-scale food production continues to be a global concern. In this regard, when detecting and counting plants, estimating production is an area that is explored by machine learning techniques. Given the above, this article aims to carry out a bibliographic mapping of machine learning approaches applied to plant detection and counting estimation. With this mapping, it was intended to evaluate if there are similarities between crops and techniqu... Mostrar Tudo |
Thesagro: |
Agricultura; Base de Dados; Setor Agrícola; Tecnologia Agrícola. |
Thesaurus NAL: |
Agriculture; Technology. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1145057/1/Mapeamento-sistematico-deteccao-2022.pdf
|
Marc: |
LEADER 03037naa a2200277 a 4500 001 2145057 005 2024-02-01 008 2022 bl uuuu u00u1 u #d 024 7 $ahttp://dx.doi.org/10.35977/0104-1096.cct2022.v39.26950$2DOI 100 1 $aPOHLOD. C. D. 245 $aMapeamento sistemático de detecção e contagem de plantas em imagens agrícolas usando aprendizagem de máquina$bproposta de modelagem para desenvolvimento de sistema.$h[electronic resource] 260 $c2022 500 $aTítulo em inglês: Systematic mapping of plant detection and counting in agricultural images using machine learning ? modeling proposal for system development. 520 $aRESUMO - A busca por produção de alimentos em grande escala continua sendo uma preocupação mundial. Nesse aspecto, realizada a detecção e contagem de plantas, estimar produção é uma área que está sendo explorada por técnicas de aprendizagem de máquina. Diante disso, este artigo tem como objetivo realizar um mapeamento bibliográfico das abordagens de aprendizagem de máquina aplicadas na estimativa de detecção e contagem de plantas. Com esse mapeamento, pretende-se avaliar se existem similaridades entre cultivos e técnicas escolhidas pelos autores e, dessa forma, propor uma modelagem para estudos futuros com imagens capturadas por VANTs. Para alcançar o objetivo proposto, foi aplicada uma string de busca em bases de dados e foram filtrados os resultados. Nesse mapeamento, 18 artigos foram relatados. Os resultados mostraram que o estado da arte indica que, modelos de Rede Neural Artificial (RNA), com destaque em Redes Neurais Convolucionais, estão sendo amplamente utilizados na contagem/estimativa de produção. ABSTRACT - The search for large-scale food production continues to be a global concern. In this regard, when detecting and counting plants, estimating production is an area that is explored by machine learning techniques. Given the above, this article aims to carry out a bibliographic mapping of machine learning approaches applied to plant detection and counting estimation. With this mapping, it was intended to evaluate if there are similarities between crops and techniques chosen by the authors and, in this way, to propose a model for future studies with images captured by UAVs. To achieve the proposed objective, a search string was applied to databases and the results were filtered. In this mapping, 18 papers were reported. The results showed that the state of the art indicates that Artificial Neural Network (ANN) models, mainly Convolutional Neural Networks (CNN), are being widely used in production counting/estimation. 650 $aAgriculture 650 $aTechnology 650 $aAgricultura 650 $aBase de Dados 650 $aSetor Agrícola 650 $aTecnologia Agrícola 700 1 $aWIGGERS, K. L. 700 1 $aORLOVSKI 700 1 $aFERREIRA, R. 700 1 $aSANTOS, T. A. 700 1 $aLOPES, W. N. 773 $tCadernos de Ciência & Tecnologia$gv. 39, n. 2, e26950, 2022.
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. |
|
|