Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Agricultural Research and Rural Extension Agency of Santa Catarina (Epagri) | - |
Autor(es): dc.contributor | Laval University | - |
Autor(es): dc.contributor | Federal University of Santa Maria | - |
Autor(es): dc.contributor | Government Administrative Center | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | University of Alto Vale do Rio do Peixe | - |
Autor(es): dc.creator | Hahn, Leandro | - |
Autor(es): dc.creator | Parent, Léon-Étienne | - |
Autor(es): dc.creator | Paviani, Angela Cristina | - |
Autor(es): dc.creator | Feltrim, Anderson Luiz | - |
Autor(es): dc.creator | Wamser, Anderson Fernando | - |
Autor(es): dc.creator | Rozane, Danilo Eduardo | - |
Autor(es): dc.creator | Ender, Marcos Matos | - |
Autor(es): dc.creator | Grando, Douglas Luiz | - |
Autor(es): dc.creator | Moura-Bueno, Jean Michel | - |
Autor(es): dc.creator | Brunetto, Gustavo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T23:32:16Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T23:32:16Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2022-05-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1371/journal.pone.0268516 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/240992 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/240992 | - |
Descrição: dc.description | 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. | - |
Descrição: dc.description | Natural Sciences and Engineering Research Council of Canada | - |
Descrição: dc.description | Caçador Experimental Station Agricultural Research and Rural Extension Agency of Santa Catarina (Epagri), Caçador | - |
Descrição: dc.description | Department of Soils and Agrifood Engineering Laval University | - |
Descrição: dc.description | Department of Soil Federal University of Santa Maria, Rio Grande do Sul | - |
Descrição: dc.description | Executive Secretariat for the Environment Government Administrative Center, Santa Catarina | - |
Descrição: dc.description | State University of Paulista “Julio Mesquita Filho” Campus Registro | - |
Descrição: dc.description | University of Alto Vale do Rio do Peixe, Caçador | - |
Descrição: dc.description | State University of Paulista “Julio Mesquita Filho” Campus Registro | - |
Descrição: dc.description | Natural Sciences and Engineering Research Council of Canada: NSERC-2254 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | PLoS ONE | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Garlic (Allium sativum) feature-specific nutrient dosage based on using machine learning models | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: