FACEPE / Submitted by Luiz Felipe Barbosa (luiz.fbabreu2@ufpe.br) on 2015-03-10T17:49:00Z No. of bitstreams: 2 DISSERTAÇÃO Ricardo Batista Rodrigues.pdf: 2074010 bytes, checksum: 50b1167a46490f6196ae041294bf9927 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-11T17:37:07Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO Ricardo Batista Rodrigues.pdf: 2074010 bytes, checksum: 50b1167a46490f6196ae041294bf9927 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2014-02-27 / O desenvolvimento tecnológico vivenciado nos últimos anos proporcionou o crescimento do universo digital de forma exponencial, e parte desse universo digital encontra-se armazenado em sistemas de armazenamento em nuvem. A cada dia surgem mais destes sistemas, que oferecem o armazenamento de dados de forma distribuída com alta taxa de disponibilidade, o que tem impucionado cada vez mais usuários a migrarem seus dados para a nuvem. No entanto, a grande quantidade de arquivos armazenada nestes sistemas dificulta a filtragem de conteúdo relevante, demandando tempo e trabalho por parte do usuário na busca por arquivos com conteúdo similar as suas preferências. Diante deste cenário, esta pesquisa propõe um modelo de recomendação para sistemas de armazenamento em nuvem, que tem como objetivo utilizar características da nuvem associadas à técnica de recomendação baseada em conteúdo para filtrar e recomendar arquivos com o conteúdo similar as preferências dos usuários, além disso, recomendar arquivos que proporcione a melhor utilização dos recursos do ambiente em nuvem.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-08T15:41:02Z No. of bitstreams: 1 AUGUSTO QUEIROZ DE MACEDO - PPGCC 2015..pdf: 6968007 bytes, checksum: 87fa2564456dfd56be7e711e21a082df (MD5) / Made available in DSpace on 2018-05-08T15:41:02Z (GMT). No. of bitstreams: 1 AUGUSTO QUEIROZ DE MACEDO - PPGCC 2015..pdf: 6968007 bytes, checksum: 87fa2564456dfd56be7e711e21a082df (MD5) Previous issue date: 2015-03-27 / A Web tem crescido tornando-se um dos mais importantes canais para comunicar eventos sociais hoje em dia. As pessoas planejam, compartilham e comentam sobre os eventos na Web. As redes sociais baseadas em eventos (RSBEs) foram criadas para ajudar as pessoas a encontrar e conhecerem-se uns aos outros de uma forma mais simples e rápida. No entanto, o grande volume de eventos disponíveis, muitas vezes prejudica a capacidade dos usuários de escolher os eventos que melhor se adequam à suas preferências pessoais. Sistemas de recomendação aparecem como uma solução natural para este problema. No entanto, diferentemente dos cenários de recomendação clássica (e.g. recomendação de filmes, livros, restaurantes), o problema de recomendação de eventos é intrinsecamente cold-start (início frio) quando inexistem informações sobre as interações de usuários e itens no momento da recomendação. A princípio, esta interação só acontece após a ocorrência do evento. E mesmo usando informações de RSVPs (i.e. intenção declarada do usuário em comparecer à um evento futuro), o recomendador continua enfrentando alta esparsidade de dados, que é agravada pela tendência que os usuários possuem em enviar RSVPs próximos à ocorrência dos eventos. Para superar essas limitações, propomos um modelo de recomendação híbrido que otimiza o ranking personalizado dos eventos baseado no potencial de vários sinais contextuais disponíveis nas RSBEs. Além de sinais sociais derivados dos RSVPs e das associações dos usuários em grupos online, exploramos também os sinais de conteúdo das descrições dos eventos, sinais de localização baseados nas coordenadas geográficas da casa dos usuários e dos eventos e sinais temporais derivados das preferências de horário e dias da semana do usuário em relação aos seus eventos passados. Por meio de experimento sutilizando uma grande coleta do Meetup.com melhoramos em mais de 60% a métrica de ranking personalizado avaliada com a nossa abordagem híbrida de aprendizagem multi-contextual em comparação com um recomendador de eventos do estado-da-arte da literatura. / The Web has grown into one of the most important channels to communicate social events nowadays. People plan, share and comment meetings through the Web. The event-based social networks (EBSNs) have been created to help people meet and know each others in a simpler and faster way. However, the sheer volume of events available often undermines the users’ ability to choose the events that best fit their personal preferences. Recommender systems appear as a natural solution for this problem. However, differently from the classic recommendation scenarios (e.g. movies, books, restaurants recommendations),the event recommendation problem is intrinsically cold-start, there is no information about the users and items interactions in recommendation time. At first, this interaction only happens after the ocurrence of the event. And even using the RSVPs informations (i.e. declared user intention to attend or not a future event), the recommender will still have to face its high sparsity worsened by the trend that users have to send RSVPs near the ocurrence of the events. To overcome this limitation, we propose a hybrid recommendation model that optimizes a personalized ranking of events based on the several contextual signals available in EBSNs. Besides social signals derived from RSVPs and user’s associations in online groups, we exploit the content signals from events’ description, location signals based on the users’ home and events geographic coordinates and temporal signals derived from the temporal and weekday users’ preferences related to their past events. Thorough experiments using a large crawl of Meetup.com we improved in more than 60% the evaluated personalized ranking metric with our multi-contextual learning approach when compared to a state-of-the-art event recommender from the literature.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-02-21T16:47:42Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dvsTeseBiblioteca.pdf: 6571192 bytes, checksum: eb7914e5ffef25b8f01ff92d9a60c164 (MD5) / Made available in DSpace on 2017-02-21T16:47:42Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dvsTeseBiblioteca.pdf: 6571192 bytes, checksum: eb7914e5ffef25b8f01ff92d9a60c164 (MD5) Previous issue date: 2016-07-21 / FACEPE / Traditionally, single-domain recommender systems (SDRS) have achieved good results in recommending relevant items for users in order to solve the information overload problem. However, cross-domain recommender systems (CDRS) have emerged aiming to enhance SDRS by achieving some goals such as accuracy improvement, diversity, addressing new user and new item problems, among others. Instead of treating each domain independently, CDRS use knowledge acquired in a source domain (e.g. books) to improve the recommendation in a target domain (e.g. movies). Likewise SDRS research, collaborative filtering (CF) is considered the most popular and widely adopted approach in CDRS, because its implementation for any domain is relatively simple. In addition, its quality of recommendation is usually higher than that of content-based filtering (CBF) algorithms. In fact, the majority of the cross-domain collaborative filtering RS (CD-CFRS) can give better recommendations in comparison to single domain collaborative filtering recommender systems (SD-CFRS), leading to a higher users’ satisfaction and addressing cold-start, sparsity, and diversity problems. However, CD-CFRS may not necessarily be more accurate than SD-CFRS. On the other hand, context-aware recommender systems (CARS) deal with another relevant topic of research in the recommender systems area, aiming to improve the quality of recommendations too. Different contextual information (e.g., location, time, mood, etc.) can be leveraged in order to provide recommendations that are more suitable and accurate for a user depending on his/her context. In this way, we believe that the integration of techniques developed in isolation (cross-domain and contextaware) can be useful in a variety of situations, in which recommendations can be improved by information from different sources as well as they can be refined by considering specific contextual information. In this thesis, we define a novel formulation of the recommendation problem, considering both the availability of information from different domains (source and target) and the use of contextual information. Based on this formulation, we propose the integration of cross-domain and context-aware approaches for a novel recommender system (CD-CARS). To evaluate the proposed CD-CARS, we performed experimental evaluations through two real datasets with three different contextual dimensions and three distinct domains. The results of these evaluations have showed that the use of context-aware techniques can be considered as a good approach in order to improve the cross-domain recommendation quality in comparison to traditional CD-CFRS. / Tradicionalmente, “sistemas de recomendação de domínio único” (SDRS) têm alcançado bons resultados na recomendação de itens relevantes para usuários, a fim de resolver o problema da sobrecarga de informação. Entretanto, “sistemas de recomendação de domínio cruzado” (CDRS) têm surgido visando melhorar os SDRS ao atingir alguns objetivos, tais como: “melhoria de precisão”, “melhor diversidade”, abordar os problemas de “novo usuário” e “novo item”, dentre outros. Ao invés de tratar cada domínio independentemente, CDRS usam conhecimento adquirido em um domínio fonte (e.g. livros) a fim de melhorar a recomendação em um domínio alvo (e.g. filmes). Assim como acontece na área de pesquisa sobre SDRS, a filtragem colaborativa (CF) é considerada a técnica mais popular e amplamente utilizada em CDRS, pois sua implementação para qualquer domínio é relativamente simples. Além disso, sua qualidade de recomendação é geralmente maior do que a dos algoritmos baseados em filtragem de conteúdo (CBF). De fato, a maioria dos “sistemas de recomendação de domínio cruzado” baseados em filtragem colaborativa (CD-CFRS) podem oferecer melhores recomendações em comparação a “sistemas de recomendação de domínio único” baseados em filtragem colaborativa (SD-CFRS), aumentando o nível de satisfação dos usuários e abordando problemas tais como: “início frio”, “esparsidade” e “diversidade”. Entretanto, os CD-CFRS podem não ser mais precisos do que os SD-CFRS. Por outro lado, “sistemas de recomendação sensíveis à contexto” (CARS) tratam de outro tópico relevante na área de pesquisa de sistemas de recomendação, também visando melhorar a qualidade das recomendações. Diferentes informações contextuais (e.g. localização, tempo, humor, etc.) podem ser utilizados a fim de prover recomendações que são mais adequadas e precisas para um usuário dependendo de seu contexto. Desta forma, nós acreditamos que a integração de técnicas desenvolvidas separadamente (de “domínio cruzado” e “sensíveis a contexto”) podem ser úteis em uma variedade de situações, nas quais as recomendações podem ser melhoradas a partir de informações obtidas em diferentes fontes além de refinadas considerando informações contextuais específicas. Nesta tese, nós definimos uma nova formulação do problema de recomendação, considerando tanto a disponibilidade de informações de diferentes domínios (fonte e alvo) quanto o uso de informações contextuais. Baseado nessa formulação, nós propomos a integração de abordagens de “domínio cruzado” e “sensíveis a contexto” para um novo sistema de recomendação (CD-CARS). Para avaliar o CD-CARS proposto, nós realizamos avaliações experimentais através de dois “conjuntos de dados” com três diferentes dimensões contextuais e três domínios distintos. Os resultados dessas avaliações mostraram que o uso de técnicas sensíveis a contexto pode ser considerado como uma boa abordagem a fim de melhorar a qualidade de recomendações de “domínio cruzado” em comparação às recomendações de CD-CFRS tradicionais.

