| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Unidades Centrais. |
|
Data corrente: |
16/04/2008 |
|
Data da última atualização: |
28/06/2018 |
|
Autoria: |
POVH, J. A.; RIBEIRO, R. P.; SIROL, R. N.; STREIT JÚNIOR, D. P.; LOPERA-BARRERO, N.M.; VARGAS, L.; GOMES, P. C.; LOPES, T. da S. |
|
Afiliação: |
Jayme Aparecido Povh; Ricardo Pereira Ribeiro; Rodolfo Nardez Sirol; Danilo Pedro Streit Júnior; Nelson Mauricio Lopera-Barrero; Lauro Vargas; Patrícia Cristina Gomes; Taís da Silva Lopes. |
|
Título: |
Diversidade genética de pacu do Rio Paranapanema e do estoque de um programa de repovoamento. |
|
Ano de publicação: |
2008 |
|
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 43, n. 2, p. 201-206, fev. 2008 |
|
Idioma: |
Português |
|
Notas: |
Título em inglês: Genetic diversity of pacu from the Paranapanema River and from the broodstock of a stock enhancement program. |
|
Conteúdo: |
O objetivo deste trabalho foi estudar a diversidade genética das amostras de pacu do médio Rio Paranapanema e do estoque de reprodutores utilizado no programa de repovoamento da Estação de Aqüicultura e Hidrologia da usina hidrelétrica Duke Energy, por meio do marcador RAPD. Foram utilizados 14 primers para analisar 30 indivíduos capturados no médio Rio Paranapanema e 29 indivíduos do estoque de reprodutores. O índice de diversidade genética de Shannon e a percentagem de fragmentos polimórficos foram superiores nos indivíduos capturados do Rio Paranapanema. A similaridade genética foi maior nos indivíduos do estoque de reprodutores. A análise da variância molecular mostrou que a maior parte da variação está dentro de cada grupo (84,2%) e não entre os grupos (15,8%). A identidade e distância genética entre os grupos foram 0,9517 e 0,0549, respectivamente. Moderada diferenciação genética (FST = 0,15) e alto número de migrantes por geração (Nm = 5,33) foram observados entre os dois grupos. Há menor diversidade genética do estoque de reprodutores em relação aos indivíduos capturados do Rio Paranapanema. |
|
Palavras-Chave: |
genetic variability; molecular markers; RAPD; variabilidade genética. |
|
Thesagro: |
Marcador Molecular. |
|
Thesaurus Nal: |
Piaractus mesopotamicus. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/38192/1/43n02a07.pdf
|
|
Marc: |
LEADER 02125naa a2200289 a 4500
001 1123637
005 2018-06-28
008 2008 bl uuuu u00u1 u #d
100 1 $aPOVH, J. A.
245 $aDiversidade genética de pacu do Rio Paranapanema e do estoque de um programa de repovoamento.
260 $c2008
500 $aTítulo em inglês: Genetic diversity of pacu from the Paranapanema River and from the broodstock of a stock enhancement program.
520 $aO objetivo deste trabalho foi estudar a diversidade genética das amostras de pacu do médio Rio Paranapanema e do estoque de reprodutores utilizado no programa de repovoamento da Estação de Aqüicultura e Hidrologia da usina hidrelétrica Duke Energy, por meio do marcador RAPD. Foram utilizados 14 primers para analisar 30 indivíduos capturados no médio Rio Paranapanema e 29 indivíduos do estoque de reprodutores. O índice de diversidade genética de Shannon e a percentagem de fragmentos polimórficos foram superiores nos indivíduos capturados do Rio Paranapanema. A similaridade genética foi maior nos indivíduos do estoque de reprodutores. A análise da variância molecular mostrou que a maior parte da variação está dentro de cada grupo (84,2%) e não entre os grupos (15,8%). A identidade e distância genética entre os grupos foram 0,9517 e 0,0549, respectivamente. Moderada diferenciação genética (FST = 0,15) e alto número de migrantes por geração (Nm = 5,33) foram observados entre os dois grupos. Há menor diversidade genética do estoque de reprodutores em relação aos indivíduos capturados do Rio Paranapanema.
650 $aPiaractus mesopotamicus
650 $aMarcador Molecular
653 $agenetic variability
653 $amolecular markers
653 $aRAPD
653 $avariabilidade genética
700 1 $aRIBEIRO, R. P.
700 1 $aSIROL, R. N.
700 1 $aSTREIT JÚNIOR, D. P.
700 1 $aLOPERA-BARRERO, N.M.
700 1 $aVARGAS, L.
700 1 $aGOMES, P. C.
700 1 $aLOPES, T. da S.
