Título:	Importância de índices de vegetação para modelos de estimativa de produtividade em cana-de-açúcar.
Autoria:	SPERANZA, E. A. ANTUNES, J. F. G. BARBOSA, L. A. F. CANÇADO, G. M. de A. VANSCONCELOS, J. C.
Afiliação:	EDUARDO ANTONIO SPERANZA, CNPTIA; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; LUIZ ANTONIO FALAGUASTA BARBOSA, CNPTIA; GERALDO MAGELA DE ALMEIDA CANCADO, CNPTIA; JULIO CEZAR VANSCONCELOS.
Ano de publicação:	2023
Referência:	In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1492-1495.
Conteúdo:	Este trabalho descreve o experimento realizado com o algoritmo de aprendizado de máquina Random Forest para identificação da importância de utilização de diferentes índices de vegetação obtidos de imagens suborbitais, nas diferentes fases do ciclo de desenvolvimento da cana-deaçúcar, como variáveis preditoras para a estimativa de produtividade.
Thesagro:	Cana de Açúcar
NAL Thesaurus:	Sugarcane Vegetation index
Palavras-chave:	Imagens suborbitais Aprendizado de máquina Florestas de decisão aleatória Random Forest Índice de vegetação Suborbital imaging Machine learning Decision trees
ISBN:	978-65-89159-04-9
Notas:	Editores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão.
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPTIA)