Subjects: AGRICULTURA DE PRECISÃO, ANÁLISE DE CONGLOMERADOS, APRENDIZADO COMPUTACIONAL, MODELAGEM DE DADOS, QUALIDADE DO SOLO, SOJA, VARIABILIDADE ESPACIAL
ABNT
PEREIRA, Gislaine Silva. Management zones and space-time prediction of soybean yield variability: machine learning techniques applied to soil physical quality parameters. 2023. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-04012024-105156/. Acesso em: 14 nov. 2024.APA
Pereira, G. S. (2023). Management zones and space-time prediction of soybean yield variability: machine learning techniques applied to soil physical quality parameters (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11152/tde-04012024-105156/NLM
Pereira GS. Management zones and space-time prediction of soybean yield variability: machine learning techniques applied to soil physical quality parameters [Internet]. 2023 ;[citado 2024 nov. 14 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-04012024-105156/Vancouver
Pereira GS. Management zones and space-time prediction of soybean yield variability: machine learning techniques applied to soil physical quality parameters [Internet]. 2023 ;[citado 2024 nov. 14 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-04012024-105156/