Foram encontradas 7.826 questões.
Considerando que a espectroscopia de ressonância magnética nuclear (RMN) tem se consolidado como uma ferramenta essencial na análise de produtos agroindustriais, julgue os itens que se seguem.
O uso de redes neurais artificiais na análise espectral de RMN elimina a necessidade de pré-processamento dos dados, pois esses algoritmos são capazes de identificar e remover ruídos automaticamente.
Provas
No que diz respeito a imagens de fluorescência, térmica, tomografias de raios-X e tomografia de coerência óptica para diagnóstico de doenças (vegetal e animal), qualidade de produtos (contaminação e lesões) e caracterização de materiais de interesse agroambientais, julgue os itens que se seguem.
A tomografia de coerência óptica (OCT) opera exclusivamente por contraste de absorção óptica e seu uso na identificação de características estruturais das sementes de arroz será eficaz independentemente das propriedades de espalhamento da luz no material analisado, o que garante precisão uniforme entre diferentes variedades.
Provas
O NDVI (ou índice de vegetação por diferença normalizada) permite identificar a presença de vegetação verde e caracterizar sua distribuição espacial, como também sua evolução no decorrer do tempo. Para calcular o NDVI, a linguagem Python é amplamente utilizada, devido à sua flexibilidade e às bibliotecas de processamento de dados geoespaciais disponíveis. A seguir, é apresentado um código em Python relativo ao cálculo do NDVI.
import numpy as np
import rasterio
def calcular_ndvi(arquivo_nir, arquivo_red, saida_ndvi):
with rasterio.open(arquivo_nir) as nir_src:
nir = nir_src.read(1).astype('float32')
perfil = nir_src.profile
with rasterio.open(arquivo_red) as red_src:
red = red_src.read(1).astype('float32')
ndvi = (nir - red) / (nir + red + 1e-10)
perfil.update(dtype=rasterio.float32, count=1)
with rasterio.open(saida_ndvi, 'w', **perfil) as dst:
dst.write(ndvi, 1)
print(f"NDVI calculado e salvo em: {saida_ndvi}") Com base no código precedente, julgue os itens a seguir.
Se o código estiver processando imagens advindas do satélite LANDSAT 8, as bandas espectrais do vermelho e do infravermelho próximo serão B4 e B5, respectivamente.
Provas
Acerca de técnicas utilizadas na ciência de dados, julgue os itens a seguir.
A métrica lift é usada para medir a dependência entre dois itens em uma regra de associação: se o lift de uma regra de associação entre dois itens A e B for maior que 1, então A e B obrigatoriamente aparecerão em conjunto mais frequentemente do que seria esperado se A e B fossem independentes.
Provas
Considerando que a espectroscopia de ressonância magnética nuclear (RMN) tem se consolidado como uma ferramenta essencial na análise de produtos agroindustriais, julgue os itens que se seguem.
Considere que, para caracterizar diferentes métodos de extração utilizados na obtenção de amostras de óleos de camélia, tenha sido empregada a espectroscopia de RMN de 1 H, seguida de análise de componentes principais, e que os resultados tenham revelado agrupamentos distintos no espaço das componentes principais. Nesse caso, depreende-se que o método de extração influencia significativamente a composição química do óleo.
Provas
Julgue os itens a seguir, referentes à bionanotecnologia.
A remoção de poluentes gasosos por adsorsão baseia-se em modelos construídos a partir das isotermas de Langmuir e de Freundlich.
Provas
O NDVI (ou índice de vegetação por diferença normalizada) permite identificar a presença de vegetação verde e caracterizar sua distribuição espacial, como também sua evolução no decorrer do tempo. Para calcular o NDVI, a linguagem Python é amplamente utilizada, devido à sua flexibilidade e às bibliotecas de processamento de dados geoespaciais disponíveis. A seguir, é apresentado um código em Python relativo ao cálculo do NDVI.
import numpy as np
import rasterio
def calcular_ndvi(arquivo_nir, arquivo_red, saida_ndvi):
with rasterio.open(arquivo_nir) as nir_src:
nir = nir_src.read(1).astype('float32')
perfil = nir_src.profile
with rasterio.open(arquivo_red) as red_src:
red = red_src.read(1).astype('float32')
ndvi = (nir - red) / (nir + red + 1e-10)
perfil.update(dtype=rasterio.float32, count=1)
with rasterio.open(saida_ndvi, 'w', **perfil) as dst:
dst.write(ndvi, 1)
print(f"NDVI calculado e salvo em: {saida_ndvi}") Com base no código precedente, julgue os itens a seguir.
Na interpretação do resultado do código, valores de NDVI próximos de 0 indicam maiores quantidades de vegetação fotossinteticamente ativa, enquanto valores próximos de 1 sugerem uma baixa vegetação.
Provas
Uma equipe de pesquisadores está validando ferramentas fotônicas e espectroscópicas para monitorar a sustentabilidade de uma área de produção agrícola. Os pesquisadores devem avaliar a eficiência de diferentes tecnologias para detectar variações na composição do solo, identificar sinais precoces de estresse vegetal e presença de contaminantes na água. Os dados obtidos serão indicadores para a tomada de decisões estratégicas para práticas agrícolas sustentáveis.
A partir dessa situação hipotética, julgue os itens a seguir.
Para auxiliar na avaliação da fertilidade do solo, a equipe de pesquisadores pode optar ou por utilizar a espectroscopia Raman para identificar os compostos químicos orgânicos e minerais presentes na terra ou por utilizar a espectroscopia de emissão óptica com plasma induzido por laser (LIBS), que permite determinar constituintes elementares do solo como C, N, P, K, Ca, Mg, Al e Fe.
Provas
Considerando que a espectroscopia de ressonância magnética nuclear (RMN) tem se consolidado como uma ferramenta essencial na análise de produtos agroindustriais, julgue os itens que se seguem.
A combinação de espectroscopia de RMN com algoritmos de aprendizado de máquina, como máquinas de vetores de suporte com kernels não lineares e random forest, aprimora a discriminação de amostras com pequenas variações estruturais, devido à capacidade desses modelos de lidar com relações complexas entre os metabólitos diferenciais, extraindo informações sutis que não são facilmente captadas por técnicas lineares.
Provas
Acerca de técnicas utilizadas na ciência de dados, julgue os itens a seguir.
As árvores de decisão são uma técnica de aprendizado supervisionado que é adequada para analisar, por exemplo, a influência de fatores na qualidade da carne bovina em um sistema de produção, permitindo avaliar variáveis tais como alimentação, genética, manejo e peso ao abate e gerando regras interpretáveis, que auxiliam na tomada de decisão com base nessas características.
Provas
Caderno Container