Sistemas de Recomendação ajudam na personalização de sites na Internet oferecendo conteúdo ou produtos específicos aos usuários. Com dispositivos móveis, aumentou o interesse do usuário em ter recomendações personalizadas de locais para ir de acordo com o seu histórico de navegação e avaliações como restaurantes e pontos turísticos. Para que as recomendações personalizadas por locais sejam mais precisas é necessário contextualizá-las de acordo com o interesse do usuário que caracterizado por locais que ele visitou e por regiões de interesse como moradia, onde trabalha ou mesmo onde passará férias. Várias técnicas de contextualização utilizaram todos os locais que o usuário visitou para geração da recomendação contextual do local, outras técnicas trabalham na arquitetura híbrida. Muitas assumem que é necessário a posição exata do usuário para que as recomendações sejam online, o que muitas vezes não é possível por limitações técnicas ou mesmo indisponibilização do usuário por questões de privacidade. O objetivo principal deste trabalho é geração de recomendações usando multicontextos de forma offline, gerando vários contextos de cada usuário. Os locais são recomendados utilizando apenas dados históricos, sem a localização exata no usuário do momento da recomendação. Para atingir este objetivo foram utilizadas técnicas de clustering para mapeamento e divisão dos contextos em regiões indicando o interesse do usuário gerando a recomendação final dos locais a partir de um método híbrido de recomendação que usa filtragem colaborativa e a recomendação contextual proposta. Os resultados mostraram que a técnica proposta apresenta recomendações melhores do que apenas a recomendação colaborativa pura e, para usuários assíduos, as recomendações são melhores do que as técnicas base usadas para comparação. / Recommender Systems help in web sites personalization, offering specific content or products to users. With mobile devices, user interest in Point-of-Interest (POI) recommendation has increased to receive recommendations about places to go according to your navigation and evaluation history in the web site. POI recommendation are improved by contextualizing according to users interest, based on places to where user has been and on regions of interest such as the region where the user lives, works or the region intends go on vacation. Many contextualization techniques use all places that user visited for generation of POI contextual recommendation. Other techniques use hybrid architectures and many of them assume that is necessary the exact point where the user is for online recommendation and this in not possible always due technical limitations or user privacy. The main objective of this work is the offline generation of recommendations using multicontexts. Places to be recommended use only user historical data, without the user current localization at the moment of recommendation. Several techniques have been used for clustering for mapping and division of contexts in regions, indicating the user interests and, finally, generating the final recommendation using a hybrid method with collaborative filtering and contextual recommendation proposed. The results indicate that the proposed technique builds better recommendations than the pure collaborative filtering technique and for heavy users the proposed technique has better results the baseline technique used for comparison.

Sistemas de Recomendação ajudam na personalização de sites na Internet oferecendo conteúdo ou produtos específicos aos usuários. Com dispositivos móveis, aumentou o interesse do usuário em ter recomendações personalizadas de locais para ir de acordo com o seu histórico de navegação e avaliações como restaurantes e pontos turísticos. Para que as recomendações personalizadas por locais sejam mais precisas é necessário contextualizá-las de acordo com o interesse do usuário que caracterizado por locais que ele visitou e por regiões de interesse como moradia, onde trabalha ou mesmo onde passará férias. Várias técnicas de contextualização utilizaram todos os locais que o usuário visitou para geração da recomendação contextual do local, outras técnicas trabalham na arquitetura híbrida. Muitas assumem que é necessário a posição exata do usuário para que as recomendações sejam online, o que muitas vezes não é possível por limitações técnicas ou mesmo indisponibilização do usuário por questões de privacidade. O objetivo principal deste trabalho é geração de recomendações usando multicontextos de forma offline, gerando vários contextos de cada usuário. Os locais são recomendados utilizando apenas dados históricos, sem a localização exata no usuário do momento da recomendação. Para atingir este objetivo foram utilizadas técnicas de clustering para mapeamento e divisão dos contextos em regiões indicando o interesse do usuário gerando a recomendação final dos locais a partir de um método híbrido de recomendação que usa filtragem colaborativa e a recomendação contextual proposta. Os resultados mostraram que a técnica proposta apresenta recomendações melhores do que apenas a recomendação colaborativa pura e, para usuários assíduos, as recomendações são melhores do que as técnicas base usadas para comparação. / Recommender Systems help in web sites personalization, offering specific content or products to users. With mobile devices, user interest in Point-of-Interest (POI) recommendation has increased to receive recommendations about places to go according to your navigation and evaluation history in the web site. POI recommendation are improved by contextualizing according to users interest, based on places to where user has been and on regions of interest such as the region where the user lives, works or the region intends go on vacation. Many contextualization techniques use all places that user visited for generation of POI contextual recommendation. Other techniques use hybrid architectures and many of them assume that is necessary the exact point where the user is for online recommendation and this in not possible always due technical limitations or user privacy. The main objective of this work is the offline generation of recommendations using multicontexts. Places to be recommended use only user historical data, without the user current localization at the moment of recommendation. Several techniques have been used for clustering for mapping and division of contexts in regions, indicating the user interests and, finally, generating the final recommendation using a hybrid method with collaborative filtering and contextual recommendation proposed. The results indicate that the proposed technique builds better recommendations than the pure collaborative filtering technique and for heavy users the proposed technique has better results the baseline technique used for comparison.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-04-12T20:38:00Z No. of bitstreams: 1 IURY DEWAR CRUZ DE OLIVEIRA NUNES - DISSERTAÇÃO PPGCC 2014..pdf: 1148640 bytes, checksum: 9e084516af4065804bc3489d60d75384 (MD5) / Made available in DSpace on 2018-04-12T20:38:00Z (GMT). No. of bitstreams: 1 IURY DEWAR CRUZ DE OLIVEIRA NUNES - DISSERTAÇÃO PPGCC 2014..pdf: 1148640 bytes, checksum: 9e084516af4065804bc3489d60d75384 (MD5) Previous issue date: 2014-08-28 / As Redes Sociais Baseadas em Localização (RSBL) surgiram com o propósito de permitir que os usuários possam compartilhar com sua rede de amigos informações a respeito dos pontos de interesse (POIs) que eles visitaram. Neste contexto, a capacidade de recomendar novos lugares para que os usuários possam visitar é importante, pois pode, eventualmente, melhorar a experiência destes usuários ao utilizar o sistema. O contexto geogr´afico certamente influencia os usu´arios na hora de escolher os locais a serem visitados. Sendo assim, inicialmente analisamos este contexto de forma isolada, através de recomendadores de POIs puramente baseados em informacões geográficas. Além disso, propomos um novo recomendador puramente geográfico baseado em Kernels Gaussianos. Os resultados dos nossos experimentos demonstraram que o modelo proposto consegue alcançar uma maior acurácia que os recomendadores puramente geográficos presentes no estado-da-arte na maioria dos casos avaliados. Porém esta mesma análise demonstrou que o contexto geográfico isoladamente não é capaz de gerar recomendações com alta acurácia de forma geral. Logo, ao modelar um recomendador de POIs é necessário combinar as informações geográficas com outros contextos a fim de melhorar sua acurácia. Sendo assim, também propomos um novo recomendador de POIs que consegue capturar as preferências de usuários (de forma similar às técnicas de filtragem colaborativa) e informações geográficas em um único modelo baseado em difusão de grafos. Este recomendador visa aprender um ranking personalizado de lugares a serem recomendados para cada usuário levando em consideração os lugares visitados por outros usuários com preferências similares, as distâncias entre os lugares visitados e os lugares candidatos à recomendação, e as regiões as quais o usuário visita mais frequentemente. Os nossos experimentos mostraram que este modelo consegue ser mais eficiente que os modelos de recomendações de POIs presentes no estado-da-arte, além de conseguir alcançar uma acurácia igual ou superior às abordagens comparadas. todos os experimentos foram realizados utilizando dados reais de uma das RSBL mais populares atualmente: o Foursquare. / Location-Based Social Networks (LBSN) emerged with the purpose of allowing users to share, with their friends, information about points of interest (POIs) they visited. In this context, the ability to recommend new places for users to visit is important because it can eventually improve the overall user experience while using the system. The geographical context certainly influences the locations that the users choose to visit. Therefore, initially we analyzed this context separately, through the recommenders of POIs purely based on geographical information. Furthermore, we propose a new geographicaware recommender based on Gaussian Kernels. The results of our experiments demonstrated that the proposed model can achieve higher accuracy than the state-of-the art recommenders solely based on geographical information, in most of the cases evaluated. However, this same analysis showed that the geographical context alone is not able to generate recommendations owith high accuracy. So to model a new recommender of POIs, it is necessary to combine geographic information with other contexts in order to achieve high accuracy. Thus, we also propose a new recommender of POIs that can capture the preferences of users (similar to collaborative filtering techniques) and geographical information in a single model based on diffusion on graphs. This recommender aims to learn a personalized ranking of places to be recommended for each user taking into consideration the places visited by other users with similar preferences, the distances between the places visited and places candidates for recommendation, and the regions which the user visits more often. Our experiments showed that this model can be more efficient than state-of-the-art recommenders of POIs, also achieving an accuracy equal to or greater than the compared approaches. All experiments were conducted using real data from one of the most popular RSBL nowadays: Foursquare.

Submitted by Grasiela Spada (gra_spada@hotmail.com) on 2018-06-04T19:00:50Z No. of bitstreams: 1 dissertação versão final Grasiela com ficha.pdf: 1520627 bytes, checksum: 3dd15c6cc496cb7b511da71484798917 (MD5) / Approved for entry into archive by Maria Lucia Martins Frederico null (mlucia@fca.unesp.br) on 2018-06-04T19:28:06Z (GMT) No. of bitstreams: 1 spada_g_me_botfca.pdf: 1520627 bytes, checksum: 3dd15c6cc496cb7b511da71484798917 (MD5) / Made available in DSpace on 2018-06-04T19:28:06Z (GMT). No. of bitstreams: 1 spada_g_me_botfca.pdf: 1520627 bytes, checksum: 3dd15c6cc496cb7b511da71484798917 (MD5) Previous issue date: 2014-01-31 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / A literatura sobre adubação e nutrição de espécies nativas é escassa, as espécies florestais apresentam comportamentos distintos, sobretudo quanto às exigências nutricionais, o desafio deste trabalho foi encontrar qual a melhor condição nutricional para o desenvolvimento da paineira (Ceiba speciosa A. St. Hil). Objetivou-se avaliar e monitorar o crescimento inicial e a nutrição mineral da paineira em resposta a diferentes doses de adubação. O ensaio foi composto por quatro experimentos distintos (doses de N, P, K e V%), cada um com seis tratamentos e quatro repetições dispostos em delineamento inteiramente casualizado, utilizando-se vasos plásticos preenchidos com 50 dm³ de um Latossolo Vermelho Escuro, alocados em estufa plástica. Mensalmente avaliou-se o diâmetro do colo, altura das mudas e teor de clorofila nas folhas. O ensaio foi encerrado 150 dias após o plantio das mudas e além das avaliações anteriores, foram determinados a área foliar, a massa seca de raízes, caules e folhas, e os teores e quantidades absorvidas de macro e micronutrientes pelo material vegetal. Dos elementos estudados, o fósforo é o nutriente mais exigido, sendo que o potássio e o nitrogênio não afetaram o crescimento inicial da espécie. Para o tipo de solo e condições estudadas, recomenda-se adubação fosfatada de 250 mg dm-3 e saturação por bases do solo de 50% para o plantio em condições de campo. / The literature about nutrition and fertilization of native species is scarce, forestry species exhibit different behavior, especially regarding nutritional requirements, the challenge of this work was to find what the best nutritional conditions for the development of the cotton tree (Ceiba speciosa A. St. – Hil). This study aimed to evaluate and monitor the initial growth and mineral nutrition of paineira in response to different doses of fertilizer. The test consisted of four separate experiments (doses of N, P, K and V%), each with six treatments and four replications arranged in a completely randomized design, using plastic pots filled with 50 dm- ³ of a Dark Rhodic Hapludox allocated in greenhouse. Monthly evaluated the lap diameter, plant height and chlorophyll content in the leaves. The research was terminated 150 days after seedlings planting and beyond previous evaluations were determined leaf area, dry weight of roots, stems and leaves, as well as the levels and amounts of macro and micronutrients absorbed by plant material. The elements studied, the phosphorus is the most required nutrient, being that nitrogen and potassium did not affect the initial growth of the specie. For soil type and measurements conditions is recommended phosphorus fertilization of 250 mg dm-3 and liming of 50% for planting under field conditions. / 151982/2012-0

Submitted by Aline Carla Trombeta Bettiol (alyne_bettiol@hotmail.com) on 2018-08-07T20:33:24Z No. of bitstreams: 1 Aline Tese Doutorado Final.pdf: 869509 bytes, checksum: c20f6d6aa6c4ed4c1db071a5fb5fb7c1 (MD5) / Approved for entry into archive by Neli Silvia Pereira null (nelisps@fcav.unesp.br) on 2018-08-08T16:52:01Z (GMT) No. of bitstreams: 1 bettiol_act_dr_jabo.pdf: 869509 bytes, checksum: c20f6d6aa6c4ed4c1db071a5fb5fb7c1 (MD5) / Made available in DSpace on 2018-08-08T16:52:01Z (GMT). No. of bitstreams: 1 bettiol_act_dr_jabo.pdf: 869509 bytes, checksum: c20f6d6aa6c4ed4c1db071a5fb5fb7c1 (MD5) Previous issue date: 2018-04-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Na última década, a análise de solo para medida do N orgânico mineralizável passou da condição de inviável para promissora, particularmente a partir de estudos feitos nos EUA e da proposição de dois novos métodos de hidrólise alcalina, o Illinois Soil Nitrogen Test (ISNT) e o método da destilação a vapor direta (DVD). O objetivo com o presente trabalho foi avaliar o potencial de fornecimento de N do solo para a cultura do milho em amostras de solo coletadas em experimento instalado em 2000/2001, no qual estão sendo cultivadas plantas de cobertura em pré-safra (mucuna, feijão-de-porco, milheto e vegetação espontânea), combinadas com doses de N em cobertura na cultura do milho (0, 60, 120 e 180 kg ha-1). As amostras de solo foram coletadas após a colheita do milho nas safras 2014/2015 e 2015/2016. Nestas amostras foi feita extração do N orgânico mineralizável empregando hidrólise alcalina, por meio dos métodos ISNT e DVD, e também utilizando soluções salinas de CaCl2 0,01 mol L-1, Ca(H2PO4)2 0,01mol L-1 e KCl 2 mol L-1, todas com aquecimento. Com as mesmas amostras foi conduzido ensaio de incubação, em laboratório, empregando colunas de percolação, para obter o N potencialmente mineralizável (N0) e o nitrogênio mineralizado acumulado aos 210 dias de incubação (Nmac), e do experimento no campo foi obtido o N absorvido pelo milho (Nabs). Os dados obtidos com os métodos químicos foram correlacionados com Nabs, N0 e Nmac. Entre os métodos avaliados o ISNT e a DVD foram os que apresentaram correlação com N0 e Nabs e podem ser considerados os índices de disponibilidade de N mais promissores para uso em áreas em plantio direto com cultivo de plantas de cobertura. / In the past decade, soil analysis to predict mineralizable organic nitrogen went from impracticable to promising, particularly due studies carried out in USA and the proposition of two new alkali hydrolysis methods, the Illinois Soil Nitrogen Test (ISNT) and the direct steam distillation (DSD). The objective of the study was to evaluate the potentially supply of N to the maize crop in samples collected from a trial installed in 2000/2001, in which are being cropped with cover crops before maize sown (velvet bean, jack bean, millet, spontaneous vegetation), combined with side dress N fertilizer doses in the maize crop (0, 60, 120, 180 kg ha-1). Soil samples were collected after maize harvest, in the 2014/2015 and 2015/2016 seasons. In these samples were performed the extraction of the mineralizable organic N using alkali extraction with ISNT and DSD methods and also using hot saline solutions, such as 0.01 mol L-1 CaCl2, 0.01 mol L-1 Ca(H2PO4)2, and 2 mol L-1 KCl. In the same samples it was also carried out laboratory incubation, using leaching columns, to obtain the potentially mineralizable N (N0) and the mineralized N accumulated after 210 days of incubation (Nmac). From the plants growth in field trial was determined the N uptake by the maize plants (Nup). The results obtained from the chemical methods were correlated with the Nup, N0, and Nmac. Among all others, the ISNT and the DSD showed higher correlation with N0 and Nup and may be considered as the most promising N availability indexes for use in no-till systems with cover crops.

Submitted by Nathália Faria da Silva (nathaliafsilva.ufv@gmail.com) on 2017-06-20T18:02:35Z No. of bitstreams: 1 texto completo.pdf: 500195 bytes, checksum: b1dc19e73fe572dc1c460f1b6ca49e8f (MD5) / Made available in DSpace on 2017-06-20T18:02:35Z (GMT). No. of bitstreams: 1 texto completo.pdf: 500195 bytes, checksum: b1dc19e73fe572dc1c460f1b6ca49e8f (MD5) Previous issue date: 2002-10-10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / As recomendações de calagem e adubação para a bananeira praticadas no país são baseadas em tabelas com elevado grau de empirismo e que, normalmente, recomendam doses baixas de nutrientes, especialmente quando se pretende atingir produtividades elevadas. Por serem baseadas, principalmente, em experimentos de campo, as recomendações dessas tabelas nem sempre são extrapoláveis para regiões diferentes daquelas para as quais foram concebidas. O objetivo deste trabalho foi desenvolver um sistema para recomendação de calagem e adubação para a cultura da bananeira, combinando modelos mecanísticos e empíricos, embasados no conhecimento atual sobre solos e a nutrição dessa cultura, tendo em vista uma produtividade esperada. A modelagem do Sistema para Recomendação de Calagem e Adubação para a cultura da bananeira (FERTICALC-Bananeira(R)) baseou-se no balanço nutricional, considerando o requerimento de nutrientes para a cultura atingir uma produtividade esperada e a capacidade de suprimento desses nutrientes pelo solo. O requerimento de nutrientes depende da demanda nutricional e da de sustentabilidade, enquanto o suprimento é proveniente do solo e dos resíduos vegetais. A demanda nutricional é expressa como a dose do nutriente necessária para a planta produzir as biomassas exportadas e restituídas ao solo, considerando uma produtividade esperada. A demanda de sustentabilidade baseia-se na reposição, a cada ciclo de cultivo, de uma parte dos nutrientes que serão exportados em um futuro ciclo de produção. O suprimento de nutrientes pelo solo é estimado a partir dos resultados da análise de solo e da quantidade de resíduos produzidos no ciclo anterior. As simulações mostraram que por meio do FERTICALC-Bananeira(R) recomenda-se maior quantidade de nutrientes no primeiro ciclo, que no segundo, e maior para bananeiras do grupo AAA que do grupo AAB. As recomendações geradas por esse sistema dependeram, principalmente, da produtividade esperada e do teor do nutriente no solo. O fósforo remanescente é utilizado como medida que estima a capacidade tampão do solo, para os nutrientes (P, S e Zn) sensíveis a essa propriedade do solo. Comparando as recomendações do FERTICALC-Bananeira(R) com as das tabelas em uso no país, perceberam-se falhas das mesmas, principalmente porque estas, geralmente, não consideram a produtividade esperada e porque suas recomendações não diminuem de forma contínua com o aumento do teor do nutriente no solo. Ao contrário do FERTICALC-Bananeira(R), as tabelas parecem não considerar que a demanda nutricional no primeiro ciclo depende não somente do acúmulo de nutrientes na planta-mãe, mas do acúmulo de nutrientes na família; e que, a partir do segundo ciclo, a família continua demandando nutrientes para produção e crescimento vegetativo. / In Brazil, the recommendations for liming and fertilization of the banana plant are based on tables provided with a high level of empiricism, that usually recommend low doses of nutrients, especially when the objective is to reach high productivities. Because these tables are based mainly on field experiments, their recommendations not always are extrapolatable for the regions that are different from those for which they were conceived. The objective of this study was to develop a system to recommend lime and fertilizer for banana plant cropping, by combining the mechanistic and empiric models to be based upon the actual knowledge about the soils and this crop nutrition, having in the mind an expected productivity. The modeling of the System to recommend lime and fertilizer for and Fertilization for the banana plant cropping (FERTICALC-Banana plant(R)) was based on the nutritional balance, by considering the requirement for nutrients in order this crop can reach a expected productivity, as well as the soil capacity to supply those nutrients. The nutrient requirement depends on both the nutritional and sustainable demands, while the nutrient supply depends on the soil and vegetable residues. The nutritional demand is expressed as the nutrient dose that is necessary for the plant to produce the biomass exported from the area and that restored to the soil, considering an expected productivity. The sustainable demand viiiis based on the partial restoration of the nutrients at each cropping cycle, that will be exported in a further production cycle. The supply of nutrients by the soil is estimated from the results of the soil analysis and the amount of residues produced in the previous cycle. The simulations showed that according to the FERTICALC-Banana plant(R) one might recommend a higher amount of nutrients at the first cycle than at the second one, as well as a higher amount to the banana plant of the AAA group than of the AAB group. The recommendations generated by this system depended mainly on the expected productivity and on the nutrient content in the soil. The equilibrium phosphorus in solution (remaining-P) is used as a measurement of the buffer capacity of the soil for P, S and Zn which are sensible to this soil property. When comparing the recommendations of the FERTICALC- Banana plant(R) with those of the tables used in the country, the lacks of the later ones were shown mainly because they generally do not consider the expected productivity. In addition, their recommendations do not continuously decrease with the increase of the nutrient content in the soil. Unlike the FERTICALC-Banana plant(R), the tables appear not to consider that at the first cycle the nutritional demand does not depend only on the accumulation of nutrients in the “mother- plant”, but rather on the accumulation of nutrients in the “family”; besides, from the second cycle on, the “family” continues to demand nutrients for yield and vegetative growth.

Submitted by Nathália Faria da Silva (nathaliafsilva.ufv@gmail.com) on 2017-06-26T12:04:58Z No. of bitstreams: 1 texto completo.pdf: 821691 bytes, checksum: 2ce4c9620c6eaf138285ab8e6138dc8d (MD5) / Made available in DSpace on 2017-06-26T12:04:58Z (GMT). No. of bitstreams: 1 texto completo.pdf: 821691 bytes, checksum: 2ce4c9620c6eaf138285ab8e6138dc8d (MD5) Previous issue date: 2004-01-22 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A adubação mineral de plantações de eucalipto no Brasil consiste, em geral, da aplicação de fertilizantes na época do plantio e uma a duas vezes mais, nos dois primeiros anos, como adubação de manutenção. Os critérios para definir a época e a quantidade de fertilizantes desta última adubação não foram ainda bem estabelecidos, o que leva a grandes variações desta técnica entre as empresas. Este trabalho teve como objetivo desenvolver uma metodologia, com base no monitoramento nutricional, para diagnosticar deficiências minerais e recomendar doses de fertilizantes para a fase de manutenção de plantações de eucalipto. O método se baseia no estabelecimento de padrões quantitativos de acúmulos de matéria seca e de nutrientes totais na parte aérea, com os quais se comparam as florestas monitoradas. Para o cálculo das doses recomendadas, levam-se em consideração os acúmulos atuais da floresta monitorada, os acúmulos padrões pré-estabelecidos, a capacidade de suprimento do solo e a capacidade da planta de recuperar os nutrientes aplicados via fertilizante. Os dados utilizados neste trabalho foram obtidos na região de Monte Dourado, Pará, em plantações pertencentes à Jari Celulose S. A. Para o estabelecimento dos padrões, povoamentos de híbridos urograndis (Eucalyptus grandis x E. urophylla) cultivados em três tipos de solos, um arenoso (argila < 20 %) e dois argilosos, sendo um mais rico (10 a 20 % de Fe 2 O 3 - LU) e outro mais pobre (LA) em óxido de ferro, foram amostrados. Foram selecionados 15 povoamentos (talhões) no solo arenoso, 24 no LA e 13 no LU, com idades variando entre sete meses e quatro anos e com diferentes taxas de crescimento. Em pontos aleatórios desses povoamentos foram escolhidas três árvores dominantes, para determinação da biomassa e concentração de nutrientes dos vários componentes das árvores. Amostras de solo foram colhidas às profundidades de 0-20 e 20-40 cm, para análises químicas e textural. Em cada condição (solo e idade), os povoamentos com as maiores produtividades foram considerados como padrões de acúmulos de biomassa e de nutrientes. Outros 31 povoamentos, estes com aproximadamente 18 meses de idade, foram monitorados para fins de teste de aplicação do modelo como estudo de caso. Verificou-se, para os povoamentos utilizados para a obtenção dos padrões, que o pico da taxa de acúmulo dos nutrientes ocorre quando as plantações têm idade de aproximadamente 12 meses. A adubação de manutenção, quando necessária, deveria ser aplicada um pouco antes dessa fase. Nos povoamentos monitorados, detectou-se a necessidade de aplicação de N, P, K, Ca e Mg, sendo que K foi o nutriente que, aparentemente, apresentou maior grau de limitação. Para esse nutriente, 93,5% dos povoamentos tiveram acúmulos inferiores ao padrão. O P foi o nutriente que apresentou menor grau de limitação, sendo 58,0% dos povoamentos com acúmulos de P inferiores ao padrão. O K foi o nutriente cujo acúmulo na parte aérea mais se correlacionou com o de matéria seca, e o acúmulo de P o que menos se correlacionou. Doses de nutrientes para corrigir as carências detectadas foram calculadas para os povoamentos monitorados, conforme o procedimento proposto, e variaram entre esses povoamentos de zero a 90, 50, 140, 345 e 85 kg ha -1 de N, P, K, Ca e de Mg, respectivamente. Quanto aos padrões ou referências nutricionais estabelecidas, exceto para o Ca, não houve diferenças entre as três unidades de manejo testadas. / Chemical fertilization of Eucalyptus plantation in Brazil consists, in general, in applying fertilizers during planting time and once or twice more during the first two years as maintenance fertilization. The criteria to define the time and amount of fertilizers for this last fertilization have not been well- established yet, leading to great variation of this technique among the companies. This work aimed to develop a nutritional monitoring - based methodology to diagnose mineral deficiency and recommend fertilizer doses to be applied during the maintenance phase of Eucalyptus plantations. The method is based on the establishment of quantitative standards of dry matter and total nutrient accumulation in the aerial part of the plants, compared to the monitored forests. In order to calculate the recommended doses, the present accumulation of the monitored forest is taken into account, as well as the previously - established standard accumulation, soil supply capacity and the plant `s capacity to recover the fertilizer- applied nutrients. The data used in this work were obtained in the region of Monte Dourado, Pará, from plantations owned by Jari Celulose S. A. In order to establish the standards, stands (populations) of urograndis hybrids (Eucalyptus grandis x E. urophylla) cultivated in three types of soils, a sandy viiione(clay < 20 %) and two clayey ones, one richer (10 to 20 % of Fe 2 O 3 - LU) and the other poorer (LA)in iron oxide, were sampled. Fifteen stands (plantations)were selected in the sandy soil, 24 in LA and 13 in LU, with ages ranging between seven months and four years and at different growth rates. Three dominant trees were chosen at random points of these stands for determination of biomass and nutrient concentration of the various components of the trees. Soil samples were taken at depths 0-20 and 20-40 cm, for chemical and textural analyses. For each condition,(soil and age), the stands presenting the highest productivities were considered as standards of biomass and nutrient accumulation. Thirty-one stands, approximately 18 month old, were monitored to test the application of the model as a case study. It was verified that, for the stands used to obtain the standards, the nutrient accumulation rate peak occurs when the plantations reach the age of 12 months. Maintenance fertilization, when necessary, should be applied shortly before this phase. The need for N, P, K, Ca and Mg application was detected in the monitored stands, with K being the nutrient apparently presenting the highest degree of limitation with 93.5% of the stands presenting K accumulation below the standard. P presented the lowest degree of limitation, with 58.0% of the stands presenting P accumulation below the standard. K was the nutrient whose accumulation in the shoot correlated the most with dry matter accumulation, while P accumulation correlated the least. Nutrient doses used to correct the deficiency detected were calculated for the stands monitored, according to the procedure proposed, ranging from zero to 90, 50, 140, 345 and 85 kg ha -1 of N, P, K, Ca and of Mg, respectively. With regard to the nutritional standards or references established, no differences were observed among the three management units tested, except for Ca.