
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Barbosa dos Santos, Valter | - |
| Autor(es): dc.creator | Moreno Ferreira dos Santos, Aline | - |
| Autor(es): dc.creator | da Silva Cabral de Moraes, José Reinaldo | - |
| Autor(es): dc.creator | de Oliveira Vieira, Igor Cristian | - |
| Autor(es): dc.creator | de Souza Rolim, Glauco | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:37:30Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:37:30Z | - |
| Data de envio: dc.date.issued | 2022-04-29 | - |
| Data de envio: dc.date.issued | 2022-04-29 | - |
| Data de envio: dc.date.issued | 2020-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1002/jsfa.11713 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/230112 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/230112 | - |
| Descrição: dc.description | BACKGROUND: We evaluated different machine learning (ML) models for predicting soybean productivity up to 1 month in advance for the Matopiba agricultural frontier (States of Maranhão, Tocantins, Piauí, and Bahia). We collected meteorological data on the NASA-POWER platform and soybean yield on the SIDRA/IBGE base between 2008 and 2017. The ML models evaluated were random forest (RF), artificial neural networks, radial base support vector machines (SVM_RBF), linear model and polynomial regression. To assess the performance of the models, cross-validation was used, obtaining the value of precision by R2, accuracy by root mean square error (RMSE), and trend by the mean error of the estimate (EME). RESULTS: The results showed that the RF algorithm achieves the highest precision and accuracy, with R2 of 0.81, RMSE of 176.93 kg ha−1 and trend (EME) of 1.99 kg ha−1. On the other hand, the SVM_RBF algorithm showed the lowest performance, with R2 of 0.74, RMSE of 213.58 kg ha−1 and EME of −15.06 kg ha−1. The average yield values predicted by the models were within the expected range for the region, which has a historical average value of 2.730 kg ha−1. CONCLUSION: All models had acceptable precision, accuracy and trend indices, which makes it possible to use all algorithms to be applied in the prediction of soybean crop yield, observing the particularities of the region to be studied, in addition to being a useful tool for agricultural planning and decision making in soy-producing regions such as the Brazilian Cerrado. © 2021 Society of Chemical Industry. | - |
| Descrição: dc.description | Graduate Program in Agronomy (Soil Science) State University of Sao Paulo (FCAV/UNESP) | - |
| Descrição: dc.description | School of Agricultural and Veterinarian Sciences São Paulo State University (UNESP) | - |
| Descrição: dc.description | Graduate Program in Agronomy (Soil Science) State University of Sao Paulo (FCAV/UNESP) | - |
| Descrição: dc.description | School of Agricultural and Veterinarian Sciences São Paulo State University (UNESP) | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Journal of the Science of Food and Agriculture | - |
| ???dc.source???: dc.source | Scopus | - |
| Título: dc.title | Machine learning algorithms for soybean yield forecasting in the Brazilian Cerrado | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: