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
- dicción del rendimiento y las enfermedades en los cultivos mediante índices de vegetación a través del procesamiento de imágenes satelitales
- 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
-
- Comparación de tecnologías de teledetección terrestres, con vehículos aéreos no tripulados y satelitales para el monitoreo de la biomasa de pastizales en granjas lecheras
- Evaluación de imágenes satelitales de alta frecuencia y resolución moderada para la evaluación y el monitoreo de gramíneas anuales invasoras
- 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
- 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
- dicción del rendimiento y las enfermedades en los cultivos mediante índices de vegetación a través del procesamiento de imágenes satelitales
- 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 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
- Nuevos artículos proximamente
-
Espacios ganaderos
- Nuevos artículos proximamente
-
Espacios forestales
- Nuevos artículos proximamente
< Todos los recursos
Imprimir
Actualizado
Predicción geoespacial robusta del rendimiento del trigo mediante aprendizaje automático, un modelo integrado de crecimiento de cultivos y datos satelitales de series temporales.
Geospatial Robust Wheat Yield Prediction Using Machine Learning and Integrated Crop Growth Model and Time-Series Satellite Data.
Referencia APA: Ishaq, R. A. F., Zhou, G., Jing, G., Shah, S. R. A., Ali, A., Imran, M., & Jiang, H. (2025). Geospatial robust wheat yield prediction using machine learning and integrated crop growth model and time-series satellite data. Remote Sensing, 17(7), 1140.