
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.creator | Andrade, Renata | - |
| Autor(es): dc.creator | Silva, Sérgio Henrique Godinho | - |
| Autor(es): dc.creator | Benedet, Lucas | - |
| Autor(es): dc.creator | Araújo, Elias Frank de | - |
| Autor(es): dc.creator | Carneiro, Marco Aurélio Carbone | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:34:53Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:34:53Z | - |
| Data de envio: dc.date.issued | 2023-06-27 | - |
| Data de envio: dc.date.issued | 2023-06-27 | - |
| Data de envio: dc.date.issued | 2022 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/57077 | - |
| Fonte completa do material: dc.identifier | https://www.mdpi.com/2223-7747/12/3/561 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1142832 | - |
| Descrição: dc.description | Several materials have been characterized using proximal sensors, but still incipient efforts have been driven to plant tissues. Eucalyptus spp. cultivation in Brazil covers approximately 7.47 million hectares, requiring faster methods to assess plant nutritional status. This study applies portable X-ray fluorescence (pXRF) spectrometry to (i) distinguish Eucalyptus clones using pre-processed pXRF data; and (ii) predict the contents of eleven nutrients in the leaves of Eucalyptus (B, Ca, Cu, Fe, K, Mg, Mn, N, P, S, and Zn) aiming to accelerate the diagnosis of nutrient deficiency. Nine hundred and twenty samples of Eucalyptus leaves were collected, oven-dried, ground, and analyzed using acid-digestion (conventional method) and using pXRF. Six machine learning algorithms were trained with 70% of pXRF data to model conventional results and the remaining 30% were used to validate the models using root mean square error (RMSE) and coefficient of determination (R2). The principal component analysis clearly distinguished developmental stages based on pXRF data. Nine nutrients were accurately predicted, including N (not detected using pXRF spectrometry). Results for B and Mg were less satisfactory. This method can substantially accelerate decision-making and reduce costs for Eucalyptus foliar analysis, constituting an ecofriendly approach which should be tested for other crops. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Multidisciplinary Digital Publishing Institute | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Plants | - |
| Palavras-chave: dc.subject | Portable X-ray fluorescence (pXRF) spectrometry | - |
| Palavras-chave: dc.subject | Proximal sensing | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Leaf nutrient analysis | - |
| Palavras-chave: dc.subject | Greentech analysis | - |
| Palavras-chave: dc.subject | Eucalyptus cultivation | - |
| Palavras-chave: dc.subject | Plant mineral nutrition | - |
| Título: dc.title | A proximal sensor-based approach for clean, fast, and accurate assessment of the Eucalyptus spp. nutritional status and differentiation of clones | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: