Digital mapping of topsoil texture classes using a hybridized classical statistics–artificial neural networks approach and relief data (2023)
- Authors:
- USP affiliated authors: DEMATTE, JOSE ALEXANDRE MELO - ESALQ ; POPPIEL, RAUL ROBERTO - ESALQ
- Unidade: ESALQ
- DOI: 10.3390/agriengineering5010004
- Subjects: GRANULOMETRIA DO SOLO; INTELIGÊNCIA ARTIFICIAL; MAPEAMENTO DO SOLO; REDES NEURAIS; RELEVO; TEXTURA DO SOLO
- Language: Inglês
- Imprenta:
- Source:
- Título: AgriEngineering
- ISSN: 2624-7402
- Volume/Número/Paginação/Ano: v. 5, p. 40–64, 2023
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MALLAH, Sina et al. Digital mapping of topsoil texture classes using a hybridized classical statistics–artificial neural networks approach and relief data. AgriEngineering, v. 5, p. 40–64, 2023Tradução . . Disponível em: https://doi.org/10.3390/agriengineering5010004. Acesso em: 29 mar. 2026. -
APA
Mallah, S., Delsouz Khaki, B., Davatgar, N., Poppiel, R. R., & Demattê, J. A. M. (2023). Digital mapping of topsoil texture classes using a hybridized classical statistics–artificial neural networks approach and relief data. AgriEngineering, 5, 40–64. doi:10.3390/agriengineering5010004 -
NLM
Mallah S, Delsouz Khaki B, Davatgar N, Poppiel RR, Demattê JAM. Digital mapping of topsoil texture classes using a hybridized classical statistics–artificial neural networks approach and relief data [Internet]. AgriEngineering. 2023 ; 5 40–64.[citado 2026 mar. 29 ] Available from: https://doi.org/10.3390/agriengineering5010004 -
Vancouver
Mallah S, Delsouz Khaki B, Davatgar N, Poppiel RR, Demattê JAM. Digital mapping of topsoil texture classes using a hybridized classical statistics–artificial neural networks approach and relief data [Internet]. AgriEngineering. 2023 ; 5 40–64.[citado 2026 mar. 29 ] Available from: https://doi.org/10.3390/agriengineering5010004 - The use of Vis-NIR-SWIR spectroscopy and X-ray fluorescence in the development of predictive models: a step forward in the quantification of nitrogen, total organic carbon and humic fractions in ferralsols
- Optimizing soil texture spatial prediction in the brazilian cerrado: Insights from random forest and spectral data
- Sand fractions micromorphometry detected by Vis-NIR-MIR and its impact on water retention
- Soil erodibility and its influential factors in the Middle East
- Sand subfractions by proximal and satellite sensing: optimizing agricultural expansion in tropical sandy soils
- VNIR-SWIR Spectroscopy, XRD and traditional analyses for pedomorphogeological assessment in a tropical toposequence
- A new methodological framework for geophysical sensor combinations associated with machine learning algorithms to understand soil attributes
- Bridging the gap between soil spectroscopy and traditional laboratory: insights for routine implementation
- A importância das geotecnologias na caracterização do meio físico com vistas ao aumento da produtividade
- Estratificação e remoção de outliers em uma biblioteca espectral de solos, na predição de matéria orgânica 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 | |
|---|---|---|---|
 |
3128079-Digital Mapping o... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
