Portal do Governo Brasileiro
BDPA - Bases de Dados da Pesquisa Agropecuária Embrapa
 






Acesso ao texto completo restrito à biblioteca da Embrapa Arroz e Feijão. Para informações adicionais entre em contato com cnpaf.biblioteca@embrapa.br.
Registro Completo
Biblioteca(s):  Embrapa Arroz e Feijão.
Data corrente:  06/02/2024
Data da última atualização:  15/02/2024
Tipo da produção científica:  Orientação de Tese de Pós-Graduação
Autoria:  REZENDE, C. C.
Afiliação:  CASSIA CRISTINA REZENDE.
Título:  Uso de microrganismos multifuncionais na cultura do feijoeiro.
Ano de publicação:  2021
Fonte/Imprenta:  2021.
Páginas:  81 f.
Idioma:  Português
Notas:  Dissertação (Mestrado em Agronomia) - Escola de Agronomia, Universidade Federal de Goiás, Goiânia. Orientador: Adriano Stephan Nascente, CNPAF; Coorientadoras: Marta Cristina Corsi de Filippi e Anna Cristina Lanna, CNPAF.
Conteúdo:  O feijão-comum é um produto com alta importância econômica e social no Brasil sob o ponto de vista alimentar. Atualmente, o desafio está no aumento da produtividade aliado a redução do uso de agrotóxicos e fertilizantes sintéticos, buscando uma produção sustentável com ganhos sociais, ambientais e econômicos. Nesse aspecto, a utilização de alternativas tecnológicas como os microrganismos multifuncionais (MM) é considerada uma opção para melhoria das práticas agrícolas. O objetivo desta pesquisa foi determinar o efeito do uso de microrganismos multifuncionais, isolados ou em mistura nas trocas gasosas, produção de biomassa de parte aérea, de raiz e total, acúmulo de nutrientes na parte aérea, raízes e grãos, componentes de produção e produtividade na cultura do feijão-comum.
Palavras-Chave:  Trocas gasosas.
Thesagro:  Biomassa; Fator de Crescimento; Feijão; Microrganismo; Phaseolus Vulgaris.
Categoria do assunto:  F Plantas e Produtos de Origem Vegetal
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Arroz e Feijão (CNPAF)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status URL
CNPAF36894 - 1UPATS - DD20212021
Voltar






Acesso ao texto completo restrito à biblioteca da Embrapa Solos. Para informações adicionais entre em contato com cnps.biblioteca@embrapa.br.

Registro Completo

Biblioteca(s):  Embrapa Solos.
Data corrente:  12/12/2022
Data da última atualização:  12/12/2022
Tipo da produção científica:  Artigo em Periódico Indexado
Circulação/Nível:  A - 1
Autoria:  BASTOS, B. P.; PINHEIRO, H. S. K; CARVALHO JUNIOR, W. de; ANJOS, L. H. C. dos; FERREIRA, F. J. F.
Afiliação:  BLENDA PEREIRA BASTOS, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; HELENA SARAIVA KOENOW PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; WALDIR DE CARVALHO JUNIOR, CNPS; LÚCIA HELENA CUNHA DOS ANJOS, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; FRANCISCO JOSÉ FONSECA FERREIRA, UNIVERSIDADE FEDERAL DO PARANÁ.
Título:  Clustering airborne gamma-ray spectrometry data in Nova Friburgo, State of Rio de Janeiro, southeastern Brazil.
Ano de publicação:  2023
Fonte/Imprenta:  Journal of Applied Geophysics, v. 209, 104900, Feb. 2023.
DOI:  https://doi.org/10.1016/j.jappgeo.2022.104900
Idioma:  Inglês
Conteúdo:  The goal of this study was to test different image clustering techniques, using airborne gamma-ray spectrometry data to optimize the interpretation of areas with similar properties in large scale. The methodology applied was based on the comparison of two techniques of data-driven classification (K-means and Gaussian Mixture Models) and a technique of knowledge-driven classification (Simplified RGB) to discriminate domains from the primary variables potassium (K), uranium (eU), and thorium (eTh) obtained from airborne gamma-ray spectrometry surveys. The performance of these three methods was evaluated through pre-processing techniques and post-processing including the best number of clusters/classes, visual interpretation, internal validation, and boxplot analysis. The clustering performance was considered satisfactory through the visual interpretation and comparison with the geological map and the DEM, for all three methods. For a quantitative analysis, the simplest model of unsupervised clustering Gaussian Mixture Models prevailed.
Palavras-Chave:  Data-driven classification; Gamma-ray spectrometry; Geological mapping; Knowledge-driven classification.
Categoria do assunto:  P Recursos Naturais, Ciências Ambientais e da Terra
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Solos (CNPS)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status
CNPS21207 - 1UPCAP - DD
Fechar
Expressão de busca inválida. Verifique!!!
 
 

Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área Restrita

Embrapa Agricultura Digital
Av. André Tosello, 209 - Barão Geraldo
Caixa Postal 6041- 13083-886 - Campinas, SP
SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional