Código QR (código de barras bidimensional)

Prediction of Winter Wheat Parameters with Planet SuperDove Imagery and Explainable Artificial Intelligence

This study investigated the application of high-resolution satellite imagery from SuperDove satellites combined with machine learning algorithms to estimate the spatiotemporal variability of some winter wheat parameters, including the relative leaf chlorophyll content (RCC), relative water content (...

ver descrição completa

Na minha lista:
Principais autores: Gabriele De Carolis, Vincenzo Giannico, Leonardo Costanza, Francesca Ardito, Anna Maria Stellacci, Afwa Thameur, Sergio Ruggieri, Sabina Tangaro, Marcello Mastrorilli, Nicola Sanitate, Simone Pietro Garofalo
Formato: Artigo
Idioma:Inglês
Publicado em: MDPI AG 2025-01-01
coleção:Agronomy
Assuntos:
chlorophyll content
relative water content
dry matter
remote sensing
planet
machine learning
Acesso em linha:https://www.mdpi.com/2073-4395/15/1/241
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!

Registros relacionados