Sabiia Seb
PortuguêsEspañolEnglish
Embrapa
        Busca avançada

Botão Atualizar


Botão Atualizar

Ordenar por: RelevânciaAutorTítuloAnoImprime registros no formato resumido
Registros recuperados: 5
Primeira ... 1 ... Última
Imagem não selecionada

Imprime registro no formato completo
Biometric characteristics and canopy reflectance association for early-stage sugarcane. Repositório Alice
ROCHA, M. G. da; BARROS, F. M. M. de; OLIVEIRA, S. R. de M.; AMARAL, L. R. do.
ABSTRACT: Knowing the spatial variability of sugarcane biomass in the early stages of development may help growers in their management decision-making. Proximal canopy sensing is a promising technology that can identify this variability but is limited to quantifying plant-specific parameters. In this study, we evaluated whether biometric variables integrated with canopy reflectance data can assist in the generation of models for early-stage sugarcane biomass prediction. To substantiate this assertion, four sugarcane-producing fields were measured with an active crop canopy sensor and 30 sampling plots were selected for manually quantifying chlorophyll content, plant height, stalk number and aboveground biomass. We determined that Random Forest and Multiple...
Tipo: Artigo em periódico indexado (ALICE) Palavras-chave: Floresta aleatória; Índice de vegetação; Mineração de dados; Precision farming; Random forest; Vegetation indices; Data mining; Canopy sensor; Biomassa; Cana de Açúcar; Agricultura de Precisão; Biomass; Sugarcane; Precision agriculture; Vegetation index.
Ano: 2019 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1110823
Imagem não selecionada

Imprime registro no formato completo
Modeling forest aboveground carbon density in the Brazilian Amazon with integration of MODIS and Airborne LiDAR data. Repositório Alice
JIANG, X.; LI, G.; LU, D.; MORAN, E.; BATISTELLA, M..
Abstract: Timely updates of carbon stock distribution are needed to better understand the impacts of deforestation and degradation on forest carbon stock dynamics. This research aimed to explore an approach for estimating aboveground carbon density (ACD) in the Brazilian Amazon through integration of MODIS (moderate resolution imaging spectroradiometer) and a limited number of light detection and ranging (Lidar) data samples using linear regression (LR) and random forest (RF) algorithms, respectively. Airborne LiDAR data at 23 sites across the Brazilian Amazon were collected and used to calculate ACD. The ACD estimation model, which was developed by Longo et al. in the same study area, was used to map ACD distribution in the 23 sites. The LR and RF methods...
Tipo: Artigo em periódico indexado (ALICE) Palavras-chave: Densidade de carbono acima do solo; Floresta aleatória; Amazônia brasileira; Random forest; MODIS; Brazilian Amazon; Linear regression; Aboveground carbon density; Regressão Linear; Biomassa; Aboveground biomass; Carbon; Lidar.
Ano: 2020 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1126323
Imagem não selecionada

Imprime registro no formato completo
Monitoring pasture aboveground biomass and canopy height in an integrated crop-livestock system using textural information from PlanetScope imagery. Repositório Alice
REIS, A. A. dos; WERNER, J. P. S.; SILVA, B. C.; FIGUEIREDO, G. K. D. A.; ANTUNES, J. F. G.; ESQUERDO, J. C. D. M.; COUTINHO, A. C.; LAMPARELLI, R. A. C.; ROCHA, J. V.; MAGALHÃES, P. S. G..
Abstract: Fast and accurate quantification of the available pasture biomass is essential to support grazing management decisions in intensively managed fields. The increasing temporal and spatial resolutions oered by the new generation of orbital platforms, such as Planet CubeSat satellites, have improved the capability of monitoring pasture biomass using remotely sensed data. Here, we assessed the feasibility of using spectral and textural information derived from PlanetScope imagery for estimating pasture aboveground biomass (AGB) and canopy height (CH) in intensively managed fields and the potential for enhanced accuracy by applying the extreme gradient boosting (XGBoost) algorithm. Our results demonstrated that the texture measures enhanced AGB and CH...
Tipo: Artigo em periódico indexado (ALICE) Palavras-chave: Pasto; Pastagem tropical; Floresta aleatória; Random forest; Mixed pastures; Integrated systems; Texture measures; Extreme gradient boosting; Biomassa; Pastagem Mista; Sensoriamento Remoto; Pastures; Tropical pastures; Biomass; Aboveground biomass; Remote sensing.
Ano: 2020 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1125026
Imagem não selecionada

Imprime registro no formato completo
Montagem de ambiente para classificação de solos usando ScikitLearn. Repositório Alice
VASCONCELOS, G. T.; SOUZA, K. X. S. de; OLIVEIRA, S. R. de M.; CAMARGO NETO, J..
Resumo - Técnicas de Mineração de Dados e Modelagem preditiva são cada vez mais usadas para automação de tarefas nos mais diversos campos do conhecimento. O da agricultura é um deles, existindo diversos modelos para predição de eventos climáticos, ocorrências de pragas e produtividade. A classificação de solos é uma das tarefas dentro dessa área que ainda não possui um sistema computacional satisfatório. Este trabalho tem como objetivo a criação de um sistema para a classificação automática de solos, a partir de dados previamente classificados segundo o método descrito no Sistema Brasileiro de Classificação de Solos (SiBCS). A modelagem para o sistema de classificação aqui proposto tem como base algoritmos de Aprendizado de Máquina. O trabalho ainda está...
Tipo: Artigo em anais de congresso (ALICE) Palavras-chave: Árvore de decisão; Floresta aleatória; K-Nearest Neighbors; Mineração de dados; Atributos de solos; Support vector machines.
Ano: 2018 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1101370
Imagem não selecionada

Imprime registro no formato completo
Utilizando processamento em cascata e agrupamento em imagens para otimizar modelos de classificação de solos. Repositório Alice
VASCONCELOS, G. T.; SOUZA, K. X. S. de; CAMARGO NETO, J.; OLIVEIRA, S. R. de M..
RESUMO. O presente artigo propõe duas novas abordagens para a classificação automática de solos, com o objetivo de aperfeiçoar o processo classificatório. As abordagens consistem no processamento em cascata para cada nível categórico e a organização dos horizontes do um perfil em forma de imagens possibilitando a classificação de perfis de solo como um todo. Constatou-se uma leve melhora, contudo a mesma carrega um grande custo computacional.
Tipo: Artigo em anais de congresso (ALICE) Palavras-chave: Árvores de decisão; Floresta aleatória; SVM; Mineração de dados; Atributos de solo; Classificação de solos; Decision Tree; Random Forest; Data Mining; Soil Attributes; Soil classification.
Ano: 2019 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1125730
Registros recuperados: 5
Primeira ... 1 ... Última
 

Empresa Brasileira de Pesquisa Agropecuária - Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área restrita

Embrapa
Parque Estação Biológica - PqEB s/n°
Brasília, DF - Brasil - CEP 70770-901
Fone: (61) 3448-4433 - Fax: (61) 3448-4890 / 3448-4891 SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional