Ferramentas de Business Intelligence aplicada à fenotipagem de alto rendimento do Capim – Elefante / Business Intelligence tools applied to high-yield phenotyping of Elephant Grass
DOI:
https://doi.org/10.34117/bjdv8n3-189Keywords:
computação, business intelligence, fenotipagem, capim-elefante.Abstract
Este trabalho tem como objetivo avaliar as características fenotípicas do capim-elefante para seleção de genótipos superiores através do uso de fenotipagem de alto rendimento seja capaz de mensurar as espécies de forrageiras promissoras para produção de biomassa. Os experimentos foram realizados no Campo Experimental de Coronel Pacheco da Embrapa Gado de Leite. Para tal, foram utilizados métodos estatísticos, ferramentas de visualização de dados e técnicas de Inteligência Artificial para obter maior precisão dos dados analisados e resultados relevantes.
References
MONTEIRO, F. A. Adubação para o estabelecimento e manutenção de capim-elefante. In. CARVALHO, L. A.; CARVALHO, M. M.; MARTINS, C. E.; VILELA, D. (Ed.). Capim-elefante: produção e utilização. Coronel Pacheco: Embrapa Gado de Leite, 1994. p. 49-79.
GILMOUR, A.R.; GOGEL, B.J.; CULLIS, B.R.; WELHAM, S.J.; THOMPSON, R. ASReml user guide. Release 4.0 VSN International Ltd, Hemel Hempstead, UK, 2015.
GITELSON, A.A., KAUFMAN, Y.J., STARK, R., RUNDQUIST, D. Novel algorithms for remote estimation of vegetation fraction. Remote Sensing of Environment, v. 80, p. 76–87, 2002.
LOUHAICHI, M., BORMAN, M.M., JOHNSON, D.E. Spatially located platform and aerial photography for documentation of grazing impacts on wheat. Geocarto International, v. 16, p. 65–70, 2001.
ROCHA, J.R.A.S.C.; MACHADO, J.C.; CARNEIRO, P.C.S.; ET AL. Bioenergetic potential and genetic diversity of elephantgrass viamorpho-agronomic and biomass quality traits. Industrial Crops and Products, v. 95, p.485–492, 2017.
GEBREMEDHIN, A.; BADENHORST, P.E.; WANG, J.; ET AL. Prospects for Measurement of Dry Matter Yield in Forage Breeding Programs Using Sensor Technologies. Agronomy. v. 9, p. 1–19, 2019.
PEREIRA, A. V.; AUAD, A. M.; LEDO, F. J. S.; BARBOSA, S. Pennisetum purpureum. In: FONSECA, D. M. da; MARTUSCELLO, J. A. (Org.). Plantas Forrageiras. Viçosa: Editora UFV, 2010. v. 1, p. 197-219.
GIGLIOTI, É. A.; SUMIDA, C. H.; CANTERI, M. G. Fenômica de resistência a doenças. In: FRITSCHE-NETO, R.; BORÉM, A. (Eds.). Fenômica: Como a fenotipagem de próxima geração está revolucionando o melhoramento de plantas. 1. ed. Viçosa: UFV, 2016. p. 148–178.
PRADO, André Alves; SILVA FILHO, José Eugênio da; GASPAR, Tiago Roberto Vitorino. Integração do bussiness intelligence como ferramenta de auxílio na tomada de decisões nos sistemas enterprise resource planning. Revista de Administração da Fatea, Lorena, v. 4, n. 4, p.93-109, dez. 2011.
CRUZ, C.D.; VENCOVSKY, R. Comparação de alguns métodos de análise dialélica. Revista Brasileira de Genética, v.12, p.425-438, 1989.
ROCHA, J.R.A.S.C.; MACHADO, J.C.; CARNEIRO, P.C.S.; ET AL. Bioenergetic potential and genetic diversity of elephantgrass viamorpho-agronomic and biomass quality traits. Industrial Crops and Products, v. 95, p.485–492, 2017.
GEBREMEDHIN, A.; BADENHORST, P.E.; WANG, J.; ET AL. Prospects for Measurement of Dry Matter Yield in Forage Breeding Programs Using Sensor Technologies. Agronomy. v. 9, p. 1–19, 2019.
Orange Canvas. Disponível em: <https://orange.biolab.si/> Acesso em: 27 mar 2019.
Scikit Learn. Disponível em: <https://scikit-learn.org/stable/modules/svm.html> Acesso em: 28 mar. 2019.
GONÇALVES, Lóren Pinto Ferreira. Avaliação de Ferramentas de Mineração de Dados como fonte de dados relevantes para a tomada de decisão. 2001. 104 f. Dissertação (Mestrado em administração) – Escola de Administração, Universidade federal do Rio Grande do Sul, Porto Alegre, 2001.
TAN, P.N; STEINBACK, M.; KUMAR, V. Introdução ao Data Mining. Rio de Janeiro: ed. Ciência Moderna, 2009.
WITTEN, I. H.; FRANK, E.; HALL, M. A. Data Mining: Practical machine learning tools and techniques. 3. ed.. Morgan Kaufmann, 2011.
CASTANHEIRA, Luciana Gomes. Aplicação de Técnicas de Mineração de Dados em Problemas de Classificação de Padrões. Belo Horizonte: UFMG, 2008.
Awad, M., Khanna, R. 2015. Efficient Learning Machines: Theories, Concepts, and Applications for Engineers and System Designers. ApresOpen. 248 pp
Tartakovsky, D.M., Wohlberg, B., Guadagnini, A. 2007. Nearest-neighbor classification for facies delineation. Water Resources Research, Vol. 43.
