Restrições à melhoria da competitividade da cadeia agroindustrial de fécula de mandioca.

Metodologia; Fatores restritivos à competitividade: Fatores associados à demanda; Subsídios no mercado externo; Assimetria de informação quanto à aplicabilidade; Instabilidade na qualidade e cianogênese; Fatores tecnológicos; Tecnologia de produção agrícola; Tecnologia de processamento; Fatores estruturais e sistêmicos; Instabilidade no preço e escala; Relação produtor-indústria: situação atual e limitantes; A interdependência entre os mercados de fécula e de farinha; Estrutura de mercado e concorrência; Políticas públicas de apoio; Características dos sistemas de produção; Encargos fiscais; Organizações setoriais; Estrutura agrária e disponibilidade de mão de obra familiar; Competitividade dos amidos, segundo as fontes de matéria prima; Outros fatores.

Aceitabilidade de bananadas elaboradas com variedades de banana resistentes à Sigatoka-negra.

O processamento da banana na forma de balas, doces de corte, doce cremosos e mariolas é um dos segmentos mais importantes da agroindústria no Brasil. É um produto típico do mercado interno, sendo a maior parte da produção elaborada de forma artesanal em quase todas as regiões do país.

Recomendação de calagem e adubação para o cultivo da mandioca.

A mandioca (Manihot esculenta Crantz) é cultivada em todas as regiões do Brasil, desempenhando papel importante na alimentação humana e animal, como matéria-prima para vários produtos industriais e na geração de emprego e de renda. O Brasil ocupa a segunda posição na produção mundial de mandioca (12,7% do total), com área cultivada de cerca de 1,7 milhões de hectares, produção da ordem de 22,6 milhões de toneladas de raízes e produtividade média de 13,3 t/ha. Dentre os principais estados produtores destacam-se: Pará (18,0%), Bahia (16,3%), Paraná (12,5%), Rio Grande do Sul (5,0%) e Amazonas (4,3%), que respondem por 56,1% da produção do país. Estima-se que, nas fases de produção primária e no processamento de farinha e fécula, gera-se em torno de um milhão de empregos diretos e que a atividade mandioqueira proporciona receita bruta anual equivalente a 2,5 bilhões de dólares e uma contribuição tributária de 150 milhões de dólares; a produção que é transformada em farinha e fécula gera, respectivamente, receitas equivalentes a 600 milhões e 150 milhões de dólares. A Região Nordeste destaca-se com uma participação de 36,8% da produção nacional; as demais regiões participam com 28,7% (Norte), 19,7% (Sul), 8,8% (Sudeste) e 6,0% (Centro-Oeste).

Maturação fisiológica de milho doce e sua relação com a qualidade das sementes.

O conhecimento do ponto de maturidade fisiológica é de fundamental importância para orientação dos produtores na obtenção de sementes de alta qualidade. Esta é uma informação essencial para nortear o planejamento das operações de colheita, secagem e processamento das sementes. É sabido que a maturidade fisiológica da semente é específica da cultivar e pode ser determinada por diversos parâmetros, tais como: número de dias da emergência até as espigas tornarem-se amarronzadas; soma térmica; matéria seca; teor de água dos grãos; formação da camada negra; desaparecimento da linha de leite nas sementes. Para os milhos normais, esta característica é bem conhecida. Já para o milho doce as informações são escassas e, de uma maneira geral, não têm atendido aos anseios dos produtores. O programa de melhoramento genético do milho da Embrapa Milho e Sorgo mantém ações para a obtenção de cultivares de milho superiores com ampla adaptação e melhoria na qualidade dos grãos. As sementes de milho doce apresentam maiores problemas relacionados à qualidade quando comparadas com as dos milhos normais. Isto é refletido, na média, para o nível de germinação das sementes, que fica em torno de 20% abaixo da germinação das sementes do milho comum. O que se propôs com este trabalho foi estudar a maturação fisiológica de sementes de cultivares de milho doce desenvolvidos pela Embrapa Milho e Sorgo e estabelecer parâmetros que possam auxiliar sua colheita, secagem e processamento, com o objetivo de se obter sementes de alta qualidade.

