Luiz Alexandre Peternelli
Possui graduação em Agronomia pela Universidade Federal de Viçosa (UFV - 1988), mestrado em Genética e Melhoramento pela Universidade Federal de Viçosa (1992) e doutorado em Statistics And Plant Breeding - Iowa State University of Science and Technology (1999). Pós-doutorado na Michigan State University (2006) na área de métodos estatísticos avançados aplicados ao melhoramento de plantas, na University of Wisconsin - Madison (2012-1013) na área de genética estatística e genômica, e na Virginia Polytechnic and State University (2019-2020) na área de Modelos de Aprendizado Estatístico. Foi Pró-Reitor de Pesquisa e Pós-Graduação na UFV de março/2015 a maio/2019. Atualmente é professor titular da Universidade Federal de Viçosa e pesquisador do Programa de Melhoramento da cana de açúcar na UFV. Revisor científico de várias revistas nacionais e internacionais, além de consultor de agências de fomento. Tem experiência na área de Probabilidade e Estatística Aplicada, com ênfase em Estatística, atuando principalmente nos seguintes temas: Modelos Mistos, delineamentos experimentais, simulação estocástica, cana-de-açúcar, melhoramento vegetal, seleção genômica, modelos preditivos para dados de NIR, aprendizado estatístico (Statistical learning) e análise de imagens multiespectrais.
Projetos
Orientações em Andamento
Publicações Sugeridas
LEICHTWEIS, BRUNO GRESPAN et al. Envirotype approach for soybean genotype selection through the integration of georeferenced climate and genetic data using artificial neural networks. EUPHYTICA, v. 220, p. 8-12, 2024.
CRUZ, RENATA RANIELLY PEDROZA et al. Production and quality of ornamental peppers cultivated under colored shade nets. COMUNICATA SCIENTIAE, v. 15, p. e4144-8, 2024.
FERREIRA, ROBERTA DE AMORIM et al. Kennard-Stone method outperforms the Random Sampling in the selection of calibration samples in SNPs and NIR data. CIÊNCIA RURAL, v. 52, p. 1, 2022.
BARBOSA, DANILO PEREIRA et al. A new soil-plant image segmentation approach using K-means applied to experimental plots. AUSTRALIAN JOURNAL OF CROP SCIENCE (ONLINE), v. 17, p. 223-232, 2023.
Peternelli, Luiz Alexandre et al. Insights and protocols for discrimination of sugarcane clones by dissimilarity measures on RGB and NIR data. PLoS One, v. 18, p. e0288508-1, 2023.
FERREIRA, ROBERTA DE AMORIM et al. Kennard-Stone method outperforms the Random Sampling in the selection of calibration samples in SNPs and NIR data. CIÊNCIA RURAL, v. 52, p. 1, 2022.