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: Scientia Agricola
- ISSN: 1678-992X
- Volume/Número/Paginação/Ano: v. 79, n. 1, art. e20200178, p. 1-7, 2022
- 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 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: 31 mar. 2026. -
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 2026 mar. 31 ] 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 2026 mar. 31 ] 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
- Spatial–temporal analysis to investigate the influence of in-row plant spacing on the sugarcane yield
- Carrot yield mapping: a precision agriculture approach based on machine learning
- Sugarcane plant detection and mapping for site-specific management
- Processamento de dados de monitores de produtividade de cana-de-açúcar
- 3D data processing to characterize the spatial variability of sugarcane fields
- Sugarcane Yield Mapping Using High-Resolution Imagery Data and Machine Learning Technique
- Evaluation of Minimum Preparation Sampling Strategies for Sugarcane Quality Prediction by vis-NIR Spectroscopy
- Identification and measurement of gaps within sugarcane rows for site-specific management: Comparing different sensor-based approaches
- Predicting the sugarcane yield in real-time by harvester engine parameters and machine learning approaches
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 | |
|---|---|---|---|
 |
3018617-Methodology_to_fi... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
