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 | Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Moreira, Adônis | - |
Autor(es): dc.creator | Bonini Neto, Alfredo | - |
Autor(es): dc.creator | Bonini, Carolina dos Santos Batista | - |
Autor(es): dc.creator | Moraes, Larissa A. C. | - |
Autor(es): dc.creator | Heinrichs, Reges | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:09:12Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:09:12Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1002/agj2.21360 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249935 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249935 | - |
Descrição: dc.description | Mathematical models that incorporate biotic and abiotic attributes are important tools for improving fertilizer use efficiency and reducing production costs for soybean [Glycine max (L.) Merrill] crop. In this study, artificial neural networks (ANNs) were used to estimate soybean grain yield (GY) under subtropical conditions in Brazil from plant morphological and nutritional data collected from 16 cultivars in two growing seasons. The ANNs were adequately trained, with a mean squared error of approximately 10−5 between the outputs obtained (via ANN) and desired (via experimental field), equivalent to a mean percentage error of 70.1 kg ha−1 (1.6%), confirming their efficacy as a tool to estimate GY. Smaller plant height, higher foliar calcium, magnesium and chlorophyll concentrations, and greater numbers of grains per pod and branches per plant were associated with higher GY, whereas oil content, crude protein content, and foliar manganese and potassium concentrations had no predicted effects on GY. | - |
Descrição: dc.description | Embrapa Soybean – Soil Science and Plant Nutrition | - |
Descrição: dc.description | School of Sciences and Engineering São Paulo State University - mathematical modeling | - |
Descrição: dc.description | College of Agricultural and Technological Sciences São Paulo State University Júlio de Mesquita Filho – Crop Science | - |
Descrição: dc.description | Embrapa Soybean – Plant Physiology | - |
Descrição: dc.description | School of Sciences and Engineering São Paulo State University - mathematical modeling | - |
Descrição: dc.description | College of Agricultural and Technological Sciences São Paulo State University Júlio de Mesquita Filho – Crop Science | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Agronomy Journal | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Prediction of soybean yield cultivated under subtropical conditions using artificial neural networks | - |
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: