| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agrossilvipastoril. |
|
Data corrente: |
07/03/2018 |
|
Data da última atualização: |
02/06/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
PEDRI, E. C. M. de; TIAGO, A. V.; CARDOSO, E. dos S.; HOOGERHEIDE, E. S. S.; YAMASHITA, O. M.; ROSSI, A. A. B. |
|
Afiliação: |
ELIANE CRISTINA MORENO DE PEDRI, UNEMAT-ALTA FLORESTA; AUANA VICENTE TIAGO, UNEMAT-ALTA FLORESTA; ELISA DOS SANTOS CARDOSO, UNEMAT-ALTA FLORESTA; EULALIA SOLER SOBREIRA HOOGERHEIDE, CPAMT; OSCAR MITSUO YAMASHITA, UNEMAT-ALTA FLROESTA; ANA APARECIDA BANDINI ROSSI, UNEMAT-ALTA FLORESTA. |
|
Título: |
Caracterização molecular de etnovariedades de mandioca cultivadas por agricultores no município de Apiacás, MT. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
In: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 6., 2017, Sinop, MT. Resumos... Sinop, MT: Embrapa Agrossilpastoril, 2017. p. 188-191. |
|
Idioma: |
Português |
|
Conteúdo: |
A mandioca (Manihot esculenta Crantz) é uma importante cultura de raízes tuberosas produzidas mundialmente por apresentar boa adaptação a diferentes condições ambientais (Tumuhimbise et al., 2014). No Brasil, a cultura é cultivada principalmente por agricultores familiares para autoconsumo, uma condição que garante à ampla diversidade genética da espécie (Zuin et al., 2009). A diversidade genética pode ser analisada por meio de marcadores moleculares que são ferramentas utilizadas na detecção da variabilidade genética das plantas revelando polimorfismo ao nível do DNA. Dentre os marcadores moleculares se destacam os SSR?s (sequências simples repetidas) que consistem de 1 a 6 nucleotídeos repetidos em tandem, apresentando-se como altamente informativos (Borém; Caixeta, 2016). Portanto, objetivou-se neste estudo avaliar por meio de marcadores microssatélites a diversidade genética de etnovariedades de mandioca cultivadas no norte do estado de Mato Grosso, Brasil. |
|
Palavras-Chave: |
Apiacas-MT; Caracterização molecular. |
|
Thesagro: |
Genética molecular; Mandioca; Manihot esculenta. |
|
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/230982/1/2017-cpamt-essh-caracterizacao-molecular-etnovariedade-mandioca-cultivada-agricultures-apiacas-mt-p-188-191.pdf
|
|
Marc: |
LEADER 01878nam a2200229 a 4500
001 2088795
005 2023-06-02
008 2017 bl uuuu u00u1 u #d
100 1 $aPEDRI, E. C. M. de
245 $aCaracterização molecular de etnovariedades de mandioca cultivadas por agricultores no município de Apiacás, MT.$h[electronic resource]
260 $aIn: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 6., 2017, Sinop, MT. Resumos... Sinop, MT: Embrapa Agrossilpastoril, 2017. p. 188-191.$c2017
520 $aA mandioca (Manihot esculenta Crantz) é uma importante cultura de raízes tuberosas produzidas mundialmente por apresentar boa adaptação a diferentes condições ambientais (Tumuhimbise et al., 2014). No Brasil, a cultura é cultivada principalmente por agricultores familiares para autoconsumo, uma condição que garante à ampla diversidade genética da espécie (Zuin et al., 2009). A diversidade genética pode ser analisada por meio de marcadores moleculares que são ferramentas utilizadas na detecção da variabilidade genética das plantas revelando polimorfismo ao nível do DNA. Dentre os marcadores moleculares se destacam os SSR?s (sequências simples repetidas) que consistem de 1 a 6 nucleotídeos repetidos em tandem, apresentando-se como altamente informativos (Borém; Caixeta, 2016). Portanto, objetivou-se neste estudo avaliar por meio de marcadores microssatélites a diversidade genética de etnovariedades de mandioca cultivadas no norte do estado de Mato Grosso, Brasil.
650 $aGenética molecular
650 $aMandioca
650 $aManihot esculenta
653 $aApiacas-MT
653 $aCaracterização molecular
700 1 $aTIAGO, A. V.
700 1 $aCARDOSO, E. dos S.
700 1 $aHOOGERHEIDE, E. S. S.
700 1 $aYAMASHITA, O. M.
700 1 $aROSSI, A. A. B.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agrossilvipastoril (CPAMT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Recursos Genéticos e Biotecnologia. Para informações adicionais entre em contato com cenargen.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Instrumentação; Embrapa Recursos Genéticos e Biotecnologia. |
|
Data corrente: |
10/09/2021 |
|
Data da última atualização: |
03/10/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
RAMOS, A. P. M.; GOMES, F. D. G.; PINHEIRO, M. M. F.; FURUYA, D. E. G.; GONÇALVEZ, W. N.; MARCATO JUNIOR, J.; MICHEREFF, M. F. F.; MORAES, M. C. B.; BORGES, M.; LAUMANN, R. A.; LIESENBERG, V.; JORGE, L. A. de C.; OSCO, L. P. |
|
Afiliação: |
ANA PAULA MARQUES RAMOS, UNOESTE; FELIPE DAVID GEORGES GOMES, UNOESTE; MAYARA MAEZANO FAITA PINHEIRO, UNOESTE; DANIELLE ELIS GARCIA FURUYA, UNOESTE; WESLEY NUNES GONÇALVEZ, UFMS; JOSÉ MARCATO JUNIOR, UFMS; MIRIAN FERNANDES FURTADO MICHEREFF; MARIA CAROLINA BLASSIOLI MORAES, Cenargen; MIGUEL BORGES, Cenargen; RAUL ALBERTO LAUMANN, Cenargen; VERALDO LIESENBERG, Udesc; LUCIO ANDRE DE CASTRO JORGE, CNPDIA; LUCAS PRADO OSCO, UNOESTE. |
|
Título: |
Detecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Precision Agriculture, 2021. |
|
DOI: |
https://doi.org/10.1007/s11119-021-09845-4 |
|
Idioma: |
Inglês |
|
Notas: |
Na publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann. |
|
Conteúdo: |
ABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measure?=?0.886). In conclusion, the proposed framework contributes to accurately identifying cotton plants under the Spodoptera frugiperda attack for both hyperspectral and multispectral scales. MenosABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measu... Mostrar Tudo |
|
Palavras-Chave: |
Insect damage; Machine learning; Spectral data; Theoretical model. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02768naa a2200337 a 4500
001 2138144
005 2023-10-03
008 2021 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1007/s11119-021-09845-4$2DOI
100 1 $aRAMOS, A. P. M.
245 $aDetecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements.$h[electronic resource]
260 $c2021
500 $aNa publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann.
520 $aABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measure?=?0.886). In conclusion, the proposed framework contributes to accurately identifying cotton plants under the Spodoptera frugiperda attack for both hyperspectral and multispectral scales.
653 $aInsect damage
653 $aMachine learning
653 $aSpectral data
653 $aTheoretical model
700 1 $aGOMES, F. D. G.
700 1 $aPINHEIRO, M. M. F.
700 1 $aFURUYA, D. E. G.
700 1 $aGONÇALVEZ, W. N.
700 1 $aMARCATO JUNIOR, J.
700 1 $aMICHEREFF, M. F. F.
700 1 $aMORAES, M. C. B.
700 1 $aBORGES, M.
700 1 $aLAUMANN, R. A.
700 1 $aLIESENBERG, V.
700 1 $aJORGE, L. A. de C.
700 1 $aOSCO, L. P.
773 $tPrecision Agriculture, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