Mapeamento do uso atual e cobertura vegetal dos solos do estado do Rio de Janeiro.

O conhecimento do uso atual e cobertura do solo é imprescindível em qualquer projeto de caracterização e monitoramento ambientais, permitindo demarcar os diferentes usos da terra e vegetação, bem como subsidiar o planejamento e gestão ambientais. O presente trabalho abrange a totalidade do Estado do Rio de Janeiro, compreendido entre os meridianos 410 e 450 de longitude Oeste e os paralelos 200 30? e 230 30? de latitude Sul, estendendo-se por aproximadamente 44.000 km2. Tem como objetivo inventariar e mapear o estado atual da ocupação dos solos, distinguindo e quantificando os principais tipos de uso do solo e de cobertura vegetal, apresentados numa escala generalizada de 1:250.000. Para tal, fez-se um mapeamento preliminar com base nos padrões espectrais das imagens de satélite Landsat ETM7+, cedidas pela EMATER-RJ, utilizando-se de diferentes algoritmos de classificação espectral. Durante a elaboração da versão final do Mapa de Uso Atual e Cobertura Vegetal dos Solos do Estado do Rio de Janeiro, foram viagens de verificação in situ a fim de esclarecer dúvidas e subsidiar ajustes e modificações posteriores. O trabalho de pré-processamento, interpretação e classificação das imagens para a produção e edição final do Mapa de Uso Atual e Cobertura Vegetal realizou-se no período de março de 2002 a fevereiro de 2003, pelas equipes técnicas da CPRM (Serviço Geológico Brasileiro), Divisão de Geoprocessamento - DIGEOP, Departamento de Informações Institucionais (DEINF) e o Laboratório de Geoinformação da Embrapa Solos. Foram identificadas e mapeadas 13 grandes classes de uso e ocupação do solo, algumas delas subdivididas em tipos, assim classificadas e distribuídas: 1 ? Mata Atlântica (Remanescente/Secundária e Ciliar); 2 ? Mangue (Mangue e Mangue Degradado); 3 ? Restinga; 4 - Pecuária (Pastagem Plantada e Campo / Passtagem em Zona Úmida); 5 ? Agricultura; 6 ? Reflorestamento; 7 ? Afloramento de Rocha; 8 ? Solo Exposto; 9 ? Corpo d?Água; 10 ? Salina; 11 ? Extração de Areia / Mineração; 12 ? Praia e Duna; 13 ? Área Urbana.

A soja no Brasil: história e estatística.

Origem e distribuicao no mundo; Introducao e primeiras experiencias no Brasil; Evolucao da producao; Destino da producao; Capacidade de processamento; Portos de embarque; Meios de transporte; Precos recebidos pelos produtores; Custos de producao.

Criação de empregos pelo complexo agroindustrial da soja.

O agronegócio é o setor mais dinâmico da economia brasileira. Em 2003, movimentou recursos da ordem de R$ 508,00 bilhões, representando cerca de 36,4% do PIB brasileiro. Apesar desse setor movimentar tal soma, a cadeia produtiva de alguns produtos não participam da criação intensiva de empregos na economia. Por essa razão, o objetivo do trabalho foi analisar com mais profundidade o número de empregos gerados pelo agronegócio, especificamente da soja. Usou-se a metodologia de geração de empregos do BNDES e análise dos dados estatísticos existentes em relação ao tema. Os resultados indicaram que, tanto a montante da cadeia produtiva quanto a na produção da matéria prima, o complexo soja é capital-intensivo. O maior número de empregos é criado a jusante do complexo, a partir do processamento do produto. No total chegou-se a 4,5 milhões de postos de trabalho gerados pelo agronegócio da soja. Conclui-se que, apesar de o setor agropecuário estar classificado em terceiro lugar na criação de empregos, o setor específico da soja, está entre os mais capital-intensivos do agronegócio.

