Em formação

Identificação de plantas tropicais


Depois de pesquisar extensivamente, não consegui encontrar um nome para esta planta. Foi encontrado crescendo no bioma Eden Project Tropical, no Reino Unido. As flores tinham aproximadamente 7 a 8 cm de diâmetro. Qualquer ajuda muito apreciada!


Eles parecem se assemelhar muito à forma da "videira do cálice dourado" (Solandara Maxima) Embora tenham uma cor mais amarela e suas folhas se dobrem para fora em vez de para dentro, é perfeitamente possível que as flores que você encontrou ainda estivessem em pleno processo de floração.

Eu também encontrei um crescimento no bioma Eden Project que você mencionou, aqui está o link para a página da planta em seu site: http://www.edenproject.com/learn/for-everyone/plant-profiles/golden-chalice- videira

E para mais algumas fotos e informações: https://toptropicals.com/catalog/uid/SOLANDRA_GRANDIFLORA.htm

Espero que esta seja a planta!


Depois de continuar a pesquisa, localizei o nome desta planta. É Ipomoea alba ou 'ipoméia branca tropical'. Ao localizar a área do Bioma em um mapa onde a encontrei, pude concluir que ela crescia em áreas tropicais e subtropicais da América do Sul e ao norte dali. Isso estreitou um pouco a pesquisa. Obrigado novamente a todos os envolvidos pela ajuda na identificação!


Aulas

Você aprenderá com uma variedade de campos, incluindo

  • Ciência do Solo
  • gestão de recursos naturais
  • Agricultura orgânica
  • propagação de planta
  • nutrição.

Nossas aulas são dinâmicas e aplicadas a questões atuais relacionadas à agricultura tropical e à sustentabilidade das ilhas. Nós nos concentramos em práticas agrícolas sustentáveis ​​que são baseada na ciência, ambientalmente correta e beneficia nossa comunidade insular. Temos uma fazenda de pesquisa e aprendizado no campus que dá suporte às nossas aulas, permitindo que os alunos aprendam na prática com compostagem, vermicast, controle integrado de pragas e cultivo e ingestão de produtos incríveis. Temos também um jardim de plantas nativas que atende aos interessados ​​na conservação das plantas nativas.

Jardins


Anacardium occidentale

] Deve-se ter cuidado ao colher a semente - veja as notas acima sobre toxicidade.

Um óleo comestível é obtido da semente, mas, devido ao alto valor da semente, o óleo geralmente não é extraído [

Folhas jovens e brotos - crus em saladas ou cozidos [

Medicinal

A casca é adstringente, rubefaciente e vesicante [

A fruta é anti-escorbútica, adstringente e diurética [

O suco fresco e acre dentro da casca é vesicante [

A goma é bactericida, fungicida e mata vermes e protozoários [

Uma infusão da raiz é um excelente purgante [

Usos de agrossilvicultura:

Outros usos

A casca contém uma seiva acre de resina marrom espessa, que se torna preta quando exposta ao ar. Isso é usado como tinta indelével na marcação e impressão de linhos e algodão [

O caule produz uma goma de cor âmbar, que é parcialmente solúvel em água, a porção principal se expandindo em uma massa gelatinosa [

A seiva acre da casca contém 3-5% de tanino e é empregada na indústria de curtimento [

Um dos componentes da goma de casca atua como um vesicante e tem propriedades repelentes de insetos [

O óleo tóxico e acre na casca tem altas propriedades de polimerização e redução de fricção e é usado como um agente de impermeabilização e conservante [

A madeira marrom-avermelhada é leve, bastante dura, mas está sujeita ao ataque de cupins [

Propagação

Comentários

Adicione um comentário:

Se você tiver alguma informação útil sobre esta planta, por favor deixe um comentário. Os comentários devem ser aprovados antes de serem exibidos aqui.

Última atualização em 13/06/2019: Agora contendo 11906 plantas.

/> Banco de dados de plantas tropicais úteis 2014 por Ken Fern, interface da web por Ajna Fern com a ajuda de Richard Morris.
O banco de dados e o código são licenciados sob uma Licença Creative Commons Atribuição-NãoComercial-Compartilhamento pela mesma Licença 3.0 Unported.


Quer seja um decorador à procura de plantas de interior para usar como plantas de escritório ou de aluguer, ou um centro de jardinagem à procura de plantas de centro de jardim ou de casa, sabemos que vai adorar o nosso serviço! Garantimos a sua satisfação. Se algo não estiver certo com seu pedido, nós iremos consertar. Nós garantimos nossas fábricas, nossos serviços e nossa reputação.

Veja quais plantas estão disponíveis

COMECE A PEDIR
AS MELHORES PLANTAS TROPICAIS
ACESSÍVEL

Se você está no setor de horticultura,
diga-nos para onde enviar a senha
para ver nossa lista de preços

Morning Dew Tropical Plants fornece as melhores plantas para decoradores de interiores, centros de jardinagem e atacadistas.


Dr. Shouan Zhang

O Dr. Shouan Zhang é professor de patologia vegetal no Centro de Pesquisa e Educação Tropical da Universidade da Flórida, IFAS em Homestead, Flórida. Seu programa atual concentra-se na detecção e identificação de patógenos invasivos, biologia, epidemiologia e gestão integrada de doenças vegetais e fitoterápicas.

Programas

Pesquisar

O programa de pesquisa do Dr. Zhang (60% FTE) centra-se na detecção, identificação de doenças invasivas usando técnicas convencionais e moleculares e gestão integrada de doenças para plantações de vegetais e ervas através do desenvolvimento de estratégias econômicas e ambientalmente saudáveis ​​que são importantes para fornecer segurança abastecimento de alimentos e manutenção de um ambiente saudável. Seu programa atual se concentra na detecção e identificação de doenças invasivas que ameaçam a produção de vegetais no sul da Flórida, e na biologia, epidemiologia e gerenciamento de doenças economicamente importantes na produção de vegetais e ervas.

Extensão

O programa de extensão do Dr. Zhang (40% FTE) se concentra na identificação e diagnóstico de doenças de plantações de vegetais e ervas e implementação de estratégias de gestão e tecnologias para controlar doenças no sul da Flórida. Isso inclui fornecer diagnósticos de doenças e recomendações de manejo aos produtores, desenvolver programas de extensão e documentos educacionais, como EDIS, fichas técnicas, boletins informativos e outros materiais de educação e divulgação.

Dr. Shouan Zhang (Professor) - Patologia de Plantas Vegetais

UF / TREC
18905 SW 280 St.
Homestead, FL 33031-3314
(786) 217-9233
Email: [email protected]

  • Ph.D. Plant Pathology / Auburn University 2000
  • EM. Plant Pathology / China Agricultural University 1990
  • B.S. Plant Pathology / China Agricultural University 1987

  • 2014 UF IFAS Early Career Scientist Seed Funding Award.
  • Prêmio Fundo de Oportunidade de Pesquisa 2013, Universidade da Flórida
  • 2013 Reconhecido pela UF / IFAS "High Impact" Research Publication - "Avaliação de indutores de resistência sistêmica adquirida para controle de míldio em manjericão" (Crop Protection 40: 83-90)
  • Recebedor do Prêmio de Excelência do Diretor de Serviços de Extensão Cooperativa da Universidade do Nordeste dos EUA em 2012 (prêmio da equipe)
  • 2012 Seymour Godweber Extension Professional e Enhancement Award Extension Professional Association of Florida (EPAF)
  • Membro - American Phytopathological Society (APS), 1998 - presente
  • Presidente - Comitê de Controle Biológico, APS, 2013 - 2014
  • Vice-presidente - Comitê de Controle Biológico, APS, 2012 - 2013
  • Membro - Comitê de Controle Biológico, APS, 2008 - presente
  • Comitê de Gestão Integrada de Doenças, APS, 2008 - 2014
  • Detecção de patógenos e doenças de plantas, APS, 2013 - presente
  • Revisor de manuscritos de mais de 20 periódicos: Fitopatologia, Doença de Plantas, Patologia Molecular de Plantas, Proteção de Culturas, Controle Biológico, Relatórios de Células Vegetais, HortScience e outros.


Identificação de plantas tropicais - Biologia

Bem-vindo ao Top Tropicals - a maior autoridade mundial em plantas tropicais. Top Tropicals não é apenas um viveiro de plantas, é também informações, fotos, vídeos educativos, livros de plantas e revistas.

Nossa loja online, certificada para entrega em todos os estados, entrega mais de 2.000 itens em todo o país e no mundo inteiro!

Comprehensive Plant Finder permitirá que você identifique qualquer planta tropical e aprenda como cultivá-la! Nosso banco de dados hoje, tem perfis de plantas e fotos!

A maior seleção

Top Tropicals oferece a maior seleção de plantas tropicais raras de todo o mundo, incluindo frutas tropicais étnicas e comestíveis, flores perfumadas e espetaculares conhecidas no cultivo.

Ajuda do Polegar Verde

Nossa experiente equipe de especialistas em plantas irá ajudá-lo com todas as suas dúvidas sobre plantas. Mantenha as dicas de jardinagem felizes ao seu alcance!.

A melhor disponibilidade

Procurando uma planta rara? Busque mais, Top Tropicals tem todos eles! Mas vendendo rápido. basta adicionar à sua lista de desejos e ser notificado imediatamente quando a tivermos novamente !.

Sunshine Boosters

Cultive plantas saudáveis ​​com o Sistema Completo de Nutrição de Plantas Sunshine. Fórmulas revolucionárias ecologicamente corretas criadas por nossos cientistas para todos: de um coletor de plantas a grandes instalações hidropônicas.


Sistemática e Taxonomia

A sistemática de plantas é uma ciência que inclui e engloba a taxonomia tradicional (classificação e nomenclatura), com o objetivo adicional de compreender as relações evolutivas entre as plantas.

Um foco principal da pesquisa sistemática no NTBG é principalmente a Rubiaceae tropical, ou família do café, a quarta maior família de plantas com flores do mundo, com 13.500 espécies pertencentes a mais de 600 gêneros. Várias espécies produzem alcalóides responsáveis ​​por sua utilidade econômica e medicinal. Uma importante coleção de pesquisa e conservação de Rubiaceae foi estabelecida no NTBG. Essas coleções vivas são recursos importantes não apenas para estudos sistemáticos, mas também estão sendo investigadas pela atividade de extratos de plantas em processos biológicos que impactam negativamente a saúde humana em colaboração com pesquisadores do Centro Internacional de Botânica Tropical (ICTB) e da Universidade Internacional da Flórida (FIU )

Pteridófitas (samambaias e aliados de samambaia)

As pteridófitas são componentes importantes das comunidades de plantas tropicais e são outro foco de pesquisa sistemática e florística no NTBG. Isso ocorre por meio da descrição de novas espécies, redação de tratamentos florísticos e por meio de colaborações interinstitucionais, compartilhando espécimes de herbário e amostras de DNA coletadas pelo NTBG durante o trabalho de campo.

Fitogeografia

A fitogeografia, o estudo das distribuições das plantas, está incluída em todo o trabalho de campo que o NTBG realiza. Os pesquisadores de campo rotineiramente mapeiam a distribuição e abundância de plantas raras das ilhas do Pacífico. Nosso herbário (PTBG) abriga todos esses dados por meio de coletas de vouchers.

Ecologia da Polinização

Compreender os sistemas de melhoramento de plantas é um componente fundamental da conservação das plantas, e a necessidade de informações é ainda mais urgente para plantas raras que co-evoluíram com polinizadores especializados que também podem ser raros ou até mesmo extintos. Por exemplo, se uma espécie de planta é incapaz de autogamia total ou parcial (autofecundação), uma perda total da produção reprodutiva pode ocorrer com a perda de um polinizador, então a polinização assistida por humanos pode ser uma prática de manejo a ser implementada como uma primeira etapa.

Nossa pesquisa se concentra em compreender a ecologia da polinização das espécies do Havaí para informar as melhores práticas de manejo para as espécies descritas na Estratégia do Havaí para Conservação de Plantas.

Biologia de Conservação de Sementes

Em alinhamento com a Estratégia Global para Conservação de Plantas, a Estratégia do Havaí para Conservação de Plantas e a Estratégia Nacional de Sementes, estamos investigando métodos para preservar e proteger espécies havaianas de importância para a conservação ex situ no Banco de Sementes e Laboratório.

Nossa ênfase é determinar o comportamento de armazenamento de sementes e pólen, longevidade e cinética de envelhecimento de sementes, redução de patógenos transmitidos por sementes e dormência e alívio de dormência de sementes de espécies de plantas nativas do Havaí de importância para a conservação. Nossa pesquisa visa compreender como as sementes respondem a temperaturas de dessecação e sub-congelamento, identificando os intervalos de regeneração e determinando as técnicas ideais de propagação de sementes.

Resiliência do Sistema Sócio-Ecológico

Resiliência de Sistema Sócio-Ecológico é o estudo de sistemas humanos na natureza com o objetivo específico de compreender como esses sistemas se recuperam de mudanças inesperadas e catastróficas ao longo do tempo.

NTBG & # 8217s Limahuli Garden and Preserve está localizado dentro da eco-região de maior biodiversidade do arquipélago havaiano e lidera a coordenação de esforços de pesquisa no sistema sócio-ecológico (ahupua & # 8217a) de Haena. Os principais componentes de pesquisa do sistema sócio-ecológico incluem história, etnografia, arqueologia, silvicultura, agrossilvicultura, botânica, limnologia, hidrologia, aves marinhas e biologia pesqueira.

Florística

O ponto culminante da pesquisa florística e sistemática das plantas de uma determinada região é a publicação de sua Flora. Uma Flora, ao usar o termo para se referir a uma publicação, é um livro, recurso online ou outro trabalho que descreve as espécies de plantas que ocorrem em uma determinada área (geográfica ou política) ou período de tempo. O objetivo de uma Flora publicada é permitir a identificação das plantas nela descritas e fornecer um registro histórico dessas plantas.

Liderado pelo pesquisador sênior Dr. David Lorence e colaboradores, o NTBG tem conduzido pesquisas florísticas em todo o Pacífico por várias décadas, culminando na publicação de vários importantes Floras regionais. A New Flora of Fiji, um trabalho substancial de mais de 3.000 páginas foi publicado, e uma Crônica e Flora de Niihau, que combina uma flora com um relato histórico desta pequena ilha.

Em 2020, um livro de 2 volumes Flora das Ilhas Marquesas foi publicado e a NTBG está atualmente concluindo a Flora de Samoa para publicação em 2021. O trabalho de campo contínuo é conduzido para a conclusão de uma Flora da Micronésia nos próximos anos. Vários dos livros publicados e planejados Floras são precedidos por Floras online. Veja mais detalhes sobre alguns dos projetos Flora NTBG e # 8217s abaixo.

Flora das Ilhas Marquesas

A Flora das Ilhas Marquesas é um projeto colaborativo entre o Jardim Botânico Tropical Nacional, o Smithsonian Institution e a Délégation à la Recherche (Taiti, Polinésia Francesa). Uma Flora baseada na Internet hospedada pelo Smithsonian Institution fornece acesso a um banco de dados de espécimes, imagens de plantas, listas de verificação, distribuição de ilhas e literatura. Além deste Internet Flora, o volume 1 de um livro de dois volumes Flora foi publicado em 2019 e o volume 2 em 2020.

Flora da Micronésia

A Micronésia é composta por cerca de 4.500 pequenas ilhas espalhadas por uma parte remota do Pacífico ocidental e está separada em seis países diferentes. Abrange uma área comparável em tamanho ao território continental dos Estados Unidos, mas no total sua área de terra combinada compreende uma área menor do que o estado de Rhode Island. A Micronésia abriga cerca de 1.227 espécies de plantas vasculares nativas, das quais 365 são endêmicas da região. O NTBG e o Smithsonian Institution publicaram uma Flora da Micronésia baseada na Internet, hospedada pelo Smithsonian Institution, que fornece acesso a um banco de dados de espécimes, imagens de plantas, listas de verificação, distribuição de ilhas e literatura. Uma abrangente Flora escrita e ilustrada está sendo elaborada para publicação posterior.

Flora das Ilhas Cook

As Ilhas Cook ficam ao sul do Equador e formam a parte mais ocidental da Polinésia Oriental e consistem em 15 ilhas e atóis principais, a maioria deles habitados. Até recentemente, no entanto, as Ilhas Cook não tinham Flora publicada. O botânico aposentado da Nova Zelândia WR "Bill" Sykes foi o autor de uma Flora das Ilhas Cook de 973 páginas, publicada pela NTBG em 2016. Esta publicação importante foi financiada pela International Association of Plant Taxonomists (IAPT) como uma publicação conjunta da NTBG, a Smithsonian Institution, Landcare Research e IAPT.

Flora de Samoa

As ilhas de Samoa são um conhecido hotspot de biodiversidade, ameaçado por crescentes pressões populacionais e perda de habitat, mas sua flora é pouco conhecida em comparação com a de outros arquipélagos do Pacífico. O botânico havaiano W. Arthur Whistler (1944-2020) trabalhou com o povo e na Flora de Samoa por quase 50 anos. Tendo trabalhado com a NTBG desde o início dos anos 1970, suas coleções de 4.900 espécimes de plantas com flores são armazenadas no herbário NTBG e formam a espinha dorsal da publicação da Flora de Samoa em 2021 escrita por Whistler e editada por Lorence e Wagner. A Flora incluirá 541 plantas nativas, 34% encontradas apenas em Samoa e descrição de várias novas espécies.


Problemas abertos e direções futuras

Utilizando os mais recentes desenvolvimentos de aprendizado de máquina

Embora a arquitetura ResNet ainda esteja no estado da arte, evoluções estão sendo propostas continuamente, (por exemplo, [64]). Outros pesquisadores trabalham em arquiteturas alternativas como redes ultra-profundas (FractalNet) [65] e densamente conectadas (DenseNet) [66]. Essas arquiteturas ainda não foram avaliadas para a identificação de espécies de plantas. Novas arquiteturas e algoritmos normalmente visam a maior precisão de classificação, o que é claramente um objetivo principal para a identificação de espécies, no entanto, também há avanços interessantes na redução do esforço computacional substancial e pegada dos classificadores CNN. Por exemplo, SqueezeNet [67] atinge uma precisão comparável ao AlexNet, mas com 50 vezes menos parâmetros e um modelo 510 vezes menor. Especialmente quando se trata de sistemas de identificação que rodam em dispositivos móveis, esses desenvolvimentos são altamente relevantes e devem ser avaliados neste contexto.

Os estudos atuais ainda operam principalmente em conjuntos de dados pequenos e não representativos usados ​​no passado. Apenas alguns estudos treinam classificadores CNN em grandes conjuntos de dados de imagens de plantas, demonstrando sua aplicabilidade em sistemas automatizados de identificação de espécies de plantas [68]. Dadas as quantidades tipicamente "pequenas" de dados de treinamento disponíveis e o esforço computacional para treinar uma CNN, a aprendizagem por transferência tornou-se um procedimento aceito (o que significa que um classificador será pré-treinado em um grande conjunto de dados, por exemplo, ImageNet, antes que o treinamento real comece) . O classificador só será ajustado para o problema de classificação específico treinando um pequeno número de camadas de rede de alto nível proporcional à quantidade de dados de treinamento específicos do problema disponíveis. Os pesquisadores argumentam que este método é superior para problemas com imagens de treinamento ≤ 1 M. A maioria dos estudos anteriores sobre identificação de espécies de plantas utilizou aprendizagem por transferência, (por exemplo, [54, 69]). Uma vez que um conjunto de dados de planta suficientemente grande tenha sido adquirido, seria interessante comparar os resultados da classificação atual com os de uma identificação de planta que a CNN treinou exclusivamente em imagens que retratam táxons de plantas.

Outra abordagem para lidar com o problema de pequenos conjuntos de dados é usar esquemas de aumento de dados, geralmente incluindo modificações simples de imagens, como rotação, translação, inversão e dimensionamento. Usar o aumento para melhorar o processo de treinamento tornou-se um procedimento padrão em visão computacional. No entanto, a diversidade que pode ser alcançada com os esquemas de aumento tradicionais é relativamente pequena. Isso motiva o uso de amostras de dados sintéticos, introduzindo mais variabilidade e enriquecendo o conjunto de dados, a fim de melhorar o processo de treinamento. Uma abordagem promissora a este respeito são as Redes Adversariais Gerativas (GANs) que são capazes de gerar imagens naturais de alta qualidade e realistas [70].

Sem o processo complicado e demorado para projetar um pipeline de análise de imagem, as abordagens de aprendizado profundo também podem ser aplicadas por especialistas de domínio diretamente, ou seja, botânicos e biólogos com apenas uma compreensão básica dos conceitos subjacentes de aprendizado de máquina. Organizações de grande escala fornecem um conjunto competitivo e em constante melhoria de estruturas de aprendizado de máquina disponíveis abertamente, como Caffe2, MXNet, PyTorch e TensorFlow. Desenvolvimentos como o Keras visam especificamente os novatos em aprendizado de máquina e fornecem complementos para essas estruturas que visam simplificar a configuração de experimentos e a análise de resultados. Além disso, é mais prática comum que os pesquisadores tornem seus modelos e arquiteturas disponíveis publicamente (zoológicos modelos), aumentando a visibilidade em seu campo, mas também facilitando sua aplicação em outros estudos.

Criação de benchmarks representativos

Os conjuntos de dados de referência de hoje são limitados tanto no número de espécies quanto no número de imagens (consulte a Tabela 2) devido ao tremendo esforço para coletar espécimes frescos e capturá-los em um laboratório ou para obter imagens em campo. Olhando mais de perto os conjuntos de dados, fica óbvio que eles foram criados com um aplicativo de visão computacional e aprendizado de máquina em mente. Eles são normalmente criados por apenas algumas pessoas adquirindo espécimes ou imagens em um curto período de tempo, de uma área limitada e seguindo um procedimento rígido para suas imagens. Como resultado, as plantas de uma determinada espécie nesses conjuntos de dados provavelmente representam apenas algumas plantas individuais cultivadas juntas ao mesmo tempo. Considerando a alta variabilidade explicada antes, esses conjuntos de dados não refletem condições realistas.

Usar tais dados de treinamento em um aplicativo de identificação do mundo real tem poucas chances de realmente classificar as novas imagens coletadas em diferentes períodos, em diferentes lugares e adquiridas de forma diferente [63]. Para aplicações da vida real, os estudos devem utilizar imagens mais realistas, por exemplo, contendo folhas e flores múltiplas, sobrepostas e danificadas. As imagens devem ter fundos reais e complexos e devem ser tiradas em diferentes condições de iluminação. Conjuntos de dados de treinamento bem anotados em grande escala com características de distribuição de dados representativas são cruciais para o treinamento de classificadores precisos e generalizáveis. Isso é especialmente verdadeiro para o treinamento de redes neurais convolucionais profundas, que exigem dados de treinamento extensos para ajustar adequadamente o grande conjunto de parâmetros. A comunidade de pesquisa que trabalha no conjunto de dados ImageNet [71] e no benchmark relacionado é particularmente importante a este respeito. ImageNet visa fornecer a cobertura mais abrangente e diversificada do mundo da imagem. Atualmente, ele contém mais de 14 milhões de imagens categorizadas de acordo com uma hierarquia de quase 22.000 substantivos ingleses. O número médio de imagens de treinamento por categoria está na faixa de 600 a 1.200, sendo consideravelmente maior do que qualquer coleção de imagens de plantas existente.

Os primeiros esforços foram feitos recentemente para criar conjuntos de dados que são projetados especificamente para fins de aprendizado de máquina - uma grande quantidade de informações, pré-classificadas em categorias definidas. O desafio de identificação de plantas PlantCLEF inicialmente forneceu um conjunto de dados contendo 71 espécies de árvores da área do Mediterrâneo francês retratado em 5.436 imagens em 2011. Este conjunto de dados cresceu para 113.205 fotos de espécimes de ervas, árvores e samambaias pertencentes a 1.000 espécies que vivem na França e nos arredores países em 2016. Encyclopedia Of Life (EOL) [72], sendo o maior esforço de centralização de dados de multimídia para a vida na terra do mundo, atualmente fornece cerca de 3,8 milhões de imagens para 1,3 milhões de taxa. Para angiospermas, existem atualmente 1,26 milhões de imagens, mas apenas 68% delas são revisadas e confiáveis ​​com relação aos táxons identificados [73].

Crowdsourcing de dados de treinamento

As tendências futuras em crowdsourcing e ciência cidadã oferecem excelentes oportunidades para gerar e atualizar continuamente grandes repositórios de informações necessárias. Os membros do público podem contribuir para projetos de pesquisa científica, adquirindo ou processando dados, embora tenham poucos pré-requisitos de conhecimento. O crowdsourcing se beneficiou das tecnologias da Web 2.0 que possibilitaram o conteúdo gerado pelo usuário e a interatividade, como páginas wiki, aplicativos da web e mídia social. iNaturalist e Pl @ ntNET já adquirem dados com sucesso através de tais canais [37]. As coleções de imagens de plantas que adquirem dados por meio de crowdsourcing e projetos de ciência cidadã hoje geralmente sofrem de problemas que impedem seu uso eficaz como dados de treinamento e benchmark. Primeiro, o número de imagens por espécie em muitos conjuntos de dados segue um distribuição de cauda longa. Milhares de imagens são adquiridas para táxons proeminentes, enquanto táxons menos proeminentes e raros são representados por apenas algumas e às vezes nenhuma imagem. O mesmo fato se aplica ao número de imagens por órgão por táxon. Embora órgãos proeminentes, como a flor das angiospermas, sejam bem povoados, outros órgãos, como as frutas, costumam ser sub-representados ou até mesmo ausentes. Em segundo lugar, as coleções contêm um alto grau de heterogeneidade de imagem e tag. Conforme elaboramos em nossa discussão sobre os desafios da identificação, o processo de aquisição é o principal contribuinte da variabilidade da imagem. Em um ambiente de crowdsourcing, esse fato é ainda exacerbado, uma vez que colaboradores com experiências, motivações e equipamentos muito diferentes contribuem com observações. As coleções de imagens hoje contêm muitos exemplos não suficientes para uma identificação inequívoca do táxon exibido. Eles podem estar muito borrados ou faltar detalhes. As coleções também sofrem de problemas como marcadores de órgãos heterogêneos (por exemplo, "folha" versus "folhas" versus "folhagem"), vários sinônimos de espécies de plantas usados ​​alternativamente e taxonomias em evolução e concorrentes. Terceiro, as observações não especializadas são mais propensas a conter ruído de imagem e metadados. O ruído da imagem se refere a problemas como imagens altamente confusas, outras plantas representadas junto com as espécies pretendidas e objetos que não pertencem ao habitat (por exemplo, dedos ou insetos). Ruído de metadados refere-se a problemas como táxons identificados incorretamente, órgãos rotulados incorretamente, informações de localização imprecisas ou incorretas e data e hora de observação incorretas.

Esses problemas mostram que o conteúdo crowdsourced merece mais esforço para manter uma qualidade de dados suficiente. Um exame de um pequeno número de imagens de amostra aleatória da iniciativa Pl @ ntNET e suas atribuições de taxa indicou que as classificações erradas estão na faixa de 5% a 10%. Em uma primeira tentativa de superar esses problemas, Pl @ ntNET introduziu uma classificação de qualidade com base em estrelas para cada imagem e usa um sistema de revisão baseado na comunidade para anotações de táxons, enquanto EOL oferece uma marca "confiável" para cada táxon que foi identificado dentro de um imagem de um curador da EOL. Argumentamos que os dados de multimídia devem ser baseados em padrões e protocolos de dados comuns, como o Darwin Core [74], e que um sistema de revisão rigoroso e fluxos de trabalho de controle de qualidade devem ser implementados para avaliação de dados com base na comunidade.

Analisando o contexto das observações

Argumentamos que é difícil desenvolver uma abordagem de identificação de plantas para os mundos estimados em 220.000 a 420.000 angiospermas que dependem exclusivamente de dados de imagem. Informações adicionais que caracterizam o contexto de uma amostra devem ser levadas em consideração. Hoje, os dispositivos móveis permitem imagens de alta qualidade adquiridas em procedimentos bem coreografados e adaptativos. Por meio de um software desenvolvido especificamente para esses dispositivos, os usuários podem ser orientados e treinados na aquisição de imagens características in loco. Dado que os dispositivos móveis podem se localizar geograficamente, os dados adquiridos podem ser referenciados espacialmente com alta precisão, permitindo recuperar informações de contexto, como características topográficas, fatores climáticos, tipo de solo, tipo de uso da terra e biótopo. Esses fatores que explicam a presença ou ausência de espécies já são usados ​​para prever a distribuição das plantas e também devem ser considerados para sua identificação. As informações temporais, ou seja, a data e a hora de uma observação, podem permitir a adaptação de uma abordagem de identificação às variações sazonais das espécies. Por exemplo, o período de floração pode ser de alto poder discriminativo durante uma identificação. Além disso, as observações registradas em repositórios públicos (por exemplo, Global Biodiversity Information Facility GBIF) podem fornecer hipóteses valiosas sobre quais espécies devem ou não esperar em um determinado local. Finalmente, sensores adicionais e ainda emergentes embutidos em dispositivos móveis permitem a medição de variáveis ​​ambientais, como temperatura e pressão do ar. As câmeras mais recentes podem adquirir mapas de profundidade de espécimes junto com uma imagem e fornecer características adicionais de uma observação e seu contexto, apoiando ainda mais a identificação.

Do treinamento baseado em táxons ao treinamento baseado em caracteres

Na identificação automática de espécies, os pesquisadores pretendem apenas classificar em nível de espécie até agora. Uma abordagem alternativa poderia ser classificar as características das plantas (por exemplo, categorias de forma da folha, posição da folha, simetria da flor) e ligá-las a bancos de dados de caracteres de plantas, como o TRY Plant Trait Database [75] para identificar uma ampla gama de táxons. Em teoria, táxons não treinados poderiam ser identificados pelo reconhecimento de seus caracteres. Até agora, é incerto se as abordagens automatizadas são capazes de generalizar caracteres uniformes de informações visuais não uniformes. Os caracteres que são compartilhados entre diferentes táxons são freqüentemente desenvolvidos de forma diferente por táxon, tornando seu reconhecimento um desafio particular.

Utilizando o tesouro de espécimes de herbário

Herbaria em todo o mundo investiu grandes quantias de dinheiro e tempo na coleta de amostras de plantas. Em vez de ir a campo para tirar fotos ou para coletar novos espécimes, seria consideravelmente mais barato usar espécimes de plantas já identificadas e conservadas. Hoje, mais de 3.000 herbários em 165 países possuem mais de 350 milhões de espécimes, coletados em todas as partes do mundo e ao longo de vários séculos [76]. Atualmente, muitos estão empreendendo projetos de digitalização em grande escala para melhorar seu acesso e preservar amostras delicadas. Por exemplo, nos EUA, mais de 1,8 milhão de espécimes de plantas vasculares com imagens e georreferenciados são arquivados digitalmente no portal iDigBio, um agregador principal e financiado nacionalmente de dados de espécimes de museus [76]. Essa atividade provavelmente será expandida na próxima década. Podemos esperar um tempo em que haverá enormes repositórios de informações taxonômicas, representados por imagens de espécimes, acessíveis publicamente pela internet. No entanto, muito poucos pesquisadores anteriores utilizaram folhas de herbários para gerar um conjunto de dados de imagens de folhas [58, 69, 77-79]. Por outro lado, a análise de espécimes de herbários pode não ser adequada para o treinamento de abordagens de identificação aplicadas em um ambiente real [69]. O material é seco e, assim, as cores originais mudam drasticamente. Além disso, todos os espécimes de herbários são fotografados achatados em um fundo homogêneo simples, alterando sua estrutura e arranjo. Em conclusão, mais pesquisas sobre a detecção e extração de características de espécimes de herbários são necessárias. É também uma questão de pesquisa aberta (como treinar classificadores em espécimes de herbários que são aplicáveis ​​em espécimes frescos).

Colaborações interdisciplinares

Doze anos atrás, Gaston e O’Neill [13] argumentaram que o desenvolvimento de abordagens de identificação bem-sucedidas requer novas colaborações entre biólogos e cientistas da computação com pessoal que tem conhecimento significativo de biologia e ciência da computação. Curiosamente, a identificação automatizada de espécies de plantas ainda é conduzida principalmente por acadêmicos especializados em visão computacional, aprendizado de máquina e recuperação de informações multimídia. Poucos estudos foram conduzidos por grupos interdisciplinares de biólogos e cientistas da computação na década anterior [16]. Research should move towards more interdisciplinary endeavors. Biologists can apply machine learning methods more effectively with the help of computer scientists, and the latter are able to gain the required exhaustive understanding of the problem they are tacking by working with the former.


NTBG conservation initiatives include collecting expeditions throughout Hawai’i and the Pacific region to identify plant species that are at risk of extinction and to collect seeds and plant material for propagation and conservation in the living collections. Other projects focus on ecological restoration of degraded habitats, protecting the endemic species that still exist, and reintroducing species which have not survived on their own. Find out more.

The Breadfruit Institute incorporates both the conservation of germplasm, and horticultural and nutritional research. Varieties of breadfruit that no longer exist on their native islands are being preserved in NTBG’s gardens. Methods to mass-produce plants in vitro have been developed making it possible to distribute thousands of trees to tropical countries where hunger is a critical issue. Get more information.


Coffee Plant

Coffea is the genus of plants that are used to make coffee. Coffee beans are the seeds of the coffea plants, and coffea are native to tropical region of Asia and Africa. There are over 120 different species within the coffea genus, and among these species, the most popular for use in coffee production are Coffea arabica (Arrabica coffee) and Coffea canephora (Robusta). While humans enjoy coffee for the boost that caffeine gives them, caffeine is actually toxic to many insects, so it acts as a defense mechanism for the plant.


Assista o vídeo: 75. Szczepienie cytrusów. Jak zaszczepić do dzikiej podkładki cytrusa np: mandarynka cytryna kumkwat (Novembro 2021).