773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 43, n. 2, p. 201-206, fev. 2008
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
07/12/2018 |
|
Data da última atualização: |
07/01/2020 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
FARHATE, C. V. V.; SOUZA, Z. M. de; OLIVEIRA, S. R. de M.; LOVERA, L. H.; OLIVEIRA, I. N. de; GUIMARÃES, E. M. |
|
Afiliação: |
CAMILA VIANA VIEIRA FARHATE, Feagri/Unicamp; ZIGOMAR MENEZES DE SOUZA, Feagri/Unicamp; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; LENON HERIQUE LOVERA, Feagri/Unicamp; INGRID NEHMI DE OLIVEIRA, Feagri/Unicamp; EURIANA MARIA GUIMARÃES, Feagri/Unicamp. |
|
Título: |
Data mining techniques for classification of soil CO2 emission. |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
In: WORLD CONGRESS OF SOIL SCIENCE, 21., 2018, Rio de Janeiro. Soil science: beyond food and fuel: abstracts. Viçosa, MG: SBCS, 2018. |
|
Páginas: |
Não paginado. |
|
Idioma: |
Inglês |
|
Notas: |
WCSS 2018. |
|
Conteúdo: |
A high priority objective currently in the scope of carbon cycle science is to understand the spatial and temporal controls involved in CO2 dynamics in terrestrial ecosystems. However, estimates of CO2 emissions from soil to the atmosphere through production systems are difficult and complex due to the diversity of agricultural practices in large areas and significant variations in both soil and climate. In contrast, data mining is a promising alternative to predict soil CO2 emission from correlated variables. Thus, our objective was to construct a model using data mining techniques, such as selection of attributes and induction of decision trees to predict different levels of CO2 emissions in the soil. The original data set was composed of 23 attributes (22 predictive attributes and one response variable). The response variable refers to the emission of CO2 from the soil as the target of the classification. Due to the large number of attributes, a procedure for selecting attributes was conducted to remove those of low correlation to the response variable. For this purpose, we assessed four approaches to attribute selection: no attribute selection, correlation-based attribute selection (CFS), Chi-square method (χ2), and Wrapper method. For data classification, we used the binary decision tree induction technique on Weka 3.6 software. Our results demonstrated that the data mining techniques allowed the development of an efficient model to classify soil CO2 emission using the Wrapper method of attribute selection as well as algorithm C4.5 for induction of the decision tree. Wrapper method selected an efficient subset for soil respiration prediction with only five attributes, with the following influence order on the determination of soil CO2 emission: soil temperature> rainfall> macroporosity> soil moisture> potential acidity. The attributes selected through the Wrapper method have high coherence with literature data regarding both the selected attributes and the decision tree rules. MenosA high priority objective currently in the scope of carbon cycle science is to understand the spatial and temporal controls involved in CO2 dynamics in terrestrial ecosystems. However, estimates of CO2 emissions from soil to the atmosphere through production systems are difficult and complex due to the diversity of agricultural practices in large areas and significant variations in both soil and climate. In contrast, data mining is a promising alternative to predict soil CO2 emission from correlated variables. Thus, our objective was to construct a model using data mining techniques, such as selection of attributes and induction of decision trees to predict different levels of CO2 emissions in the soil. The original data set was composed of 23 attributes (22 predictive attributes and one response variable). The response variable refers to the emission of CO2 from the soil as the target of the classification. Due to the large number of attributes, a procedure for selecting attributes was conducted to remove those of low correlation to the response variable. For this purpose, we assessed four approaches to attribute selection: no attribute selection, correlation-based attribute selection (CFS), Chi-square method (χ2), and Wrapper method. For data classification, we used the binary decision tree induction technique on Weka 3.6 software. Our results demonstrated that the data mining techniques allowed the development of an efficient model to classify soil CO2 emission using... Mostrar Tudo |
|
Palavras-Chave: |
Árvore de decisão; Data mining; Decision tree; Emissão de gás carbônico; Mineração de dados; Selection of attributes; Soil attributes. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 02929nam a2200277 a 4500
001 2100970
005 2020-01-07
008 2018 bl uuuu u00u1 u #d
100 1 $aFARHATE, C. V. V.
245 $aData mining techniques for classification of soil CO2 emission.$h[electronic resource]
260 $aIn: WORLD CONGRESS OF SOIL SCIENCE, 21., 2018, Rio de Janeiro. Soil science: beyond food and fuel: abstracts. Viçosa, MG: SBCS$c2018
300 $aNão paginado.
500 $aWCSS 2018.
520 $aA high priority objective currently in the scope of carbon cycle science is to understand the spatial and temporal controls involved in CO2 dynamics in terrestrial ecosystems. However, estimates of CO2 emissions from soil to the atmosphere through production systems are difficult and complex due to the diversity of agricultural practices in large areas and significant variations in both soil and climate. In contrast, data mining is a promising alternative to predict soil CO2 emission from correlated variables. Thus, our objective was to construct a model using data mining techniques, such as selection of attributes and induction of decision trees to predict different levels of CO2 emissions in the soil. The original data set was composed of 23 attributes (22 predictive attributes and one response variable). The response variable refers to the emission of CO2 from the soil as the target of the classification. Due to the large number of attributes, a procedure for selecting attributes was conducted to remove those of low correlation to the response variable. For this purpose, we assessed four approaches to attribute selection: no attribute selection, correlation-based attribute selection (CFS), Chi-square method (χ2), and Wrapper method. For data classification, we used the binary decision tree induction technique on Weka 3.6 software. Our results demonstrated that the data mining techniques allowed the development of an efficient model to classify soil CO2 emission using the Wrapper method of attribute selection as well as algorithm C4.5 for induction of the decision tree. Wrapper method selected an efficient subset for soil respiration prediction with only five attributes, with the following influence order on the determination of soil CO2 emission: soil temperature> rainfall> macroporosity> soil moisture> potential acidity. The attributes selected through the Wrapper method have high coherence with literature data regarding both the selected attributes and the decision tree rules.
653 $aÁrvore de decisão
653 $aData mining
653 $aDecision tree
653 $aEmissão de gás carbônico
653 $aMineração de dados
653 $aSelection of attributes
653 $aSoil attributes
700 1 $aSOUZA, Z. M. de
700 1 $aOLIVEIRA, S. R. de M.
700 1 $aLOVERA, L. H.
700 1 $aOLIVEIRA, I. N. de
700 1 $aGUIMARÃES, E. M.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
