Subjects: APRENDIZADO COMPUTACIONAL, CANA-DE-AÇÚCAR, SENSORIAMENTO REMOTO, SIMULAÇÃO
ABNT
GRUBERT, Daniel Alves da Veiga. A synergistic approach to sugarcane yield forecasting using machine learning, remote sensing, and process-based modeling. 2023. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-03112023-103445/. Acesso em: 08 nov. 2024.APA
Grubert, D. A. da V. (2023). A synergistic approach to sugarcane yield forecasting using machine learning, remote sensing, and process-based modeling (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11152/tde-03112023-103445/NLM
Grubert DA da V. A synergistic approach to sugarcane yield forecasting using machine learning, remote sensing, and process-based modeling [Internet]. 2023 ;[citado 2024 nov. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-03112023-103445/Vancouver
Grubert DA da V. A synergistic approach to sugarcane yield forecasting using machine learning, remote sensing, and process-based modeling [Internet]. 2023 ;[citado 2024 nov. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-03112023-103445/