A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations (2021)
- Authors:
- USP affiliated authors: DIAS, CARLOS TADEU DOS SANTOS - ESALQ ; MOLIN, JOSE PAULO - ESALQ ; MALDANER, LEONARDO FELIPE - ESALQ ; CANATA, TATIANA FERNANDA - ESALQ
- Unidade: ESALQ
- DOI: 10.1590/1678-992x-2019-0252
- Subjects: AGRICULTURA DE PRECISÃO; GEOESTATÍSTICA; SATÉLITES ARTIFICIAIS; SISTEMA DE POSICIONAMENTO GLOBAL
- Keywords: RTK; SBAS
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2021
- Source:
- Título: Scientia Agricola
- ISSN: 1678-992X
- Volume/Número/Paginação/Ano: v. 78, n. 5, art. e20190252, p. 1-9, 2021
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MALDANER, Leonardo Felipe et al. A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations. Scientia Agricola, v. 78, n. 5, p. 1-9, 2021Tradução . . Disponível em: https://doi.org/10.1590/1678-992x-2019-0252. Acesso em: 31 mar. 2026. -
APA
Maldaner, L. F., Canata, T. F., Dias, C. T. dos S., & Molin, J. P. (2021). A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations. Scientia Agricola, 78( 5), 1-9. doi:10.1590/1678-992x-2019-0252 -
NLM
Maldaner LF, Canata TF, Dias CT dos S, Molin JP. A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations [Internet]. Scientia Agricola. 2021 ; 78( 5): 1-9.[citado 2026 mar. 31 ] Available from: https://doi.org/10.1590/1678-992x-2019-0252 -
Vancouver
Maldaner LF, Canata TF, Dias CT dos S, Molin JP. A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations [Internet]. Scientia Agricola. 2021 ; 78( 5): 1-9.[citado 2026 mar. 31 ] Available from: https://doi.org/10.1590/1678-992x-2019-0252 - 3D data processing to characterize the spatial variability of sugarcane fields
- Sugarcane Yield Mapping Using High-Resolution Imagery Data and Machine Learning Technique
- Predicting the sugarcane yield in real-time by harvester engine parameters and machine learning approaches
- A system for plant detection using sensor fusion approach based on machine learning model
- High-resolution imagery data to assess the spatial variability of sugarcane fields
- Sensor fusion with NARX neural network to predict the mass flow in a sugarcane harvester
- Methodology to filter out outliers in high spatial density data to improve maps reliability
- Sugarcane Harvester for In-field Data Collection:: State of the Art, Its Applicability and Future Perspectives
- Os resultados entre penetrômetros são compatíveis?
- Validação de equação de calibração de um sensor TDR visando à determinação de umidade volumétrica do solo
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 | |
|---|---|---|---|
 |
3005598-A statistical app... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
