Importância de índices de vegetação para modelos de estimativa de produtividade em cana-de-açúcar.

Enter multiple e-mails separated by comma.

imagem

Author(s): SPERANZA, E. A.; ANTUNES, J. F. G.; BARBOSA, L. A. F.; CANÇADO, G. M. de A.; VANSCONCELOS, J. C.

Summary: 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.

Publication year: 2023

Types of publication: Paper in annals and proceedings

Unit: Embrapa Digital Agriculture

Keywords: Aprendizado de máquina, Cana de Açúcar, Decision trees, Florestas de decisão aleatória, Imagens suborbitais, Machine learning, Random Forest, Suborbital imaging, Sugarcane, Vegetation index, Índice de vegetação

Further information Download publication (PDF)

Observation

Some of Embrapa's publications are published as ePub files. To read them, use or download one of the following free software options to your computer or mobile device. Android: Google Play Books; IOS: iBooks; Windows and Linux: Calibre.

 

Access other publications

Access the Agricultural Research Database (BDPA) to consult Embrapa's full library collection and records.
Visit Embrapa Bookstore to purchase books and other publications sold by Embrapa.