
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 | Rolim, Glauco de Souza | - |
| Autor(es): dc.contributor | UNESP - Faculdade de Ciências Agrárias e Veterinárias - Câmpus de Jaboticabal | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Panosso, Alan Rodrigo | - |
| Autor(es): dc.creator | Silva, Paulo Alexandre da | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:40:27Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:40:27Z | - |
| Data de envio: dc.date.issued | 2025-01-22 | - |
| Data de envio: dc.date.issued | 2025-01-22 | - |
| Data de envio: dc.date.issued | 2022-09-22 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/259883 | - |
| Fonte completa do material: dc.identifier | http://lattes.cnpq.br/9392990671396360 | - |
| Fonte completa do material: dc.identifier | https://orcid.org/0000-0001-6079-8817 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/259883 | - |
| Descrição: dc.description | Neste trabalho, foram gerados modelos para predizer a emissão de CO2 do solo (FCO2), em função das variáveis que compõem o sistema solo planta-atmosfera, utilizando técnicas de machine learning em áreas agrícolas cultivadas com cana-de-açúcar, nos estados de São Paulo e Mato Grosso do Sul. Os estudos foram realizados a partir de um conjunto de dados, oriundos de experimentos conduzidos em áreas de cana-de-açúcar nos municípios de Guariba (SP), Pradópolis (SP) e Aparecida do Taboado (MS). As determinações da FCO2 foram registradas nas áreas de estudo pelo sistema LI-COR (LI-8100). No estudo 1 foi obtido o seguinte modelo mecanístico: FCO2 = 2,5938 + 0,0065*matéria orgânica prevista – 0,0401*porosidade livre d’água prevista. O valor do coeficiente de determinação do modelo foi de R2 = 0,824, e o seu respectivo valor ajustado foi R2ajustado = 0,807. No estudo 2 foram testados 11 algoritmos de machine learning para determinar a emissão do CO2 do solo, em função dos atributos que compõem o sistema solo-planta-atmo | - |
| Descrição: dc.description | In this work, models were generated to predict soil CO2 emission (FCO2), as a function of the variables that make up the soil-plant-atmosphere system, using machine learning techniques in agricultural areas cultivated with sugarcane, in the states of São Paulo and Mato Grosso do Sul. The studies were carried out from a set of data from experiments carried out in sugarcane areas in the municipalities of Guariba (SP), Pradópolis (SP) and Aparecida do Taboado (MS). FCO2 determinations were recorded in the study areas by the LI-COR system (LI-8100). In study 1, the following mechanistic model was obtained: FCO2= 2,5938 + 0,0065*predicted organic matter – 0,0401*predicted water-free porosity. The value of the coefficient of determination of the model was R2 = 0,824, and its respective adjusted value was R2 adjusted = 0,807. In study 2, 11 machine learning algorithms were tested to determine the emission of CO2 from the soil, depending on the attributes that make up the soil-plant-atmosphere system and the algorith | - |
| Descrição: dc.description | En este trabajo se generaron modelos para predecir las emisiones de CO2 del suelo (FCO2), a partir de las variables que componen el sistema suelo-planta-atmósfera, utilizando técnicas de aprendizaje automático en áreas agrícolas cultivadas con caña de azúcar, en los estados de São Paulo y Mato Grosso do Sul. Los estudios se realizaron utilizando un conjunto de datos provenientes de experimentos realizados en áreas de caña de azúcar en los municipios de Guariba (SP), Pradópolis (SP) y Aparecida do Taboado (MS). Las determinaciones de FCO2 se registraron en las áreas de estudio mediante el sistema LI-COR (LI-8100). En el estudio 1, se obtuvo el siguiente modelo mecanístico: FCO2 = 2,5938 + 0,0065*materia orgánica prevista – 0,0401*porosidad libre de agua prevista. El valor del coeficiente de determinación del modelo fue R2 = 0,824, y su respectivo valor ajustado fue R2ajustado = 0,807. En el estudio 2, se probaron 11 algoritmos de aprendizaje automático para determinar las emisiones de CO2 del suelo, con base e | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | CAPES: 88882.433746/2019-01 | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
| Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Gases de efeito estufa | - |
| Palavras-chave: dc.subject | Respiração do solo | - |
| Palavras-chave: dc.subject | Emissão de CO2 do solo | - |
| Palavras-chave: dc.subject | Greenhouse gases | - |
| Palavras-chave: dc.subject | Soil respiration | - |
| Palavras-chave: dc.subject | Soil CO2 emission | - |
| Título: dc.title | Utilização de diferentes técnicas de machine learning no processo de determinação da emissão da CO2 do solo, em função dos atributos do sistema solo-planta-atmosfera | - |
| Título: dc.title | Use of different machine learning techniques in the process of determining soil CO2 emissions, based on the attributes of the soil-plant-atmosphere system | - |
| Título: dc.title | Uso de diferentes técnicas de aprendizaje automático en el proceso de determinación de las emisiones de CO2 del suelo, en función de los atributos del sistema suelo-planta-atmósfera | - |
| 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: