|
|
Registro Completo |
Biblioteca(s): |
Embrapa Arroz e Feijão. |
Data corrente: |
26/12/2017 |
Data da última atualização: |
26/12/2017 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
MAMEDE, M. M. S.; MAGNABOSCO, C. de U.; MASCIOLI, A. dos S.; SAINZ, R. D.; COSTA, M. F. O. e; BALDI REY, F. S.; LOPES, F. B.; EIFERT, E. da C.; ROSA, G. J. de M. |
Afiliação: |
MARIANA MARCIA SANTOS MAMEDE, UFG; CLAUDIO DE ULHOA MAGNABOSCO, CPAC; ARTHUR DOS SANTOS MASCIOLI, UFG; ROBERTO DANIEL SAINZ, UNIVERSITY OF CALIFORNIA; MARCOS FERNANDO OLIVEIRA E COSTA, CNPAF; FERNANDO BALDI, UNESP; FERNANDO BRITO LOPES, FAPEGO; EDUARDO DA COSTA EIFERT, CPAC; GUILHERME JORDÃO DE MAGALHÃES ROSA, UNIVERSITY OF WINSCOSIN. |
Título: |
Parâmetros genéticos para características de crescimento e maciez da carne em bovinos nelore. |
Ano de publicação: |
2017 |
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 20., SIMPÓSIO DE MUDANÇAS CLIMÁTICAS E DESERTIFICAÇÃO NO SEMIÁRIDO BRASILEIRO, 5., 2017, Juazeiro. A agrometeorologia na solução de problemas multiescala: anais. Juazeiro: Sociedade Brasileira de Agrometeorologia, 2017. |
Idioma: |
Português |
Conteúdo: |
Foram estimados os parâmetros genéticos para as características de pesos aos 120 (P120), 210 (P210), 365 (P365) e 450 (P450) dias de idade e de maciez da carne, medida pela força de cisalhamento Warner-Bratzler (WBSF) em bovinos Nelore Mochos. Foram realizadas análises bayesianas bi características adotando-se modelo linear animal. As estimativas de herdabilidade para o P120 (0,20), P210 (0,21), P365 (0,44), P450 (0,40) e WBSF (0,16) indicam a possibilidade de seleção. As estimativas de correlação genética e residual entre as características de crescimento foram de elevada magnitude. Apesar dos desvios padrão, as correlações genéticas da WSBF com os pesos foram favoráveis, maior na fase pré-desmama, (-0,70 com P120 e -0,78 com P210) e menor na fase pós-desmama (-0,44 com P365 e -0,22 com P450). As herdabilidades para as características de peso e de maciez da carne avaliadas em animais mochos Nelore indicam a existência de variabilidade genética suficiente para seleção. |
Palavras-Chave: |
Maciez da carne; Parâmetros genéticos. |
Thesagro: |
Carne; Gado Nelore; Taxa de Crescimento. |
Categoria do assunto: |
G Melhoramento Genético |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/169791/1/Parametros-geneticos-para-caracteristicas-de-crescimento-e-maciez-da-carne-em-bovinos-nelore.pdf
|
Marc: |
LEADER 02048naa a2200277 a 4500 001 2083596 005 2017-12-26 008 2017 bl uuuu u00u1 u #d 100 1 $aMAMEDE, M. M. S. 245 $aParâmetros genéticos para características de crescimento e maciez da carne em bovinos nelore.$h[electronic resource] 260 $c2017 520 $aForam estimados os parâmetros genéticos para as características de pesos aos 120 (P120), 210 (P210), 365 (P365) e 450 (P450) dias de idade e de maciez da carne, medida pela força de cisalhamento Warner-Bratzler (WBSF) em bovinos Nelore Mochos. Foram realizadas análises bayesianas bi características adotando-se modelo linear animal. As estimativas de herdabilidade para o P120 (0,20), P210 (0,21), P365 (0,44), P450 (0,40) e WBSF (0,16) indicam a possibilidade de seleção. As estimativas de correlação genética e residual entre as características de crescimento foram de elevada magnitude. Apesar dos desvios padrão, as correlações genéticas da WSBF com os pesos foram favoráveis, maior na fase pré-desmama, (-0,70 com P120 e -0,78 com P210) e menor na fase pós-desmama (-0,44 com P365 e -0,22 com P450). As herdabilidades para as características de peso e de maciez da carne avaliadas em animais mochos Nelore indicam a existência de variabilidade genética suficiente para seleção. 650 $aCarne 650 $aGado Nelore 650 $aTaxa de Crescimento 653 $aMaciez da carne 653 $aParâmetros genéticos 700 1 $aMAGNABOSCO, C. de U. 700 1 $aMASCIOLI, A. dos S. 700 1 $aSAINZ, R. D. 700 1 $aCOSTA, M. F. O. e 700 1 $aBALDI REY, F. S. 700 1 $aLOPES, F. B. 700 1 $aEIFERT, E. da C. 700 1 $aROSA, G. J. de M. 773 $tIn: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 20., SIMPÓSIO DE MUDANÇAS CLIMÁTICAS E DESERTIFICAÇÃO NO SEMIÁRIDO BRASILEIRO, 5., 2017, Juazeiro. A agrometeorologia na solução de problemas multiescala: anais. Juazeiro: Sociedade Brasileira de Agrometeorologia, 2017.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Arroz e Feijão (CNPAF) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Solos. |
Data corrente: |
30/12/2014 |
Data da última atualização: |
08/11/2021 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
A - 2 |
Autoria: |
CALDERANO FILHO, B.; POLIVANOV, H.; CHAGAS, C. da S.; CARVALHO JUNIOR, W. de; BARROSO, E. V.; GUERRA, A. J. T.; CALDERANO, S. B. |
Afiliação: |
BRAZ CALDERANO FILHO, CNPS; HELENA POLIVANOV, UFRJ; CESAR DA SILVA CHAGAS, CNPS; WALDIR DE CARVALHO JUNIOR, CNPS; EMÍLIO VELLOSO BARROSO, UFRJ; ANTÔNIO JOSÉ TEIXEIRA GUERRA, UFRJ; SEBASTIAO BARREIROS CALDERANO, CNPS. |
Título: |
Artificial neural networks applied for soil class prediction in mountainous landscape of the Serra do Mar. |
Ano de publicação: |
2014 |
Fonte/Imprenta: |
Revista Brasileira de Ciência do Solo, Viçosa, MG, v. 38, n. 6, p. 1681-1693, 2014. |
DOI: |
https://doi.org/10.1590/S0100-06832014000600003 |
Idioma: |
Inglês |
Conteúdo: |
A informação de solo é necessária para o gerenciamento do ambiente agrícola. O objetivo deste trabalho foi aplicar redes neurais artificiais (RNAs) para a predição de classes de solos, utilizando como fonte de dados produtos de sensores remotos orbitais, atributos do terreno derivados de um modelo digital de elevação e informação da geologia local, visando avaliar a utilização dessa abordagem no mapeamento digital de solos, em área com elevado grau de diversidade litológica na Serra do Mar. O simulador de redes neurais utilizado foi o JavaNNS e o algoritmo de aprendizado, o backpropagation. Para a predição das classes de solos, testaram-se diferentes combinações entre as variáveis discriminantes selecionadas: elevação, declividade, aspecto, curvatura, plano de curvatura, perfil de curvatura, índice topográfico, radiação solar, fator topográfico LS, informações da geologia local e índices minerais de argila, óxidos de ferro e vegetação por diferença normalizada (NDVI), derivados de uma imagem do sensor ETM+ do LANDSAT 7. Dos conjuntos testados, os melhores resultados foram obtidos com todas as variáveis discriminantes associadas às informações de geologia, alcançando exatidão global entre 93,2 e 95,6 % e índice Kappa entre 0,924 e 0,951 (conjunto 13). Excluindo a variável perfil de curvatura (conjunto 12), a exatidão global alcançada oscilou entre 93,9 e 95,4 % e o Kappa entre 0,932 e 0,948. Os mapas inferidos pelo classificador por redes neurais evidenciaram coerência e semelhança com o mapa de solos convencional, produzido para área de estudo, apresentando porém, mais detalhes espaciais. Os resultados apresentaram o potencial de utilização de RNAs na predição de classes de solos de áreas montanhosas com diversidade litológica. MenosA informação de solo é necessária para o gerenciamento do ambiente agrícola. O objetivo deste trabalho foi aplicar redes neurais artificiais (RNAs) para a predição de classes de solos, utilizando como fonte de dados produtos de sensores remotos orbitais, atributos do terreno derivados de um modelo digital de elevação e informação da geologia local, visando avaliar a utilização dessa abordagem no mapeamento digital de solos, em área com elevado grau de diversidade litológica na Serra do Mar. O simulador de redes neurais utilizado foi o JavaNNS e o algoritmo de aprendizado, o backpropagation. Para a predição das classes de solos, testaram-se diferentes combinações entre as variáveis discriminantes selecionadas: elevação, declividade, aspecto, curvatura, plano de curvatura, perfil de curvatura, índice topográfico, radiação solar, fator topográfico LS, informações da geologia local e índices minerais de argila, óxidos de ferro e vegetação por diferença normalizada (NDVI), derivados de uma imagem do sensor ETM+ do LANDSAT 7. Dos conjuntos testados, os melhores resultados foram obtidos com todas as variáveis discriminantes associadas às informações de geologia, alcançando exatidão global entre 93,2 e 95,6 % e índice Kappa entre 0,924 e 0,951 (conjunto 13). Excluindo a variável perfil de curvatura (conjunto 12), a exatidão global alcançada oscilou entre 93,9 e 95,4 % e o Kappa entre 0,932 e 0,948. Os mapas inferidos pelo classificador por redes neurais evidenciaram coerência e seme... Mostrar Tudo |
Palavras-Chave: |
Atributos do terreno; Mapeamento digital; Redes neurais artificiais. |
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/114660/1/V38N6a03-RBCS-BRAZ.pdf
|
Marc: |
LEADER 02637naa a2200241 a 4500 001 2003976 005 2021-11-08 008 2014 bl uuuu u00u1 u #d 024 7 $ahttps://doi.org/10.1590/S0100-06832014000600003$2DOI 100 1 $aCALDERANO FILHO, B. 245 $aArtificial neural networks applied for soil class prediction in mountainous landscape of the Serra do Mar.$h[electronic resource] 260 $c2014 520 $aA informação de solo é necessária para o gerenciamento do ambiente agrícola. O objetivo deste trabalho foi aplicar redes neurais artificiais (RNAs) para a predição de classes de solos, utilizando como fonte de dados produtos de sensores remotos orbitais, atributos do terreno derivados de um modelo digital de elevação e informação da geologia local, visando avaliar a utilização dessa abordagem no mapeamento digital de solos, em área com elevado grau de diversidade litológica na Serra do Mar. O simulador de redes neurais utilizado foi o JavaNNS e o algoritmo de aprendizado, o backpropagation. Para a predição das classes de solos, testaram-se diferentes combinações entre as variáveis discriminantes selecionadas: elevação, declividade, aspecto, curvatura, plano de curvatura, perfil de curvatura, índice topográfico, radiação solar, fator topográfico LS, informações da geologia local e índices minerais de argila, óxidos de ferro e vegetação por diferença normalizada (NDVI), derivados de uma imagem do sensor ETM+ do LANDSAT 7. Dos conjuntos testados, os melhores resultados foram obtidos com todas as variáveis discriminantes associadas às informações de geologia, alcançando exatidão global entre 93,2 e 95,6 % e índice Kappa entre 0,924 e 0,951 (conjunto 13). Excluindo a variável perfil de curvatura (conjunto 12), a exatidão global alcançada oscilou entre 93,9 e 95,4 % e o Kappa entre 0,932 e 0,948. Os mapas inferidos pelo classificador por redes neurais evidenciaram coerência e semelhança com o mapa de solos convencional, produzido para área de estudo, apresentando porém, mais detalhes espaciais. Os resultados apresentaram o potencial de utilização de RNAs na predição de classes de solos de áreas montanhosas com diversidade litológica. 653 $aAtributos do terreno 653 $aMapeamento digital 653 $aRedes neurais artificiais 700 1 $aPOLIVANOV, H. 700 1 $aCHAGAS, C. da S. 700 1 $aCARVALHO JUNIOR, W. de 700 1 $aBARROSO, E. V. 700 1 $aGUERRA, A. J. T. 700 1 $aCALDERANO, S. B. 773 $tRevista Brasileira de Ciência do Solo, Viçosa, MG$gv. 38, n. 6, p. 1681-1693, 2014.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Solos (CNPS) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|