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 | Safre, Anderson Luiz dos Santos | - |
Autor(es): dc.creator | Fernandes, Caio Nascimento | - |
Autor(es): dc.creator | Saad, João Carlos Cury | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:40:33Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:40:33Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2021-07-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.15809/irriga.2021v26n3p684-700 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/240944 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/240944 | - |
Descrição: dc.description | The soil moisture is an important parameter for the calculation of water depth and irrigation management since it is directly related to the soil water content. Remote sensing techniques combined with statistical models can be used to estimate the spatial variability of soil moisture, extrapolating point measurements. The objective of this study was to determine the soil moisture through machine learning algorithms such as Support Vector Regression (SVR), Random Forests (RF), and Artificial Neural Networks (ANN). High resolution multispectral images obtained by an Unmanned Aerial Vehicle (UAV) in an irrigated bean area at the Experimental Lageado Farm at Unesp in Botucatu, SP, Brazil, were used. The reflectances in the Green, Red and Near Infrared bands along with the NDVI vegetation index were used as inputs for the models. All the algorithms performed well; however, the model that best fitted the data was the SVR, with mean square error (RMSE) of 0.46% of the estimated soil moisture and determination coefficient (R²) of 0.71. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Departamento de Engenharia Rural UNESP-Faculdade de Ciências Agronômicas, R. José Barbosa de Barros, 1780, SP | - |
Descrição: dc.description | Departamento de Engenharia Rural UNESP-Faculdade de Ciências Agronômicas, R. José Barbosa de Barros, 1780, SP | - |
Descrição: dc.description | CNPq: 131325/2020-5 | - |
Descrição: dc.description | CAPES: DS 88882.433001/2019-01 | - |
Formato: dc.format | 684-700 | - |
Idioma: dc.language | pt_BR | - |
Relação: dc.relation | IRRIGA | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | artificial neural networks | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | soil moisture | - |
Palavras-chave: dc.subject | UAV | - |
Título: dc.title | SOIL MOISTURE ESTIMATION THROUGH MACHINE LEARNING USING UNMANNED AERIAL VEHICLE (UAV) IMAGES | - |
Título: dc.title | ESTIMATIVA DE UMIDADE DO SOLO POR MEIO DE APRENDIZADO DE MÁQUINA USANDO IMAGENS DE VEICULO AÉREO NÃO TRIPULADO (VANT) | - |
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: