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 | Pinto, Antonio Alves | - |
Autor(es): dc.creator | Zerbato, Cristiano | - |
Autor(es): dc.creator | de Souza Rolim, Glauco | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:49:42Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:49:42Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-08-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s00704-024-05071-w | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/297699 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/297699 | - |
Descrição: dc.description | Pre-harvest yield forecasting is important for the sustainability of agricultural companies, enabling more sustainable economic decision-making. In the present study, we propose an approach based on the sum of degree days of the corn crop related to the dates of satellite images to organize the data of two crops generating predictive models with the k-nearest neighbors (KNN) and extreme gradient boosting (XGBoost). The field study was carried out in a commercial area during the 2017/18 and 2018/19 harvests. Spectral data were obtained from Sentinel-2 satellite images. After the correction and processing of the images, the values of the spectral bands and the vegetation indices were obtained. For the development of the models, the images obtained throughout the cycle were divided into three classes of the mean weeks before harvest (WBH) from different degree-days (GD) during the cycle, in this study we adopted 12 combinations of data inputs to develop the models. In yield forecasting, we were able to forecast approximately 30 to 70 days before harvest (500 to 900 degree-days before harvest), in addition, the most accurate models were when the data used as driven variables were the spectral bands of the red, blue, green and nir collected from 800 to 1200 degree-days of the culture (WBH4). For the models developed, combined with WBH for yield forecast, it was possible to forecast yield with an average error of 0.503 t ha-1, and the greatest precision and accuracy occurred with the use of all variables RGB e Near-infrared. | - |
Descrição: dc.description | Department of Rural Engineering and Exact Sciences School of Agricultural and Veterinarian Sciences São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Department of Rural Engineering and Exact Sciences School of Agricultural and Veterinarian Sciences São Paulo State University (UNESP), São Paulo | - |
Formato: dc.format | 7285-7294 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Theoretical and Applied Climatology | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | A machine learning models approach and remote sensing to forecast yield in corn with based cumulative growth degree days | - |
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: