Перейти к основному содержанию
AkademIndex

Продукты

Для разработчиков

AkademBaseОткрытый API экосистемы
← Назад к работе

Работы, на которые ссылается эта работа

Работ: 84

Работа: A Novel Fusion Method for Soybean Yield Prediction Using Sentinel-2 and PlanetScope Imagery

  1. Assessing the fidelity of Landsat-based fAPAR models in two diverse sugarcane growing regions

    Sybrand Jacobus Muller, P. Sithole, A. Singels +1

    Статья2020Цитирований: 2
    ABI

  2. Optimal Soybean (Glycine max L.) Land Suitability Using GIS-Based Multicriteria Analysis and Sentinel-2 Multitemporal Images

    Dorijan Radočaj, Mladen Jurišić, Mateo Gašparović +1

    Статья2020Цитирований: 2
    ABI

  3. Assessing within-Field Corn and Soybean Yield Variability from WorldView-3, Planet, Sentinel-2, and Landsat 8 Satellite Imagery

    Sergii Skakun, Natacha Kalecinski, Meredith G. L. Brown +4

    Статья2021Цитирований: 2
    ABI

  4. SOYBEAN YIELD PREDICTION USING REMOTE SENSING IN SOUTHWESTERN PIAUÍ STATE, BRAZIL

    Thatiane Gomes Andrade, Aderson Soares de Andrade Júnior, Melissa Oda‐Souza +2

    Статья2022Цитирований: 2
    ABI

  5. Maize Yield Estimation in Intercropped Smallholder Fields Using Satellite Data in Southern Malawi

    Chengxiu Li, Ellasy Gulule Chimimba, Oscar Kambombe +7

    Статья2022Цитирований: 2
    ABI

  6. Crop Yield Prediction using Machine Learning Techniques

    Ramesh Medar, Vijay S. Rajpurohit, Shweta Shweta

    Статья2019Цитирований: 2
    ABI

  7. The handbook of brain theory and neural networks

    Krzysztof J. Cios, Mark E. Shields

    Статья1997Цитирований: 2
    ABI

  8. Near real-time agriculture monitoring at national scale at parcel resolution: Performance assessment of the Sen2-Agri automated system in various cropping systems around the world

    Pierre Defourny, Sophie Bontemps, Nicolas Bellemans +26

    Статья2018Цитирований: 2
    ABI

  9. Comparative assessment of environmental variables and machine learning algorithms for maize yield prediction in the US Midwest

    Yanghui Kang, Mutlu Özdoğan, Xiaojin Zhu +3

    Статья2020Цитирований: 2
    ABI

  10. On hyperparameter optimization of machine learning algorithms: Theory and practice

    Li Yang, Abdallah Shami

    Статья2020Цитирований: 2
    ABI

  11. Crop yield prediction using machine learning: A systematic literature review

    Thomas van Klompenburg, Ayalew Kassahun, Cagatay Catal

    Статья2020Цитирований: 2
    ABI

  12. Machine learning algorithms for soybean yield forecasting in the Brazilian Cerrado

    Valter Barbosa dos Santos, Aline Moreno Ferreira dos Santos, José Reinaldo da Silva Cabral de Moraes +2

    Статья2021Цитирований: 2
    ABI

  13. Без названия

    ДругоеЦитирований: 1
    ABI

  14. Без названия

    ДругоеЦитирований: 1
    ABI

  15. Без названия

    ДругоеЦитирований: 1
    ABI

  16. Без названия

    ДругоеЦитирований: 1
    ABI

  17. Без названия

    ДругоеЦитирований: 1
    ABI

  18. Без названия

    ДругоеЦитирований: 1
    ABI

  19. Без названия

    ДругоеЦитирований: 1
    ABI

  20. Без названия

    ДругоеЦитирований: 1
    ABI

  21. Без названия

    ДругоеЦитирований: 1
    ABI

  22. Без названия

    ДругоеЦитирований: 1
    ABI

  23. Без названия

    ДругоеЦитирований: 1
    ABI

  24. Без названия

    ДругоеЦитирований: 1
    ABI

  25. Без названия

    ДругоеЦитирований: 1
    ABI