Redape – Repositório de Dados de Pesquisa da Embrapa
Not a member yet
306 research outputs found
Sort by
InsectCV: um sistema para detecção de insetos em laboratório a partir de imagens de armadilhas.
No full textConjunto de imagens utilizadas para treinamento do software InsectCV (CESARO JÚNIOR et at., 2022). O software InsectCV foi desenvolvido para a detecção e contagem de afídeos e seus parasitoides em amostras de armadilhas amarelas de água (Moericke). Este conjunto de dados contém 13.642 imagens de 608 x 608 pixels em formato de escala de cinza e as etiquetas correspondentes geradas no formato YOLO V4. O conjunto de dados também contém 309 imagens (6256 x 6256 pixels) originais (produto da digitalização de amostras de armadilhas em scanner de mesa em uma resolução de 1200 dpi ). Adicionalmente, há um arquivo com imagens coloridas.Set of images used for training the InsectCV software (CESARO JÚNIOR et at., 2022). The InsectCV software was developed for the detection and counting of aphids and their parasitoids in samples from yellow water traps (Moericke). This dataset contains 13,642 608 x 608 pixel images in grayscale format and corresponding labels generated in YOLO V4 format. The dataset also contains 309 original images (6256 x 6256 pixels) (product of scanning trap samples on a flatbed scanner at a resolution of 1200 dpi). Additionally, there is a file with color images
Mapping agricultural intensification in the Brazilian Savanna: a machine learning approach and harmonized data from Landsat Sentinel-2.
No full textThis dataset is related to the paper "Mapping Agricultural Intensification in the Brazilian Savanna: A Machine Learning Approach and Harmonized Data from Landsat Sentinel-2". The study aimed to analyze the performance of the machine learning algorithms Random Forest (RF), Artificial Neural Networks (ANN), and Extreme Gradient Boosting (XGBoost), fed with the time-series of spectral indices NDVI, NDWI, and SAVI from NASA Harmonized Landsat Sentinel-2 (HLS), in detecting intensification (number of cycles) and crop types in Sorriso municipality, Mato Grosso State, in the 2021-2022 crop season, using hierarchical classification in three levels. At Level 1, the target classes were temporary crops (1), native vegetation and silviculture (2), and pastures (3). At Level 2, double cropping (1), single cropping (2), and triple cropping (3). At Level 3, the aim was to identify the second-season crops cultivated in areas identified as double cropping: beans (1), corn (2), cotton (3), and other crops (4). The files available in this dataset are:
- Vector files, in shapefiles format, with ground samples obtained during fieldwork in Sorriso, Mato Grosso, between 6-9 June 2022. The files are compressed by level, with the names "Samples_LevelX.zip" in the "Vector" folder.
- Worksheets for modeling, in xlsx format, containing the values of the time series of each spectral index, at each classification level, for each sampling point. The files are named "DB_index_LevelX.xlsx" (e.g., "DB_NDVI_Level1"). There is also a PDF file (Order_of_Layers.pdf) to identify the explanatory variables according to the layer order of the original raster stack (e.g., "NDVI_1" is NDVI from September 3rd, 2021). These files are in the "Dataset" folder with subfolders named by level (e.g., "Level_1").
- The R scripts for running the models, getting confusion matrices, and accuracy metrics. The files are named "ALGORITHM_LevelX.R" (e.g., "ANN_Level1.R" or "RF_Level2.R"). In each script, all the modeling processes of all spectral indices are present. For example, the file "ANN_Level1.R" contains the models with the variables NDVI, SAVI, NDWI, and the three combined (AllVI).
- The results of each model, in 'rds' format (use R to read it). The files are named "ALGORITHM_index_model_LevelX.rds" (e.g., "XGBoost_NDVI_model_Level2.rds") and allocated in the "Results" folder.
- The 27 final maps resulted from spatial predictions in TIFF format (e.g., "Map_ANN_NDVI_Level3_Final.tif"). The files are in the "Final_Maps" folder.
Each file contains a brief description, and we encourage users to read the associated paper for further processing details
Forest Inventory on 22 hectares in Cauaxi, Paragomina, Pará, Brasil in 2014 (20x500 m transects).
No full textThe Forest Inventory data set Fazenda Cauaxi (CAU_A01_2014_Inventory) refers to the inventory carried out in Paragominas municipality, Pará state, Brazil 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 Fazenda Cauaxi (CAU_A01_2014_Inventário) refere-se ao inventário realizado no município de Paragominas, estado do Pará, Brasil, para servir de calibração e validação dos 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.
Forest Inventory on 22 hectares in Cauaxi, Paragomina, Pará, Brasil in 2012.
No full textThe Forest Inventory data set Fazenda Cauaxi (CAU_A01_2012_Inventory) refers to the inventory carried out in Paragominas municipality, Pará state, Brazil 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 Fazenda Cauaxi (CAU_A01_2012_Inventário) refere-se ao inventário realizado no município de Paragominas, estado do Pará, Brasil, para servir de calibração e validação dos 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.
Forest Inventory on 22 hectares in Cauaxi, Paragomina, Pará, Brasil in 2014 (50x50 m plots)
No full textThe Forest Inventory data set Fazenda Cauaxi (CAU_A01_2014_Inventory_plots50x50m) refers to the inventory carried out in Paragominas municipality, 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); restricted access;
b. Digital Terrain Model (vendor delivered); restricted access
c. Map of LiDAR coverage area and block boundaries; unrestricted access;
“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 Fazenda Cauaxi (CAU_A01_2014_Inventory_plots50x50m) refere-se ao inventário realizado no município de Paragominas, 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); acesso restrito;
b. Modelo Digital de Terreno (entregue pelo fornecedor); acesso restrito
c. Mapa da área de cobertura LiDAR e limites dos blocos; acesso irrestrito;
“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.
Genome-wide association for root morphology and phosphorus acquisition efficiency in a diverse maize panel.
No full textAbstract: Genome-wide association was undertaken with 561 tropical maize inbred lines from Embrapa and DTMA panels for root morphology and P acquisition traits under low- and high-P concentrations, using 353,540 SNP markers. P supply modified root morphology traits, biomass and P content in the global maize panel, but root length and root surface area changed differentially in Embrapa and DTMA panels. This suggests that different root plasticity mechanisms exist for maize adaptation to low-P conditions. A total of 87 SNPs were associated to phenotypic traits in both P conditions at −log10(p-value) ≥ 5, whereas only seven SNPs reached the Bonferroni significance. Among these SNPs, S9_137746077, which is located upstream of the gene GRMZM2G378852 that encodes a MAPKKK protein kinase, was significantly associated with total seedling dry weight, with the same allele increasing root length and root surface area under P deficiency. The C allele of S8_88600375, mapped within GRMZM2G044531 that encodes an AGC kinase, significantly enhanced root length under low P, positively affecting root surface area and seedling weight. The broad genetic diversity evaluated in this panel suggests that candidate genes and favorable alleles could be exploited to improve P efficiency in maize breeding programs of Africa and Latin America.Resumo: A associação genômica ampla foi realizada com 561 linhagens endogâmicas de milho tropical dos painéis da Embrapa e DTMA para morfologia radicular e características de aquisição de P sob baixa e alta concentrações de P, utilizando 353.540 marcadores SNPs. O fornecimento de P modificou características de morfologia radicular, biomassa e conteúdo de P no painel global de milho, mas o comprimento e a área de superfície radicular foram alterados diferencialmente entre os painéis Embrapa e DTMA. Isto sugere que existem diferentes mecanismos de plasticidade radicular para a adaptação do milho às condições de baixo P. Um total de 87 SNPs foram associados com as características fenotípicas em ambas as condições P considerando −log10 (valor de p) ≥ 5, enquanto apenas sete SNPs alcançaram o nível de significância de Bonferroni. Entre esses SNPs, o S9_137746077, localizado a montante do gene GRMZM2G378852 que codifica uma proteína quinase MAPKKK, foi significativamente associado ao peso seco total das plântulas, com o mesmo alelo aumentando o comprimento e a área de superfície radicular sob deficiência de P. O alelo C do SNP S8_88600375, mapeado dentro do gene predito GRMZM2G044531 que codifica uma AGC quinase, aumentou significativamente o comprimento da raiz sob baixo P, afetando positivamente a área de superfície da raiz e o peso das plântulas. A ampla diversidade genética avaliada neste painel sugere que genes candidatos e alelos favoráveis podem ser explorados para melhorar a eficiência do P em programas de melhoramento de milho na África e na América Latina
Produtividade de forragem e morfogênese de cultivares de Megathyrsus maximus nos cerrados de Roraima.
No full textConjunto de dados com a produtividade de matéria seca verde e as características morfogênicas e estruturais de seis cultivares de Megathyrsus maximus (Massai, Mombaça, BRS Quênia, BRS Tamani, Tanzânia e BRS Zuri) nos cerrados de Roraima.
Data set with green dry matter productivity and morphogenic and structural characteristics of six cultivars of Megathyrsus maximus (Massai, Mombaça, BRS Kenya, BRS Tamani, Tanzânia and BRS Zuri) in the cerrados of Roraima
Forest Inventory on 10 hectares in Paragominas, Pará, Brasil in 2013.
No full textThe Forest Inventory data set Paragominas – Fazenda Nova Neonita (PAR_A01_2013_Inventory) refers to the inventory carried out in Paragominas municipality, 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 Paragominas – Fazenda Nova Neonita (PAR_A01_2013_Inventário) refere-se ao inventário realizado no município de Paragominas, 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.
Forest Inventory on 10 hectares in Paragominas, Pará, Brasil in 2018 (50x50 m plots).
No full textThe Forest Inventory data set Paragominas – Fazenda Nova Neonita (PAR_A01_2018_Inventory_plot50x50m) refers to the inventory carried out in Paragominas municipality, Pará state, Brazil. 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 Paragominas – Fazenda Nova Neonita (PAR_A01_2018_Inventory_plot50x50m) refere-se ao inventário realizado no município de Paragominas, estado do Pará, Brasil. 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 244 hectares in Ucayali, Peru in 2017.
No full textThe LiDAR data Ucayali (PRU_A26_2017_LiDAR) refers to the survey carried out in Ucayali region, Peru. 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 Ucayali (PRU_A26_2017_LiDAR) referem-se à pesquisa realizada na região de Ucayali, Peru. 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.