Redape – Repositório de Dados de Pesquisa da Embrapa
Not a member yet
306 research outputs found
Sort by
Espécies de plantas visitadas por abelhas e que contribuem para a formação do mel e do pólen apícola no Piauí.
No full textO conjunto de plantas fornecedoras de alimento para as abelhas (néctar e pólen) é classificado como flora apícola. O conhecimento da flora apícola, sua época de florescimento e fenologia é importante para a preservação e a multiplicação das espécies de potencial melífero que contribuem para a formação dos produtos apícolas de determinada região e, especialmente no semiárido, para a identificação das espécies que florescem na estação seca e que contribuem para a manutenção das colônias. Esses estudos só são possíveis com o levantamento florístico das áreas de interesse para criação de abelhas. No Piauí, apesar de já existirem alguns relatos sobre flora apícola, ainda faltam informações para diferentes biomas e em diferentes épocas e condições climáticas do ano. Nesse contexto, o conjunto de dados apresentados é resultado da observação mensal da flora apícola em diferentes municípios do Estado do Piauí com o objetivo de subsidiar o conhecimento da origem botânica do mel e do pólen produzidos, avaliando também a influência dos fatores climáticos sobre as épocas de florescimento e visitação das abelhas. Os dados da flora apícola foram obtidos em áreas de campos experimentais, em São João do Piauí, Campo Maior-PI e Teresina-PI, no período de fevereiro de 2018 a março de 2020. Esses dados são importantes pois permitem o conhecimento do calendário de florescimento das plantas visitadas por abelhas em Campo Maior-PI, São João do Piauí e Teresina-PI, caracterizando a flora melitófila quanto ao período de florescimento e os recursos ofertados para as abelhas (principalmente néctar e pólen), contribuindo para a preservação e o incremento do pasto apícola e a redução da taxa de perda de colônias de abelhas em região de semiárido piauiense. Essas informações também poderão contribuir para auxiliar um plano de manejo da vegetação, conservação e replantio das matas. Os dados foram coletados no âmbito da Solução para Inovação (SI) “Caracterização da flora apícola (13.16.04.038.00.05)” vinculada ao projeto “Influência das condições climáticas no manejo, produção e sanidade de abelhas Apis mellifera - 13.16.04.038.00.00)” alinhado ao Portfólio de Recursos Genéticos
Dados do Sistema Brasileiro de Agrorrastreabilidade (SIBRAAR) para açúcar mascavo
No full textDados de assinaturas digitais de lotes de açúcar mascavo para validação mercadológica, avaliação de usabilidade e testes de escalonamento das tecnologias desenvolvidas no âmbito do acordo de cooperação técnica (Embrapa Cód. 23800.23/0001-5
Infestação do ácaro Varroa destructor em colônias de abelhas Apis mellifera no Piauí, no período 2018 a 2022.
No full textUm dos inimigos naturais das abelhas Apis mellifera L. que provocam grandes prejuízos em todo o mundo é o ácaro Varroa destructor (Anderson & Trueman, 2000), um ectoparasita que ataca tanto larvas como abelhas adultas e pode ser agente transmissor de doenças. No Brasil, os danos causados por V. destructor têm sido relativamente menores que os observados em outros países, provavelmente em função da maior tolerância das abelhas africanizados e de fatores climáticos que influenciam negativamente na taxa de reprodução do ácaro. No entanto, nos últimos anos, já existem registros de danos mais acentuados em algumas regiões brasileiras, em função da maior taxa reprodutiva de nova linhagem do ácaro, o que é preocupante, pois pode levar os apicultores a usarem produtos quimioterápicos para o controle da praga. Assim, tornam-se importantes os monitoramentos preventivos nos apiários, já que existe grande variação da taxa de infestação em diferentes regiões do país, em função das variações climáticas e das linhagens envolvidas. Nesse contexto, o conjunto de dados aqui apresentados é resultado da coleta mensal de amostras em apiários localizados em diferentes municípios do Estado do Piauí com o objetivo de avaliar as variações na taxa de infestação do ácaro V. destructor em colônias de A. mellifera em diferentes biomas e épocas do ano. Os dados foram obtidos em apiários dos municípios de Teresina, São João do Piauí, Simplício Mendes e Campo Maior, no período de setembro de 2018 a agosto de 2022. Para a obtenção da taxa de infestação, foram coletadas mensalmente amostras de abelhas adultas em quadros centrais de até seis colônias por apiário. As amostras foram acondicionadas em recipientes de vidro, contendo álcool a 70% e transportadas para a Embrapa Meio-Norte, em Teresina-PI, para a contagem de abelhas e de ácaros. Com os dados obtidos, calculou-se a taxa de infestação pela fórmula:
Taxa de infestação (%) = (N° de ácaros encontrados/N° de abelhas analisadas) x 100.
