Centro de ayuda
-
Cultivos
-
- Nuevos artículos proximamente
-
Artículos científicos
-
- Análisis del estrés hídrico mediante imágenes NDWI de Sentinel-2
- Aplicación de la teledetección en la detección y el seguimiento del estrés hídrico en los bosques
- Aplicación web basada en imágenes satelitales Sentinel-2 para la detección y el monitoreo del estrés hídrico en plantaciones de álamos
- Evaluación del impacto del estrés hídrico en los olivos
- Marco para un sistema agrícola inteligente que permite supervisar el estrés de los cultivos
- Potencial del contenido de agua del dosel derivado del Sentinel 2 como indicador de sequías repentinas
-
- Mejora de la predicción del rendimiento de los cultivos
- Modelo de predicción del rendimiento del arroz a nivel de píxel
- Predicción del rendimiento de los cultivos en la agricultura
- Predicción geoespacial robusta del rendimiento del trigo mediante aprendizaje automático
- Predicción temprana del rendimiento de cereales mediante aprendizaje automático y datos satelitales
-
- Aprendizaje automático para la detección de la enfermedad del retraso en el crecimiento de Ratoon asintomático con imágenes multiespectrales satelitales de libre acceso
- Aprendizaje automático para la detección y predicción de enfermedades y plagas de los cultivos
- Detección de síntomas inducidos por patógenos vasculares de plantas en cultivos arbóreos mediante datos satelitales de alta resolución
- Estado actual de la teledetección hiperespectral para la detección temprana de enfermedades vegetales
- Optimización de cultivos y detección de enfermedades mediante imágenes satelitales e inteligencia artificial
- Predicción del rendimiento y las enfermedades en los cultivos mediante índices de vegetación a través del procesamiento de imágenes satelitales
-
- Aplicaciones de plataformas satelitales y aprendizaje automático para el mapeo y monitoreo de pastizales y praderas: una revisión sistemática y exhaustiva
- Comparación de tecnologías de teledetección terrestres, con vehículos aéreos no tripulados y satelitales para el monitoreo de la biomasa de pastizales en granjas lecheras
- Estimación de la biomasa de pastos mediante imágenes Sentinel-2 y aprendizaje automático
- Evaluación de imágenes satelitales de alta frecuencia y resolución moderada para la evaluación y el monitoreo de gramíneas anuales invasoras
- Evaluación de la idoneidad de las bandas Sentinel-2 para el monitoreo de la concentración de nutrientes en pastizales con diversas composiciones de especies
- Mejora de la modelización de la biomasa de los pastos mediante imágenes satelitales de alta resolución y aprendizaje automático
- Monitorización de pastos mediante teledetección y aprendizaje automático
- Teledetección para la evaluación de la cantidad y calidad de la biomasa de pastos: desafíos y perspectivas futuras
- Uso de imágenes satelitales Sentinel-2 y algoritmos de aprendizaje automático para predecir la masa forrajera
- Análisis del estrés hídrico mediante imágenes NDWI de Sentinel-2
- Aplicación de la teledetección en la detección y el seguimiento del estrés hídrico en los bosques
- Aplicación web basada en imágenes satelitales Sentinel-2 para la detección y el monitoreo del estrés hídrico en plantaciones de álamos
- Aprendizaje automático para la detección de la enfermedad del retraso en el crecimiento de Ratoon asintomático con imágenes multiespectrales satelitales de libre acceso
- Aprendizaje automático para la detección y predicción de enfermedades y plagas de los cultivos
- Comparación de tecnologías de teledetección terrestres, con vehículos aéreos no tripulados y satelitales para el monitoreo de la biomasa de pastizales en granjas lecheras
- Complementariedad de los datos de Sentinel-1 y Sentinel-2 para el monitoreo de la salinidad del suelo con el fin de apoyar prácticas agrícolas sostenibles en el Altiplano central boliviano
- Detección de síntomas inducidos por patógenos vasculares de plantas en cultivos arbóreos mediante datos satelitales de alta resolución
- Estado actual de la teledetección hiperespectral para la detección temprana de enfermedades vegetales
- Evaluación de imágenes satelitales de alta frecuencia y resolución moderada para la evaluación y el monitoreo de gramíneas anuales invasoras
- Marco para un sistema agrícola inteligente que permite supervisar el estrés de los cultivos
- Mejora de la modelización de la biomasa de los pastos mediante imágenes satelitales de alta resolución y aprendizaje automático
- Mejora de la predicción del rendimiento de los cultivos
- Modelo de predicción del rendimiento del arroz a nivel de píxel
- Monitorización de pastos mediante teledetección y aprendizaje automático
- Optimización de cultivos y detección de enfermedades mediante imágenes satelitales e inteligencia artificial
- Potencial del contenido de agua del dosel derivado del Sentinel 2 como indicador de sequías repentinas
- Predicción del rendimiento de los cultivos en la agricultura
- Predicción del rendimiento y las enfermedades en los cultivos mediante índices de vegetación a través del procesamiento de imágenes satelitales
- Predicción geoespacial robusta del rendimiento del trigo mediante aprendizaje automático
- Predicción temprana del rendimiento de cereales mediante aprendizaje automático y datos satelitales
- Uso de imágenes satelitales Sentinel-2 y algoritmos de aprendizaje automático para predecir la masa forrajera
- Show Remaining Articles (12) Contraer artículos
-
-
Biodiversidad
- Nuevos artículos proximamente
-
Teledetección+IA
- Aplicaciones de plataformas satelitales y aprendizaje automático para el mapeo y monitoreo de pastizales y praderas: una revisión sistemática y exhaustiva
- Clasificación precisa de cultivos en teledetección de alta resolución basada en aprendizaje profundo
- Detección de ganado en pastizales africanos: potencial de los datos de teledetección de alta resolución
- Estimación de la biomasa de pastos mediante imágenes Sentinel-2 y aprendizaje automático
- Evaluación de la idoneidad de las bandas Sentinel-2 para el monitoreo de la concentración de nutrientes en pastizales con diversas composiciones de especies
- Revisión crítica sobre las aplicaciones de los conjuntos de datos del satélite Sentinel para la evaluación de la humedad del suelo en la producción de cultivos
- Teledetección para la agricultura de precisión: mejoras y aplicaciones de Sentinel-2
- Teledetección para la evaluación de la cantidad y calidad de la biomasa de pastos: desafíos y perspectivas futuras
-
Espacios ganaderos
- Aplicación de tecnologías de teledetección en el monitoreo de pastos: una revisión para la región mediterránea.
- BOVIEX 4.0
- Clasificación del comportamiento estacional y la penalización del rendimiento en áreas de pastoreo basada en polarimetría SAR y técnicas de aprendizaje automático
- Detección de ganado en pastizales africanos: potencial de los datos de teledetección de alta resolución
- El potencial de Sentinel-1 para el monitoreo de la productividad de forraje en ecosistemas de pastizales: una revisión
- Evaluación de varios índices de vegetación derivados de imágenes Sentinel-2 para cuantificar el sobrepastoreo localizado en una región semiárida de Sudáfrica
- GESTERRIT
- Mapeo de la biomasa poscosecha para pastoreo en la provincia de Alessandria, noroeste de Italia: Avanzando hacia una agricultura sostenible mediante el apoyo de la teledetección.
- Una plataforma escalable e integral de IoT y teledetección para la gestión de precisión de pastizales y ganado
-
Espacios forestales
< Todos los recursos
Imprimir
Actualizado
Una revisión crítica sobre las aplicaciones de los conjuntos de datos del satélite Sentinel para la evaluación de la humedad del suelo en la producción de cultivos
A critical review on the applications of Sentinel satellite datasets for soil moisture assessment in crop production
Anela Mkhwenkwana, Trylee Nyasha Matongera, Ciara Blaauw, Onisimo Mutanga
- El control de la humedad del suelo es esencial para la gestión de los recursos hídricos .
- La teledetección es un método práctico para el monitoreo de la humedad del suelo a gran escala.
- Los conjuntos de datos de Sentinel se utilizan ampliamente para la evaluación de la humedad del suelo.
- La integración de los conjuntos de datos de Sentinel supera las limitaciones de las capacidades de los sensores individuales.
- Los modelos futuros deberían integrar el aprendizaje profundo y la inteligencia artificial para la evaluación de la humedad del suelo.
https://www.sciencedirect.com/science/article/pii/S1569843225002948?via%3Dihub