| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Epagri-Sede. Para informações adicionais entre em contato com biblio@epagri.sc.gov.br. |
|
Registro Completo |
|
Biblioteca(s): |
Epagri-Sede. |
|
Data corrente: |
19/04/2007 |
|
Data da última atualização: |
19/04/2007 |
|
Autoria: |
BONGIOLO NETO, A.; REIFSCHNEIDER, F.J.B.; TAKATSU, A. |
|
Afiliação: |
Empasc |
|
Título: |
Levantamento dos grupos de Xanthomonas campestris pv. vesicatoria no Brasil. |
|
Ano de publicação: |
1995 |
|
Fonte/Imprenta: |
Fitopatologia Brasileira, Brasilia, v. 10, p. 325, jun. 1985. Resumo 225. |
|
Idioma: |
Português |
|
Palavras-Chave: |
Doenca de planta; Podridao negra; Xanthomonas campestris. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 00529naa a2200169 a 4500
001 1052550
005 2007-04-19
008 1995 bl --- 0-- u #d
100 1 $aBONGIOLO NETO, A.
245 $aLevantamento dos grupos de Xanthomonas campestris pv. vesicatoria no Brasil.
260 $c1995
653 $aDoenca de planta
653 $aPodridao negra
653 $aXanthomonas campestris
700 1 $aREIFSCHNEIDER, F.J.B.
700 1 $aTAKATSU, A.
773 $tFitopatologia Brasileira, Brasilia$gv. 10, p. 325, jun. 1985. Resumo 225.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Epagri-Sede (Epagri-Sede) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
|
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Epagri-Sede. |
|
Data corrente: |
19/10/2021 |
|
Data da última atualização: |
19/10/2021 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
RICCE, W. S.; BALDISSERA, T. C.; PINTO, C. E.; GARAGORRY, F. C. |
|
Título: |
SUPORTE A DECISÃO DE MANEJO DE PASTAGENS: APRENDIZADO DE MÁQUINA PARA PREDIÇÃO DA DISPONIBILIDADE DE FORRAGEM. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
In: SIMPÓSIO INTERNACIONAL CIÊNCIA, SAÚDE E TERRITÓRIO, 6., 2021, Lages, SC. Anais... Lages, SC: Uniplac, 2021. p. 835-841. |
|
Idioma: |
Português |
|
Conteúdo: |
Algoritmos de aprendizado de máquina são utilizados para a predição de valores a partir de resultados obtidos em base de dados gerando informações robustas com baixo custo. O objetivo deste trabalho foi avaliar alguns algoritmos de aprendizado de máquina na predição da disponibilidade de pastagem em sistemas integrados de produção agropecuária. O trabalho foi desenvolvido em Ponta Grossa ? PR, de janeiro de 2011 a junho de 2013, em sistema integrado de produção agropecuária consorciado com as seguintes pastagens: Axonopus catharinensis, Brachiaria brizantha cv. Marandu, Megathyrsus maximus cv. Aruana, Hemarthria altissima cv. Flórida, Cynodon spp.híbrido Tifton 85 e Paspalum notatum cv. Pensacola. Os tratamentos utilizados foram doses de N (0 e 300 kg/ha/ano), condição de cultivo (sol ou sombra) e severidade de desfolha (50 e 70%). Foram realizados medidos a altura das pastagens, a interceptação da radiação solar e a produção de matéria seca em g/m2. Para a estimativa da produção de pastagem, foram avaliados os modelos de regressão linear múltipla, árvore de decisão, random forest e k-vizinhos, avaliando MSE, RMSE, MAE e R2. A árvore de decisão foi o modelo com melhor desempenho. Conclui-se que algoritmos de aprendizado de máquina são ferramentas que podem ser utilizadas para a predição da produção de pastagens. |
|
Palavras-Chave: |
Algoritmos de predição; Produção de matéria seca; Sistemas Integrados de Produção Agropecuária. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
|
|
|
Marc: |
LEADER 02105naa a2200193 a 4500
001 1131358
005 2021-10-19
008 2021 bl uuuu u00u1 u #d
100 1 $aRICCE, W. S.
245 $aSUPORTE A DECISÃO DE MANEJO DE PASTAGENS$bAPRENDIZADO DE MÁQUINA PARA PREDIÇÃO DA DISPONIBILIDADE DE FORRAGEM.$h[electronic resource]
260 $c2021
520 $aAlgoritmos de aprendizado de máquina são utilizados para a predição de valores a partir de resultados obtidos em base de dados gerando informações robustas com baixo custo. O objetivo deste trabalho foi avaliar alguns algoritmos de aprendizado de máquina na predição da disponibilidade de pastagem em sistemas integrados de produção agropecuária. O trabalho foi desenvolvido em Ponta Grossa ? PR, de janeiro de 2011 a junho de 2013, em sistema integrado de produção agropecuária consorciado com as seguintes pastagens: Axonopus catharinensis, Brachiaria brizantha cv. Marandu, Megathyrsus maximus cv. Aruana, Hemarthria altissima cv. Flórida, Cynodon spp.híbrido Tifton 85 e Paspalum notatum cv. Pensacola. Os tratamentos utilizados foram doses de N (0 e 300 kg/ha/ano), condição de cultivo (sol ou sombra) e severidade de desfolha (50 e 70%). Foram realizados medidos a altura das pastagens, a interceptação da radiação solar e a produção de matéria seca em g/m2. Para a estimativa da produção de pastagem, foram avaliados os modelos de regressão linear múltipla, árvore de decisão, random forest e k-vizinhos, avaliando MSE, RMSE, MAE e R2. A árvore de decisão foi o modelo com melhor desempenho. Conclui-se que algoritmos de aprendizado de máquina são ferramentas que podem ser utilizadas para a predição da produção de pastagens.
653 $aAlgoritmos de predição
653 $aProdução de matéria seca
653 $aSistemas Integrados de Produção Agropecuária
700 1 $aBALDISSERA, T. C.
700 1 $aPINTO, C. E.
700 1 $aGARAGORRY, F. C.
773 $tIn: SIMPÓSIO INTERNACIONAL CIÊNCIA, SAÚDE E TERRITÓRIO, 6., 2021, Lages, SC. Anais... Lages, SC: Uniplac, 2021. p. 835-841.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Epagri-Sede (Epagri-Sede) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
