Artigo de periodico

What makes on-farm experimental data suitable for data-driven decision-making?: implications of trial design and spatial distribution of field data for machine learning models (2025)

• Authors:
  • Colaço, André Freitas
  • Bramley, Robert GV
  • Richetti, Jonathan
  • Lawes, Roger A
• Autor USP: COLACO, ANDRE FREITAS - ESALQ
• Unidade: ESALQ
• DOI: 10.1007/s11119-025-10280-y
• Subjects: ANÁLISE ESTATÍSTICA DE DADOS; APRENDIZADO COMPUTACIONAL; CIÊNCIAS AGRÁRIAS; DELINEAMENTO EXPERIMENTAL; DISTRIBUIÇÃO ESPACIAL; MODELOS MATEMÁTICOS; TOMADA DE DECISÃO
• Agências de fomento:
  • Financiamento CSIRO
• Language: Inglês
• Imprenta:
  • Publisher place: Berlim
  • Date published: 2025
• Source:
  • Título: Precision Agriculture
  • ISSN: 1385-2256
  • Volume/Número/Paginação/Ano: v. 26, art. 85, p. 1-23, 2025


Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).

Status:

Artigo aberto em periódico híbrido (Hybrid Open Access)

Versão do Documento:

Versão publicada (Published version)

Acessar versão aberta:

• URL de acesso aberto
• PDF de acesso aberto

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
	3270937-What_makes_on-far...	Direct link

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  COLAÇO, André Freitas et al. What makes on-farm experimental data suitable for data-driven decision-making?: implications of trial design and spatial distribution of field data for machine learning models. Precision Agriculture, v. 26, p. 1-23, 2025Tradução . . Disponível em: https://doi.org/10.1007/s11119-025-10280-y. Acesso em: 01 abr. 2026.

• APA

  Colaço, A. F., Bramley, R. G. V., Richetti, J., & Lawes, R. A. (2025). What makes on-farm experimental data suitable for data-driven decision-making?: implications of trial design and spatial distribution of field data for machine learning models. Precision Agriculture, 26, 1-23. doi:10.1007/s11119-025-10280-y

• NLM

  Colaço AF, Bramley RGV, Richetti J, Lawes RA. What makes on-farm experimental data suitable for data-driven decision-making?: implications of trial design and spatial distribution of field data for machine learning models [Internet]. Precision Agriculture. 2025 ; 26 1-23.[citado 2026 abr. 01 ] Available from: https://doi.org/10.1007/s11119-025-10280-y

• Vancouver

  Colaço AF, Bramley RGV, Richetti J, Lawes RA. What makes on-farm experimental data suitable for data-driven decision-making?: implications of trial design and spatial distribution of field data for machine learning models [Internet]. Precision Agriculture. 2025 ; 26 1-23.[citado 2026 abr. 01 ] Available from: https://doi.org/10.1007/s11119-025-10280-y

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• A first step towards data ecosystem design for AI in agriculture: a case study assessing variable importance for optimising nitrogen decision-making in wheat
• Digital strategies for nitrogen management in grain production systems: lessons from multi-method assessment using on-farm experimentation
• Within-field extrapolation away from a soil moisture probe using freely available satellite imagery and weather data
• Mobile terrestrial laser scanner for site-specific management in orange crop
• Efeito da adubação em doses variadas em pomares de laranjeiras ao longo de quatro safras
• Spatial variability in commercial orange groves: Part 1: canopy volume and height
• The role of digital technologies in achieving sustainable agriculture
• Spatial variability in commercial orange groves. Part 1: canopy volume and height
• Spatial variability in commercial orange groves. Part 2: relating canopy geometry to soil attributes and historical yield
• Economic viability, energy and nutrient balances of site-specific fertilisation for citrus