|
|
Registro Completo |
Biblioteca(s): |
Embrapa Meio Ambiente. |
Data corrente: |
11/02/2008 |
Data da última atualização: |
17/03/2021 |
Autoria: |
PARAIBA, L. C. |
Afiliação: |
LOURIVAL COSTA PARAIBA, CNPMA. |
Título: |
Estimativa do fator de bioconcentração de pesticidas em maçã. |
Ano de publicação: |
2006 |
Fonte/Imprenta: |
Jaguariúna: Embrapa Meio Ambiente, 2006. |
Páginas: |
7p. |
Série: |
(Embrapa Meio Ambiente. Comunicado Técnico, 42). |
Idioma: |
Português |
Conteúdo: |
Com o objetivo de indicar pesticidas que devem ser monitorados em frutas, foi estimado o fator de bioconcentração (BCF) de 36 pesticidas em maçã selecionados do sistema de produção integrada de maçã (PIM). O BCF é um indicador da afinidade de substâncias por organismos. Para estimar o BCF foi utilizado o modelo FTM-p (Fruit Tree Model to Pesticide) [PARAÍBA, L.C. Pesticide bioconcentration modelling for fruit trees. Chemosphere, v.66, p.1468-1475, 2007] e um cultivo hipotético de macieiras. No modelo FTM-p, o valor do BCF foi correlacionado com características fisiológicas da planta e com propriedades físico-químicas dos pesticidas. Na estimativa foram utilizados os tempos de meia-vida no solo e na planta de cada um dos pesticidas. Da planta foram utilizados a biomassa seca, a taxa de transpiração de água e o volume do fluxo de água necessário para produzir um quilo de fruta fresca por planta. O coeficiente de partição tronco-água e o fator de concentração no fluxo de transpiração foram calculados por meio de expressões que correlacionam cada um desses parâmetros com o coeficiente de partição octanol-água do pesticida. |
Thesagro: |
Agrotóxico; Maçã. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/CNPMA/7460/1/comunicado_42.pdf
|
Marc: |
LEADER 01638nam a2200157 a 4500 001 1016005 005 2021-03-17 008 2006 bl uuuu u0uu1 u #d 100 1 $aPARAIBA, L. C. 245 $aEstimativa do fator de bioconcentração de pesticidas em maçã.$h[electronic resource] 260 $aJaguariúna: Embrapa Meio Ambiente$c2006 300 $a7p. 490 $a(Embrapa Meio Ambiente. Comunicado Técnico, 42). 520 $aCom o objetivo de indicar pesticidas que devem ser monitorados em frutas, foi estimado o fator de bioconcentração (BCF) de 36 pesticidas em maçã selecionados do sistema de produção integrada de maçã (PIM). O BCF é um indicador da afinidade de substâncias por organismos. Para estimar o BCF foi utilizado o modelo FTM-p (Fruit Tree Model to Pesticide) [PARAÍBA, L.C. Pesticide bioconcentration modelling for fruit trees. Chemosphere, v.66, p.1468-1475, 2007] e um cultivo hipotético de macieiras. No modelo FTM-p, o valor do BCF foi correlacionado com características fisiológicas da planta e com propriedades físico-químicas dos pesticidas. Na estimativa foram utilizados os tempos de meia-vida no solo e na planta de cada um dos pesticidas. Da planta foram utilizados a biomassa seca, a taxa de transpiração de água e o volume do fluxo de água necessário para produzir um quilo de fruta fresca por planta. O coeficiente de partição tronco-água e o fator de concentração no fluxo de transpiração foram calculados por meio de expressões que correlacionam cada um desses parâmetros com o coeficiente de partição octanol-água do pesticida. 650 $aAgrotóxico 650 $aMaçã
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Pesca e Aquicultura. |
Data corrente: |
25/01/2024 |
Data da última atualização: |
25/01/2024 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
GREENSTREET, L.; FAN, J.; PACHECO, F. S.; BAI, Y.; UMMUS, M. E.; DORIA, C.; BARROS, N. O.; FORSBERG, B. R.; XU, X.; FLECKER, A.; GOMES, C. |
Afiliação: |
LAURA GREENSTREET, CORNELL UNIVERSITY; JOSHUA FAN, CORNELL UNIVERSITY; FELIPE SIQUEIRA PACHECO, CORNELL UNIVERSITY; YIWEI BAI, CORNELL UNIVERSITY; MARTA EICHEMBERGER UMMUS, CNPASA; CAROLINA DORIA, UNIVERSIDADE FEDERAL DE RONDÔNIA; NATHAN OLIVEIRA BARROS, UNIVERSIDADE FEDERAL DE JUIZ DE FORA; BRUCE R. FORSBERG, INPA; XIANGTAO XU, CORNELL UNIVERSITY; ALEXANDER FLECKER, CORNELL UNIVERSITY; CARLA GOMES, CORNELL UNIVERSITY. |
Título: |
Detecting aquaculture with deep learning in a low-data setting. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
In: SIGKDD FRAGILE EARTH WORKSHOP, 2023, Long Beach. |
Idioma: |
Inglês |
Conteúdo: |
Aquaculture is growing rapidly in the Amazon basin and detailed spatial information is needed to understand the trade-offs between food production, economic development, and environmental impacts. Large open-source datasets of medium resolution satellite imagery offer the potential for mapping a variety of infrastructure, including aquaculture ponds. However, there are many challenges utilizing this data, including few labelled examples, class imbalance, and spatial bias. We find previous rule-based methods for mapping aquaculture perform poorly in the Amazon. By incorporating temporal information through percentile data, we show deep learning models can outperform previous methods by as much as 15% with as few as 300 labelled examples. Further, generalization to unseen regions can be improved by incorporating segmentation information through masked pooling and using contrastive pretraining to harness large quantities of unlabelled data. |
Palavras-Chave: |
Attention; Contrastive learning; Convolutinal neural networks; Image classification; Image segmentation; Representation learning. |
Thesagro: |
Aquicultura; Sensoriamento Remoto. |
Thesaurus NAL: |
Aquaculture; Digital images; Neural networks; Remote sensing. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1161305/1/detecting-aquaculture-with-dee.pdf
|
Marc: |
LEADER 01980nam a2200373 a 4500 001 2161305 005 2024-01-25 008 2023 bl uuuu u00u1 u #d 100 1 $aGREENSTREET, L. 245 $aDetecting aquaculture with deep learning in a low-data setting.$h[electronic resource] 260 $aIn: SIGKDD FRAGILE EARTH WORKSHOP, 2023, Long Beach.$c2023 520 $aAquaculture is growing rapidly in the Amazon basin and detailed spatial information is needed to understand the trade-offs between food production, economic development, and environmental impacts. Large open-source datasets of medium resolution satellite imagery offer the potential for mapping a variety of infrastructure, including aquaculture ponds. However, there are many challenges utilizing this data, including few labelled examples, class imbalance, and spatial bias. We find previous rule-based methods for mapping aquaculture perform poorly in the Amazon. By incorporating temporal information through percentile data, we show deep learning models can outperform previous methods by as much as 15% with as few as 300 labelled examples. Further, generalization to unseen regions can be improved by incorporating segmentation information through masked pooling and using contrastive pretraining to harness large quantities of unlabelled data. 650 $aAquaculture 650 $aDigital images 650 $aNeural networks 650 $aRemote sensing 650 $aAquicultura 650 $aSensoriamento Remoto 653 $aAttention 653 $aContrastive learning 653 $aConvolutinal neural networks 653 $aImage classification 653 $aImage segmentation 653 $aRepresentation learning 700 1 $aFAN, J. 700 1 $aPACHECO, F. S. 700 1 $aBAI, Y. 700 1 $aUMMUS, M. E. 700 1 $aDORIA, C. 700 1 $aBARROS, N. O. 700 1 $aFORSBERG, B. R. 700 1 $aXU, X. 700 1 $aFLECKER, A. 700 1 $aGOMES, C.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Pesca e Aquicultura (CNPASA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|