| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Acre. |
|
Data corrente: |
23/04/2021 |
|
Data da última atualização: |
16/02/2023 |
|
Tipo da produção científica: |
Documentos |
|
Autoria: |
FIGUEIREDO, E. O.; MELO JUNIOR, A. de; OLIVEIRA, L. C. de; OLIVEIRA, M. V. N. d'; FIGUEIREDO, S. M. de M.; SILVA. E. F. da; PAPA, D. de A.; SANTOS, E. K. M. dos; GOMEZ GUILLEN, M.; VERÁS, H. F. P.; GONÇALVES, R. J. F.; DUARTE, A. N. F. |
|
Afiliação: |
EVANDRO ORFANO FIGUEIREDO, CPAF-AC; ARNALDO DE MELO JUNIOR, UNIVERSIDADE FEDERAL DO ACRE; LUIS CLAUDIO DE OLIVEIRA, CPAF-AC; MARCUS VINICIO NEVES D OLIVEIRA, CPAF-AC; SYMONE MARIA DE MELO FIGUEIREDO, UNIVERSIDADE FEDERAL DO ACRE; EVANDRO FERREIRA DA SILVA, UNIVERSIDADE FEDERAL DO PIAUI; DANIEL DE ALMEIDA PAPA, CPAF-AC; ERICA KEROLAINE MENDONÇA DOS SANTOS, UNIVERSIDADE FEDERAL DO ACRE; MELBIN GOMEZ GUILLEN, UNIVERSIDADE FEDERAL DO ACRE; HUDSON FRANKLIN PESSOA VERÁS, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO ACRE; ROBERTO JESUS FABBROCINI GONÇALVES; ARTHUR NETO FIDELIS DUARTE, UNIVERSIDADE FEDERAL DO ACRE. |
|
Título: |
Manejo florestal 4.0 - passos para emprego de aeronaves remotamente pilotadas (drones) no planejamento florestal em nativas. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Rio Branco, AC: Embrapa Acre, 2020. |
|
Páginas: |
46 p. |
|
Série: |
(Embrapa Acre. Documentos, 169). |
|
ISSN: |
0104-9046 |
|
Idioma: |
Português |
|
Notas: |
Selo ODS 15. |
|
Conteúdo: |
Este estudo demonstra a viabilidade da fotogrametria digital com emprego das RPAs no planejamento e monitoramento florestal, apresentando as etapas necessárias a um inventário florestal semiautomatizado e os avanços na estimativa do DAP, área basal e volume do fuste. Esta publicação está de acordo com o Objetivo de Desenvolvimento Sustentável 15 (Vida Terrestre) que busca proteger, recuperar e promover o uso sustentável dos ecossistemas terrestres, gerir de forma sustentável as florestas, combater a desertificação, deter e reverter a degradação da terra e deter a perda de biodiversidade. Os Objetivos de Desenvolvimento Sustentável (ODS) são uma coleção de 17 metas globais estabelecidas pela Assembleia Geral das Nações Unidas. |
|
Palavras-Chave: |
Aeronave remotamente pilotada (ARP); Drone; Fotografía aérea; Geotecnologias; Inventario forestal; Manejo florestal; Manejo forestal; Selo ODS 15; Vehículos aéreos no tripulados. |
|
Thesagro: |
Aerofotogrametria; Inventário Florestal; Planejamento Florestal. |
|
Thesaurus Nal: |
Aerial photography; Forest inventory; Forest management; Unmanned aerial vehicles. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/222837/1/27123.pdf
|
|
Marc: |
LEADER 02226nam a2200481 a 4500
001 2131488
005 2023-02-16
008 2020 bl uuuu u0uu1 u #d
022 $a0104-9046
100 1 $aFIGUEIREDO, E. O.
245 $aManejo florestal 4.0 - passos para emprego de aeronaves remotamente pilotadas (drones) no planejamento florestal em nativas.$h[electronic resource]
260 $aRio Branco, AC: Embrapa Acre$c2020
300 $a46 p.
490 $a(Embrapa Acre. Documentos, 169).
500 $aSelo ODS 15.
520 $aEste estudo demonstra a viabilidade da fotogrametria digital com emprego das RPAs no planejamento e monitoramento florestal, apresentando as etapas necessárias a um inventário florestal semiautomatizado e os avanços na estimativa do DAP, área basal e volume do fuste. Esta publicação está de acordo com o Objetivo de Desenvolvimento Sustentável 15 (Vida Terrestre) que busca proteger, recuperar e promover o uso sustentável dos ecossistemas terrestres, gerir de forma sustentável as florestas, combater a desertificação, deter e reverter a degradação da terra e deter a perda de biodiversidade. Os Objetivos de Desenvolvimento Sustentável (ODS) são uma coleção de 17 metas globais estabelecidas pela Assembleia Geral das Nações Unidas.
650 $aAerial photography
650 $aForest inventory
650 $aForest management
650 $aUnmanned aerial vehicles
650 $aAerofotogrametria
650 $aInventário Florestal
650 $aPlanejamento Florestal
653 $aAeronave remotamente pilotada (ARP)
653 $aDrone
653 $aFotografía aérea
653 $aGeotecnologias
653 $aInventario forestal
653 $aManejo florestal
653 $aManejo forestal
653 $aSelo ODS 15
653 $aVehículos aéreos no tripulados
700 1 $aMELO JUNIOR, A. de
700 1 $aOLIVEIRA, L. C. de
700 1 $aOLIVEIRA, M. V. N. d'
700 1 $aFIGUEIREDO, S. M. de M.
700 1 $aSILVA. E. F. da
700 1 $aPAPA, D. de A.
700 1 $aSANTOS, E. K. M. dos
700 1 $aGOMEZ GUILLEN, M.
700 1 $aVERÁS, H. F. P.
700 1 $aGONÇALVES, R. J. F.
700 1 $aDUARTE, A. N. F.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Acre (CPAF-AC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Arroz e Feijão; Embrapa Cerrados. |
|
Data corrente: |
05/05/2021 |
|
Data da última atualização: |
14/05/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
LOPES, F. B.; MAGNABOSCO, C. de U.; PASSAFARO, T. L.; BRUNES, L. C.; COSTA, M. F. O. e; EIFERT, E. da C.; NARCISO, M. G.; ROSA, G. J. M.; LOBO, R. B.; BALDI, F. |
|
Afiliação: |
CLAUDIO DE ULHOA MAGNABOSCO, CPAC; MARCOS FERNANDO OLIVEIRA E COSTA, CNPAF; EDUARDO DA COSTA EIFERT, CPAC; MARCELO GONCALVES NARCISO, CNPAF. |
|
Título: |
Improving genomic prediction accuracy for meat tenderness in Nellore cattle using artificial neural networks. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Journal of Animal Breeding and Genetics, v. 137, n. 5, 2020. |
|
Páginas: |
p. 438-448 |
|
Idioma: |
Inglês |
|
Conteúdo: |
The goal of this study was to compare the predictive performance of artificial neural networks (ANNs) with Bayesian ridge regression, Bayesian Lasso, Bayes A, Bayes B and Bayes Cπ in estimating genomic breeding values for meat tenderness in Nellore cattle. The animals were genotyped with the Illumina Bovine HD Bead Chip (HD, 777K from 90 samples) and the GeneSeek Genomic Profiler (GGP Indicus HD, 77K from 485 samples). The quality control for the genotypes was applied on each Chip and comprised removal of SNPs located on non‐autosomal chromosomes, with minor allele frequency <5%, deviation from HWE (p < 10?6), and with linkage disequilibrium >0.8. The FImpute program was used for genotype imputation. Pedigree‐based analyses indicated that meat tenderness is moderately heritable (0.35), indicating that it can be improved by direct selection. Prediction accuracies were very similar across the Bayesian regression models, ranging from 0.20 (Bayes A) to 0.22 (Bayes B) and 0.14 (Bayes Cπ) to 0.19 (Bayes A) for the additive and dominance effects, respectively. ANN achieved the highest accuracy (0.33) of genomic prediction of genetic merit. Even though deep neural networks are recognized to deliver more accurate predictions, in our study ANN with one single hidden layer, 105 neurons and rectified linear unit (ReLU) activation function was sufficient to increase the prediction of genetic merit for meat tenderness. These results indicate that an ANN with relatively simple architecture can provide superior genomic predictions for meat tenderness in Nellore cattle MenosThe goal of this study was to compare the predictive performance of artificial neural networks (ANNs) with Bayesian ridge regression, Bayesian Lasso, Bayes A, Bayes B and Bayes Cπ in estimating genomic breeding values for meat tenderness in Nellore