Spectral sensors prove beneficial in determining nitrogen fertilizer needs of Urochloa brizantha cv. Xaraes grass in Brazil (2020)
- Authors:
- Autor USP: BAZAME, HELIZANI COUTO - ESALQ
- Unidade: ESALQ
- DOI: 10.17138/TGFT(8)60-71
- Subjects: AGRICULTURA DE PRECISÃO; BRACHIARIA; FERTILIZANTES NITROGENADOS; PASTAGENS; SENSORES ÓPTICOS
- Agências de fomento:
- Language: Espanhol
- Imprenta:
- Publisher place: Cali, Palmira
- Date published: 2020
- Source:
- Título: Tropical Grasslands-Forrajes Tropicales
- ISSN: 2346-3775
- Volume/Número/Paginação/Ano: v. 8, n. 2, p. 60–71, 2020
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
BAZAME, Helizani Couto et al. Spectral sensors prove beneficial in determining nitrogen fertilizer needs of Urochloa brizantha cv. Xaraes grass in Brazil. Tropical Grasslands-Forrajes Tropicales, v. 8, n. 2, p. 60–71, 2020Tradução . . Disponível em: https://doi.org/10.17138/TGFT(8)60-71. Acesso em: 01 abr. 2026. -
APA
Bazame, H. C., Pinto, F. A. C., Queiroz, D. S., Queiroz, D. M. de, & Althoff, D. (2020). Spectral sensors prove beneficial in determining nitrogen fertilizer needs of Urochloa brizantha cv. Xaraes grass in Brazil. Tropical Grasslands-Forrajes Tropicales, 8( 2), 60–71. doi:10.17138/TGFT(8)60-71 -
NLM
Bazame HC, Pinto FAC, Queiroz DS, Queiroz DM de, Althoff D. Spectral sensors prove beneficial in determining nitrogen fertilizer needs of Urochloa brizantha cv. Xaraes grass in Brazil [Internet]. Tropical Grasslands-Forrajes Tropicales. 2020 ; 8( 2): 60–71.[citado 2026 abr. 01 ] Available from: https://doi.org/10.17138/TGFT(8)60-71 -
Vancouver
Bazame HC, Pinto FAC, Queiroz DS, Queiroz DM de, Althoff D. Spectral sensors prove beneficial in determining nitrogen fertilizer needs of Urochloa brizantha cv. Xaraes grass in Brazil [Internet]. Tropical Grasslands-Forrajes Tropicales. 2020 ; 8( 2): 60–71.[citado 2026 abr. 01 ] Available from: https://doi.org/10.17138/TGFT(8)60-71 - Assessing rainfall spatial variability in the Brazilian savanna region with TMPA rainfall dataset
- Uncertainty quantification for hydrological models based on neural networks: the dropout ensemble
- Quantification and classification of coffee fruits with computer vision
- Modeling the net primary productivity: a study case in the Brazilian territory
- Improvement of Hargreaves-Samani reference evapotranspiration estimates with local calibration
- Untangling hybrid hydrological models with explainable artificial intelligence
- Definition of optimal maize seeding rates based on the potential yield of management zones
- Detection, classification, and mapping of coffee fruits during harvest with computer vision
- Obtaining and validating high-density coffee yield data
- Detection of coffee fruits on tree branches using computer vision
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
2999073-Spectral sensors ... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
