@InProceedings{CostaRabe:2023:AvMoRe,
               author = "Costa, Jo{\~a}o Pedro de Sousa and Rabelo, Max Well de Oliveira",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Federal de Goi{\'a}s (IFG)}",
                title = "Avalia{\c{c}}{\~a}o de modelos de regress{\~a}o linear 
                         m{\'u}ltipla para estimativa da produtividade de 
                         cana-de-a{\c{c}}{\'u}car a partir de par{\^a}metros 
                         biom{\'e}tricos e imagens do sensor MSI/Sentinel-2",
            booktitle = "Anais...",
                 year = "2023",
               editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz 
                         Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
                pages = "e156276",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 20. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "Sensoriamento remoto, cana-dea{\c{c}}{\'u}car, produtividade, 
                         estimativa, Remote sensing, sugarcane, productivity, estimation.",
             abstract = "O Brasil {\'e} o maior produtor mundial de 
                         cana-de-a{\c{c}}{\'u}car, devido ao elevado valor agregado desta 
                         cultura, sendo necess{\'a}rio compreender sua 
                         produ{\c{c}}{\~a}o para tomada decis{\~a}o de produtores e 
                         {\'o}rg{\~a}os governamentais. O presente trabalho teve como 
                         objetivo, integrar dados biom{\'e}tricos obtidos em campo e 
                         imagens orbitais do sensor MSI/Sentinel 2 e avaliar se {\'e} 
                         poss{\'{\i}}vel obter modelos mais precisos para a estimativa da 
                         produtividade da cana de a{\c{c}}{\'u}car a partir da 
                         combina{\c{c}}{\~a}o destas vari{\'a}veis. Os melhores modelos 
                         avaliados pelo Rē ajustado obtiveram valor de 0,76, e o mesmo 
                         cen{\'a}rio apresentou o menor Erro M{\'e}dio Absoluto de 2,94 
                         ton.ha-1. Os modelos com biometria apresentaram melhores 
                         resultados nas m{\'e}tricas estat{\'{\i}}sticas da 
                         valida{\c{c}}{\~a}o cruzada, possibilitando melhoria no 
                         desempenho dos modelos. Destaca-se a necessidade da 
                         obten{\c{c}}{\~a}o de vari{\'a}veis biom{\'e}tricas em campo 
                         com perspectiva de espacializa{\c{c}}{\~a}o compat{\'{\i}}vel 
                         com dados de sensoriamento remoto. ABSTRACT: Brazil is the world's 
                         largest sugarcane producer, due to the high added value of this 
                         crop, making it necessary to understand its production for 
                         production by producers and government agencies. The objective, to 
                         integrate biometric data obtained in the field and orbital images 
                         from the MSISentinel 2 sensor and to evaluate it is possible to 
                         obtain more accurate models present a work of estimating the 
                         productivity of the sugar capacity from the variable variables. 
                         The best models evaluated by Rē obtained a value of 0.76, and the 
                         same environment presented the lowest Absolute Mean Error of 2.94 
                         ton.ha-1. Models with biometrics showed better results in 
                         cross-validation measurements, which could improve the performance 
                         of the models. The need to adapt biometric variables in field of 
                         spatialization perspective with remote sensor data is 
                         highlighted.",
  conference-location = "Florian{\'o}polis",
      conference-year = "02-05 abril 2023",
                 isbn = "978-65-89159-04-9",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/492724S",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/492724S",
           targetfile = "156276.pdf",
                 type = "Produ{\c{c}}{\~a}o e previs{\~a}o agr{\'{\i}}cola",
        urlaccessdate = "09 maio 2024"
}