| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Biblioteca Rui Tendinha. |
|
Data corrente: |
05/01/2017 |
|
Data da última atualização: |
05/01/2017 |
|
Autoria: |
OLIVEIRA, D. de A.; SILVA, A. de S. e.; SPADOTTO, C. A. |
|
Título: |
Medidas para comparação entre requerimentos legais e práticas de campo no uso de produtos fitossanitários : indicadores DAC. |
|
Ano de publicação: |
1998 |
|
Fonte/Imprenta: |
Jaguariúna : EMBRAPA-CNPMA, 1998. |
|
Páginas: |
39 p. |
|
Série: |
(EMBRAPA-CNPMA. Boletim de Pesquisa, 2). |
|
Idioma: |
Português |
|
Conteúdo: |
O uso de pesticidas no Brasil e regulamentado pelos Ministérios da Agricultura e Abastecimento, da Saúde, e do Meio Ambiente. Este estudo propõe um modelo matemático para relacionar as prescrições legais e o uso real de pesticidas. O modelo permite deduzir índices e indicadores, desde o nível mais baixo de agregação (uso de um pesticida por pulverização no campo), ate o nível mais alto (estudo dos produtores). Três índices são deduzidos para: a) o ingrediente ativo; b) pulverização; c) cultura. Dois indicadores são também deduzidos para a) cultura por produtor; e b) produtores. A informação numérica permite, então, comparar entre diferentes produtos agrícolas e diferentes produtores, usando os chamados indicadores DAC, que medem a conformidade do uso real de pesticidas com as prescrições legais. Usando os indicadores DAC, e possível estabelecer que os produtores que estiverem fora do intervalo de >0.90 a 1.00 apresentam risco de gerar mais resíduos de pesticida do que e legalmente permitido. Por outro lado, produtores cuja produção esta no intervalo aceitável, apresentam um risco menor de problemas relacionados a resíduos de pesticidas do que e legalmente permitido. Por outro lado, produtores cuja produção esta no intervalo aceitável, apresentam um risco menor de ter problemas relacionados a resíduos de pesticidas. |
|
Palavras-Chave: |
Aggregate; Agregação; Agricultura; Agricultural chemicals; Agriculture; Agrotoxico; Aplicação; Aplicacao de pesticida; Application; Application methods; Beans; Brasil; Brazil; Chemical control; Comparação; Corn; DAC; DAC indicators; Defensivo; Defensivo agrícola; Environment; Feijao; Fitossanitário; fitossanitary; Fungicida; Fungicides; Glycine max; Herbicida; Herbicides; Indicadores DAC; Indice de qualidade; Insecticides; Inseticida; Legislação; Legislation; Lycopersicon esculentum; Maize; Mathematical models; Meio ambiente; Metodo de aplicacao; Milho; Modelo matematico; Nebulização; Pesticida; Pesticide; Pesticides; Phaseolus vulgaris; Prevenção; Processing tomatoes; Produto; Produto fitossanitario; Pulverização; Pulverização aérea; Pulverização foliar; Pulverizador; Qualidade; Quality; Regulations; Requerimento legal; Residue; residuo; Res¡duo; Sao Paulo; Soja; Soybeans; Tomate industrial; Use; Uses; Uso; Zea mays. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 03891nam a2200997 a 4500
001 1013945
005 2017-01-05
008 1998 bl uuuu u0uu1 u #d
100 1 $aOLIVEIRA, D. de A.
245 $aMedidas para comparação entre requerimentos legais e práticas de campo no uso de produtos fitossanitários$bindicadores DAC.
260 $aJaguariúna : EMBRAPA-CNPMA$c1998
300 $a39 p.
490 $a(EMBRAPA-CNPMA. Boletim de Pesquisa, 2).
520 $aO uso de pesticidas no Brasil e regulamentado pelos Ministérios da Agricultura e Abastecimento, da Saúde, e do Meio Ambiente. Este estudo propõe um modelo matemático para relacionar as prescrições legais e o uso real de pesticidas. O modelo permite deduzir índices e indicadores, desde o nível mais baixo de agregação (uso de um pesticida por pulverização no campo), ate o nível mais alto (estudo dos produtores). Três índices são deduzidos para: a) o ingrediente ativo; b) pulverização; c) cultura. Dois indicadores são também deduzidos para a) cultura por produtor; e b) produtores. A informação numérica permite, então, comparar entre diferentes produtos agrícolas e diferentes produtores, usando os chamados indicadores DAC, que medem a conformidade do uso real de pesticidas com as prescrições legais. Usando os indicadores DAC, e possível estabelecer que os produtores que estiverem fora do intervalo de >0.90 a 1.00 apresentam risco de gerar mais resíduos de pesticida do que e legalmente permitido. Por outro lado, produtores cuja produção esta no intervalo aceitável, apresentam um risco menor de problemas relacionados a resíduos de pesticidas do que e legalmente permitido. Por outro lado, produtores cuja produção esta no intervalo aceitável, apresentam um risco menor de ter problemas relacionados a resíduos de pesticidas.
653 $aAggregate
653 $aAgregação
653 $aAgricultura
653 $aAgricultural chemicals
653 $aAgriculture
653 $aAgrotoxico
653 $aAplicação
653 $aAplicacao de pesticida
653 $aApplication
653 $aApplication methods
653 $aBeans
653 $aBrasil
653 $aBrazil
653 $aChemical control
653 $aComparação
653 $aCorn
653 $aDAC
653 $aDAC indicators
653 $aDefensivo
653 $aDefensivo agrícola
653 $aEnvironment
653 $aFeijao
653 $aFitossanitário
653 $afitossanitary
653 $aFungicida
653 $aFungicides
653 $aGlycine max
653 $aHerbicida
653 $aHerbicides
653 $aIndicadores DAC
653 $aIndice de qualidade
653 $aInsecticides
653 $aInseticida
653 $aLegislação
653 $aLegislation
653 $aLycopersicon esculentum
653 $aMaize
653 $aMathematical models
653 $aMeio ambiente
653 $aMetodo de aplicacao
653 $aMilho
653 $aModelo matematico
653 $aNebulização
653 $aPesticida
653 $aPesticide
653 $aPesticides
653 $aPhaseolus vulgaris
653 $aPrevenção
653 $aProcessing tomatoes
653 $aProduto
653 $aProduto fitossanitario
653 $aPulverização
653 $aPulverização aérea
653 $aPulverização foliar
653 $aPulverizador
653 $aQualidade
653 $aQuality
653 $aRegulations
653 $aRequerimento legal
653 $aResidue
653 $aresiduo
653 $aRes¡duo
653 $aSao Paulo
653 $aSoja
653 $aSoybeans
653 $aTomate industrial
653 $aUse
653 $aUses
653 $aUso
653 $aZea mays
700 1 $aSILVA, A. de S. e.
700 1 $aSPADOTTO, C. A.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Biblioteca Rui Tendinha (BRT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
|
|
|
Registro Completo |
|
Biblioteca(s): |
Biblioteca Rui Tendinha. |
|
Data corrente: |
28/11/2017 |
|
Data da última atualização: |
28/11/2017 |
|
Tipo da produção científica: |
Publicação em Anais de Congresso |
|
Autoria: |
GUARÇONI, R. G.; SANTOS, L. C.; CAETANO, L. C. S.; FAVARATO, L. F.; CARDOSO, W. S.; SOUZA, J. L. de.; GOMES, S. A.; PEISINO, F. M. |
|
Afiliação: |
Rogerio Carvalho Guarçoni, Incaper; Lucas Calazans Santos, Incaper; Luiz Carlos Santos Caetano, Incaper; Luiz Fernando Favarato, Incaper; Wilton Soares Cardoso, IFES Venda Nova do Imigrante; Jacimar Luis de Souza, Incaper; Sebastião Antônio Gomes, Incaper; Flávia Magnago Peisino, IFES Venda Nova do Imigrante. |
|
Título: |
Número de frutos para determinar o tamanho de amostra para a estimação de características de goiaba utilizando simulação. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
In: ENCONTRO LATINO-AMERICANO DE INICIAÇÃO CIENTÍFICA, 21.; ENCONTRO LATINO AMERICANO DE PÓS GRADUAÇÃO, 17.; ENCONTRO NACIONAL DE INICIAÇÃO À DOCÊNCIA, 7., 2017, São José dos Campos. Ciência Que Aproxima, Ciência Que Liberta. São José dos Campos: UNIVAP, 2017. |
|
Idioma: |
Português |
|
Conteúdo: |
Nos experimentos agrícolas, os pesquisadores devem definir o número mínimo de dados necessários para determinar o tamanho de amostra, visando aumentar a precisão experimental. Sendo assim, o trabalho teve como objetivo determinar o número mínimo de frutos para dimensionar amostras e determinar os tamanhos de amostras em função dos erros de estimação de 1 a 10%, para avaliar características de goiaba. O trabalho foi conduzido no IFES, onde foram mensuradas características físicas de 130 frutos de goiaba. O número mínimo de frutos necessários para dimensionar amostras foi obtido utilizando os métodos de bootstrap e do modelo de regressão linear com resposta a platô. O dimensionamento amostral foi calculado utilizando a distribuição t de Student, a estimativa da variância e o erro de estimação. São necessários pelo menos 105 frutos para determinar os tamanhos de amostras. Para todos os erros de estimação, a característica largura foi a que exigiu o maior tamanho de amostra, seguida em ordem decrescente pelas características circunferência, altura e massa, e os tamanhos variaram, respectivamente, de 208, 181, 82 e 62 para o erro de estimação em percentagem de 1%, até 3, 2, 1 e 1 frutos para o erro de 10%. |
|
Palavras-Chave: |
Bootstrap; Dimensionamento amostral; Erro de estimação; Goiaba; INIC. |
|
Categoria do assunto: |
-- |
|
URL: |
https://biblioteca.incaper.es.gov.br/digital/bitstream/123456789/2862/1/BRT-numerodefrutosparadeterminarotamanhodeamostra-guarconi-iniciacao.pdf
|
|
Marc: |
LEADER 02253nam a2200253 a 4500
001 1017237
005 2017-11-28
008 2017 bl uuuu u01u1 u #d
100 1 $aGUARÇONI, R. G.
245 $aNúmero de frutos para determinar o tamanho de amostra para a estimação de características de goiaba utilizando simulação.$h[electronic resource]
260 $aIn: ENCONTRO LATINO-AMERICANO DE INICIAÇÃO CIENTÍFICA, 21.; ENCONTRO LATINO AMERICANO DE PÓS GRADUAÇÃO, 17.; ENCONTRO NACIONAL DE INICIAÇÃO À DOCÊNCIA, 7., 2017, São José dos Campos. Ciência Que Aproxima, Ciência Que Liberta. São José dos Campos: UNIVAP$c2017
520 $aNos experimentos agrícolas, os pesquisadores devem definir o número mínimo de dados necessários para determinar o tamanho de amostra, visando aumentar a precisão experimental. Sendo assim, o trabalho teve como objetivo determinar o número mínimo de frutos para dimensionar amostras e determinar os tamanhos de amostras em função dos erros de estimação de 1 a 10%, para avaliar características de goiaba. O trabalho foi conduzido no IFES, onde foram mensuradas características físicas de 130 frutos de goiaba. O número mínimo de frutos necessários para dimensionar amostras foi obtido utilizando os métodos de bootstrap e do modelo de regressão linear com resposta a platô. O dimensionamento amostral foi calculado utilizando a distribuição t de Student, a estimativa da variância e o erro de estimação. São necessários pelo menos 105 frutos para determinar os tamanhos de amostras. Para todos os erros de estimação, a característica largura foi a que exigiu o maior tamanho de amostra, seguida em ordem decrescente pelas características circunferência, altura e massa, e os tamanhos variaram, respectivamente, de 208, 181, 82 e 62 para o erro de estimação em percentagem de 1%, até 3, 2, 1 e 1 frutos para o erro de 10%.
653 $aBootstrap
653 $aDimensionamento amostral
653 $aErro de estimação
653 $aGoiaba
653 $aINIC
700 1 $aSANTOS, L. C.
700 1 $aCAETANO, L. C. S.
700 1 $aFAVARATO, L. F.
700 1 $aCARDOSO, W. S.
700 1 $aSOUZA, J. L. de.
700 1 $aGOMES, S. A.
700 1 $aPEISINO, F. M.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Biblioteca Rui Tendinha (BRT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
