|
|
Registro Completo |
Biblioteca(s): |
Embrapa Solos. |
Data corrente: |
27/12/2023 |
Data da última atualização: |
27/12/2023 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
SALDANHA, G. da R.; PINHEIRO, H. S. K.; CARVALHO JUNIOR, W. de; CHAGAS, C. da S.; RODRIGUES, N. B.; RAMOS, E. E. C.; GUIMARÃES, L. D. D. |
Afiliação: |
GABRIELA DA ROCHA SALDANHA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; HELENA SARAIVA KOENOW PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; WALDIR DE CARVALHO JUNIOR, CNPS; CESAR DA SILVA CHAGAS, CNPS; NIRIELE BRUNO RODRIGUES, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; ERIKA ELISSANDRA CASSIMIRO RAMOS, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; LEONARDO DURVAL DUARTE GUIMARÃES, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO MATO GROSSO. |
Título: |
Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
In: CONGRESSO LATINO-AMERICANO DE CIÊNCIA DO SOLO, 23.; CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 38., 2023, Florianópolis. Anais [...]. Florianópolis: Epagri, 2023. p. 110. Ref. ID 1206. |
Idioma: |
Português |
Conteúdo: |
O objetivo do trabalho foi comparar dois modelos de machine-learning, Regressão Linear Múltipla (RLM) e Random Forest (RF), para a predição da distribuição da fração areia total do solo. |
Palavras-Chave: |
Granulometria do solo; Mapeamento digital; Modelos preditivos. |
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
URL: |
https://www.alice.cnptia.embrapa.br/alice/bitstream/doc/1160243/1/Predicao-espacial-de-areia-total-atraves-de-machine-learning-2023.pdf
|
Marc: |
LEADER 01041nam a2200217 a 4500 001 2160243 005 2023-12-27 008 2023 bl uuuu u00u1 u #d 100 1 $aSALDANHA, G. da R. 245 $aPredição espacial de areia total através de machine learning$bestudo de caso Projeto Salitre, Bahia.$h[electronic resource] 260 $aIn: CONGRESSO LATINO-AMERICANO DE CIÊNCIA DO SOLO, 23.; CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 38., 2023, Florianópolis. Anais [...]. Florianópolis: Epagri, 2023. p. 110. Ref. ID 1206.$c2023 520 $aO objetivo do trabalho foi comparar dois modelos de machine-learning, Regressão Linear Múltipla (RLM) e Random Forest (RF), para a predição da distribuição da fração areia total do solo. 653 $aGranulometria do solo 653 $aMapeamento digital 653 $aModelos preditivos 700 1 $aPINHEIRO, H. S. K. 700 1 $aCARVALHO JUNIOR, W. de 700 1 $aCHAGAS, C. da S. 700 1 $aRODRIGUES, N. B. 700 1 $aRAMOS, E. E. C. 700 1 $aGUIMARÃES, L. D. D.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Solos (CNPS) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 7 | |
5. |  | FREITAS, S. T.; PAMPLIN, P. A. Z.; LEGAT, J. F. A.; FOGACA, F. H. dos S.; MELO, R. F. de. Conhecimento tradicional das marisqueiras de Barra Grande, área de proteção ambiental do Delta do Rio Parnaíba, Piauí, Brasil. Ambiente & Sociedade, São Paulo, v. 15, n. 2, p. 91-112, maio/ago. 2012.Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
Biblioteca(s): Embrapa Meio-Norte. |
|    |
7. |  | FIGUEIREDO, R. de O.; PEREIRA, A. S.; COSTA, C. F. G.; TORRESAN, F. E.; LEIVAS, J. F.; FILIZOLA, H. F.; SONODA, K. C.; REIS, L. C.; SOUZA, M. D. de; GOMES, M. A. F.; ZUCCARI, M. L.; SILVA, M. S. G. M. e; PICCOLO, M. C.; TANK, M.; CRUZ, P. P. N.; PAMPLIN, P. A. Z.; CAMARGO, P. B. de; BOEIRA, R. C.; BARIZON, R. R. M.; PEREIRA, S. E. M.; PAZIANOTTO, R. A. A.; GREEN, T. R.; FERRACINI, V. L. Land use effects on the ecohydrology in headwater areas of the Jaguari river basin. In: INTERNACIONAL CONFERENCE ON ECOHYDROLOGY FOR SECURITY OF AQUATIC ECOSYSTEMS AND SOCIETIES, 2017, Campos dos Goytacazes. Book of abstracts... Campos dos Goytacazes: UENF, 2017.Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Meio Ambiente. |
|    |
Registros recuperados : 7 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|