Caracterização da produção de cana-de-açúcar através de indicadores espaciais e temporais em Mato Grosso do Sul
Bibliographic record
Abstract
Com um cenário bastante favorável, a expansão das áreas cultivadas com cana-de-açúcar no Estado de Mato Grosso do Sul tem tomado dimensões significativas na produção, o que torna importante o estudo de indicadores de produção dessa cultura em diversos níveis territoriais do Estado. Diante desse cenário, o objetivo deste estudo foi analisar a produção de cana-de-açúcar nos principais municípios produtores de Mato Grosso do Sul através de indicadores de produção de dados oficiais no período de 2003 a 2011. Foram utilizados dados oficiais de estimativa do LSPA/IBGE de área colhida - AC (ha), área colhida relativa - ACR (%) produção - PR (t) e produtividade média - PRM (t ha-1) em diferentes níveis territoriais (mesorregiões, microrregiões e municípios) com produção significativa de cana-de-açúcar. Na análise de agrupamento, os municípios foram tipificados quanto a AC, ACR, PR e PRM. Pela análise conjunta do agrupamento, os grupos classificados como alto e médio se assemelham ao zoneamento agroecológico da cana-de-açúcar. Através da análise de regressão a mesorregião sudoeste (MES-SU) e a microrregião de Dourados (MIC-DO) são os níveis territoriais que apresentam crescimento da PRM no período da caracterização.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".