| |
|
|
| Registros recuperados : 4 | |
| 2. |  | CORRÊA-FERREIRA, B. S.; DOMIT, L. A.; CREPALDI, L. M.; LIMA, R. A.; COSTA, J. M.; BUASKY, E.; ALVES, L. C. Utilização do controle biológico de percevejos da soja em áreas de microbacias. In: EMBRAPA. Centro Nacional de Pesquisa de Soja (Londrina, PR). Resultados de pesquisa da Embrapa Soja 1996. Londrina, 1997. p. 75-76. (EMBRAPA-CNPSo. Documentos, 104).| Biblioteca(s): Embrapa Soja. |
|   |
| 3. | | DOMIT, L. A.; GALERANI, G. S. M.; GARCIA, J. C.; NASCIMENTO, L. L.; MONTEIRO, M. A. R.; VIEIRA, O. V.; MOREIRA, P.; GERAGE, A. C.; ADEGAS, F. S.; CREPALDI, L. M.; SHIOGA, P. S.; BIANCO, R. Transferência de tecnologias recomendadas para a cultura da soja no Paraná e no norte de Santa Catarina, através do sistema treino e visita (18.0.99.322-04). In: HOFFMANN-CAMPO, C.B.; SARAIVA, O.F. (Org.). Resultados de pesquisa da Embrapa Soja - 2000: melhoramento. Londrina: Embrapa Soja, 2001. p. 54-56. (Embrapa Soja. Documentos, 156).| Biblioteca(s): Embrapa Soja. |
| |
| 4. | | DOMIT, L. A.; NASCIMENTO, L. L.; MONTEIRO, M. A. R.; VIEIRA, O. V.; SILVA, P. M.; ADEGAS, F. S.; CREPALDI, L. M.; GERAGE, A. C.; BIANCO, R.; SHIOGA, P. S. Transferência de tecnologias recomendadas para a cultura da soja no Paraná e no norte de Santa Catarina, através do sistema treino e visita (18.2000.701-04). In: HOFFMANN-CAMPO, C. B.; SARAIVA, O. F. (Org.). Resultados de pesquisa da Embrapa Soja - 2001: melhoramento e transferência de tecnologia. Londrina: Embrapa Soja, 2002. p. 31-33. (Embrapa Soja. Documentos, 191).| Biblioteca(s): Embrapa Soja. |
| |
| Registros recuperados : 4 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
20/03/2023 |
|
Data da última atualização: |
21/03/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
TORO, A. P. S. G. D. D.; BUENO, I. T.; WERNER, J. P. S.; ANTUNES, J. F. G.; LAMPARELLI, R. A. C.; COUTINHO, A. C.; ESQUERDO, J. C. D. M.; MAGALHÃES, P. S. G.; FIGUEIREDO, G. K. D. A. |
|
Afiliação: |
ANA P. S. G. D. D. TORO, UNIVERSIDADE ESTADUAL DE CAMPINAS; INACIO T. BUENO, UNIVERSIDADE ESTADUAL DE CAMPINAS; JOÃO PAULO SAMPAIO WERNER, UNIVERSIDADE ESTADUAL DE CAMPINAS; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; RUBENS AUGUSTO DE CAMARGO LAMPARELLI, UNIVERSIDADE ESTADUAL DE CAMPINAS; ALEXANDRE CAMARGO COUTINHO, CNPTIA; JULIO CESAR DALLA MORA ESQUERDO, CNPTIA; PAULO S. G. MAGALHÃES, UNIVERSIDADE ESTADUAL DE CAMPINAS; GLEYCE KELLY DANTAS ARAÚJO FIGUEIREDO, UNIVERSIDADE ESTADUAL DE CAMPINAS. |
|
Título: |
SAR and optical data applied to early-season mapping of integrated crop-livestock systems using deep and machine learning algorithms. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
Remote Sensing, v. 15, n. 4, 1130, Feb. 2023. |
|
DOI: |
https://doi.org/10.3390/rs15041130 |
|
Idioma: |
Inglês |
|
Conteúdo: |
In this work, we explored the potential of three machine and deep learning algorithms (random forest, long short-term memory, and transformer) to perform early-season (with three-time windows) mapping of ICLS fields. To explore the scalability of the proposed methods, we tested them in two regions with different latitudes, cloud cover rates, field sizes, landscapes, and crop types. Finally, the potential of SAR (Sentinel-1) and optical (Sentinel-2) data was tested. |
|
Palavras-Chave: |
Agricultura regenerativa; Aprendizado de máquina; Aprendizado profundo; Floresta aleatória; ICLS; Integrated Crop-livestock systems; Long short-term memory; LSTM; Multisource; Random forest; Regenerative agriculture; Sistemas integrados lavoura-pecuária; Transformer. |
|
Thesagro: |
Agricultura. |
|
Thesaurus NAL: |
Agriculture. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1152495/1/AP-SAR-optical-data-2023.pdf
|
|
Marc: |
LEADER 01762naa a2200409 a 4500
001 2152495
005 2023-03-21
008 2023 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.3390/rs15041130$2DOI
100 1 $aTORO, A. P. S. G. D. D.
245 $aSAR and optical data applied to early-season mapping of integrated crop-livestock systems using deep and machine learning algorithms.$h[electronic resource]
260 $c2023
520 $aIn this work, we explored the potential of three machine and deep learning algorithms (random forest, long short-term memory, and transformer) to perform early-season (with three-time windows) mapping of ICLS fields. To explore the scalability of the proposed methods, we tested them in two regions with different latitudes, cloud cover rates, field sizes, landscapes, and crop types. Finally, the potential of SAR (Sentinel-1) and optical (Sentinel-2) data was tested.
650 $aAgriculture
650 $aAgricultura
653 $aAgricultura regenerativa
653 $aAprendizado de máquina
653 $aAprendizado profundo
653 $aFloresta aleatória
653 $aICLS
653 $aIntegrated Crop-livestock systems
653 $aLong short-term memory
653 $aLSTM
653 $aMultisource
653 $aRandom forest
653 $aRegenerative agriculture
653 $aSistemas integrados lavoura-pecuária
653 $aTransformer
700 1 $aBUENO, I. T.
700 1 $aWERNER, J. P. S.
700 1 $aANTUNES, J. F. G.
700 1 $aLAMPARELLI, R. A. C.
700 1 $aCOUTINHO, A. C.
700 1 $aESQUERDO, J. C. D. M.
700 1 $aMAGALHÃES, P. S. G.
700 1 $aFIGUEIREDO, G. K. D. A.
773 $tRemote Sensing$gv. 15, n. 4, 1130, Feb. 2023.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