Esses dados são importantes pois permitem o conhecimento dos períodos de maior infestação do ácaro, o que favorece à tomada de decisão quanto às técnicas de manejo a serem utilizadas para o fortalecimento das colônias, visando a prevenção e controle da infestação.
Os dados foram coletados no âmbito da Solução para Inovação (SI) “Influência das condições climáticas sobre a sanidade das colônias (13.16.04.038.00.04)” vinculada ao projeto “Influência das condições climáticas no manejo, produção e sanidade de abelhas Apis mellifera - 13.16.04.038.00.00)” alinhado ao Portfólio de Recursos Genéticos
Dados de resíduos de nanoformulações fungicidas em grãos de milho e soja
No full textBanco de dados de estudo químico analítico da presença de resíduos de agroquímicos (ex.: fungicidas) em grãos de milho e soja, tendo-se como referência os valores de MRL ("maximum residue limit") do Codex Alimentarius da FAO-WHO para agroquímico e cultura (https://www.fao.org/fao-who-codexalimentarius/codex-texts/dbs/pestres/en/). Este banco de dados deverá corroborar o ganho ambiental das nanoformulações de liberação controlada/lenta de fungicidas desenvolvidas pelo projeto Fórmula-AQ.Database of analytical chemical studies of the presence of agrochemical residues (e.g., fungicides) in corn and soybean grains, using the MRL ("maximum residue limit") values of the FAO-WHO Codex Alimentarius for agrochemicals and crops (https://www.fao.org/fao-who-codexalimentarius/codex-texts/dbs/pestres/en/). This database should corroborate the environmental gain of controlled/slow release nanoformulations of fungicides developed by the Fórmula-AQ project
Water footprints values per type of combination and dairy farm.
No full textThis dataset presents the climatic scenarios and best practices production proposed to evaluate the impact on green, blue, and grey water consumption.
The scenarios were understood as farm-specific and targeted three farm levels: animal feed, effluent treatment, and nitrogen field application. 192 combinations were made for each farm to assess the impact on the water footprint.Este conjunto de dados apresenta os cenários climáticos e de boas práticas de produção propostas para avaliar o impacto no consumo das águas verde, azul e cinza.
Os cenários foram são específicos para cada fazenda e visam três níveis: alimentação animal, tratamento de efluentes e aplicação de nitrogênio no campo. 192 combinações foram feitas para cada fazenda para avaliar o impacto na pegada hídrica
Dados de pesagens diárias de bovinos em pecuária de corte.
No full textOs dados contidos neste conjunto foram coletados por meio de balanças de passagem instaladas em fazendas de pecuária de corte no âmbito do Convênio BID-IABS ATN/LC-1708-BR – “Projeto Agricultura de Baixo Carbono e Desmatamento Evitado para Reduzir a Pobreza no Brasil Fase II - Desenvolvimento Rural Sustentável no Cerrado”. O propósito principal da captura destes dados foi monitorar a evolução dos pesos dos bovinos ao longo do tempo. O objetivo é usar a evolução dos pesos dos bovinos como um dos parâmetros para estimar a biomassa de forragem disponível e poder sugerir a rotação entre piquetes de maneira a otimizar a produtividade. A geolocalização e propriedade dos dados não estão disponíveis devido às questões de privacidade de dados.The data in this dataset were collected using walk-over scales installed on beef cattle farms as part of the BID-IABS ATN/LC-1708-BR Agreement – “Low-Carbon Agriculture and Avoided Deforestation Project to Reduce Poverty in Brazil Phase II - Sustainable Rural Development in the Cerrado.” The primary purpose of capturing this data was to monitor the evolution of cattle weights over time. The goal is to use the evolution of cattle weights as one of the parameters to estimate the available forage biomass and to suggest rotation among paddocks to optimize productivity. Geolocation and ownership data are not available due to privacy concerns
Parasitos isópodes Cymothoida (Cymothoidae, Corallanidae e Bopyridae) de espécies de peixes e camarão de água doce da Amazônia brasileira.
No full textOs dados aqui apresentados visam relacionar abundância de parasitos da ordem Isopoda coletados na região Amazônica brasileira com espécies de peixes e camarões de água doce, incluindo as família Cymothoidae, Corallanidae e Probopyridae, respectivamente
Dados do Sistema Brasileiro de Agrorrastreabilidade (SIBRAAR) de diversos produtos hortifrúti.
No full textDados de assinaturas digitais de lotes de produtos hortifrúti (alecrim, mandioca e salada italiana, legumes para sopinha, sálvia, hortelã, sálvia, couve manteiga picada, mix sopão, kit sopinha, cabotiá pedaços, espaguete de cenoura) para validação mercadológica, avaliação de usabilidade e testes de escalonamento das tecnologias desenvolvidas no âmbito do acordo de cooperação técnica (Embrapa Cód. 23800.23/0001-5
Time series of NASA HLS for coffee and land use mapping
No full textThis dataset was developed to assess the performance of dense time series derived from spectral bands, vegetation indices, and texture metrics of HLS (Harmonized Landsat and Sentinel-2) imagery, combined with Random Forest and XGBoost algorithms under an ensemble learning framework, for land-use and coffee production stage mapping. The data are structured across a hierarchical classification approach with increasing thematic detail:
Level 1: Discrimination between natural vegetation and anthropogenic land use.
Level 2: Classification of anthropic vegetation into pasture, annual crops, and perennial crops.
Level 3: Differentiation between coffee plantations and planted forestry (silviculture) within perennial crops.
Level 4: Mapping of four coffee production stages — planted (PL), producing (PR), skeletonized (ES), and stumped-renewed (RN) plantations.
The dataset includes linear gap-filled multiband time series (Blue, Green, Red, NIR, SWIR, GNDVI, NDVI, NDWI, and SAVI) and GLCM-based texture metrics from 2023, organized into georeferenced samples collected during a field campaign in Caconde, São Paulo, Brazil, in October 2023. Each subset is labeled according to its respective classification level.
These data support the study “Dense Time Series of Harmonized Landsat Sentinel and Ensemble Machine Learning to Map Coffee Production Stages”, accepted for publication in Remote Sensing - MDPI.Este conjunto de dados foi desenvolvido para avaliar o desempenho de séries temporais densas derivadas de bandas espectrais, índices de vegetação e métricas de textura de imagens HLS (Harmonized Landsat e Sentinel-2), combinadas com algoritmos Random Forest e XGBoost sob uma estrutura de aprendizado conjunto, para mapeamento do uso da terra e dos estágios de produção de café. Os dados são estruturados em uma abordagem de classificação hierárquica com crescente detalhamento temático:
Nível 1: Discriminação entre vegetação natural e uso antrópico da terra.
Nível 2: Classificação da vegetação antrópica em pastagem, culturas anuais e culturas perenes.
Nível 3: Diferenciação entre plantações de café e silvicultura dentro de culturas perenes.
Nível 4: Mapeamento dos quatro estágios de produção de café — plantio recente (PL), em produção (PR), esqueletados (ES) e recepados (RN).
O conjunto de dados inclui séries temporais multibanda lineares preenchidas por lacunas (Azul, Verde, Vermelho, NIR, SWIR, GNDVI, NDVI, NDWI e SAVI) e métricas de textura baseadas em GLCM do ano de 2023, organizadas em amostras georreferenciadas coletadas durante uma campanha de campo em Caconde, São Paulo, Brasil, em outubro de 2023. Cada subconjunto é rotulado de acordo com seu respectivo nível de classificação.
Esses dados estão relacionados ao estudo "Dense Time Series of Harmonized Landsat Sentinel and Ensemble Machine Learning to Map Coffee Production Stages", aceito para publicação na revista Remote Sensing - MDPI
Determinação do grau de parentesco em progênies de cajueiro: Fase 2: IC 2017.
No full textOs dados aqui apresentados são usados para determinar o parentesco preciso de cruzamentos controlados de progênies de irmãos completos (IC) de cajueiro. Para o experimento de IC 2017 foram realizados 4 cruzamentos (CCP 1001 X BRS 274; CCP 1001 X BRS 275; BRS 189 X BRS 274; e BRS 189 X BRS 275). O teste foi realizado com 774 SNPs para cada progênie/offspring ID (coluna A) e a coluna Candidate father (H) indica, quando significativo (coluna S), o provável pai do indivíduo. O Trio confidence (coluna S) indica a confiança dos genitores serem os verdadeiros (S) parentais ou não (caso 0.0 ou valores negativos na coluna R).The data presented here are used to determine the precise parentage of controlled crosses of cashew complete sibling progenies. For the 2017 complete sibling, 4 crosses were made (CCP 1001 X BRS 274; CCP 1001 X BRS 275; BRS 189 X BRS 274; and BRS 189 X BRS 275). The test was carried out with 774 SNPs for each progeny/offspring ID (column A) and the Candidate father (H) column indicates, when significant (column S), the probable father of the individual. Trio confidence (column S) indicates the confidence of the parents being the true (S) parents or not (case 0.0 or negative values in column R)