| |
|
|
| Registros recuperados : 4 | |
| 2. |  | VOLL, E.; SILVA, E. A.; IMAI, N. N.; ANTUNIASSI, U. R.; VOLL, C. E. Controle localizado de plantas daninhas com GPS em área de produção de soja. In: REUNIÃO DE PESQUISA DE SOJA DA REGIÃO CENTRAL DO BRASIL, 27., 2005. Cornélio Procópio. Resumos... Londrina: Embrapa Soja, 2005. p. 511-512. (Embrapa Soja. Documentos, 257). Organizado por Odilon Ferreira Saraiva, Janete Lasso Ortiz, Simone Ery Grosskopf.| Biblioteca(s): Embrapa Soja. |
|   |
| 3. | | SILVA, E. A.; VOLL, E.; IMAI, N. N.; ANTUNIASSI, U. R. Metodologia de suporte ao manejo localizado de plantas daninhas, em área de produção de soja, no Paraná. In: CONGRESSO BRASILEIRO DA CIÊNCIA DAS PLANTAS DANINHAS, 23., 2002, Gramado. Resumos... Londrina: SBCPD: Embrapa Clima Temperado, 2002. p.293.| Biblioteca(s): Embrapa Soja. |
| |
| 4. | | OSCO, L. P.; RAMOS, A. P. M.; PINHEIRO, M. M. F.; MORIYA, E. A. S.; IMAI, N. N.; ESTRABIS, N.; IANCZYK, F.; ARAÚJO, F. F.; LIESENBERG, V.; JORGE, L. A. de C.; LI, J.; MA, L.; GONÇALVES, W. N.; MARCATO JUNIOR, J.; CRESTE, J. E. A machine learning framework to predict nutrient content in valencia-orange leaf hyperspectral measurements. Remote Sensing, n. 12, v. 6, a. 906, 2020. 1 - 21| Biblioteca(s): Embrapa Instrumentação. |
|  |
| Registros recuperados : 4 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Instrumentação. |
|
Data corrente: |
14/04/2020 |
|
Data da última atualização: |
07/04/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
OSCO, L. P.; RAMOS, A. P. M.; PINHEIRO, M. M. F.; MORIYA, E. A. S.; IMAI, N. N.; ESTRABIS, N.; IANCZYK, F.; ARAÚJO, F. F.; LIESENBERG, V.; JORGE, L. A. de C.; LI, J.; MA, L.; GONÇALVES, W. N.; MARCATO JUNIOR, J.; CRESTE, J. E. |
|
Afiliação: |
LUCIO ANDRE DE CASTRO JORGE, CNPDIA. |
|
Título: |
A machine learning framework to predict nutrient content in valencia-orange leaf hyperspectral measurements. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Remote Sensing, n. 12, v. 6, a. 906, 2020. |
|
Páginas: |
1 - 21 |
|
DOI: |
10.3390/rs12060906 |
|
Idioma: |
Inglês |
|
Palavras-Chave: |
Macronutrient; Micronutrient; Proximal sensor. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/212333/1/P-A-Machine-Learning-Framework-to-Predict-Nutrient-....pdf
|
|
Marc: |
LEADER 00939naa a2200337 a 4500
001 2121648
005 2022-04-07
008 2020 bl uuuu u00u1 u #d
024 7 $a10.3390/rs12060906$2DOI
100 1 $aOSCO, L. P.
245 $aA machine learning framework to predict nutrient content in valencia-orange leaf hyperspectral measurements.$h[electronic resource]
260 $c2020
300 $a1 - 21
653 $aMacronutrient
653 $aMicronutrient
653 $aProximal sensor
700 1 $aRAMOS, A. P. M.
700 1 $aPINHEIRO, M. M. F.
700 1 $aMORIYA, E. A. S.
700 1 $aIMAI, N. N.
700 1 $aESTRABIS, N.
700 1 $aIANCZYK, F.
700 1 $aARAÚJO, F. F.
700 1 $aLIESENBERG, V.
700 1 $aJORGE, L. A. de C.
700 1 $aLI, J.
700 1 $aMA, L.
700 1 $aGONÇALVES, W. N.
700 1 $aMARCATO JUNIOR, J.
700 1 $aCRESTE, J. E.
773 $tRemote Sensing$gn. 12
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
