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 | Sigfarm Intelligence LLC | - |
Autor(es): dc.contributor | Texas A & amp;M University | - |
Autor(es): dc.creator | Fernandes, Marcia Helena Machado da Rocha | - |
Autor(es): dc.creator | FernandesJunior, Jalme de Souza | - |
Autor(es): dc.creator | Adams, Jordan Melissa | - |
Autor(es): dc.creator | Lee, Mingyung | - |
Autor(es): dc.creator | Reis, Ricardo Andrade | - |
Autor(es): dc.creator | Tedeschi, Luis Orlindo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:20:48Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:20:48Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1038/s41598-024-59160-x | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/300530 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/300530 | - |
Descrição: dc.description | Grasslands cover approximately 24% of the Earth’s surface and are the main feed source for cattle and other ruminants. Sustainable and efficient grazing systems require regular monitoring of the quantity and nutritive value of pastures. This study demonstrates the potential of estimating pasture leaf forage mass (FM), crude protein (CP) and fiber content of tropical pastures using Sentinel-2 satellite images and machine learning algorithms. Field datasets and satellite images were assessed from an experimental area of Marandu palisade grass (Urochloa brizantha sny. Brachiaria brizantha) pastures, with or without nitrogen fertilization, and managed under continuous stocking during the pasture growing season from 2016 to 2020. Models based on support vector regression (SVR) and random forest (RF) machine-learning algorithms were developed using meteorological data, spectral reflectance, and vegetation indices (VI) as input features. In general, SVR slightly outperformed the RF models. The best predictive models to estimate FM were those with VI combined with meteorological data. For CP and fiber content, the best predictions were achieved using a combination of spectral bands and meteorological data, resulting in R2 of 0.66 and 0.57, and RMSPE of 0.03 and 0.04 g/g dry matter. Our results have promising potential to improve precision feeding technologies and decision support tools for efficient grazing management. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Department of Animal Science Sao Paulo State University (UNESP), Campus Jaboticabal | - |
Descrição: dc.description | Sigfarm Intelligence LLC | - |
Descrição: dc.description | Department of Animal Science Texas A & amp;M University | - |
Descrição: dc.description | Department of Animal Science Sao Paulo State University (UNESP), Campus Jaboticabal | - |
Descrição: dc.description | FAPESP: 2015/16631-5 | - |
Descrição: dc.description | FAPESP: 2017/18750-7 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Scientific Reports | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Using sentinel-2 satellite images and machine learning algorithms to predict tropical pasture forage mass, crude protein, and fiber content | - |
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: