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 | Coelho, Anderson Prates | - |
Autor(es): dc.creator | Faria, Rogério Teixeira de | - |
Autor(es): dc.creator | Lemos, Leandro Borges | - |
Autor(es): dc.creator | Rosalen, David Luciano | - |
Autor(es): dc.creator | Dalri, Alexandre Barcellos | - |
Data de aceite: dc.date.accessioned | 2025-08-21T23:27:43Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T23:27:43Z | - |
Data de envio: dc.date.issued | 2023-03-02 | - |
Data de envio: dc.date.issued | 2023-03-02 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1080/10106049.2022.2096700 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/242013 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/242013 | - |
Descrição: dc.description | This study aimed to analyze and compare the accuracy of models to predict the grain yield (GY) of common bean cultivars with contrasting growth habits using spectral indices. The common bean cultivars used were IAC Imperador and IPR Campos Gerais, which have determinate and indeterminate growth habits, respectively. The plants were grown under five irrigation levels (54, 70, 77, 100, and 132% of the crop evapotranspiration) to generate variability. The normalized difference vegetation (NDVI) and leaf chlorophyll (LCI) indexes were measured at the following phenological stages: V4 (third trifoliate leaf), R5 (pre-flowering), R6 (full flowering), and R8 (grain filling). The spectral indices were used individually for each phenological stage and associated with simple and multiple regressions (SLR and MLR) and artificial neural networks (ANN) to predict GY. Then, stratified models by cultivar and general models were established using data from both cultivars. The accuracy of NDVI-based GY predictions for both models at R6 phenological stage (ANN and SLR average) was acceptable (R2 = 0.64; RMSE = 0.37 Mg ha−1; MBE = −0.14 Mg ha−1) but poor for LCI predictions. The highest accuracies were observed at reproductive phenological stages, mainly R6. The ANNs algorithm did not show superior GY prediction accuracy compared to SLR. NDVI-based remote sensing is feasible to predict and monitor common bean yield potential using cultivar-specific and general models. | - |
Descrição: dc.description | Department of Engineering and Mathematical Sciences São Paulo State University (Unesp) School of Agricultural and Veterinarian Sciences | - |
Descrição: dc.description | Department of Engineering and Mathematical Sciences São Paulo State University (Unesp) School of Agricultural and Veterinarian Sciences | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Geocarto International | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | artificial neural networks | - |
Palavras-chave: dc.subject | NDVI | - |
Palavras-chave: dc.subject | Phaseolus vulgarisL | - |
Palavras-chave: dc.subject | portable chlorophyll meter | - |
Palavras-chave: dc.subject | remote sensing | - |
Título: dc.title | Yield predict and physiological state evaluation of irrigated common bean cultivars with contrasting growth habits by learning algorithms using spectral indices | - |
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: