| |
|
|
| Registros recuperados : 171 | |
| 141. |  | MORALES, R. G. F.; DINIZ, F. C. P.; SCHALLENBERGER, E.; CANTÚ, R. R.; VISCONTI, A.; CECCON, A. P. P. Compatibilidade do Cultivar SCS375 Kaiçara com o Portaenxerto CNPH1048, com Diferentes Variações das Condições de Enxertia de Tomateiro. In: CONGRESSO PARANAENSE DE ENGENHEIROS AGRÔNOMOS, 18., 2018, Guarapuava, PR. Resumos... Guarapuava, PR: Federação dos Eng. Agrônomos do Paraná, 2018.| Biblioteca(s): Epagri-Sede. |
|   |
| 142. | | ZAMBONIM, F. M.; HECK, T. C.; SILVA JÚNIOR, A. A.; VISCONTI, A.; SALERNO, A. R.; MESSIAS, K. L. S. DETERMINAÇÃO DOS TEORES DE CIANIDINAS TOTAIS EM FLORES DE Hibiscus cannabinus L. (MALVACEAE) EM ANTESE E PÓS-ANTESE COMO SUBSÍDIO A DETERMINAÇÃO DO PONTO DE COLHEITA. In: XI CONGRESSO LATINOAMERICANO DE BOTÂNICA, 11., CONGRESSO NACIONAL DE BOTANICA, 65.., 2014, Salvador, BA. Anais... Viçosa, MG: Sociedade Botânica do Brasil, 2014.| Biblioteca(s): Epagri-Sede. |
| |
| 143. | | SCHALLENBERGER, E.; CANTÚ, R. R.; MORALES, R. G. F.; VISCONTI, A.; GUIMARAES, G. G. F.; PADILHA, P. R. AVALIAÇÃO DO COMPOSTO DE RESÍDUOS DA AGRO-INDUSTRIA FRIGORÍFICA NO CULTIVO DE TOMATE EM SISTEMA ORGÂNICO DE PRODUÇÃO. In: SIMPÓSIO INTERNACIONAL SOBRE GERENCIAMENTO DE RESÍDUOS AGROPECUÁRIOS E AGROINDUSTRIAIS , 6., 2019, Florianópolis, SC. Anais... Concórdia, SC: SBERA, 2019.| Biblioteca(s): Epagri-Sede. |
| |
| 144. | | CANTÚ, R. R.; SCHALLENBERGER, E.; MORALES, R. G. F.; VISCONTI, A.; BARCELLOS, E. L.; PTANDINI, J. M. Efeito Imediato e Residual do Pó de Ardósia Misturado à Composto Orgânico de Resíduos de Frigorífico. In: REUNIÃO SUL BRASILEIRA DE CIÊNCIA DO SOLO, 13., 2020, Porto Alegre. Anais... Porto Alegre: Sociedade Brasileira de Ciência do Solo, 2020.| Biblioteca(s): Epagri-Sede. |
| |
| 145. | | MORALES, R. G. F.; FONSECA, B. F.; RICCE, W. S.; VISCONTI, A.; FAVARO, R.; CORDEIRO, E. C. N. Favorabilidade climática ao desenvolvimento de míldio (Bremia lactucae R.) em alface. In: CONGRESSO BRASILEIRO DE OLERICULTURA, 54., 2016, Recife, PE.. Anais... Vitória da Conquista, BA.: Associação Brasileira de Horticultura, 2016.| Biblioteca(s): Epagri-Sede. |
| |
| 146. | | CANTÚ, R. R.; SCHALLENBERGER, E.; MORALES, R. G. F.; VISCONTI, A.; GUIMARAES, G. G. F.; HIGASHIKAWA, F. S. Fertilizantes equilibrados para produção orgânica de folhosas. In: CONGRESSO VIRTUAL DE AGRONOMIA, 11., 2023, Online. Anais... São Paulo: COVIBRA, 2023.| Biblioteca(s): Epagri-Sede. |
| |
| 148. | | CANTÚ, R. R.; SCHALLENBERGER, E.; MORALES, R. G. F.; HARO, M. M.; VISCONTI, A.; VALE, M. L. C. Compostagem automatizada de grãos de soja residuais do Porto de São Francisco do Sul - SC. In: REUNIÃO SUL BRASILEIRA DE CIÊNCIA DO SOLO, 12., 2018, Xanxerê. Anais... Xanxerê: Sociedade Brasileira de Ciência do Solo, 2018.| Biblioteca(s): Epagri-Sede. |
| |
| 149. | | PEREIRA, D. R.; BOMFIM, T. F.; BRAMORSKI, A.; NESELLO, L. A. N.; VISCONTI, A.; ROSA, R. L. POTENCIAL GASTROPROTETOR IN VIVO E ANTIOXIDANTE IN VITRO DO EXTRATO METANÓLICO DAS FLORES DE Hibiscus cannabinus. In: SIMPÓSIO IBERO-AMERICANO DE PLANTAS MEDICINAIS, 8., 2016, Itajaí, SC. Resumos... Itajaí, SC: Univali, 2016. p. 247| Biblioteca(s): Epagri-Sede. |
| |
| 150. | | SCHALLENBERGER, E.; CANTÚ, R. R.; MORALES, R. G. F.; VISCONTI, A.; VALE, M. L. C.; MARCELLOS, E. L. Pó de rocha de ardósia (Varvito) melhora o rendimento do cultivo de hortaliças. In: CONGRESSO BRASILEIRO DE AGRONOMIA, 32., 2021, Florianópolis, SC. Anais... Brasília, DF: CONFAEAB, 2021.| Biblioteca(s): Epagri-Sede. |
| |
| 151. | | SCHALLENBERGER, E.; HARO, M. M.; REBELO, A. M.; MORALES, R. G. F.; CANTÚ, R. R.; VISCONTI, A. PARTICIPAÇÃO DE MULHERES AGRICULTORAS NA PRODUÇÃO DE SEMENTES CRIOULAS VISANDO A SEGURANÇA ALIMENTAR E NUTRICIONAL. In: SIMPÓSIO INTERNACIONAL DE CIÊNCIA, SAÚDE E TERRITÓRIO, 4., 2017, Lages. Resumos... Lages: Uniplac, 2017.| Biblioteca(s): Epagri-Sede. |
| |
| 152. | | DINIZ, F. C. P.; MORALES, R. G. F.; SCHALLENBERGER, E.; CANTÚ, R. R.; VISCONTI, A.; CECCON, A. P. P. Ocorrência da Broca Pequena do Tomateiro no Cultivar SCS375 Kaiçara em Dois Ambientes de Cultivo. In: CONGRESSO PARANAENSE DE ENGENHEIROS AGRÔNOMOS, 18., 2018, Guarapuava, PR.. Resumos... Guarapuava, PR.: Federação dos Eng. Agrônomos do Paraná, 2018.| Biblioteca(s): Epagri-Sede. |
| |
| 153. | | DINIZ, F. C. P.; MORALES, R. G. F.; CANTÚ, R. R.; SCHALLENBERGER, E.; PALMI, M. S.; VISCONTI, A. Qualidade física de frutos de tomateiro do cultivar SCS375 Kaiçara em dois sistemas de cultivo. In: CONGRESSO DE AGRÁRIAS E AMBIENTAIS, 4., 2018, Guarapuava, PR.. Anais... Guarapuava, PR.: Unicentro, 2018.| Biblioteca(s): Epagri-Sede. |
| |
| 154. | | MORALES, R. G. F.; SCHALLENBERGER, E.; CANTÚ, R. R.; HARO, M. M.; VISCONTI, A.; RESENDE, J. T. V. Seleção de cultivares de tomate no sistema orgânico de produção em abrigo de cultivo: aspectos agronômicos e fitossanitários. In: CONGRESSO BRASILEIRO DE OLERICULTURA, 54., 2016, Recife, PE. Resumos... Vitória da Conquista, BA: Associação Brasileira de Horticultura, 2016.| Biblioteca(s): Epagri-Sede. |
| |
| 155. | | SCHALLENBERGER, E.; CANTU, R. R.; MORALES, R. G. F.; REBELO, J. A.; VISCONTI, A.; HARO, M. M. Novo cultivar de tomate: SCS375 kaiçara. Agropecuária catarinense, Florianópolis, SC, v. 30, n.3, p. 50-54, set/dez. 2017.| Biblioteca(s): Epagri-São Joaquim; Epagri-Sede. |
| |
| 156. | | PINHEIRO, D. F.; MORALES, R. G. F.; PALMA, M. S.; DINIZ, F. C. P.; CECCON, A. P. P.; VISCONTI, A. Produção de mudas de rúcula em sistema orgânico com aplicação de composto e biofertilizante na base e em cobertura. In: CONGRESSO PARANAENSE DE ENGENHEIROS AGRÔNOMOS, 18., 2018, Guarapuava, PR. Resumos.... Guarapuava, PR.: Federação dos Eng. Agrônomos do Paraná, 2018.| Biblioteca(s): Epagri-Sede. |
| |
| 157. | | MULLER, J. J. V.; SILVA JÚNIOR, A. A.; ZAMBONIM, F. M.; DALENOGARE, N. S.; HECK, T. C.; VISCONTI, A. Unidade ambiental da Epagri de Itajaí: paradigma de pesquisa e educação ambiental. Agropecuária Catarinense, Florianópolis, v. 28, n. 1, p. 32-36, 2015.| Biblioteca(s): Epagri-Sede. |
| |
| 159. | | MORALES, R. G. F.; VISCONTI, A.; ONAKA, K. A.; CANTÚ, R. R.; SCHALLENBERGER, E.; PALMA, M. S. Uso de biofertilizante com resíduo marinho na produção de mudas de rúcula. In: SIMPÓSIO INTERNACIONAL DE GESTÃO DE RESÍDUOS AGROPECUÁRIO E AGROINDUSTRIAL, 6., 2019, Florianópolis. Anais... Concórdia, SC.: SBERA, 2019.| Biblioteca(s): Epagri-Sede. |
| |
| 160. | | JÚNIOR, A. A. S.; ZAMBONIM, F. M.; MESSIAS,K. L. S.; VISCONTI, A.; VIEIRA, S. C.; POMIANOWSKY, F. G.; SALERMO, A. R. Hibiscos - as cores da saúde. Agropecuária Catarinense, Florianópolis , SC, v. 25, n 2, p. 34-37, jul. 2012.| Biblioteca(s): Epagri-São Joaquim. |
| |
| Registros recuperados : 171 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Epagri-Sede. |
|
Data corrente: |
23/05/2022 |
|
Data da última atualização: |
23/05/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
HAHN, L.; PARENT, L.; PAVIANI, A. C.; FELTRIM, A. L.; WAMSER, A. F.; ROZANE, D. E.; ENDER, M. M.; GRANDO, D. L.; MOURA-BUENO, J. M.; BRUNETTO, G. |
|
Título: |
Garlic (Allium sativum) feature-specific nutrient dosage based on using machine learning models. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Plos One, California, USA, v. 17, n. 5, p. 1-13, 2022. |
|
Idioma: |
Inglês |
|
Conteúdo: |
Brazil presents large yield gaps in garlic crops partly due to nutrient mismanagement at local scale. Machine learning (ML) provides powerful tools to handle numerous combinations of yield-impacting factors that help reducing the number of assumptions about nutrient management. The aim of the current study is to customize fertilizer recommendations to reach high garlic marketable yield at local scale in a pilot study. Thus, collected 15 nitrogen (N), 24 phosphorus (P), and 27 potassium (K) field experiments conducted during the 2015 to 2017 period in Santa Catarina state, Brazil. In addition, 61 growers? observational data were collected in the same region in 2018 and 2019. The data set was split into 979 experimental and observational data for model calibration and into 45 experimental data (2016) to test ML models and compare the results to state recommendations. Random Forest (RF) was the most accurate ML to predict marketable yield after cropping system (cultivar, preceding crops), climatic indices, soil test and fertilization were included features as predictor (R2 = 0.886). Random Forest remained the most accurate ML model (R2 = 0.882) after excluding cultivar and climatic features from the prediction-making process. The model suggested the application of 200 kg N ha-1 to reach maximum marketable yield in a test site in comparison to the 300 kg N ha-1 set as state recommendation. P and K fertilization also seemed to be excessive, and it highlights the great potential to reduce production costs and environmental footprint without agronomic loss. Garlic root colonization by arbuscular mycorrhizal fungi likely contributed to P and K uptake. Well-documented data sets and machine learning models could support technology transfer, reduce costs with fertilizers and yield gaps, and sustain the Brazilian garlic production. MenosBrazil presents large yield gaps in garlic crops partly due to nutrient mismanagement at local scale. Machine learning (ML) provides powerful tools to handle numerous combinations of yield-impacting factors that help reducing the number of assumptions about nutrient management. The aim of the current study is to customize fertilizer recommendations to reach high garlic marketable yield at local scale in a pilot study. Thus, collected 15 nitrogen (N), 24 phosphorus (P), and 27 potassium (K) field experiments conducted during the 2015 to 2017 period in Santa Catarina state, Brazil. In addition, 61 growers? observational data were collected in the same region in 2018 and 2019. The data set was split into 979 experimental and observational data for model calibration and into 45 experimental data (2016) to test ML models and compare the results to state recommendations. Random Forest (RF) was the most accurate ML to predict marketable yield after cropping system (cultivar, preceding crops), climatic indices, soil test and fertilization were included features as predictor (R2 = 0.886). Random Forest remained the most accurate ML model (R2 = 0.882) after excluding cultivar and climatic features from the prediction-making process. The model suggested the application of 200 kg N ha-1 to reach maximum marketable yield in a test site in comparison to the 300 kg N ha-1 set as state recommendation. P and K fertilization also seemed to be excessive, and it highlights the great potential t... Mostrar Tudo |
|
Thesagro: |
Fertilidade do solo; modelos de precição; nutrição de plantas. |
|
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
|
|
|
|
Marc: |
LEADER 02627naa a2200265 a 4500
001 1131993
005 2022-05-23
008 2022 bl uuuu u00u1 u #d
100 1 $aHAHN, L.
245 $aGarlic (Allium sativum) feature-specific nutrient dosage based on using machine learning models.$h[electronic resource]
260 $c2022
520 $aBrazil presents large yield gaps in garlic crops partly due to nutrient mismanagement at local scale. Machine learning (ML) provides powerful tools to handle numerous combinations of yield-impacting factors that help reducing the number of assumptions about nutrient management. The aim of the current study is to customize fertilizer recommendations to reach high garlic marketable yield at local scale in a pilot study. Thus, collected 15 nitrogen (N), 24 phosphorus (P), and 27 potassium (K) field experiments conducted during the 2015 to 2017 period in Santa Catarina state, Brazil. In addition, 61 growers? observational data were collected in the same region in 2018 and 2019. The data set was split into 979 experimental and observational data for model calibration and into 45 experimental data (2016) to test ML models and compare the results to state recommendations. Random Forest (RF) was the most accurate ML to predict marketable yield after cropping system (cultivar, preceding crops), climatic indices, soil test and fertilization were included features as predictor (R2 = 0.886). Random Forest remained the most accurate ML model (R2 = 0.882) after excluding cultivar and climatic features from the prediction-making process. The model suggested the application of 200 kg N ha-1 to reach maximum marketable yield in a test site in comparison to the 300 kg N ha-1 set as state recommendation. P and K fertilization also seemed to be excessive, and it highlights the great potential to reduce production costs and environmental footprint without agronomic loss. Garlic root colonization by arbuscular mycorrhizal fungi likely contributed to P and K uptake. Well-documented data sets and machine learning models could support technology transfer, reduce costs with fertilizers and yield gaps, and sustain the Brazilian garlic production.
650 $aFertilidade do solo
650 $amodelos de precição
650 $anutrição de plantas
700 1 $aPARENT, L.
700 1 $aPAVIANI, A. C.
700 1 $aFELTRIM, A. L.
700 1 $aWAMSER, A. F.
700 1 $aROZANE, D. E.
700 1 $aENDER, M. M.
700 1 $aGRANDO, D. L.
700 1 $aMOURA-BUENO, J. M.
700 1 $aBRUNETTO, G.
773 $tPlos One, California, USA$gv. 17, n. 5, p. 1-13, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Epagri-Sede (Epagri-Sede) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
