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 Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | State University of Mato Grosso (UNEMAT) | - |
Autor(es): dc.creator | Gava, Ricardo | - |
Autor(es): dc.creator | Santana, Dthenifer Cordeiro | - |
Autor(es): dc.creator | Cotrim, Mayara Favero | - |
Autor(es): dc.creator | Rossi, Fernando Saragosa | - |
Autor(es): dc.creator | Teodoro, Larissa Pereira Ribeiro | - |
Autor(es): dc.creator | Silva Junior, Carlos Antonio da | - |
Autor(es): dc.creator | Teodoro, Paulo Eduardo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:38:15Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:38:15Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2022-06-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/su14127125 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/240272 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/240272 | - |
Descrição: dc.description | Using remote sensing combined with machine learning (ML) techniques is a promising approach to classify soybean cultivars. Therefore, the objectives of this study are (i) to verify which input dataset configuration (using only spectral bands, only vegetation indices, or both) is more accurate in the identification of soybean cultivars, and (ii) to verify which ML technique is more accurate in the identification of soybean cultivars. Information was extracted from five central irrigation pivots in the same region and with the same sowing date in the 2015/2016 crop year, in which each pivot was cultivated with a different cultivar, in which the cultivars used were: CV1—P98y12 RR, CV2—Desafio RR, CV3—M6410 IPRO, CV4—M7110 IPRO, and CV5—NA5909 RR. A cloud-free orbital image of the site was acquired from the Google Earth Engine platform. In addition to the spectral bands alone, a total of 13 vegetation indices were calculated. The models tested were: artificial neural networks (ANN), radial basis function network (RBF), decision tree algorithms J48 (DT) and reduced error pruning tree (REP), random forest (RF), and support vector machine (SVM). The five soybean cultivars were classified by the six-machine learning (ML) models in stratified randomized cross-validation with k-fold = 10 and 10 repetitions (100 runs for each model). After obtaining the r and MAE statistics, analysis of variance was performed considering a 6 × 3 factorial scheme (models versus inputs) with 10 repetitions (folds). The means were grouped by the Scott–Knott test at 5% probability. The spectral bands were the most accurate among the tested inputs in the identification of soybean cultivars. ANN was the most accurate model in identifying soybean cultivars. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Department of Agronomy Federal University of Mato Grosso do Sul (UFMS), Mato Grosso do Sul | - |
Descrição: dc.description | Graduate Program in Plant Production State University of São Paulo (UNESP), São Paulo | - |
Descrição: dc.description | Graduate Program in Soil Science State University of São Paulo (UNESP), São Paulo | - |
Descrição: dc.description | Department of Geography State University of Mato Grosso (UNEMAT), Mato Grosso | - |
Descrição: dc.description | Graduate Program in Plant Production State University of São Paulo (UNESP), São Paulo | - |
Descrição: dc.description | Graduate Program in Soil Science State University of São Paulo (UNESP), São Paulo | - |
Descrição: dc.description | CAPES: 001 | - |
Descrição: dc.description | CNPq: 303767/2020-0 | - |
Descrição: dc.description | CNPq: 309250/2021-8 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Sustainability (Switzerland) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | artificial neural network | - |
Palavras-chave: dc.subject | Landsat | - |
Palavras-chave: dc.subject | random forest | - |
Palavras-chave: dc.subject | remote sensing | - |
Palavras-chave: dc.subject | spectral bands | - |
Palavras-chave: dc.subject | vegetation indices | - |
Título: dc.title | Soybean Cultivars Identification Using Remotely Sensed Image and Machine Learning Models | - |
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: