| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Acre. |
|
Data corrente: |
17/02/2021 |
|
Data da última atualização: |
18/02/2021 |
|
Tipo da produção científica: |
Folder/Folheto/Cartilha |
|
Autoria: |
ESTANISLAU, F. M.; SOUZA, J. M. L. de; VIUDES, P.; ALVARES, V. de S. |
|
Afiliação: |
FABIANO MARCAL ESTANISLAU, CPAF-AC; JOANA MARIA LEITE DE SOUZA, CPAF-AC; PRISCILA VIUDES, CPAF-AC; VIRGINIA DE SOUZA ALVARES, CPAF-AC. |
|
Título: |
Calendário 2021: dicas para melhorar ainda mais a qualidade da farinha de mandioca. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Rio Branco, AC: Embrapa Acre, 2021. |
|
Descrição Física: |
1 folder. |
|
Idioma: |
Português |
|
Notas: |
Ilustrações: Priscila Helena Machado. |
|
Conteúdo: |
O presente calendário tem o objetivo de ser um instrumento didático-pedagógico e de comunicação entre os atores da cadeia produtiva da mandioca na Regional do Juruá (Acre). O conteúdo conta com ilustrações e textos curtos que abordam aspectos das Boas Práticas de Fabricação da farinha de mandioca, principal produto agrícola entre os agricultores familiares da região. Também, busca contribuir para a consolidação da Indicação Geográfica da farinha de mandioca "Cruzeiro do Sul". |
|
Palavras-Chave: |
Acre; Amazonia Occidental; Amazônia Ocidental; Boas práticas de fabricação; Buenas prácticas agrícolas; Prácticas de cultivo vegetal; Regional do Juruá; Western Amazon; Yuca. |
|
Thesagro: |
Farinha; Mandioca; Manihot Esculenta; Plantio; Pratica Cultural; Transferência de Tecnologia. |
|
Thesaurus Nal: |
Cassava flour; Good agricultural practices; Plant cultural practices; Technology transfer. |
|
Categoria do assunto: |
Q Alimentos e Nutrição Humana |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/221216/1/27095.pdf
|
|
Marc: |
LEADER 01680nam a2200397 a 4500
001 2130047
005 2021-02-18
008 2021 bl uuuu u0uu1 u #d
100 1 $aESTANISLAU, F. M.
245 $aCalendário 2021$bdicas para melhorar ainda mais a qualidade da farinha de mandioca.$h[electronic resource]
260 $aRio Branco, AC: Embrapa Acre$c2021
300 $c1 folder.
500 $aIlustrações: Priscila Helena Machado.
520 $aO presente calendário tem o objetivo de ser um instrumento didático-pedagógico e de comunicação entre os atores da cadeia produtiva da mandioca na Regional do Juruá (Acre). O conteúdo conta com ilustrações e textos curtos que abordam aspectos das Boas Práticas de Fabricação da farinha de mandioca, principal produto agrícola entre os agricultores familiares da região. Também, busca contribuir para a consolidação da Indicação Geográfica da farinha de mandioca "Cruzeiro do Sul".
650 $aCassava flour
650 $aGood agricultural practices
650 $aPlant cultural practices
650 $aTechnology transfer
650 $aFarinha
650 $aMandioca
650 $aManihot Esculenta
650 $aPlantio
650 $aPratica Cultural
650 $aTransferência de Tecnologia
653 $aAcre
653 $aAmazonia Occidental
653 $aAmazônia Ocidental
653 $aBoas práticas de fabricação
653 $aBuenas prácticas agrícolas
653 $aPrácticas de cultivo vegetal
653 $aRegional do Juruá
653 $aWestern Amazon
653 $aYuca
700 1 $aSOUZA, J. M. L. de
700 1 $aVIUDES, P.
700 1 $aALVARES, V. de S.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Acre (CPAF-AC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Café. |
|
Data corrente: |
28/01/2021 |
|
Data da última atualização: |
02/07/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
C - 0 |
|
Autoria: |
RESENDE, M. D. V. de; ALVES, R. S. |
|
Afiliação: |
MARCOS DEON VILELA DE RESENDE, CNPCa; RODRIGO SILVA ALVES, UFV. |
|
Título: |
Linear, generalized, hierarchical, bayesian and random regression mixed models in genetics/genomics in plant breeding. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Functional Plant Breeding Journal, v. 2, n. 2, jul./dez., 2020. p. 1-31. |
|
DOI: |
http://dx.doi.org/10.35418/2526-4117/v2n2a1 |
|
Idioma: |
Inglês |
|
Conteúdo: |
This paper presents the state of the art of the statistical modelling as applied to plant breeding. Classes of inference, statistical models, estimation methods and model selection are emphasized in a practical way. Restricted Maximum Likelihood (REML), Hierarchical Maximum Likelihood (HIML) and Bayesian (BAYES) are highlighted. Distributions of data and effects, and dimension and structure of the models are considered for model selection and parameters estimation. Theory and practical examples referring to selection between models with different fixed effects factors are given using the Full Maximum Likelihood (FML). An analytical FML way of defining random or fixed effects is presented to avoid the subjective or conceptual usual definitions. Examples of the applications of the Hierarchical Maximum Likelihood/Hierarchical Generalized Best Linear Unbiased Prediction (HIML/HG-BLUP) procedure are also presented. Sample sizes for achieving high experimental quality and accuracy are indicated and simple interpretation of the estimates of key genetic parameters are given. Phenomics and genomics are approached. Maximum accuracy under the truest model is the key for achieving efficacy in plant breeding programs. |
|
Thesagro: |
Melhoramento Genético Vegetal; Método Estatístico. |
|
Thesaurus NAL: |
Plant breeding; Statistical models. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/220720/1/Linear-generalized-hierarchical.pdf
|
|
Marc: |
LEADER 01912naa a2200193 a 4500
001 2129637
005 2021-07-02
008 2020 bl uuuu u00u1 u #d
024 7 $ahttp://dx.doi.org/10.35418/2526-4117/v2n2a1$2DOI
100 1 $aRESENDE, M. D. V. de
245 $aLinear, generalized, hierarchical, bayesian and random regression mixed models in genetics/genomics in plant breeding.$h[electronic resource]
260 $c2020
520 $aThis paper presents the state of the art of the statistical modelling as applied to plant breeding. Classes of inference, statistical models, estimation methods and model selection are emphasized in a practical way. Restricted Maximum Likelihood (REML), Hierarchical Maximum Likelihood (HIML) and Bayesian (BAYES) are highlighted. Distributions of data and effects, and dimension and structure of the models are considered for model selection and parameters estimation. Theory and practical examples referring to selection between models with different fixed effects factors are given using the Full Maximum Likelihood (FML). An analytical FML way of defining random or fixed effects is presented to avoid the subjective or conceptual usual definitions. Examples of the applications of the Hierarchical Maximum Likelihood/Hierarchical Generalized Best Linear Unbiased Prediction (HIML/HG-BLUP) procedure are also presented. Sample sizes for achieving high experimental quality and accuracy are indicated and simple interpretation of the estimates of key genetic parameters are given. Phenomics and genomics are approached. Maximum accuracy under the truest model is the key for achieving efficacy in plant breeding programs.
650 $aPlant breeding
650 $aStatistical models
650 $aMelhoramento Genético Vegetal
650 $aMétodo Estatístico
700 1 $aALVES, R. S.
773 $tFunctional Plant Breeding Journal$gv. 2, n. 2, jul./dez., 2020. p. 1-31.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Café (CNPCa) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
