|
|
| Acesso ao texto completo restrito à biblioteca da Embrapa Agroenergia. Para informações adicionais entre em contato com cnpae.biblioteca@embrapa.br. |
Registro Completo |
Biblioteca(s): |
Embrapa Agroenergia; Embrapa Florestas; Embrapa Recursos Genéticos e Biotecnologia. |
Data corrente: |
06/10/2021 |
Data da última atualização: |
10/12/2021 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Autoria: |
PELÁEZ, R. D. R.; WISCHRAL, D.; MENDES, T. D.; PACHECO, T. F.; URBEN, A. F.; HELM, C. V.; MENDONCA, S.; BALAN, V.; SIQUEIRA, F. G. de. |
Afiliação: |
RUBÉN DARÍO ROMERO PELÁEZ, UFT; DAIANA WISCHRAL; THAIS DEMARCHI MENDES, CNPAE; THALYTA FRAGA PACHECO, CNPAE; ARAILDE FONTES URBEN, Cenargen; CRISTIANE VIEIRA HELM, CNPF; SIMONE MENDONCA, CNPAE; VENKATESH BALAN, University of Houston, United States; FELIX GONCALVES DE SIQUEIRA, CNPAE. |
Título: |
Co-culturing of micro- and macro-fungi for producing highly active enzyme cocktail for producing biofuels. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
Bioresource Technology Reports, v. 16, 100833, Dec. 2021. 8 p. |
DOI: |
https://doi.org/10.1016/j.biteb.2021.100833 |
Idioma: |
Inglês |
Conteúdo: |
Abstract: Mesocarp fiber (MF) and oil palm decanter cake (OPDC) are inexpensive substrates from oil palm refineries with potential to reduce fungal enzyme costs. This work demonstrated the producing enzymes method from mono- and co-cultures of micro- and macro-fungi cultured in MF or OPDC. Macrofungal species evaluated include Panus lecomtei, Trametes versicolor, Schizophyllum commune, Coprinus sp., Chrysosporium lucknowense, and Laetisaria arvalis. Secreted enzyme activities from individually cultured macrofungal strains were compared with Trichoderma reesei enzymes. Fungi co-culturing were evaluated in plates and submerged fermentation. Enzyme cocktail produced by co-culturing T. reesei and P. lecomtei exhibited higher laccase, peroxidases, hemicellulase and cellulase activities. Pretreated sugarcane bagasse (PSB) saccharification, with co-cultured enzyme cocktail, produced 12.3 g.L?1 of glucose, which was 44.7% higher when compared with T. reesei that produced 8.5 g.L?1. This work is the first to report co-culturing fungi to produce superior enzymes cocktail from OPDC that will benefit future lignocellulosic biorefinery. |
Palavras-Chave: |
Biomass saccharification; Co-cultures; Oil palm decanter cake; Panus lecomtei; T reesei. |
Categoria do assunto: |
-- X Pesquisa, Tecnologia e Engenharia |
Marc: |
LEADER 02026naa a2200289 a 4500 001 2137474 005 2021-12-10 008 2021 bl uuuu u00u1 u #d 024 7 $ahttps://doi.org/10.1016/j.biteb.2021.100833$2DOI 100 1 $aPELÁEZ, R. D. R. 245 $aCo-culturing of micro- and macro-fungi for producing highly active enzyme cocktail for producing biofuels.$h[electronic resource] 260 $c2021 520 $aAbstract: Mesocarp fiber (MF) and oil palm decanter cake (OPDC) are inexpensive substrates from oil palm refineries with potential to reduce fungal enzyme costs. This work demonstrated the producing enzymes method from mono- and co-cultures of micro- and macro-fungi cultured in MF or OPDC. Macrofungal species evaluated include Panus lecomtei, Trametes versicolor, Schizophyllum commune, Coprinus sp., Chrysosporium lucknowense, and Laetisaria arvalis. Secreted enzyme activities from individually cultured macrofungal strains were compared with Trichoderma reesei enzymes. Fungi co-culturing were evaluated in plates and submerged fermentation. Enzyme cocktail produced by co-culturing T. reesei and P. lecomtei exhibited higher laccase, peroxidases, hemicellulase and cellulase activities. Pretreated sugarcane bagasse (PSB) saccharification, with co-cultured enzyme cocktail, produced 12.3 g.L?1 of glucose, which was 44.7% higher when compared with T. reesei that produced 8.5 g.L?1. This work is the first to report co-culturing fungi to produce superior enzymes cocktail from OPDC that will benefit future lignocellulosic biorefinery. 653 $aBiomass saccharification 653 $aCo-cultures 653 $aOil palm decanter cake 653 $aPanus lecomtei 653 $aT reesei 700 1 $aWISCHRAL, D. 700 1 $aMENDES, T. D. 700 1 $aPACHECO, T. F. 700 1 $aURBEN, A. F. 700 1 $aHELM, C. V. 700 1 $aMENDONCA, S. 700 1 $aBALAN, V. 700 1 $aSIQUEIRA, F. G. de 773 $tBioresource Technology Reports$gv. 16, 100833, Dec. 2021. 8 p.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agroenergia (CNPAE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Solos. |
Data corrente: |
08/11/2021 |
Data da última atualização: |
08/11/2021 |
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
Autoria: |
KUCHLER, P. C.; SIMÕES, M.; BÉGUÉ, A.; FERRAZ, R. P. D.; ARVOR, D. |
Afiliação: |
PATRICK CALVANO KUTCHLER, UERJ; MARGARETH GONCALVES SIMOES, CNPS; AGNÈS BÉGUÉ, CIRAD; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; DAMIEN ARVOR, CNRS, France. |
Título: |
Big Earth Observation Data e aprendizado de máquina para mapeamento da agricultura sustentável no Brasil. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
In: REDIN, E. (org.). Ciências rurais em foco. Belo Horizonte: Poisson, 2021. v. 4, cap. 4, p. 24-30. |
DOI: |
http://doi.org/10.36229/978-65-5866-079-8.CAP.04 |
Idioma: |
Português |
Conteúdo: |
A implementação do iLP, ou seja, a diversificação, rotação, consorcio e/ou sucessão das atividades agrícolas e de pecuária na mesma área formando um único sistema, é considerada uma importante estratégia de intensificação agrícola sustentável para brasil, com diversos impactos positivos com destaque na conservação do solo e rentabilidade e viabilidade econômica. O acompanhamento da implantação desta iniciativa é fundamental como instrumento de gestão pública, porém ainda é um desafio. Nesta direção, este trabalho discute a aplicação dos conceitos de BIG DATA e aprendizado de máquina para o sensoriamento remoto. Como teste foi utilizado o classificador Random Forest (RF) aplicado a séries temporais MODIS para analisar a capacidade de detecção de certos iLPs. Para isso, avaliamos a precisão do RF aplicado ao NDVI do MODIS para os anos de 2012 a 2016 em uma área no norte do mato grosso. Dois modelos foram testados: (i) usando 11 métricas fenológicas derivadas do MODIS (ii) usando as métricas e os dados originais. O índice kappa para (i) foi de 0,63, sendo 9 deles com potencial discriminatório; o resultado de (ii) foi de 0,84, onde somente 01 métrica foi significativa para discriminação. Nossos resultados indicam que o uso da técnica de classificação RF com dados MODIS tem grande potencial para compor uma metodologia de monitoramento do iLP, sendo o grande desafio o tratamento das SITS em larga escala, necessitando em termos de arquitetura de sistemas processamento paralelo em nuvem, tecnologia esta, cada vez mais disponível. MenosA implementação do iLP, ou seja, a diversificação, rotação, consorcio e/ou sucessão das atividades agrícolas e de pecuária na mesma área formando um único sistema, é considerada uma importante estratégia de intensificação agrícola sustentável para brasil, com diversos impactos positivos com destaque na conservação do solo e rentabilidade e viabilidade econômica. O acompanhamento da implantação desta iniciativa é fundamental como instrumento de gestão pública, porém ainda é um desafio. Nesta direção, este trabalho discute a aplicação dos conceitos de BIG DATA e aprendizado de máquina para o sensoriamento remoto. Como teste foi utilizado o classificador Random Forest (RF) aplicado a séries temporais MODIS para analisar a capacidade de detecção de certos iLPs. Para isso, avaliamos a precisão do RF aplicado ao NDVI do MODIS para os anos de 2012 a 2016 em uma área no norte do mato grosso. Dois modelos foram testados: (i) usando 11 métricas fenológicas derivadas do MODIS (ii) usando as métricas e os dados originais. O índice kappa para (i) foi de 0,63, sendo 9 deles com potencial discriminatório; o resultado de (ii) foi de 0,84, onde somente 01 métrica foi significativa para discriminação. Nossos resultados indicam que o uso da técnica de classificação RF com dados MODIS tem grande potencial para compor uma metodologia de monitoramento do iLP, sendo o grande desafio o tratamento das SITS em larga escala, necessitando em termos de arquitetura de sistemas processamento paralelo em n... Mostrar Tudo |
Palavras-Chave: |
Aprendizado de máquina; Big Earth Observation Data; Mato Grosso; Random forest; Séries temporais; Sistemas integrados. |
Thesagro: |
Sensoriamento Remoto. |
Thesaurus NAL: |
Remote sensing. |
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/227468/1/Big-Earth-Observation-Data-e-aprendizado-de-maquina-2021.pdf
|
Marc: |
LEADER 02518naa a2200277 a 4500 001 2135867 005 2021-11-08 008 2021 bl uuuu u00u1 u #d 024 7 $ahttp://doi.org/10.36229/978-65-5866-079-8.CAP.04$2DOI 100 1 $aKUCHLER, P. C. 245 $aBig Earth Observation Data e aprendizado de máquina para mapeamento da agricultura sustentável no Brasil.$h[electronic resource] 260 $c2021 520 $aA implementação do iLP, ou seja, a diversificação, rotação, consorcio e/ou sucessão das atividades agrícolas e de pecuária na mesma área formando um único sistema, é considerada uma importante estratégia de intensificação agrícola sustentável para brasil, com diversos impactos positivos com destaque na conservação do solo e rentabilidade e viabilidade econômica. O acompanhamento da implantação desta iniciativa é fundamental como instrumento de gestão pública, porém ainda é um desafio. Nesta direção, este trabalho discute a aplicação dos conceitos de BIG DATA e aprendizado de máquina para o sensoriamento remoto. Como teste foi utilizado o classificador Random Forest (RF) aplicado a séries temporais MODIS para analisar a capacidade de detecção de certos iLPs. Para isso, avaliamos a precisão do RF aplicado ao NDVI do MODIS para os anos de 2012 a 2016 em uma área no norte do mato grosso. Dois modelos foram testados: (i) usando 11 métricas fenológicas derivadas do MODIS (ii) usando as métricas e os dados originais. O índice kappa para (i) foi de 0,63, sendo 9 deles com potencial discriminatório; o resultado de (ii) foi de 0,84, onde somente 01 métrica foi significativa para discriminação. Nossos resultados indicam que o uso da técnica de classificação RF com dados MODIS tem grande potencial para compor uma metodologia de monitoramento do iLP, sendo o grande desafio o tratamento das SITS em larga escala, necessitando em termos de arquitetura de sistemas processamento paralelo em nuvem, tecnologia esta, cada vez mais disponível. 650 $aRemote sensing 650 $aSensoriamento Remoto 653 $aAprendizado de máquina 653 $aBig Earth Observation Data 653 $aMato Grosso 653 $aRandom forest 653 $aSéries temporais 653 $aSistemas integrados 700 1 $aSIMÕES, M. 700 1 $aBÉGUÉ, A. 700 1 $aFERRAZ, R. P. D. 700 1 $aARVOR, D. 773 $tIn: REDIN, E. (org.). Ciências rurais em foco. Belo Horizonte: Poisson, 2021.$gv. 4, cap. 4, p. 24-30.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Solos (CNPS) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|