Redape – Repositório de Dados de Pesquisa da Embrapa
Not a member yet
306 research outputs found
Sort by
LiDAR survey on 956 hectares in GEDI, Pará, Brazil, 2021.
No full textThe LiDAR data GEDI (GED_A02_2021_LiDAR) refers to the survey carried out in Pará state, Brazil. The data were collected under the project Sustainable Landscapes, a project supported by the United States Agency for International Development (USAID) and US Department of State. The United States Forest Service working in collaboration with the Brazilian Agricultural Research Corporation (Embrapa) have made possible the provision of high accuracy LiDAR data aiming at developing new methods and generating knowledge in the field.
This dataset contains:
a. Classified LAS formatted point cloud data – compressed LAS files: LAZ format (vendor delivered);
b. Map of LiDAR coverage area and block boundaries;
“Data were acquired by the Sustainable Landscapes Brazil project supported by the Brazilian Agricultural Research Corporation (Embrapa), the US Forest Service, USAID and the US Department of State."Os dados LiDAR GEDI (GED_A02_2021_LiDAR) referem-se ao levantamento realizado no estado do Pará, Brasil. Os dados foram coletados no âmbito do projeto Paisagens Sustentáveis, um projeto apoiado pela Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID) e Departamento de Estado dos EUA. O Serviço Florestal dos Estados Unidos trabalhando em colaboração com a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) tornou possível o fornecimento de dados LiDAR de alta precisão com o objetivo de desenvolver novos métodos e gerar conhecimento no campo.
Este conjunto de dados contém:
a. Dados de nuvem de pontos formatados em LAS classificados – arquivos LAS compactados: formato LAZ (entregue pelo fornecedor);
b. Mapa da área de cobertura LiDAR e limites dos blocos;
“Os dados foram adquiridos pelo projeto Paisagens Sustentáveis Brasil, apoiado pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), Serviço Florestal dos EUA, USAID e Departamento de Estado dos EUA.
Nutrição e fertilização da cana-de-açúcar.
No full textCom o objetivo de avaliar diferentes fontes e doses de adubos fosfatados, aplicados na
cana-de-açúcar em ambiente de baixa fertilidade, o experimento foi instalado em solo arenoso no município de Piracicaba-SP. Foram avaliadas características biométricas, de produtividade e teor de sacarose, bem como parâmetros de extração de nutrientes, em cana-planta no ano de 2021. Os efeitos de tratamentos foram significativos apenas para a produtividade de colmos, havendo grande resposta a aplicação de fósforo. Não houve efeito dos produtos, fontes ou doses aplicadas na qualidade tecnológica dos colmos
O experimento foi realizado pela Usina Granelli, na propriedade Bacuri, Ipeúna/SP. Teve como objetivo verificar o aproveitamento de fosforo original de solo e enriquecido pela adubação fosfatada no plantio em 150 kg P2O5 no sulco em variedades de cana energia e uma convencional. O experimento foi iniciado com cana no dia 10/10/2018, seguido pelo corte de duas soqueiras em maio, sendo pesado e mensurado por análises tecnológicas. A variedade de cana convencional RB86 7515 apresentou a maior amplitude e resposta ao tratamento, mesmo na ressoca. Todavia, ressalta-se que as variedades de cana energia apresentaram boa produtividade mesmo sem aplicação de P no solo.
Com o objetivo de avaliar doses crescentes de potássio, aplicadas na cana-de-açúcar, bem como o comportamento de variedades convencionais e de cana energia, o experimento foi instalado em solo argiloso no município de Piracicaba-SP. Foram avaliadas características biométricas, de produtividade e teor de saca-
rose, bem como parâmetros de extração de nutrientes, em dois cortes realizados em 2020 e 2021. Os efeitos de tratamentos foram significativos apenas no segundo corte, e o de variedades em ambos os cortes. Os melhores tratamentos para produtividade de açúcar foram obtidos com a dose de 120 kg/ha de K2O, e adição de micronutrientes e gesso, com destaque para a produtividade de açúcar da variedade RB86-7515 nos dois cortes e a boa performance para tonelagem de colmos na soqueira da variedade Vertix 3.Experimentos / Coplacana (adubação e calagem)
Potássio
Nitrogênio
Fósforo
Micronutrientes
1) Coplacana:
- K (Potássio) em cana com variedades (cana energia)
2) Ipeuna:
- Ensaio de N (doses) x variedades (cana energia)
3) Santin1
- calagem
- fósforo
4) Santin 2 (em cana-planta):
- calagem
- fósforo
- micronutriente
Ambient-awareness in agriculture: 3-D structure and reasoning in the crop field (AACr3).
No full textThis dataset was created to enable research on semantic SLAM in agriculture, using a vineyard as a case study. The research goal is the automated recovery of geo-referenced 3-D structure of crop fields and the detection and classification of objects of interest, such as trunks, leaves, and fruits.
The instances are readings of different sensors: a color stereo camera, a color 4K camera, a 16-channels LIDAR, a GNSS sensor with ground-base correction (Real-Time Kinematics), and IMUs. All sensors were assembled in a system mounted on a push cart and moved along the rows of two vineyards plots. The plots presented two different growing management systems: vertical shoot positioning growing (VSP) and Y-trellis (YT).
This work was funded by the São Paulo Research Foundation (FAPESP) and IBM under grant 17/19282-7, Ambient-awareness in agriculture: 3-D structure and reasoning in the crop field (AACr3).
For a complete description of this dataset, see README.md
Stem and pseudostem growth play a key role in biomass accumulation of guineagrass in long regrowth cycles.
No full textThe data presented are from a field experiment conducted in São Carlos-SP to evaluate the stem and pseudostem growth patterns of ‘Mombaça’ guineagrass [Megathyrsus maximus (Jacq.) BK Simon & SWL Jacobs] grown in field conditions and its relationship with biomass accumulation in long regrowth cycles. Plots of ‘Mombaça guineagrass’ were evaluated on three regrowth cycles that occurred from December 2017 to February 2018 (Summer 1), February 2018 to June 2018 (Autumn), and November 2018 to January 2019 (Summer 2), totalling 10, 14, and 12 weeks, respectively. Individual tillers labelled with colored plastic coated wires were assessed weekly to measure leaf elongation, leaf appearance rate and angle of insertion of the leaves. Destructive measures were performed on individual tillers to assess the pseudostem and stem lengths and the developmental phase of the tillers. For that, ten tillers in the summers and 20 tillers in the autumn were split longitudinally to measure the stem (from soil level to the apical meristem) and pseudostem (from apical meristem to the youngest visible ligule) lengths and to classify them as vegetative or reproductive, based on the presence of leaf primordia or an inflorescence primordium, with the aid of a Coleman XTB stereoscopic microscope (Coleman, Santo André, SP, Brazil; 15× magnification). Furthermore, aboveground biomass accumulation, leaf area index, and plant-part composition were assessed by destructive samples, in which the biomass above soil level was clipped within two 0.5 by 1.0 m quadrats. For plant-part composition determination, each biomass sample was subsampled and separated into green leaf (green leaf laminae), green stem + pseudostem, and dead material fractions. The leaf area index determination was performed by scanning the separated green leaf laminae on a model LI-3100 leaf area meter (Li-Cor, Lincoln, NE). The incidence of photosynthetically active radiation (PAR) was measured continuously at soil level using two quantum linear sensors SQ311 (each one with 10 sensors; Apogee, Logan, Utah, USA) positioned between tussocks. To quantify PAR above the canopy and determine light interception, measurements were taken with a CS110 sensor (Apogee, Logan, Utah, USA). Descriptive statistics were used to plot crop development,using means and standard errors over thermal time. When appropriate, models were fitted using the NLIN procedure of SAS, ver. 9.4 (SAS Institute, Cary, NC, USA)] to evaluate morphological/physiological responses. The significance of the fitted models and coefficients was given by the ANOVA and t-test confidence interval, respectively
LiDAR survey on 1005 hectares in Fazenda Tanguro, Mato Grosso, Brasil in 2018.
No full textThe LiDAR data Fazenda Tanguro (TAN_A01_2018_LiDAR) refers to the survey carried out in Canarana and Querência municipalities, Mato Grosso state, Brazil. The data were collected under the project Sustainable Landscapes, a project supported by the United States Agency for International Development (USAID) and US Department of State. The United States Forest Service working in collaboration with the Brazilian Agricultural Research Corporation (Embrapa) have made possible the provision of high accuracy LiDAR data aiming at developing new methods and generating knowledge in the field.
This dataset contains:
a. Classified LAS formatted point cloud data (vendor delivered);
b. Digital Terrain Model (vendor delivered);
c. Map of LiDAR coverage area and block boundaries;
“Data were acquired by the Sustainable Landscapes Brazil project supported by the Brazilian Agricultural Research Corporation (Embrapa), the US Forest Service, USAID and the US Department of State."Os dados LiDAR Fazenda Tanguro (TAN_A01_2018_LiDAR) referem-se ao levantamento realizado nos municípios de Canarana e Querência, Mato Grosso, Brasil. Os dados foram coletados no âmbito do projeto Paisagens Sustentáveis, um projeto apoiado pela Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID) e Departamento de Estado dos EUA. O Serviço Florestal dos Estados Unidos trabalhando em colaboração com a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) tornou possível o fornecimento de dados LiDAR de alta precisão com o objetivo de desenvolver novos métodos e gerar conhecimento no campo.
Este conjunto de dados contém:
a. Dados de nuvem de pontos formatados em LAS (entregue pelo fornecedor);
b. Modelo Digital de Terreno (entregue pelo fornecedor);
c. Mapa da área de cobertura LiDAR e limites dos blocos;
“Os dados foram adquiridos pelo projeto Paisagens Sustentáveis Brasil, apoiado pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), Serviço Florestal dos EUA, USAID e Departamento de Estado dos EUA.
LiDAR survey on 1200 hectares in Feliz Natal I, Mato Grosso, Brasil in 2018.
No full textThe LiDAR data Feliz Natal (FNA_A01_2018_LiDAR) refers to the survey carried out in Feliz Natal municipality, Mato Grosso state, Brazil. The data were collected under the project Sustainable Landscapes, a project supported by the United States Agency for International Development (USAID) and US Department of State. The United States Forest Service working in collaboration with the Brazilian Agricultural Research Corporation (Embrapa) have made possible the provision of high accuracy LiDAR data aiming at developing new methods and generating knowledge in the field.
This dataset contains:
a. Classified LAS formatted point cloud data (vendor delivered);
b. Digital Terrain Model (vendor delivered);
c. Map of LiDAR coverage area and block boundaries;
“Data were acquired by the Sustainable Landscapes Brazil project supported by the Brazilian Agricultural Research Corporation (Embrapa), the US Forest Service, USAID and the US Department of State."Os dados LiDAR Feliz Natal (FNA_A01_2018_LiDAR) referem-se ao levantamento realizado no município de Feliz Natal, Mato Grosso, Brasil. Os dados foram coletados no âmbito do projeto Paisagens Sustentáveis, um projeto apoiado pela Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID) e Departamento de Estado dos EUA. O Serviço Florestal dos Estados Unidos trabalhando em colaboração com a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) tornou possível o fornecimento de dados LiDAR de alta precisão com o objetivo de desenvolver novos métodos e gerar conhecimento no campo.
Este conjunto de dados contém:
a. Dados de nuvem de pontos formatados em LAS (entregue pelo fornecedor);
b. Modelo Digital de Terreno (entregue pelo fornecedor);
c. Mapa da área de cobertura LiDAR e limites dos blocos;
“Os dados foram adquiridos pelo projeto Paisagens Sustentáveis Brasil, apoiado pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), Serviço Florestal dos EUA, USAID e Departamento de Estado dos EUA.
LiDAR survey on 500 hectares of Talismã, Rio Branco, Acre, Brasil in 2018.
No full textThe LiDAR data Talismã (TAL_A01_2018_LiDAR) refers to the survey carried out in Rio Branco municipality, Acre state, Brazil. The data were collected under the project Sustainable Landscapes, a project supported by the United States Agency for International Development (USAID) and US Department of State. The United States Forest Service working in collaboration with the Brazilian Agricultural Research Corporation (Embrapa) have made possible the provision of high accuracy LiDAR data aiming at developing new methods and generating knowledge in the field.
This dataset contains:
a. Classified LAS formatted point cloud data (vendor delivered);
b. Digital Terrain Model (vendor delivered);
c. Map of LiDAR coverage area and block boundaries;
“Data were acquired by the Sustainable Landscapes Brazil project supported by the Brazilian Agricultural Research Corporation (Embrapa), the US Forest Service, USAID and the US Department of State."Os dados LiDAR Talismã (TAL_A01_2018_LiDAR) referem-se ao levantamento realizado no município de Rio Branco, estado do Acre, Brasil. Os dados foram coletados no âmbito do projeto Paisagens Sustentáveis, um projeto apoiado pela Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID) e Departamento de Estado dos EUA. O Serviço Florestal dos Estados Unidos trabalhando em colaboração com a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) tornou possível o fornecimento de dados LiDAR de alta precisão com o objetivo de desenvolver novos métodos e gerar conhecimento no campo.
Este conjunto de dados contém:
a. Dados de nuvem de pontos formatados em LAS (entregue pelo fornecedor);
b. Modelo Digital de Terreno (entregue pelo fornecedor);
c. Mapa da área de cobertura LiDAR e limites dos blocos;
“Os dados foram adquiridos pelo projeto Paisagens Sustentáveis Brasil, apoiado pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), Serviço Florestal dos EUA, USAID e Departamento de Estado dos EUA.
Forest Inventory on 2.25 hectares in Tapajós, Belterra, Pará, Brasil in 2018.
No full textThe Forest Inventory data set Floresta Nacional do Tapajós (TAP_A01_2018_Inventory) refers to the inventory carried out in Tapajós National Forest, Pará state to serve the purpose of calibration and validation to the LiDAR data obtained in the same area. The United States Forest Service working in collaboration with the Brazilian Agricultural Research Corporation (Embrapa) have made possible the provision of high accuracy LiDAR data aiming at developing new methods and generating knowledge in the field.
This dataset contains:
a. A comma separated value (CSV) file format containing the data;
b. A readme Portable Document file (PDF) format which provides information about the .csv file content, explanation of each section of the document and any complement necessary.
c. Map of Forest Inventory Plots carried out in the area (shapefile).
“Data were acquired by the Sustainable Landscapes Brazil project supported by the Brazilian Agricultural Research Corporation (Embrapa), the US Forest Service, USAID and the US Department of State."O conjunto de dados do Inventário Florestal Floresta Nacional do Tapajós (TAP_A01_2018_Inventário) refere-se ao inventário realizado na Floresta Nacional do Tapajós, estado do Pará, para servir de calibração e validação aos dados LiDAR obtidos na mesma área. O Serviço Florestal dos Estados Unidos trabalhando em colaboração com a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) tornou possível o fornecimento de dados LiDAR de alta precisão com o objetivo de desenvolver novos métodos e gerar conhecimento no campo.
Este conjunto de dados contém:
a. Um formato de arquivo de valor separado por vírgula (CSV) contendo os dados;
b. Um arquivo leia-me Portable Document file (PDF) que fornece informações sobre o conteúdo do arquivo .csv, explicação de cada seção do documento e qualquer complemento necessário.
c. Mapa das Parcelas de Inventário Florestal realizadas na área (shapefile).
“Os dados foram adquiridos pelo projeto Paisagens Sustentáveis Brasil, apoiado pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), Serviço Florestal dos EUA, USAID e Departamento de Estado dos EUA.
LiDAR survey on 995 hectares in Santarem, Pará, Brasil in 2018.
No full textThe LiDAR data Santarém I (ST1_A01_2018_LiDAR) refers to the survey carried out in Belterra, Placas and Rurópolis municipalities, Pará state, Brazil. The data were collected under the project Sustainable Landscapes, a project supported by the United States Agency for International Development (USAID) and US Department of State. The United States Forest Service working in collaboration with the Brazilian Agricultural Research Corporation (Embrapa) have made possible the provision of high accuracy LiDAR data aiming at developing new methods and generating knowledge in the field.
This dataset contains:
a. Classified LAS formatted point cloud data (vendor delivered);
b. Digital Terrain Model (vendor delivered);
c. Map of LiDAR coverage area and block boundaries;
“Data were acquired by the Sustainable Landscapes Brazil project supported by the Brazilian Agricultural Research Corporation (Embrapa), the US Forest Service, USAID and the US Department of State."Os dados LiDAR Santarém I (ST1_A01_2018_LiDAR) referem-se ao levantamento realizado nos municípios de Belterra, Placas e Rurópolis, estado do Pará, Brasil. Os dados foram coletados no âmbito do projeto Paisagens Sustentáveis, um projeto apoiado pela Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID) e Departamento de Estado dos EUA. O Serviço Florestal dos Estados Unidos trabalhando em colaboração com a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) tornou possível o fornecimento de dados LiDAR de alta precisão com o objetivo de desenvolver novos métodos e gerar conhecimento no campo.
Este conjunto de dados contém:
a. Dados de nuvem de pontos formatados em LAS (entregue pelo fornecedor);
b. Modelo Digital de Terreno (entregue pelo fornecedor);
c. Mapa da área de cobertura LiDAR e limites dos blocos;
“Os dados foram adquiridos pelo projeto Paisagens Sustentáveis Brasil, apoiado pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), Serviço Florestal dos EUA, USAID e Departamento de Estado dos EUA.
LiDAR survey on 87 hectares in Tapajós, Belterra, Pará, Brasil in 2018.
No full textThe LiDAR data Floresta Nacional do Tapajós (TAP_A06_2018_LiDAR) refers to the survey carried out in Tapajós National Forest, Pará state, Brazil. The data were collected under the project Sustainable Landscapes, a project supported by the United States Agency for International Development (USAID) and US Department of State. The United States Forest Service working in collaboration with the Brazilian Agricultural Research Corporation (Embrapa) have made possible the provision of high accuracy LiDAR data aiming at developing new methods and generating knowledge in the field.
This dataset contains:
a. Classified LAS formatted point cloud data (vendor delivered);
b. Digital Terrain Model (vendor delivered);
c. Map of LiDAR coverage area and block boundaries;
“Data were acquired by the Sustainable Landscapes Brazil project supported by the Brazilian Agricultural Research Corporation (Embrapa), the US Forest Service, USAID and the US Department of State."Os dados LiDAR Floresta Nacional do Tapajós (TAP_A06_2018_LiDAR) referem-se ao levantamento realizado na Floresta Nacional do Tapajós, estado do Pará, Brasil. Os dados foram coletados no âmbito do projeto Paisagens Sustentáveis, um projeto apoiado pela Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID) e Departamento de Estado dos EUA. O Serviço Florestal dos Estados Unidos trabalhando em colaboração com a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) tornou possível o fornecimento de dados LiDAR de alta precisão com o objetivo de desenvolver novos métodos e gerar conhecimento no campo.
Este conjunto de dados contém:
a. Dados de nuvem de pontos formatados em LAS (entregue pelo fornecedor);
b. Modelo Digital de Terreno (entregue pelo fornecedor);
c. Mapa da área de cobertura LiDAR e limites dos blocos;
“Os dados foram adquiridos pelo projeto Paisagens Sustentáveis Brasil, apoiado pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), Serviço Florestal dos EUA, USAID e Departamento de Estado dos EUA.