| |
|
|
 | 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: |
21/12/2017 |
|
Data da última atualização: |
15/08/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
OLIVEIRA, H. L. C. de; OLIVEIRA, S. R. de M.; MONTEIRO, J. E. B. de A. |
|
Afiliação: |
HENRIQUE L. C. DE OLIVEIRA, Bolsista CNPTIA; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; JOSE EDUARDO B DE ALMEIDA MONTEIRO, CNPTIA. |
|
Título: |
Metodologia baseada em florestas aleatórias para geração de séries espaço-temporais de temperatura e precipitação. |
|
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. |
|
Páginas: |
Não paginado. |
|
Idioma: |
Português |
|
Notas: |
CBAgro, SMUD 2017. Na publicação: José Eduardo B. A. Monteiro. |
|
Conteúdo: |
RESUMO: O objetivo deste trabalho foi desenvolver uma metodologia, baseada no algoritmo Random Forest, para gerar séries espaço-temporais de temperatura e de precipitação. Foi definida uma região de estudo de formato retangular, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. Essa região foi escolhida por ser climaticamente bastante heterogênea, tanto no tempo como no espaço, e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas AgMERRA, AgCFSR, radiação solar GL 1.2 CPTEC, TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grids que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados vários modelos preditivos, para temperatura máxima, mínima, precipitação diária e acumulada de 10 dias, utilizando o algoritmo de Aprendizado de Máquina Random Forest. Os resultados revelaram um bom ajuste dos modelos preditivos em relação aos valores previstos e observados para as quadrículas avaliadas, indicando um grande potencial da metodologia proposta tanto para a imputação de dados ausentes quanto para a geração de séries espaço-temporais em regiões sem a presença de dados medidos. MenosRESUMO: O objetivo deste trabalho foi desenvolver uma metodologia, baseada no algoritmo Random Forest, para gerar séries espaço-temporais de temperatura e de precipitação. Foi definida uma região de estudo de formato retangular, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. Essa região foi escolhida por ser climaticamente bastante heterogênea, tanto no tempo como no espaço, e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas AgMERRA, AgCFSR, radiação solar GL 1.2 CPTEC, TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grids que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados vários modelos preditivos, para temperatura máxima, mínima, precipitação diária e acumulada de 10 dias, utilizando o algoritmo de Aprendizado de Máquina Random Forest. Os resultados revelaram um bom ajuste dos modelos preditivos em relação aos valores previstos e observados para as quadrículas avaliadas, indicando um grande potencial da metodologia proposta tanto para... Mostrar Tudo |
|
Palavras-Chave: |
Agrometeorologia; Aprendizado de máquina; Classificação de dados; Data classification; Data imputation; Imputação de dados; Inteligência artificial; Machine learning; Modelos preditivos; Optimization; Otimização; Predictive modeling. |
|
Thesaurus Nal: |
Agrometeorology; Artificial intelligence; Models. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 03011nam a2200337 a 4500
001 2083203
005 2023-08-15
008 2017 bl uuuu u00u1 u #d
100 1 $aOLIVEIRA, H. L. C. de
245 $aMetodologia baseada em florestas aleatórias para geração de séries espaço-temporais de temperatura e precipitação.$h[electronic resource]
260 $aIn: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 20., SIMPÓSIO DE MUDANÇAS CLIMÁTICAS E DESERTIFICAÇÃO NO SEMIÁRIDO BRASILEIRO, 5., 2017, Juazeiro. A agrometeorologia na solução de problemas multiescala: anais. Juazeiro: Sociedade Brasileira de Agrometeorologia$c2017
300 $aNão paginado.
500 $aCBAgro, SMUD 2017. Na publicação: José Eduardo B. A. Monteiro.
520 $aRESUMO: O objetivo deste trabalho foi desenvolver uma metodologia, baseada no algoritmo Random Forest, para gerar séries espaço-temporais de temperatura e de precipitação. Foi definida uma região de estudo de formato retangular, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. Essa região foi escolhida por ser climaticamente bastante heterogênea, tanto no tempo como no espaço, e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas AgMERRA, AgCFSR, radiação solar GL 1.2 CPTEC, TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grids que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados vários modelos preditivos, para temperatura máxima, mínima, precipitação diária e acumulada de 10 dias, utilizando o algoritmo de Aprendizado de Máquina Random Forest. Os resultados revelaram um bom ajuste dos modelos preditivos em relação aos valores previstos e observados para as quadrículas avaliadas, indicando um grande potencial da metodologia proposta tanto para a imputação de dados ausentes quanto para a geração de séries espaço-temporais em regiões sem a presença de dados medidos.
650 $aAgrometeorology
650 $aArtificial intelligence
650 $aModels
653 $aAgrometeorologia
653 $aAprendizado de máquina
653 $aClassificação de dados
653 $aData classification
653 $aData imputation
653 $aImputação de dados
653 $aInteligência artificial
653 $aMachine learning
653 $aModelos preditivos
653 $aOptimization
653 $aOtimização
653 $aPredictive modeling
700 1 $aOLIVEIRA, S. R. de M.
700 1 $aMONTEIRO, J. E. B. de A.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agrobiologia. |
|
Data corrente: |
08/12/2010 |
|
Data da última atualização: |
08/12/2010 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
LESSA, A. C. da R.; SILVA, E. B.; PAREDES, D. da S.; ALVES, B. J. R.; JANTALIA, C. P.; URQUIAGA, S.; BODDEY, R. M. |
|
Afiliação: |
ANA CAROLINA DA ROCHA LESSA, UFRRJ; ERIC BONFIM SILVA, UNIVERSIDADE DO ESTADO DO MATO GROSSO; DEBORA DA SILVA PAREDES, UNIVERSIDADE UNI-ANHANGUERA, GO; BRUNO JOSE RODRIGUES ALVES, CNPAB; CLAUDIA POZZI JANTALIA, CNPAB; SEGUNDO SACRAMENTO U CABALLERO, CNPAB; ROBERT MICHAEL BODDEY, CNPAB. |
|
Título: |
Emissões de N2O e volatilização de NH3 de excretas bovinas em latossolo sob pastagem no Cerrado. |
|
Ano de publicação: |
2010 |
|
Fonte/Imprenta: |
In: REUNIÃO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRIÇÃO DE PLANTAS, 29.; REUNIÃO BRASILEIRA SOBRE MICORRIZAS, 13.; SIMPÓSIO BRASILEIRO DE MICROBIOLOGIA DO SOLO, 11.; REUNIÃO BRASILEIRA DE BIOLOGIA DO SOLO, 8., 2010, Guarapari. Fontes de nutrientes e produção agrícola: modelando o futuro: anais. Viçosa: SBCS, 2010. |
|
Idioma: |
Português |
|
Palavras-Chave: |
Perda de nitrogênio. |
|
Thesagro: |
Fezes; Urina. |
|
Categoria do assunto: |
-- |
|
URL: |
https://www.fertbio2010.com/TRABALHOS/567.pdf
|
|
Marc: |
LEADER 00927naa a2200217 a 4500
001 1869119
005 2010-12-08
008 2010 bl --- 0-- u #d
100 1 $aLESSA, A. C. da R.
245 $aEmissões de N2O e volatilização de NH3 de excretas bovinas em latossolo sob pastagem no Cerrado.$h[electronic resource]
260 $c2010
650 $aFezes
650 $aUrina
653 $aPerda de nitrogênio
700 1 $aSILVA, E. B.
700 1 $aPAREDES, D. da S.
700 1 $aALVES, B. J. R.
700 1 $aJANTALIA, C. P.
700 1 $aURQUIAGA, S.
700 1 $aBODDEY, R. M.
773 $tIn: REUNIÃO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRIÇÃO DE PLANTAS, 29.; REUNIÃO BRASILEIRA SOBRE MICORRIZAS, 13.; SIMPÓSIO BRASILEIRO DE MICROBIOLOGIA DO SOLO, 11.; REUNIÃO BRASILEIRA DE BIOLOGIA DO SOLO, 8., 2010, Guarapari. Fontes de nutrientes e produção agrícola: modelando o futuro: anais. Viçosa: SBCS, 2010.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agrobiologia (CNPAB) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
