| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Arroz e Feijão; Embrapa Soja. |
|
Data corrente: |
18/10/2021 |
|
Data da última atualização: |
25/10/2021 |
|
Tipo da produção científica: |
Circular Técnica |
|
Autoria: |
MEYER, M. C.; CAMPOS, H. D.; GODOY, C. V.; UTIAMADA, C. M.; OLIVEIRA, M. C. N. de; VENANCIO, W. S.; BRUSTOLIN, R.; CARNEIRO, L. C.; NUNES JUNIOR, J.; LOBO JUNIOR, M.; JULIATTI, F. C.; MEDEIROS, F. H. V. de; ARRUDA, J. H. |
|
Afiliação: |
MAURICIO CONRADO MEYER, CNPSO; ENGENHEIRO-AGRÔNOMO, DOUTOR, UNIRV / CAMPOS PESQUISA AGRÍCOLA, RIO VERDE, GO; CLAUDIA VIEIRA GODOY, CNPSO; ENGENHEIRO-AGRÔNOMO, TAGRO, LONDRINA, PR; MARIA CRISTINA NEVES DE OLIVEIRA, CNPSO; ENGENHEIRO-AGRÔNOMO, DOUTOR, CWR PESQUISA AGRÍCOLA / UEPG, PALMEIRA, PR; ENGENHEIRO-AGRÔNOMO, MESTRE, RB ASSESSORIA E CONSULTORIA AGROPECUÁRIA, PASSO FUNDO, RS; ENGENHEIRA-AGRÔNOMA, DOUTORA, UFJ, JATAÍ, GO; ENGENHEIRO-AGRÔNOMO, DOUTOR, CTPA, GOIÂNIA, GO; MURILLO LOBO JUNIOR, CNPAF; ENGENHEIRO-AGRÔNOMO, DOUTOR, UFU, UBERLÂNDIA, MG; ENGENHEIRO-AGRÔNOMO, DOUTOR, UFLA, LAVRAS, MG; ENGENHEIRA-AGRÔNOMA, DOUTORA, FUNDAÇÃO MATO GROSSO, RONDONÓPOLIS, MT. |
|
Título: |
Experimentos cooperativos de controle biológico de Sclerotinia sclerotiorum na cultura da soja: resultados sumarizados da safra 2020/2021. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Londrina: Embrapa Soja, 2021. |
|
Páginas: |
12 p. |
|
Série: |
(Embrapa Soja. Circular técnica, 177). |
|
Idioma: |
Português |
|
Conteúdo: |
Esta publicação apresenta os resultados sumarizados dos experimentos cooperativos de controle biológico de mofo-branco em soja, conduzidos na safra 2020/2021. |
|
Thesagro: |
Controle Biológico; Fungo; Glycine Max; Mofo Branco; Sclerotinia Sclerotiorum; Soja. |
|
Thesaurus Nal: |
Biological control; Molds (fungi); Soybeans. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/227009/1/CT-177-OL.pdf
|
|
Marc: |
LEADER 01285nam a2200385 a 4500
001 2135398
005 2021-10-25
008 2021 bl uuuu u0uu1 u #d
100 1 $aMEYER, M. C.
245 $aExperimentos cooperativos de controle biológico de Sclerotinia sclerotiorum na cultura da soja$bresultados sumarizados da safra 2020/2021.$h[electronic resource]
260 $aLondrina: Embrapa Soja$c2021
300 $a12 p.
490 $a(Embrapa Soja. Circular técnica, 177).
520 $aEsta publicação apresenta os resultados sumarizados dos experimentos cooperativos de controle biológico de mofo-branco em soja, conduzidos na safra 2020/2021.
650 $aBiological control
650 $aMolds (fungi)
650 $aSoybeans
650 $aControle Biológico
650 $aFungo
650 $aGlycine Max
650 $aMofo Branco
650 $aSclerotinia Sclerotiorum
650 $aSoja
700 1 $aCAMPOS, H. D.
700 1 $aGODOY, C. V.
700 1 $aUTIAMADA, C. M.
700 1 $aOLIVEIRA, M. C. N. de
700 1 $aVENANCIO, W. S.
700 1 $aBRUSTOLIN, R.
700 1 $aCARNEIRO, L. C.
700 1 $aNUNES JUNIOR, J.
700 1 $aLOBO JUNIOR, M.
700 1 $aJULIATTI, F. C.
700 1 $aMEDEIROS, F. H. V. de
700 1 $aARRUDA, J. H.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Soja (CNPSO) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Solos. Para informações adicionais entre em contato com cnps.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
01/03/2007 |
|
Data da última atualização: |
04/03/2020 |
|
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
|
Autoria: |
MENDONÇA-SANTOS, M. de L.; MCBRATNEY, A. B.; MINASNY, B. |
|
Afiliação: |
MARIA DE LOURDES M SANTOS BREFIN, CNPS. |
|
Título: |
Soil prediction with spatially decomposed environmental factors. |
|
Ano de publicação: |
2007 |
|
Fonte/Imprenta: |
In: LAGACHERIE, P.; MCBRATNEY, A. B.; VOLTZ, M. (Ed.). Digital soil mapping: an introductory perspective. Amsterdam: Elsevier, 2007. cap. 21, 269-278. |
|
Idioma: |
Inglês |
|
Conteúdo: |
Prediction of soil attributes and soil classes in digital soil mapping relies on finding relationships between soil and the predictor variables of soil-forming factors and processes. The predictor variables can be remotely or proximally sensed images of soil, landscape, parent material or climatic factors. Till date, most prediction methods are based on performing regression on the predictor variables directly to predict soil attributes or classes. There are problems using data layers from different sources, particularly, multicollinearity, and the fact that the relationships between soil and environmental variables can change with spatial scale. To overcome the problem of correlation between variables, principal component analysis can be performed on the predictor variables. With respect to the spatial dependency, each of these variables can be decomposed into separate spatial components and mapped separately. One of the methods of achieving this is wavelet analysis, which decomposes the variables into separate hierarchical spatial components of decreasing spatial resolution. These components could all be derived and subsequently used as separate layers in predicting soil classes or soil attributes. In this chapter, data are decomposed using the wavelet method and examples of predictions of soil classes and surface-clay content are shown, in order to evaluate the effect of using the decomposed layers in comparison with the original data. |
|
Palavras-Chave: |
Atributos do solo. |
|
Thesagro: |
Sensoriamento Remoto. |
|
Thesaurus NAL: |
Remote sensing. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
Marc: |
LEADER 02099naa a2200181 a 4500
001 1338904
005 2020-03-04
008 2007 bl uuuu u00u1 u #d
100 1 $aMENDONÇA-SANTOS, M. de L.
245 $aSoil prediction with spatially decomposed environmental factors.$h[electronic resource]
260 $c2007
520 $aPrediction of soil attributes and soil classes in digital soil mapping relies on finding relationships between soil and the predictor variables of soil-forming factors and processes. The predictor variables can be remotely or proximally sensed images of soil, landscape, parent material or climatic factors. Till date, most prediction methods are based on performing regression on the predictor variables directly to predict soil attributes or classes. There are problems using data layers from different sources, particularly, multicollinearity, and the fact that the relationships between soil and environmental variables can change with spatial scale. To overcome the problem of correlation between variables, principal component analysis can be performed on the predictor variables. With respect to the spatial dependency, each of these variables can be decomposed into separate spatial components and mapped separately. One of the methods of achieving this is wavelet analysis, which decomposes the variables into separate hierarchical spatial components of decreasing spatial resolution. These components could all be derived and subsequently used as separate layers in predicting soil classes or soil attributes. In this chapter, data are decomposed using the wavelet method and examples of predictions of soil classes and surface-clay content are shown, in order to evaluate the effect of using the decomposed layers in comparison with the original data.
650 $aRemote sensing
650 $aSensoriamento Remoto
653 $aAtributos do solo
700 1 $aMCBRATNEY, A. B.
700 1 $aMINASNY, B.
773 $tIn: LAGACHERIE, P.; MCBRATNEY, A. B.; VOLTZ, M. (Ed.). Digital soil mapping: an introductory perspective. Amsterdam: Elsevier, 2007. cap. 21, 269-278.
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. |
|
|
