Methodology to filter out outliers in high spatial density data to improve maps reliability (2022)
- Authors:
- USP affiliated authors: MOLIN, JOSE PAULO - ESALQ ; MALDANER, LEONARDO FELIPE - ESALQ
- Unidade: ESALQ
- DOI: 10.1590/1678-992x-2020-0178
- Subjects: AGRICULTURA DE PRECISÃO; AMOSTRAGEM; CANA-DE-AÇÚCAR; MAPEAMENTO DO SOLO; MILHO; SENSOR; VARIABILIDADE ESPACIAL
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2022
- Source:
- Título do periódico: Scientia Agricola
- ISSN: 1678-992X
- Volume/Número/Paginação/Ano: v. 79, n. 1, art. e20200178, p. 1-7, 2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
MALDANER, Leonardo Felipe e MOLIN, José Paulo e SPEKKEN, Mark. Methodology to filter out outliers in high spatial density data to improve maps reliability. Scientia Agricola, v. 79, n. 1, p. 1-7, 2022Tradução . . Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-90162022000100102&tlng=en. Acesso em: 19 set. 2024. -
APA
Maldaner, L. F., Molin, J. P., & Spekken, M. (2022). Methodology to filter out outliers in high spatial density data to improve maps reliability. Scientia Agricola, 79( 1), 1-7. doi:10.1590/1678-992x-2020-0178 -
NLM
Maldaner LF, Molin JP, Spekken M. Methodology to filter out outliers in high spatial density data to improve maps reliability [Internet]. Scientia Agricola. 2022 ; 79( 1): 1-7.[citado 2024 set. 19 ] Available from: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-90162022000100102&tlng=en -
Vancouver
Maldaner LF, Molin JP, Spekken M. Methodology to filter out outliers in high spatial density data to improve maps reliability [Internet]. Scientia Agricola. 2022 ; 79( 1): 1-7.[citado 2024 set. 19 ] Available from: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-90162022000100102&tlng=en - Sensor fusion with NARX neural network to predict the mass flow in a sugarcane harvester
- Carrot yield mapping: a precision agriculture approach based on machine learning
- Spatial–temporal analysis to investigate the influence of in-row plant spacing on the sugarcane yield
- Sugarcane plant detection and mapping for site-specific management
- Processamento de dados de monitores de produtividade de cana-de-açúcar
- 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
- Identification and measurement of gaps within sugarcane rows for site-specific management: Comparing different sensor-based approaches
- Evaluation of Minimum Preparation Sampling Strategies for Sugarcane Quality Prediction by vis-NIR Spectroscopy
Informações sobre o DOI: 10.1590/1678-992x-2020-0178 (Fonte: oaDOI API)
Download do texto completo
Tipo | Nome | Link | |
---|---|---|---|
3018617-Methodology_to_fi... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas