ReP USP - Resultado da busca

Artigo de periodico
Classification of sugarcane areas in Landsat images using machine learning algorithms (2024)
Barros, Ana Clara Arantes Villas Bôas de ; Silva, Marcelo Andrade ; Marques, Rodrigo Domiciano ; Lobos, Cristian Marcelo Villegas ; Luciano, Ana Cláudia dos Santos
Source: Brazilian Journal of Biometrics. Unidade: ESALQ
Subjects: ALGORITMOS, APRENDIZADO COMPUTACIONAL, CANA-DE-AÇÚCAR, COBERTURA DO SOLO, IMAGEAMENTO DE SATÉLITE, MAPEAMENTO DO SOLO, SENSORIAMENTO REMOTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BARROS, Ana Clara Arantes Villas Bôas de et al. Classification of sugarcane areas in Landsat images using machine learning algorithms. Brazilian Journal of Biometrics, v. 42, p. 147–157, 2024Tradução . . Disponível em: https://doi.org/10.28951/bjb.v42i2.693. Acesso em: 15 nov. 2024.
APA
Barros, A. C. A. V. B. de, Silva, M. A., Marques, R. D., Lobos, C. M. V., & Luciano, A. C. dos S. (2024). Classification of sugarcane areas in Landsat images using machine learning algorithms. Brazilian Journal of Biometrics, 42, 147–157. doi:10.28951/bjb.v42i2.693
NLM
Barros ACAVB de, Silva MA, Marques RD, Lobos CMV, Luciano AC dos S. Classification of sugarcane areas in Landsat images using machine learning algorithms [Internet]. Brazilian Journal of Biometrics. 2024 ; 42 147–157.[citado 2024 nov. 15 ] Available from: https://doi.org/10.28951/bjb.v42i2.693
Vancouver
Barros ACAVB de, Silva MA, Marques RD, Lobos CMV, Luciano AC dos S. Classification of sugarcane areas in Landsat images using machine learning algorithms [Internet]. Brazilian Journal of Biometrics. 2024 ; 42 147–157.[citado 2024 nov. 15 ] Available from: https://doi.org/10.28951/bjb.v42i2.693
Artigo de periodico
Sugarcane yield estimation using satellite remote sensing data in empirical or mechanistic modeling: a systematic review (2024)
Silva, Nildson Rodrigues de França e; Chaves, Michel Eustáquio Dantas ; Luciano, Ana Cláudia dos Santos ; Sanches, Ieda Del’Arco ; Almeida, Cláudia Maria de; Adami, Marcos
Source: Remote Sensing. Unidade: ESALQ
Subjects: CANA-DE-AÇÚCAR, IMAGEAMENTO DE SATÉLITE, MODELAGEM DE DADOS, REVISÃO SISTEMÁTICA, SENSORIAMENTO REMOTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Nildson Rodrigues de França e et al. Sugarcane yield estimation using satellite remote sensing data in empirical or mechanistic modeling: a systematic review. Remote Sensing, v. 16, p. 1-26, 2024Tradução . . Disponível em: https://doi.org/10.3390/rs16050863. Acesso em: 15 nov. 2024.
APA
Silva, N. R. de F. e, Chaves, M. E. D., Luciano, A. C. dos S., Sanches, I. D. ’A., Almeida, C. M. de, & Adami, M. (2024). Sugarcane yield estimation using satellite remote sensing data in empirical or mechanistic modeling: a systematic review. Remote Sensing, 16, 1-26. doi:10.3390/rs16050863
NLM
Silva NR de F e, Chaves MED, Luciano AC dos S, Sanches ID’A, Almeida CM de, Adami M. Sugarcane yield estimation using satellite remote sensing data in empirical or mechanistic modeling: a systematic review [Internet]. Remote Sensing. 2024 ; 16 1-26.[citado 2024 nov. 15 ] Available from: https://doi.org/10.3390/rs16050863
Vancouver
Silva NR de F e, Chaves MED, Luciano AC dos S, Sanches ID’A, Almeida CM de, Adami M. Sugarcane yield estimation using satellite remote sensing data in empirical or mechanistic modeling: a systematic review [Internet]. Remote Sensing. 2024 ; 16 1-26.[citado 2024 nov. 15 ] Available from: https://doi.org/10.3390/rs16050863
Artigo de periodico
Prediction of leaf nitrogen in sugarcane (Saccharum spp.) by Vis-NIR-SWIR spectroradiometry (2024)
Fiorio, Peterson Ricardo ; Silva, Carlos Augusto Alves Cardoso ; Rizzo, Rodnei ; Demattê, José Alexandre Melo ; Luciano, Ana Cláudia dos Santos ; Silva, Marcelo Andrade da
Source: Heliyon. Unidades: ESALQ, CENA
Subjects: ANÁLISE ESPECTRAL, CANA-DE-AÇÚCAR, FERTILIZANTES NITROGENADOS, FOLHAS (PLANTAS), NITROGÊNIO, SENSORIAMENTO REMOTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FIORIO, Peterson Ricardo et al. Prediction of leaf nitrogen in sugarcane (Saccharum spp.) by Vis-NIR-SWIR spectroradiometry. Heliyon, v. 10, p. 1-13, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.heliyon.2024.e26819. Acesso em: 15 nov. 2024.
APA
Fiorio, P. R., Silva, C. A. A. C., Rizzo, R., Demattê, J. A. M., Luciano, A. C. dos S., & Silva, M. A. da. (2024). Prediction of leaf nitrogen in sugarcane (Saccharum spp.) by Vis-NIR-SWIR spectroradiometry. Heliyon, 10, 1-13. doi:10.1016/j.heliyon.2024.e26819
NLM
Fiorio PR, Silva CAAC, Rizzo R, Demattê JAM, Luciano AC dos S, Silva MA da. Prediction of leaf nitrogen in sugarcane (Saccharum spp.) by Vis-NIR-SWIR spectroradiometry [Internet]. Heliyon. 2024 ; 10 1-13.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.heliyon.2024.e26819
Vancouver
Fiorio PR, Silva CAAC, Rizzo R, Demattê JAM, Luciano AC dos S, Silva MA da. Prediction of leaf nitrogen in sugarcane (Saccharum spp.) by Vis-NIR-SWIR spectroradiometry [Internet]. Heliyon. 2024 ; 10 1-13.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.heliyon.2024.e26819
Trabalho de evento
Classificação dos estágios de corte da cana-de-açúcar a partir de imagens Sentinel-2 e aprendizagem de máquina (2023)
Fukuzava, Hugo de Melo; Luciano, Ana Cláudia dos Santos
Source: Anais .... Conference titles: Simpósio Brasileiro de Sensoriamento Remoto - SBSR. Unidade: ESALQ
Subjects: ANÁLISE DE SÉRIES TEMPORAIS, APRENDIZADO COMPUTACIONAL, CANA-DE-AÇÚCAR, CORTE (PLANTAS), IMAGEAMENTO DE SATÉLITE, MAPEAMENTO DO SOLO, SENSORIAMENTO REMOTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FUKUZAVA, Hugo de Melo e LUCIANO, Ana Cláudia dos Santos. Classificação dos estágios de corte da cana-de-açúcar a partir de imagens Sentinel-2 e aprendizagem de máquina. 2023, Anais.. São José dos Campos, SP: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo, 2023. Disponível em: https://proceedings.science/sbsr-2023/trabalhos/classificacao-dos-estagios-de-corte-da-cana-de-acucar-a-partir-de-imagens-sentin?lang=pt-br. Acesso em: 15 nov. 2024.
APA
Fukuzava, H. de M., & Luciano, A. C. dos S. (2023). Classificação dos estágios de corte da cana-de-açúcar a partir de imagens Sentinel-2 e aprendizagem de máquina. In Anais ... São José dos Campos, SP: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo. Recuperado de https://proceedings.science/sbsr-2023/trabalhos/classificacao-dos-estagios-de-corte-da-cana-de-acucar-a-partir-de-imagens-sentin?lang=pt-br
NLM
Fukuzava H de M, Luciano AC dos S. Classificação dos estágios de corte da cana-de-açúcar a partir de imagens Sentinel-2 e aprendizagem de máquina [Internet]. Anais .. 2023 ;[citado 2024 nov. 15 ] Available from: https://proceedings.science/sbsr-2023/trabalhos/classificacao-dos-estagios-de-corte-da-cana-de-acucar-a-partir-de-imagens-sentin?lang=pt-br
Vancouver
Fukuzava H de M, Luciano AC dos S. Classificação dos estágios de corte da cana-de-açúcar a partir de imagens Sentinel-2 e aprendizagem de máquina [Internet]. Anais .. 2023 ;[citado 2024 nov. 15 ] Available from: https://proceedings.science/sbsr-2023/trabalhos/classificacao-dos-estagios-de-corte-da-cana-de-acucar-a-partir-de-imagens-sentin?lang=pt-br
Artigo de periodico
High-resolution map of sugarcane cultivation in Brazil using a phenology-based method (2022)
Zheng, Yi; Luciano, Ana Cláudia dos Santos ; Dong, Jie; Yuan, Wenping
Source: Earth System Science Data. Unidade: ESALQ
Subjects: AGRICULTURA DE PRECISÃO, CANA-DE-AÇÚCAR, COLHEITA, FENOLOGIA, IMAGEAMENTO DE SATÉLITE, SENSORIAMENTO REMOTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ZHENG, Yi et al. High-resolution map of sugarcane cultivation in Brazil using a phenology-based method. Earth System Science Data, v. 14, p. 2065-2080, 2022Tradução . . Disponível em: https://doi.org/10.5194/essd-14-2065-2022. Acesso em: 15 nov. 2024.
APA
Zheng, Y., Luciano, A. C. dos S., Dong, J., & Yuan, W. (2022). High-resolution map of sugarcane cultivation in Brazil using a phenology-based method. Earth System Science Data, 14, 2065-2080. doi:10.5194/essd-14-2065-2022
NLM
Zheng Y, Luciano AC dos S, Dong J, Yuan W. High-resolution map of sugarcane cultivation in Brazil using a phenology-based method [Internet]. Earth System Science Data. 2022 ; 14 2065-2080.[citado 2024 nov. 15 ] Available from: https://doi.org/10.5194/essd-14-2065-2022
Vancouver
Zheng Y, Luciano AC dos S, Dong J, Yuan W. High-resolution map of sugarcane cultivation in Brazil using a phenology-based method [Internet]. Earth System Science Data. 2022 ; 14 2065-2080.[citado 2024 nov. 15 ] Available from: https://doi.org/10.5194/essd-14-2065-2022
Artigo de periodico
Mapping 33 years of sugarcane evolution in São Paulo state, Brazil, using landsat imagery and generalized space-time classifiers (2022)
Luciano, Ana Cláudia dos Santos ; Campagnuci, Bruna Cristina Gama; le Maire, Guerric
Source: Remote Sensing Applications: Society and Environment. Unidade: ESALQ
Subjects: APRENDIZADO COMPUTACIONAL, CANA-DE-AÇÚCAR, IMAGEAMENTO DE SATÉLITE, MAPEAMENTO DO SOLO, SENSORIAMENTO REMOTO, SÉRIES ESPAÇO-TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
LUCIANO, Ana Cláudia dos Santos e CAMPAGNUCI, Bruna Cristina Gama e LE MAIRE, Guerric. Mapping 33 years of sugarcane evolution in São Paulo state, Brazil, using landsat imagery and generalized space-time classifiers. Remote Sensing Applications: Society and Environment, v. 26, p. 1-12, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.rsase.2022.100749. Acesso em: 15 nov. 2024.
APA
Luciano, A. C. dos S., Campagnuci, B. C. G., & le Maire, G. (2022). Mapping 33 years of sugarcane evolution in São Paulo state, Brazil, using landsat imagery and generalized space-time classifiers. Remote Sensing Applications: Society and Environment, 26, 1-12. doi:10.1016/j.rsase.2022.100749
NLM
Luciano AC dos S, Campagnuci BCG, le Maire G. Mapping 33 years of sugarcane evolution in São Paulo state, Brazil, using landsat imagery and generalized space-time classifiers [Internet]. Remote Sensing Applications: Society and Environment. 2022 ; 26 1-12.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.rsase.2022.100749
Vancouver
Luciano AC dos S, Campagnuci BCG, le Maire G. Mapping 33 years of sugarcane evolution in São Paulo state, Brazil, using landsat imagery and generalized space-time classifiers [Internet]. Remote Sensing Applications: Society and Environment. 2022 ; 26 1-12.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.rsase.2022.100749
Trabalho de evento
Evaluation of time series gap-filling of venµs satellite for land use classification (2021)
Shibuya, Daniel H; Pereira, Gisela M. S; Figueiredo, Gleyce K. D. A; Luciano, Ana Cláudia dos Santos ; Lamparelli, Rubens A. C; Maire, Guerric le
Source: Proceedings .... Conference titles: IEEE International Geoscience and Remote Sensing Symposium - IGARSS. Unidade: ESALQ
Subjects: ALGORITMOS, ANÁLISE DE SÉRIES TEMPORAIS, IMAGEAMENTO DE SATÉLITE, INTERPOLAÇÃO, MAPEAMENTO DO SOLO, SENSORIAMENTO REMOTO, USO DO SOLO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SHIBUYA, Daniel H et al. Evaluation of time series gap-filling of venµs satellite for land use classification. 2021, Anais.. Brussels: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo, 2021. Disponível em: https://doi.org/10.1109/IGARSS47720.2021.9553773. Acesso em: 15 nov. 2024.
APA
Shibuya, D. H., Pereira, G. M. S., Figueiredo, G. K. D. A., Luciano, A. C. dos S., Lamparelli, R. A. C., & Maire, G. le. (2021). Evaluation of time series gap-filling of venµs satellite for land use classification. In Proceedings ... Brussels: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo. doi:10.1109/IGARSS47720.2021.9553773
NLM
Shibuya DH, Pereira GMS, Figueiredo GKDA, Luciano AC dos S, Lamparelli RAC, Maire G le. Evaluation of time series gap-filling of venµs satellite for land use classification [Internet]. Proceedings .. 2021 ;[citado 2024 nov. 15 ] Available from: https://doi.org/10.1109/IGARSS47720.2021.9553773
Vancouver
Shibuya DH, Pereira GMS, Figueiredo GKDA, Luciano AC dos S, Lamparelli RAC, Maire G le. Evaluation of time series gap-filling of venµs satellite for land use classification [Internet]. Proceedings .. 2021 ;[citado 2024 nov. 15 ] Available from: https://doi.org/10.1109/IGARSS47720.2021.9553773
Artigo de periodico
Empirical model for forecasting sugarcane yield on a local scale in Brazil using Landsat imagery and random forest algorithm (2021)
Luciano, Ana Cláudia dos Santos ; Picoli, Michelle Cristina Araújo; Duft, Daniel Garbellini ; Rocha, Jansle Vieira; Leal, Manoel Regis Lima Verde; Maire, Guerric le
Source: Computers and Electronics in Agriculture. Unidade: ESALQ
Subjects: ALGORITMOS, APRENDIZADO COMPUTACIONAL, CANA-DE-AÇÚCAR, IMAGEAMENTO DE SATÉLITE, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), SENSORIAMENTO REMOTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
LUCIANO, Ana Cláudia dos Santos et al. Empirical model for forecasting sugarcane yield on a local scale in Brazil using Landsat imagery and random forest algorithm. Computers and Electronics in Agriculture, v. 18, p. 1-10, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.compag.2021.106063. Acesso em: 15 nov. 2024.
APA
Luciano, A. C. dos S., Picoli, M. C. A., Duft, D. G., Rocha, J. V., Leal, M. R. L. V., & Maire, G. le. (2021). Empirical model for forecasting sugarcane yield on a local scale in Brazil using Landsat imagery and random forest algorithm. Computers and Electronics in Agriculture, 18, 1-10. doi:10.1016/j.compag.2021.106063
NLM
Luciano AC dos S, Picoli MCA, Duft DG, Rocha JV, Leal MRLV, Maire G le. Empirical model for forecasting sugarcane yield on a local scale in Brazil using Landsat imagery and random forest algorithm [Internet]. Computers and Electronics in Agriculture. 2021 ; 18 1-10.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.compag.2021.106063
Vancouver
Luciano AC dos S, Picoli MCA, Duft DG, Rocha JV, Leal MRLV, Maire G le. Empirical model for forecasting sugarcane yield on a local scale in Brazil using Landsat imagery and random forest algorithm [Internet]. Computers and Electronics in Agriculture. 2021 ; 18 1-10.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.compag.2021.106063

USP Schools

ReP

Filtros

Authors

USP affiliated authors

Subjects

Source title

Funding Agencies

Non normalized affiliation