|
|
Registros recuperados : 17.114 | |
9242. | | SOUSA, S. M. de; OLIVEIRA-PAIVA, C. A.; ANDRADE, D. L.; CARVALHO, C. G. de; RIBEIRO, V. P.; PASTINA, M. M.; MARRIEL, I. E.; LANA, U. G. de P.; GOMES, E. A. Tropical Bacillus strains inoculation enhances maize root surface area, dry weight, nutrient uptake and grain yield. Journal of Plant Growth Regulation, v. 40, p. 867-877, 2021. Biblioteca(s): Embrapa Milho e Sorgo. |
| |
9244. | | NOCE, M. A.; ALBERNAZ, W. M.; CARVALHO, D. de O.; CHAVES, F. F. Transferência de tecnologias associadas à eficácia da adubação orgânica com cama de frango em sistema de integração lavoura-pecuária-floresta. In: CONGRESSO NACIONAL DE MILHO E SORGO, 28.; SIMPÓSIO BRASILEIRO SOBRE A LAGARTA DO CARTUCHO, 4., 2010, Goiânia. Potencialidades, desafios e sustentabilidade: resumos expandidos... Sete Lagoas: ABMS, 2010. 1 CD-ROM. Biblioteca(s): Embrapa Milho e Sorgo. |
| |
9249. | | VALICENTE, F. H.; CARNEIRO, N. P.; UTIDA, R. H.; GUIMARAES, C. T.; MAGALHAES, J. V. de; PAIVA, E.; CARNEIRO, A. A. Transformation of maize Elite lines with cry1ca of Bacillus thuringiensis to control Spodoptera frugiperda. In: PACIFIC RIM CONFERENCE ON BIOTECHNOLOGY OF BACILLUS THURINGIENSIS AND ITS ENVIRONMENT IMPACT, 6., 2005, Victoria. Proceedings. Victoria: Biocontrol Network of Canada: Réseau Biocontrôle du Canada, 2007. p. 81-83. Biblioteca(s): Embrapa Milho e Sorgo. |
| |
9253. | | LIMA, M. B. de; RABELLO, C. B. V.; SILVA, E. P. da; LIMA, R. B.; FREITAS, I. J. L. de; LUDKE, J. V.; LUDKE, M. do C. M. M. Valores energéticos do gérmen de milho para frangos de corte. In: JORNADA DE ENSINO, PESQUISA E EXTENSÃO, 7., 2007, Recife, PE. Anais. Recife, PE: Universidade Federal de Pernambuco, 2007. 3 p. Projeto n. 16.00.30001-16 Biblioteca(s): Embrapa Suínos e Aves. |
| |
9254. | | SOUZA, A. V. C. de; LOPES, D. C.; DONZELE, J. L.; SANTOS, J. P. dos; OLIVEIRA, R. F. M. de; OLIVEIRA, V. A. C. de; FARIA, B. N.; APOLONIO, L. R. Valores de energia digestível, metabolizável e do coeficiente de digestibilidade dos nutrientes do milho em diferentes níveis de carunchamento. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 36., 1999, Porto Alegre. Anais... Porto Alegre: Sociedade Brasileira de Zootecnia, 1999. Biblioteca(s): Embrapa Milho e Sorgo. |
| |
Registros recuperados : 17.114 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
04/02/2019 |
Data da última atualização: |
04/02/2019 |
Tipo da produção científica: |
Orientação de Tese de Pós-Graduação |
Autoria: |
OLDONI, L. V. |
Afiliação: |
LUCAS VOLOCHEN OLDONI, Unioeste. |
Título: |
Mapeamento de soja e milho com mineração de dados e imagens sintéticas Landsat e Modis. |
Ano de publicação: |
2018 |
Fonte/Imprenta: |
2018. |
Páginas: |
119 p. |
Idioma: |
Português |
Notas: |
Dissertação (Mestrado em Engenharia Agrícola) - Universidade Estadual do Oeste do Paraná, Cascavel. Orientador: Erivelto Mercante, Coorientador: João Francisco Gonçalves Antunes. |
Conteúdo: |
Estudos referentes ao acompanhamento da produção agrícola têm um peso determinante e estratégico no planejamento econômico do país, devido à importância do agronegócio, e também para segurança alimentar. O sensoriamento remoto orbital é uma alternativa eficaz para realizar o monitoramento das culturas agrícolas, devido ao baixo custo, grande escala de abrangência e rapidez na coleta de dados. Porém, geralmente os sensores com alta resolução espacial possuem baixa resolução temporal, e os com alta resolução temporal possuem baixa resolução espacial. Assim, para se realizar o acompanhamento de culturas agrícolas com uma resolução espacial mais alta, a cobertura por nuvens pode ser um fator limitante. Estes problemas podem ser contornados com a utilização de fusão de imagens de diversos sensores com características temporais e espaciais diferentes, criando, assim, novas imagens, também chamadas de imagens sintéticas. Deste modo, o objetivo do trabalho foi realizar o mapeamento de áreas semeadas com soja e milho utilizando fusão espaço-temporal de imagens Landsat 8 e MODIS. Na primeira parte do trabalho, foram separadas culturas agrícolas de outros alvos. A classificação gerada serviu de entrada em um dos algoritmos de classificação, o Flexible Spatiotemporal Data Fusion (FSDAF), na segunda parte do trabalho. Nessa parte, além deste algoritmo, também foram utilizados os algoritmos Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) e Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) para gerar imagens nas safras de verão 2016/2017. Então, foram criados 5 cenários de classificação. Nos 1º e 2º foram considerados a utilização apenas das imagens espectrais das imagens Landsat 8 livres de nuvens. As 3º, 4º e 5º foram realizadas com as imagens geradas pelo STARFM, ESTARFM e FSDAF. No 3º cenário foram utilizadas as métricas espectrais das imagens Landsat 8 e as imagens espectrais gerados pelos algoritmos de fusão, no 4º foram considerados as métricas estatísticas e no 5º as métricas fenológicas extraídas do perfil temporal do Enhanced Vegetation Index (EVI). Os cenários que utilizaram métricas fenológicas do EVI a partir de imagens geradas pelo FSDAF e STARFM obtiveram melhores resultados, com exatidão global de 93,11 e 91,33%, respectivamente, resultados estes estatisticamente melhores que os obtidos apenas com as imagens Landsat 8 existentes. Assim, a utilização de métricas fenológicas obtidas de imagens sintéticas são importantes alternativas para o mapeamento de soja e milho. MenosEstudos referentes ao acompanhamento da produção agrícola têm um peso determinante e estratégico no planejamento econômico do país, devido à importância do agronegócio, e também para segurança alimentar. O sensoriamento remoto orbital é uma alternativa eficaz para realizar o monitoramento das culturas agrícolas, devido ao baixo custo, grande escala de abrangência e rapidez na coleta de dados. Porém, geralmente os sensores com alta resolução espacial possuem baixa resolução temporal, e os com alta resolução temporal possuem baixa resolução espacial. Assim, para se realizar o acompanhamento de culturas agrícolas com uma resolução espacial mais alta, a cobertura por nuvens pode ser um fator limitante. Estes problemas podem ser contornados com a utilização de fusão de imagens de diversos sensores com características temporais e espaciais diferentes, criando, assim, novas imagens, também chamadas de imagens sintéticas. Deste modo, o objetivo do trabalho foi realizar o mapeamento de áreas semeadas com soja e milho utilizando fusão espaço-temporal de imagens Landsat 8 e MODIS. Na primeira parte do trabalho, foram separadas culturas agrícolas de outros alvos. A classificação gerada serviu de entrada em um dos algoritmos de classificação, o Flexible Spatiotemporal Data Fusion (FSDAF), na segunda parte do trabalho. Nessa parte, além deste algoritmo, também foram utilizados os algoritmos Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) e Enhanced Spatial and Temporal Ada... Mostrar Tudo |
Palavras-Chave: |
Data mining; Fusão de imagens espaço-temporal; Fusion of spatio-temporal images; Métricas estatísticas; Métricas fenológicas; Mineração de dados; Phenological metrics; Statistical metrics. |
Thesagro: |
Milho; Sensoriamento Remoto; Soja. |
Thesaurus NAL: |
Remote sensing. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/191987/1/TS-LucasOldoni.pdf
|
Marc: |
LEADER 03605nam a2200277 a 4500 001 2105405 005 2019-02-04 008 2018 bl uuuu m 00u1 u #d 100 1 $aOLDONI, L. V. 245 $aMapeamento de soja e milho com mineração de dados e imagens sintéticas Landsat e Modis.$h[electronic resource] 260 $a2018.$c2018 300 $a119 p. 500 $aDissertação (Mestrado em Engenharia Agrícola) - Universidade Estadual do Oeste do Paraná, Cascavel. Orientador: Erivelto Mercante, Coorientador: João Francisco Gonçalves Antunes. 520 $aEstudos referentes ao acompanhamento da produção agrícola têm um peso determinante e estratégico no planejamento econômico do país, devido à importância do agronegócio, e também para segurança alimentar. O sensoriamento remoto orbital é uma alternativa eficaz para realizar o monitoramento das culturas agrícolas, devido ao baixo custo, grande escala de abrangência e rapidez na coleta de dados. Porém, geralmente os sensores com alta resolução espacial possuem baixa resolução temporal, e os com alta resolução temporal possuem baixa resolução espacial. Assim, para se realizar o acompanhamento de culturas agrícolas com uma resolução espacial mais alta, a cobertura por nuvens pode ser um fator limitante. Estes problemas podem ser contornados com a utilização de fusão de imagens de diversos sensores com características temporais e espaciais diferentes, criando, assim, novas imagens, também chamadas de imagens sintéticas. Deste modo, o objetivo do trabalho foi realizar o mapeamento de áreas semeadas com soja e milho utilizando fusão espaço-temporal de imagens Landsat 8 e MODIS. Na primeira parte do trabalho, foram separadas culturas agrícolas de outros alvos. A classificação gerada serviu de entrada em um dos algoritmos de classificação, o Flexible Spatiotemporal Data Fusion (FSDAF), na segunda parte do trabalho. Nessa parte, além deste algoritmo, também foram utilizados os algoritmos Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) e Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) para gerar imagens nas safras de verão 2016/2017. Então, foram criados 5 cenários de classificação. Nos 1º e 2º foram considerados a utilização apenas das imagens espectrais das imagens Landsat 8 livres de nuvens. As 3º, 4º e 5º foram realizadas com as imagens geradas pelo STARFM, ESTARFM e FSDAF. No 3º cenário foram utilizadas as métricas espectrais das imagens Landsat 8 e as imagens espectrais gerados pelos algoritmos de fusão, no 4º foram considerados as métricas estatísticas e no 5º as métricas fenológicas extraídas do perfil temporal do Enhanced Vegetation Index (EVI). Os cenários que utilizaram métricas fenológicas do EVI a partir de imagens geradas pelo FSDAF e STARFM obtiveram melhores resultados, com exatidão global de 93,11 e 91,33%, respectivamente, resultados estes estatisticamente melhores que os obtidos apenas com as imagens Landsat 8 existentes. Assim, a utilização de métricas fenológicas obtidas de imagens sintéticas são importantes alternativas para o mapeamento de soja e milho. 650 $aRemote sensing 650 $aMilho 650 $aSensoriamento Remoto 650 $aSoja 653 $aData mining 653 $aFusão de imagens espaço-temporal 653 $aFusion of spatio-temporal images 653 $aMétricas estatísticas 653 $aMétricas fenológicas 653 $aMineração de dados 653 $aPhenological metrics 653 $aStatistical metrics
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|