Fusão espectral de imagens de satélite no espaço de cores.

Espaço de cores RGB (red, green, blue). Espaço de cores IHS (intensity, hue, saturation). Espaço de cores LHS (lightness, hue, saturation). Métodos de interpolação. Estudo de caso.

Adaptação da ferramenta Digester para o tratamento de atributos em Tags de documentos XML.

O projeto Agência de Informação desenvolvido pela Embrapa Informação Agropecuária utiliza a tecnologia XML na troca de dados entre alguns de seus módulos e adota a ferramenta Digester (Apache Software Foundation, 2004d) para processamento destes dados. Esta ferramenta apresentou algumas limitações quando utilizada no tratamento de dados em formato XML, estruturados de acordo com as necessidades do Projeto Agência. Este documento descreve as adaptações implementadas na ferramenta Digester permitindo contornar estas limitações.

Modelagem numérica de algumas variáveis de clima do estado de São Paulo.

O objetivo do presente trabalho é eleger e modelar três variáveis de clima do Estado de São Paulo, temperaturas máximas e mínimas e chuvas, utilizando o interpolador, mais apropriado para especializá-las, contido no módulo MNT do Sistema de Processamento de Informações Georreferenciadas (SPRING, desenvolvido pelo Instituto Nacional de pesquisas Espaciais) INPE.

LIVIA - um software para classificação não supervisionada de áreas foliares infectadas pela ferrugem do café.

O objetivo deste comunicado é apresentar a implementação JavaTM do software LIVIA (Library for Visual Image Analysis). Trata-se de um módulo de processamento de imagens digitais aplicado à agricultura, desenvolvido na Embrapa Informática Agropecuária (Campinas/SP), sob demanda da Embrapa Meio Ambiente (Jaguariúna/SP).

Filtro Schen-Castan (ISEF) para detecção de borda.

Com esta publicação, dá-se prosseguimento na implementação de algoritmos úteis para a detecção de bordas, atividade importante também no campo de visão por computador. O objetivo maior dessas implementações é a constituição de uma biblioteca de processamento de imagens em Java, como software livre, sob a General Public License - GNU, conforme publicada pela Free Software Foundation. Todas as implementações encontram-se disponíveis no diretório da Rede Agrolivre ().

Implementação Java do filtro de Marr e Hildreth para detecção de bordas.

O objetivo desta publicação é apresentar a implementação Java do algoritmo de Marr e Hildreth (Marr & Hildreth, 1980) para a detecção de bordas. O objetivo maior das implementações é a construção de uma biblioteca de processamento de imagens em Java, como software livre, sob a licença GPL (General Public License) conforme publicada pela Free Software Foundation.

NAVPRO 3.0: tutorial de instalação e utilização.

Este documento apresenta os procedimentos para instalação e utilização do sistema NAVPRO 3.0, desenvolvido para o processamento automático e geração de produtos de imagens do sensor Advanced Very High Resolution Radiometer (AVHRR) a bordo dos satélites da National Oceanic Atmospheric Administration (NOAA). O sistema NAVPRO foi criado pela Embrapa Informática Agropecuária em parceria com a Universidade Estadual de Campinas (Unicamp), que contou com o repasse do pacote computacional NAV (NAVigation), desenvolvido pelo Colorado Center for Astrodynamics Research (CCAR), da Universidade do Colorado, Boulder, EUA. O diferencial do sistema é seu método de georreferenciamento automático e preciso, capaz de gerar imagens com deslocamentos máximos de 1 pixel, valor aceito em aplicações envolvendo dados de baixa resolução espacial.

Filtro de Canny para detecção de bordas: implementação Java.

O objetivo deste comunicado é apresentar a implementação JavaTM do filtro para detecção de bordas de Canny (Canny, 1986). A implementação é uma necessidade de uso em projetos desenvolvidos na Embrapa Informática Agropecuária na área de processamento de imagens aplicado à agropecuária.