02604naa a2200241 a 450000100080000000500110000800800410001910000160006024501290007626000090020552018150021465000260202965000150205565000210207065000260209165000430211770000130216070000140217370000170218770000230220470000170222777301180224411350022024-10-31       2024    bl uuuu     u00u1 u    #d1 aMOREIRA, C.  aMANEJO DE NUTRIENTES DA CEBOLA USANDO APRENDIZADO DE M??QUINA E M??TODOS DE COMPOSI????O NUTRICIONAL.h[electronic resource]  c2024  aEmbora os cultivares de cebola, a irriga????o e o manejo do solo e das culturas tenham recebido muita aten????o no Brasil para aumentar a produtividade da cebola, o manejo de nutrientes em escala de campo ainda ?? um desafio devido ?? grande incerteza da dosagem. Nosso objetivo foi desenvolver um modelo preciso de fertiliza????o baseado em caracter??sticas para culturas de cebola. Foram reunidos caracter??sticas clim??ticas, informa????es sobre cultivares, culturas anteriores, manejo de solo, bem como teores de nutrientes no solo e nas folhas, em um banco de dados de 1.182 observa????es de ensaios de fertilizantes multiambientais realizados durante 13 anos nas duas principais regi??es produtoras de cebola de SC: Ca??ador e Ituporanga. A complexidade dos sistemas de cultivo de cebola foi capturada por m??todos de aprendizado de m??quina (ML). O algoritmo de classifica????o RReliefF mostrou que a dosagem de N parcelada e os testes de solo para micronutrientes e enxofre foram as caracter??sticas mais relevantes para prever a produtividade de bulbos. Os modelos ??rvore de decis??o do random forest e extreme gradient boosting foram precisos para prever o rendimento de bulbos a partir dos preditores relevantes (R2?&gt?90%). Conforme mostrado pela raz??o de ganho, os padr??esde nutrientes foliares para esp??cimes nutricionalmente balanceados e de alto rendimento produzindo ?&gt?50 t/ha de bulbos separados pelos modelos de classifica????o ML diferiram entre as cultivares. As intera????es entre cultivar????ambiente apoiam o diagn??stico local de teores de nutrientes foliares. O fator parcelamento de N foi a vari??vel control??vel mais relevante para executar futuros testes de universalidade para avaliar a capacidade de generaliza????o dos modelos para os campos de cultivo de cebola em SC.  acompositional methods  allium cepa  amachine learning  anutri????o de plantas  apredi????o da composi????o nutricional1 aHAHN, L.1 aKURTZ, C.1 aPAULA, B. V.1 aHIGASHIKAWA, F. S.1 aBRUNETTO, G.  tIn: SEMIN??RIO CATARINENSE DE OLERICULTURA, 2., 2024, Fraiburgo, SC. Resumos... Ca??ador, SC: Epagri, 2024. p.303