cattle. The animals were genotyped with the Illumina Bovine HD Bead Chip (HD, 777K from 90 samples) and the GeneSeek Genomic Profiler (GGP Indicus HD, 77K from 485 samples). The quality control for the genotypes was applied on each Chip and comprised removal of SNPs located on non‐autosomal chromosomes, with minor allele frequency <5%, deviation from HWE (p < 10?6), and with linkage disequilibrium >0.8. The FImpute program was used for genotype imputation. Pedigree‐based analyses indicated that meat tenderness is moderately heritable (0.35), indicating that it can be improved by direct selection. Prediction accuracies were very similar across the Bayesian regression models, ranging from 0.20 (Bayes A) to 0.22 (Bayes B) and 0.14 (Bayes Cπ) to 0.19 (Bayes A) for the additive and dominance effects, respectively. ANN achieved the highest accuracy (0.33) of genomic prediction of genetic merit. Even though deep neural networks are recognized to deliver more accurate predictions, in our study ANN with one single hidden layer, 105 neurons and rectified linear unit (ReLU) activation function was sufficient to increase the prediction of genetic merit for meat tenderness. These results indicate that an ANN with relative... Mostrar Tudo |
|
Palavras-Chave: |
Bayesian regression models; Carne macia; Deep learning; Genomic selection; Maciez da carne. |
|
Thesagro: |
Carne; Gado de Corte; Genética Animal; Seleção Genética. |
|
Thesaurus NAL: |
Animal breeding; Zebu. |
|
Categoria do assunto: |
--
L Ciência Animal e Produtos de Origem Animal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/223045/1/Magnabosco-Improving-genomic-prediction-accuracy-for-meat-tenderness-in.pdf
|
|
Marc: |
LEADER 02672naa a2200373 a 4500
001 2131678
005 2021-05-14
008 2020 bl uuuu u00u1 u #d
100 1 $aLOPES, F. B.
245 $aImproving genomic prediction accuracy for meat tenderness in Nellore cattle using artificial neural networks.$h[electronic resource]
260 $c2020
300 $ap. 438-448
520 $aThe goal of this study was to compare the predictive performance of artificial neural networks (ANNs) with Bayesian ridge regression, Bayesian Lasso, Bayes A, Bayes B and Bayes Cπ in estimating genomic breeding values for meat tenderness in Nellore cattle. The animals were genotyped with the Illumina Bovine HD Bead Chip (HD, 777K from 90 samples) and the GeneSeek Genomic Profiler (GGP Indicus HD, 77K from 485 samples). The quality control for the genotypes was applied on each Chip and comprised removal of SNPs located on non‐autosomal chromosomes, with minor allele frequency <5%, deviation from HWE (p < 10?6), and with linkage disequilibrium >0.8. The FImpute program was used for genotype imputation. Pedigree‐based analyses indicated that meat tenderness is moderately heritable (0.35), indicating that it can be improved by direct selection. Prediction accuracies were very similar across the Bayesian regression models, ranging from 0.20 (Bayes A) to 0.22 (Bayes B) and 0.14 (Bayes Cπ) to 0.19 (Bayes A) for the additive and dominance effects, respectively. ANN achieved the highest accuracy (0.33) of genomic prediction of genetic merit. Even though deep neural networks are recognized to deliver more accurate predictions, in our study ANN with one single hidden layer, 105 neurons and rectified linear unit (ReLU) activation function was sufficient to increase the prediction of genetic merit for meat tenderness. These results indicate that an ANN with relatively simple architecture can provide superior genomic predictions for meat tenderness in Nellore cattle
650 $aAnimal breeding
650 $aZebu
650 $aCarne
650 $aGado de Corte
650 $aGenética Animal
650 $aSeleção Genética
653 $aBayesian regression models
653 $aCarne macia
653 $aDeep learning
653 $aGenomic selection
653 $aMaciez da carne
700 1 $aMAGNABOSCO, C. de U.
700 1 $aPASSAFARO, T. L.
700 1 $aBRUNES, L. C.
700 1 $aCOSTA, M. F. O. e
700 1 $aEIFERT, E. da C.
700 1 $aNARCISO, M. G.
700 1 $aROSA, G. J. M.
700 1 $aLOBO, R. B.
700 1 $aBALDI, F.
773 $tJournal of Animal Breeding and Genetics$gv. 137, n. 5, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Cerrados (CPAC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
