Portal do Governo Brasileiro
BDPA - Bases de Dados da Pesquisa Agropecuária Embrapa
 






Ordenar por: RelevânciaAutorTítuloAnoImprime registros no formato resumido      Imprime registros no formato resumido
Registros recuperados : 5
Primeira ... 1 ... Última
1.Imagem marcado/desmarcadoOLIVEIRA, M. F. de; FERNANDES, R. B. A.; FREDDI, O. da S.; FERREIRA, C. J. B.; TAVARES, R. L. M. Aspectos relevantes da semeadura direta na qualidade do solo e na produtividade das culturas. In: MOURA, P. H. A.; MONTEIRO, V. da F. C. (org.). Ponta Grossa, PR: Inovação e tecnologias nas ciências agrárias. Atena, 2021. p. 1-15.

Biblioteca(s): Embrapa Milho e Sorgo.

Visualizar detalhes do registroAcesso ao objeto digitalImprime registro no formato completo
2.Imagem marcado/desmarcadoTAVARES, R. L. M.; OLIVEIRA, S. R. de M.; BARROS, F. M. M. de; FARHATE, C. V. V.; SOUZA, Z. M. de; LA SCALA JUNIOR, N. Prediction of soil CO2 flux in sugarcane management systems using the Random Forest approach. Scientia Agricola, Piracicaba, v. 74, n. 4, p. 281-287, July/Aug. 2018.

Biblioteca(s): Embrapa Agricultura Digital.

Visualizar detalhes do registroAcesso ao objeto digitalImprime registro no formato completo
3.Imagem marcado/desmarcadoMARÇAL, M. F. M.; SOUZA, Z. M. de; TAVARES, R. L. M.; FARHATE, C. V. V.; OLIVEIRA, S. R. de M.; GALINDO, F. S. Predictive models to estimate carbon stocks in agroforestry systems. Forests, v. 12, n. 9, p. 1-15, Sept. 2021. Article 1240. Na publicação: Stanley Robson Medeiros Oliveira.

Biblioteca(s): Embrapa Agricultura Digital.

Visualizar detalhes do registroAcesso ao objeto digitalImprime registro no formato completo
4.Imagem marcado/desmarcadoBOLDRIN, P. F.; REIS, A. C. P. dos; BENITES, V. de M.; TAVARES, R. L. M.; MENEZES, J. F. S.; CANTÃO, V. C. G. Soil phosphorus and corn development under application of phosphate sources. Journal of Agricultural Science, v. 13, n. 9, p. 61-72, 2021.

Biblioteca(s): Embrapa Solos.

Visualizar detalhes do registroAcesso ao objeto digitalImprime registro no formato completo
5.Imagem marcado/desmarcadoFARHATE, C. V. V.; SOUZA, Z. M. de; OLIVEIRA, S. R. de M.; TAVARES, R. L. M.; CARVALHO, J. L. N. Use of data mining techniques to classify soil CO2 emission induced by crop management in sugarcane field. Plos One, v. 13, n. 3, p. 1-18, 2018. Artigo e0193537.

Biblioteca(s): Embrapa Agricultura Digital.

Visualizar detalhes do registroAcesso ao objeto digitalImprime registro no formato completo
Registros recuperados : 5
Primeira ... 1 ... Última






Registro Completo

Biblioteca(s):  Embrapa Agricultura Digital.
Data corrente:  01/06/2018
Data da última atualização:  06/06/2018
Tipo da produção científica:  Artigo em Periódico Indexado
Circulação/Nível:  A - 1
Autoria:  TAVARES, R. L. M.; OLIVEIRA, S. R. de M.; BARROS, F. M. M. de; FARHATE, C. V. V.; SOUZA, Z. M. de; LA SCALA JUNIOR, N.
Afiliação:  ROSE LUIZA MORAES TAVARES, Rio Verde University; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; FLÁVIO MARGARITO MARTINS DE BARROS, Feagri/Unicamp; CAMILA VIANA VIEIRA FARHATE, Feagri/Unicamp; ZIGOMAR MENEZES DE SOUZA, Feagri/Unicamp; NEWTON LA SCALA JUNIOR, FCAV/Unesp.
Título:  Prediction of soil CO2 flux in sugarcane management systems using the Random Forest approach.
Ano de publicação:  2018
Fonte/Imprenta:  Scientia Agricola, Piracicaba, v. 74, n. 4, p. 281-287, July/Aug. 2018.
DOI:  http://dx.doi.org/10.1590/1678-992X-2017-0095
Idioma:  Inglês
Conteúdo:  ABSTRACT: The Random Forest algorithm is a data mining technique used for classifying attributes in order of importance to explain the variation in an attribute-target, as soil CO2 flux. This study aimed to identify prediction of soil CO2 flux variables in management systems of sugarcane through the machine-learning algorithm called Random Forest. Two different management areas of sugarcane in the state of São Paulo, Brazil, were selected: burned and green. In each area, we assembled a sampling grid with 81 georeferenced points to assess soil CO2 flux through automated portable soil gas chamber with measuring spectroscopy in the infrared during the dry season of 2011 and the rainy season of 2012. In addition, we sampled the soil to evaluate physical, chemical, and microbiological attributes. For data interpretation, we used the Random Forest algorithm, based on the combination of predicted decision trees (machine learning algorithms) in which every tree depends on the values of a random vector sampled independently with the same distribution to all the trees of the forest. The results indicated that clay content in the soil was the most important attribute to explain the CO2 flux in the areas studied during the evaluated period. The use of the Random Forest algorithm originated a model with a good fit (R2 = 0.80) for predicted and observed values.
Palavras-Chave:  Data mining; Green sugarcane; Mineração de dados; Random Forest algorithm.
Thesagro:  Argila; Cana de Açúcar; Saccharum Officinarum.
Thesaurus NAL:  Clay; Soil organic carbon; Soil respiration; Sugarcane.
Categoria do assunto:  X Pesquisa, Tecnologia e Engenharia
URL:  https://ainfo.cnptia.embrapa.br/digital/bitstream/item/177973/1/AP-Prediction-Tavares-etal.pdf
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Agricultura Digital (CNPTIA)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status
CNPTIA19682 - 1UPCAP - DD
Fechar
Nenhum registro encontrado para a expressão de busca informada.
 
 

Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área Restrita

Embrapa Agricultura Digital
Av. André Tosello, 209 - Barão Geraldo
Caixa Postal 6041- 13083-886 - Campinas, SP
SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional