A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations (2021)
- Authors:
- USP affiliated authors: DIAS, CARLOS TADEU DOS SANTOS - ESALQ ; MOLIN, JOSE PAULO - ESALQ ; MALDANER, LEONARDO FELIPE - ESALQ ; CANATA, TATIANA FERNANDA - ESALQ
- Unidade: ESALQ
- DOI: 10.1590/1678-992x-2019-0252
- Subjects: AGRICULTURA DE PRECISÃO; GEOESTATÍSTICA; SATÉLITES ARTIFICIAIS; SISTEMA DE POSICIONAMENTO GLOBAL
- Keywords: RTK; SBAS
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2021
- Source:
- Título do periódico: Scientia Agricola
- ISSN: 1678-992X
- Volume/Número/Paginação/Ano: v. 78, n. 5, art. e20190252, p. 1-9, 2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
MALDANER, Leonardo Felipe et al. A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations. Scientia Agricola, v. 78, n. 5, p. 1-9, 2021Tradução . . Disponível em: https://doi.org/10.1590/1678-992x-2019-0252. Acesso em: 03 jun. 2024. -
APA
Maldaner, L. F., Canata, T. F., Dias, C. T. dos S., & Molin, J. P. (2021). A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations. Scientia Agricola, 78( 5), 1-9. doi:10.1590/1678-992x-2019-0252 -
NLM
Maldaner LF, Canata TF, Dias CT dos S, Molin JP. A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations [Internet]. Scientia Agricola. 2021 ; 78( 5): 1-9.[citado 2024 jun. 03 ] Available from: https://doi.org/10.1590/1678-992x-2019-0252 -
Vancouver
Maldaner LF, Canata TF, Dias CT dos S, Molin JP. A statistical approach to static and dynamic tests for Global Navigation Satellite Systems receivers used in agricultural operations [Internet]. Scientia Agricola. 2021 ; 78( 5): 1-9.[citado 2024 jun. 03 ] Available from: https://doi.org/10.1590/1678-992x-2019-0252 - Sugarcane Yield Mapping Using High-Resolution Imagery Data and Machine Learning Technique
- Predicting the sugarcane yield in real-time by harvester engine parameters and machine learning approaches
- A system for plant detection using sensor fusion approach based on machine learning model
- High-resolution imagery data to assess the spatial variability of sugarcane fields
- 3D data processing to characterize the spatial variability of sugarcane fields
- Methodology to filter out outliers in high spatial density data to improve maps reliability
- Sensor fusion with NARX neural network to predict the mass flow in a sugarcane harvester
- Sugarcane Harvester for In-field Data Collection:: State of the Art, Its Applicability and Future Perspectives
- Equação de calibração de um TDR comercial para determinação do teor de água em solos de Piracicaba-SP
- Validação de equação de calibração de um sensor TDR visando à determinação de umidade volumétrica do solo
Informações sobre o DOI: 10.1590/1678-992x-2019-0252 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 3005598-A statistical app... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
