A Precision Agriculture é uma revista internacional que se destaca por publicar pesquisas inovadoras sobre a eficiência no uso de recursos, produtividade, qualidade, rentabilidade e sustentabilidade da produção agrícola.

Esta revista aborda a variabilidade de recursos naturais dentro do campo, incluindo solo e características das culturas, explorando tecnologias de engenharia, como sistemas de sensores, técnicas computacionais, sistemas de posicionamento e controle. Além disso, apresenta conteúdo sobre gestão da variabilidade, como recomendação de nutrientes e produtos químicos de proteção de culturas, bem como a qualidade das culturas.

Incentivando submissões sobre medição, gestão, tecnologia e impacto da variabilidade espacial na escala dentro do campo, a Precision Agriculture prioriza também a cobertura ambiental, abordando questões como sedimentos, lavagem, escoamento e drenagem relacionados à variabilidade espacial.

A edição de abril da revista Precision Agriculture destaca os seguintes temas:

• Determinação espectroscópica do teor de clorofila nas folhas da cana-de-açúcar para deteção do stress hídrico
• Previsão do rendimento da cenoura com um calendário de aquisição de imagens Sentinel 2 personalizado
• Aprendizagem automática explicável para revelar as causas do "cracking" dos citrinos à escala regional
• Identificação da qualidade da aparência do morango com base na aprendizagem profunda não supervisionada
• Segmentação de exemplos de frutos Medjool parcialmente ocultos para desbaste robótico
• Abordagem genérica de otimização dos parâmetros hidráulicos do solo para aplicações de modelos específicos do local
• Cartografia dos danos causados pelo granizo no trigo de inverno (Triticum aestivum L.) utilizando uma abordagem hiperespectral de UAV em microescala
• Deteção remota por drone do "N" do trigo utilizando um sensor hiperespectral e aprendizagem automática
• Mapeamento da compressão do solo pela altura da planta e respostas espectrais do café em imagens multiespectrais obtidas por sistema de aeronave remotamente pilotada
• A espetroscopia no visível e no infravermelho próximo previu os teores de azoto foliar de variedades de batata em diferentes condições de crescimento e gestão
• Precisão dos monitores de rendimento de grãos para utilização em ensaios de faixas de investigação nas explorações agrícolas
• DAE-Mask: um novo modelo de deteção automática baseado na aprendizagem aprofundada para doenças do trigo no campo
• Caracterização fenotípica de alto rendimento da altura individual das plantas numa população de oleaginosas com base em imagens Mask-RCNN e UAV
• CNN 3D de ponta a ponta para a previsão do rendimento da soja à escala da parcela utilizando imagens RGB multitemporais baseadas em UAV
• Conceção, implementação e validação de um pulverizador de jato de ar preciso baseado em sensores para melhorar as aplicações de pesticidas em pomares
• Retinanet_G2S: uma rede multiescala baseada na fusão de características para a deteção de laranjas "punna navel" em ambientes de campo complexos
• Comparação de algoritmos de aprendizagem automática para prever e cartografar digitalmente o fósforo disponível à superfície do solo: um estudo de caso do sudoeste do Irão
• Potencial para reduzir os resíduos de nitratos após a colheita em campos de milho sem sacrificar o rendimento através da gestão precisa do azoto
• Índices de vegetação intratemporal e estabilidade da produção como fatores de previsão dos padrões espaciais da produção de milho (Zea mays L)
• Estratégias digitais para a gestão do azoto em sistemas de produção de cereais: lições de uma avaliação multimétodo utilizando a experimentação na exploração
• Melhorar a previsão do rendimento do arroz de sementeira direta utilizando características de UAV adquiridas durante a fase reprodutiva
• Imagens térmicas para identificação de avarias na irrigação gota a gota subsuperficial em pomares
• Colocação de tratamentos em experiências na exploração agrícola: conceções pseudo-bayesianas ideais com um modelo de resposta linear
• Estimativa da clorofila do dossel em pinheiro-bravo usando índices de vegetação multitemporais de veículos aéreos não tripulados (UAVs)
• Extração da vegetação iluminada, da vegetação sombreada e do fundo para uma cobertura vegetal fracionada mais fina com informação de polarização e uma rede de convolução

Veja todos os artigos sobre Agricultura de Precisão.