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.contributor | University of Western São Paulo (UNOESTE) | - |
Autor(es): dc.contributor | Finnish Geospatial Research Institute (FGI) | - |
Autor(es): dc.creator | Berveglieri, Adilson | - |
Autor(es): dc.creator | Imai, Nilton Nobuhiro | - |
Autor(es): dc.creator | Watanabe, Fernanda Sayuri Yoshino | - |
Autor(es): dc.creator | Tommaselli, Antonio Maria Garcia | - |
Autor(es): dc.creator | Ederli, Glória Maria Padovani | - |
Autor(es): dc.creator | de Araújo, Fábio Fernandes | - |
Autor(es): dc.creator | Lupatini, Gelci Carlos | - |
Autor(es): dc.creator | Honkavaara, Eija | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:49:12Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:49:12Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/agriengineering6030185 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298264 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298264 | - |
Descrição: dc.description | Early soybean yield estimation has become a fundamental tool for market policy and food security. Considering a heterogeneous crop, this study investigates the spatial and spectral variability in soybean canopy reflectance to achieve grain yield estimation. Besides allowing crop mapping, remote sensing data also provide spectral evidence that can be used as a priori knowledge to guide sample collection for prediction models. In this context, this study proposes a sampling design method that distributes sample plots based on the spatial and spectral variability in vegetation spectral indices observed in the field. Random forest (RF) and multiple linear regression (MLR) approaches were applied to a set of spectral bands and six vegetation indices to assess their contributions to the soybean yield estimates. Experiments were conducted with a hyperspectral sensor of 25 contiguous spectral bands, ranging from 500 to 900 nm, carried by an unmanned aerial vehicle (UAV) to collect images during the R5 soybean growth stage. The tests showed that spectral indices specially designed from some bands could be adopted instead of using multiple bands with MLR. However, the best result was obtained with RF using spectral bands and the height attribute extracted from the photogrammetric height model. In this case, Pearson’s correlation coefficient was 0.91. The difference between the grain yield productivity estimated with the RF model and the weight collected at harvest was 1.5%, indicating high accuracy for yield prediction. | - |
Descrição: dc.description | Department of Cartography Faculty of Science and Technology São Paulo State University (UNESP) | - |
Descrição: dc.description | Faculty of Agronomy University of Western São Paulo (UNOESTE) | - |
Descrição: dc.description | Faculty of Agricultural Sciences and Technology São Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Remote Sensing and Photogrammetry Finnish Geospatial Research Institute (FGI) | - |
Descrição: dc.description | Department of Cartography Faculty of Science and Technology São Paulo State University (UNESP) | - |
Descrição: dc.description | Faculty of Agricultural Sciences and Technology São Paulo State University (UNESP) | - |
Formato: dc.format | 3242-3260 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | AgriEngineering | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | canopy height model | - |
Palavras-chave: dc.subject | data augmentation | - |
Palavras-chave: dc.subject | grain yield productivity | - |
Palavras-chave: dc.subject | judgement-based sampling design | - |
Palavras-chave: dc.subject | multilinear regression | - |
Palavras-chave: dc.subject | random forest | - |
Título: dc.title | Remote Prediction of Soybean Yield Using UAV-Based Hyperspectral Imaging 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: