Adoption and Use of Precision Agriculture in Brazil: Perception of Growers and Service Dealership
Notice bibliographique
Résumé
<p>Precision agriculture (PA) is growing considerably in Brazil. However, there is a lack of information regarding to PA adoption and use in the country. This study sought to: (i) investigate the perception of growers and service dealership about PA technologies; (ii) identify constraints to PA adoption; (iii) obtain information that might be useful to motivate producers and agronomists to use PA technologies in the crop production systems. A web-based survey approach method was used to collect data from farmers and services dealership involved with PA in several crop production regions of Brazil. We found that the growth of PA was linked to the agronomic and economic gains observed in the field; however, in some situations, the producers still can not measure the real PA impact in producer system. Economic aspects coupled with the difficulty to use of software and equipment proportioned by the lack of technical training of field teams, may be the main factors limiting the PA expansion in many producing regions of Brazil. Precision agriculture work carried out by dealership in Brazil is quite recent. The most services offered is gridding soil sampling, field mapping for lime and fertilizer application at variable rate. Many producers already have PA equipment loaded on their machines, but little explored, also restricting to fertilizers and lime application. Looking at the currently existing technologies and services offered by dealership, the PA use in Brazil could be better exploited, and therefore, a more rational use of non-renewable resources.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».