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
Aplicaciones de plataformas satelitales y aprendizaje automático para el mapeo y monitoreo de pastizales y praderas: una revisión sistemática y exhaustiva.
Applications of satellite platforms and machine learning for mapping and monitoring grasslands and pastures: A systematic and comprehensive
Daniele Pinna, Andrea Pezzuolo, Alessia Cogato, Cristina Pornaro, Stefano Macolino, Francesco Marinello
La utilización de satélites para estudios de pastizales ha aumentado en los últimos años.
- MODIS ha sido la plataforma más utilizada, pero Sentinel-2 la está superando.
- Random Forest es la opción más popular entre los algoritmos de aprendizaje automático.
- El reto consiste en desarrollar herramientas fáciles de usar que integren plataformas y modelos.
https://www.sciencedirect.com/science/article/pii/S277237552400176X