| |
|
|
| Registros recuperados : 1 | |
| Registros recuperados : 1 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
04/04/2023 |
|
Data da última atualização: |
05/04/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SPERANZA, E. A.; ANTUNES, J. F. G.; BARBOSA, L. A. F.; CANÇADO, G. M. de A.; VANSCONCELOS, J. C. |
|
Afiliação: |
EDUARDO ANTONIO SPERANZA, CNPTIA; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; LUIZ ANTONIO FALAGUASTA BARBOSA, CNPTIA; GERALDO MAGELA DE ALMEIDA CANCADO, CNPTIA; JULIO CEZAR VANSCONCELOS. |
|
Título: |
Importância de índices de vegetação para modelos de estimativa de produtividade em cana-de-açúcar. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1492-1495. |
|
ISBN: |
978-65-89159-04-9 |
|
Idioma: |
Português |
|
Notas: |
Editores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão. |
|
Conteúdo: |
Este trabalho descreve o experimento realizado com o algoritmo de aprendizado de máquina Random Forest para identificação da importância de utilização de diferentes índices de vegetação obtidos de imagens suborbitais, nas diferentes fases do ciclo de desenvolvimento da cana-deaçúcar, como variáveis preditoras para a estimativa de produtividade. |
|
Palavras-Chave: |
Aprendizado de máquina; Decision trees; Florestas de decisão aleatória; Imagens suborbitais; Índice de vegetação; Machine learning; Random Forest; Suborbital imaging. |
|
Thesagro: |
Cana de Açúcar. |
|
Thesaurus NAL: |
Sugarcane; Vegetation index. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1152984/1/PC-Importancia-indices-SBSR-2023.pdf
|
|
Marc: |
LEADER 01561nam a2200313 a 4500
001 2152984
005 2023-04-05
008 2023 bl uuuu u00u1 u #d
020 $a978-65-89159-04-9
100 1 $aSPERANZA, E. A.
245 $aImportância de índices de vegetação para modelos de estimativa de produtividade em cana-de-açúcar.$h[electronic resource]
260 $aIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1492-1495.$c2023
500 $aEditores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão.
520 $aEste trabalho descreve o experimento realizado com o algoritmo de aprendizado de máquina Random Forest para identificação da importância de utilização de diferentes índices de vegetação obtidos de imagens suborbitais, nas diferentes fases do ciclo de desenvolvimento da cana-deaçúcar, como variáveis preditoras para a estimativa de produtividade.
650 $aSugarcane
650 $aVegetation index
650 $aCana de Açúcar
653 $aAprendizado de máquina
653 $aDecision trees
653 $aFlorestas de decisão aleatória
653 $aImagens suborbitais
653 $aÍndice de vegetação
653 $aMachine learning
653 $aRandom Forest
653 $aSuborbital imaging
700 1 $aANTUNES, J. F. G.
700 1 $aBARBOSA, L. A. F.
700 1 $aCANÇADO, G. M. de A.
700 1 $aVANSCONCELOS, J. C.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
