Effectiveness of machine learning and deep learning models at county-level soybean yield forecasting

QR kód

Effectiveness of machine learning and deep learning models at county-level soybean yield forecasting

Crop yield forecasting is critical in modern agriculture to ensure food security, economic stability, and effective resource management. The main goal of this study was to combine historical multisource satellite and environmental datasets with a deep learning (DL) model for soybean yield forecastin...

Teljes leírás

Elmentve itt :

Bibliográfiai részletek
Szerzők:	Farmonov Nizom Amankulova Khilola Khan Shahid Nawaz Abdurakhimova Mokhigul Szatmári József Khabiba Tukhtaeva Makhliyo Radjabova Khodicha Meiliyeva Mucsi László
Dokumentumtípus:	Cikk
Megjelent:	2023
Sorozat:	HUNGARIAN GEOGRAPHICAL BULLETIN (2009-) 72 No. 4
Tárgyszavak:	Föld- és kapcsolódó környezettudományok
doi:	10.15201/hungeobull.72.4.4
mtmt:	34500549
Online Access:	http://publicatio.bibl.u-szeged.hu/29308

Hasonló tételek

Integrating the Sentinel-1, Sentinel-2 and Topographic data into soybean yield modelling using Machine Learning
Szerző: Amankulova Khilola, et al.
Megjelent: (2024)

Machine Learning-driven Crop Classification and Yield Prediction Using Combined Multispectral, Hyperspectral, and Environmental Data
Szerző: Farmonov Nizom
Megjelent: (2024)

Crop yield prediction using machine learning, multi-source remote sensing technologies and data fusion a case study of Mezőhegyes Hungary /
Szerző: Amankulova Khilola
Megjelent: (2024)

Deep reinforcement learning a study of the CartPole problem /
Szerző: Budai Ádám, et al.
Megjelent: (2018)

Comparison of PlanetScope, Sentinel-2, and landsat 8 data in soybean yield estimation within-field variability with random forest regression
Szerző: Amankulova Khilola, et al.
Megjelent: (2023)

Assessment of the Effectiveness of Spectral Indices Derived from EnMAP Hyperspectral Imageries Using Machine Learning and Deep Learning Models for Winter Wheat Yield Prediction
Szerző: Mucsi László, et al.
Megjelent: (2025)

Twitter bot detection using deep learning
Szerző: Kenyeres Ádám, et al.
Megjelent: (2022)

Applications of deep learning in single-cell analysis
Szerző: Hollandi Réka
Megjelent: (2021)

EKG referenciapontok előrejelzése Deep Learning segítségével
Szerző: Fodor Franciska
Megjelent: (2019)

The role of interpretable patterns in deep learning for morphology
Szerző: Ács Judit, et al.
Megjelent: (2020)

Time-series analysis of Sentinel-2 satellite images for sunflower yield estimation
Szerző: Amankulova Khilola, et al.
Megjelent: (2023)

A Novel Fusion Method for Soybean Yield Prediction Using Sentinel-2 and PlanetScope Imagery
Szerző: Amankulova Khilola, et al.
Megjelent: (2024)

Deep learning for industry 5.0 digital-twins of people and places : [abstract] /
Szerző: Fenech Kristian
Megjelent: (2024)

Synergizing Fuzzy-based Task Offloading with Machine Learning-driven Forecasting for IoT
Szerző: Márkus András, et al.
Megjelent: (2024)

Deep learning in static, metric-based bug prediction
Szerző: Ferenc Rudolf, et al.
Megjelent: (2020)

Deep Learning alkalmazása objektum-felismerésre közepes felbontású műholdképeken
Szerző: Taró Bence
Megjelent: (2020)

Videójel alapú szegmentálás Deep Learning technikával videokártyán implementálva
Szerző: Kisgergely Ádám
Megjelent: (2018)

Crop Type Classification by DESIS Hyperspectral Imagery and Machine Learning Algorithms
Szerző: Farmonov Nizom, et al.
Megjelent: (2023)

MOOC Performance Prediction by Deep Learning from Raw Clickstream Data
Szerző: Kőrösi Gábor, et al.
Megjelent: (2020)

Deep learning-based method for Sentiment Analysis for Patients' Drug Reviews
Szerző: Al-Hadhrami Sena Sadeq Ali
Megjelent: (2023)

Application of deep learning algorithms to single-cell segmentation and phenotypic profiling
Szerző: Moshkov Nikita
Megjelent: (2022)

Sunflower Crop Yield Prediction by advanced statistical modeling using Satellite-derived Vegetation Indices and Crop Phenology
Szerző: Amankulova Khilola, et al.
Megjelent: (2023)

Flow, student engagement, deep learning, and the role of culture findings from the last 25 years of working with Csikszentmihalyi and colleagues : [abstract] /
Szerző: Shernoff David
Megjelent: (2025)

Deep learning alapú agyi jel feldolgozás és beszédszintézis előkészítő munkálatai
Szerző: Arthur Frigyes Viktor, et al.
Megjelent: (2022)

Deep Learning Models and Interpretations for Multivariate Discrete-Valued Event Sequence Prediction
Szerző: Kőrösi Gábor, et al.
Megjelent: (2021)

Application of deep learning tools in prediction of printability of 3D printed tablets
Szerző: Djuranović Marija, et al.
Megjelent: (2021)

Active contour and deep learning methods for single-cell segmentation in microscopy images
Szerző: Tasnádi Ervin
Megjelent: (2024)

Research into learning to learn through the assessment of quality and organization of learning outcomes
Szerző: Csapó Benő
Megjelent: (2007)

Learning‐related attitudes, support needs and performance in learning to learn assessment
Szerző: Vainikainen Mari‐Pauliina
Megjelent: (2014)

Learning it by doing project-based learning /
Szerző: Fűz-Kószó Mária, et al.

Climate frequency analysis for cereal yield forecasting in Morocco [abstract] /
Szerző: Saad Drissi, et al.
Megjelent: (2024)

Meditation and Language Learning Meditational Language Learning
Szerző: Rovó Edina
Megjelent: (2003)

A Hungarian approach to learning to learn An analysis of year 3–4 primary school children’s learning /
Szerző: Habók Anita
Megjelent: (2015)

Learning in logic
Szerző: Horváth Tamás
Megjelent: (2012)

Learning to say NO...
Szerző: Ötvös Krisztina
Megjelent: (2003)

E-Learning
Szerző: Kovács Katlalin Éva
Megjelent: (2010)

Learning difficulties
Szerző: Zemó Lászlóné
Megjelent: (2004)

Learning machine
Szerző: Antal Péter
Megjelent: (2019)

Automatic deep learning-driven label-free image-guided patch clamp system
Szerző: Koós Krisztián, et al.
Megjelent: (2021)

Advancing Wheat Single-Nucleotide Polymorphism Data Analysis with Explainable Deep Learning Models
Szerző: Ruggeri Dario, et al.
Megjelent: (2025)