| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Epagri-Sede. |
|
Data corrente: |
01/06/2020 |
|
Data da última atualização: |
01/06/2020 |
|
Tipo da produção científica: |
Folder/Folheto/Cartilha |
|
Autoria: |
CONCEIÇÃO, G.; RODRIGUES, M. L. G.; CRUZ, G. S.; MONTEIRO, A. N. |
|
Título: |
Monitoramento Climatológico Mensal - Abril 2020 - Enercan. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
FLORIANÓPOLIS, SC: Epagri, 2020. |
|
Páginas: |
19 p. |
|
Idioma: |
Português |
|
Conteúdo: |
Abril com seca na região da Enercan, com chuva bem abaixo da média climatológica e mal distribuída, registrada em apenas quatro dias, totalizando 66,8 mm (boa parte desse valor foi registrado em dois dias) em Campos Novos, em torno de 54% abaixo do esperado para o mês, que é de 144,5 mm (1948 a 2016 ? 68 anos de dados). A pouca chuva registrada no mês concentrou-se apenas na primeira quinzena e esteve associada ao deslocamento de três frentes frias, nos dias 02, 06 e 14/04. A segunda quinzena do mês foi marcada por sistemas de alta pressão (massas de ar mais seco), sem chuva na região. Assim como a chuva, os temporais foram escassos. |
|
Palavras-Chave: |
Clima; Monitoramento. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
|
|
|
Marc: |
LEADER 01141nam a2200181 a 4500
001 1129662
005 2020-06-01
008 2020 bl uuuu t 00u1 u #d
100 1 $aCONCEIÇÃO, G.
245 $aMonitoramento Climatológico Mensal - Abril 2020 - Enercan.$h[electronic resource]
260 $aFLORIANÓPOLIS, SC: Epagri$c2020
300 $a19 p.
520 $aAbril com seca na região da Enercan, com chuva bem abaixo da média climatológica e mal distribuída, registrada em apenas quatro dias, totalizando 66,8 mm (boa parte desse valor foi registrado em dois dias) em Campos Novos, em torno de 54% abaixo do esperado para o mês, que é de 144,5 mm (1948 a 2016 ? 68 anos de dados). A pouca chuva registrada no mês concentrou-se apenas na primeira quinzena e esteve associada ao deslocamento de três frentes frias, nos dias 02, 06 e 14/04. A segunda quinzena do mês foi marcada por sistemas de alta pressão (massas de ar mais seco), sem chuva na região. Assim como a chuva, os temporais foram escassos.
653 $aClima
653 $aMonitoramento
700 1 $aRODRIGUES, M. L. G.
700 1 $aCRUZ, G. S.
700 1 $aMONTEIRO, A. N.
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: |
10/11/2023 |
|
Data da última atualização: |
10/11/2023 |
|
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
|
Autoria: |
BRUNETTO, G.; ROZANE, D. E.; NATALE, W.; HAHN, L.; ANDRADE, C. B.; MOURA-BUENO, J. M.; TRAPP, T.; COMIN, J. J. |
|
Título: |
Predição de nutrientes em frutíferas como estratégia para racionalizar a fertilização. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
In: Nogueira, T. A. R.; Cherubin, M. R.; Pereira, A. P. A.; Tiecher, T. (Eds.) Tópicos em Ciência do Solo. Viçosa, MG: SBCS, 2023. p. 205-237 |
|
Idioma: |
Português |
|
Conteúdo: |
Aborda-se neste capítulo as ferramentas de estudo e análise para determinação de parâmetros que possam predizer a adubação e nutrição de frutíferas. O destaque é dado para métodos de estabelecimento de níveis críticos de nutrientes em solos e modelos de predição de produção e sua relação com índices nutricionais e variáveis abióticas em frutíferas. Com o avanço na aplicação de métodos de machine learning aos dados agronômicos, com destaque na área da fruticultura, os sistemas de gerenciamento de fazendas estarão evoluindo para sistemas de inteligência artificial, fornecendo recomendações e insights mais ricos para tomada de decisões e ações com o escopo final de melhoria da produção. Para este escopo, no futuro, espera-se que o uso de modelos de machine learning seja ainda mais difundido, permitindo a possibilidade de ferramentas integradas e aplicáveis. Essa integração entre organização de banco de dados e análise de dados com a implementação de machine learning, fornecerá ferramentas práticas que se alinham com a chamada agricultura baseada no conhecimento para aumentar os níveis e a qualidade da produção. |
|
Thesagro: |
análise de linha de fronteira; machine learning; Modelagem bayseana; nutrição de plantas; predição da produtividade. |
|
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
|
|
|
|
Marc: |
LEADER 02059naa a2200265 a 4500
001 1133914
005 2023-11-10
008 2023 bl uuuu u00u1 u #d
100 1 $aBRUNETTO, G.
245 $aPredição de nutrientes em frutíferas como estratégia para racionalizar a fertilização.$h[electronic resource]
260 $c2023
520 $aAborda-se neste capítulo as ferramentas de estudo e análise para determinação de parâmetros que possam predizer a adubação e nutrição de frutíferas. O destaque é dado para métodos de estabelecimento de níveis críticos de nutrientes em solos e modelos de predição de produção e sua relação com índices nutricionais e variáveis abióticas em frutíferas. Com o avanço na aplicação de métodos de machine learning aos dados agronômicos, com destaque na área da fruticultura, os sistemas de gerenciamento de fazendas estarão evoluindo para sistemas de inteligência artificial, fornecendo recomendações e insights mais ricos para tomada de decisões e ações com o escopo final de melhoria da produção. Para este escopo, no futuro, espera-se que o uso de modelos de machine learning seja ainda mais difundido, permitindo a possibilidade de ferramentas integradas e aplicáveis. Essa integração entre organização de banco de dados e análise de dados com a implementação de machine learning, fornecerá ferramentas práticas que se alinham com a chamada agricultura baseada no conhecimento para aumentar os níveis e a qualidade da produção.
650 $aanálise de linha de fronteira
650 $amachine learning
650 $aModelagem bayseana
650 $anutrição de plantas
650 $apredição da produtividade
700 1 $aROZANE, D. E.
700 1 $aNATALE, W.
700 1 $aHAHN, L.
700 1 $aANDRADE, C. B.
700 1 $aMOURA-BUENO, J. M.
700 1 $aTRAPP, T.
700 1 $aCOMIN, J. J.
773 $tIn: Nogueira, T. A. R.; Cherubin, M. R.; Pereira, A. P. A.; Tiecher, T. (Eds.) Tópicos em Ciência do Solo. Viçosa, MG: SBCS, 2023. p. 205-237
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. |
|
|
