• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo UVaDOCComunidadesPor fecha de publicaciónAutoresMateriasTítulos

    Mi cuenta

    Acceder

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Ver ítem 
    •   UVaDOC Principal
    • TRABAJOS FIN DE ESTUDIOS
    • Trabajos Fin de Máster UVa
    • Ver ítem
    •   UVaDOC Principal
    • TRABAJOS FIN DE ESTUDIOS
    • Trabajos Fin de Máster UVa
    • Ver ítem
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/66339

    Título
    Modelización predictiva del rendimiento en maíz mediante índices de vegetación
    Autor
    Rodríguez Fernández, José
    Director o Tutor
    Marcos Robles, José LuisAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela Técnica Superior de Ingenierías AgrariasAutoridad UVA
    Año del Documento
    2023
    Titulación
    Máster en Ingeniería Agronómica
    Resumen
    Los modelos de simulación son una herramienta con la que se pueden estimar diferentes variables como la cantidad de insumos a utilizar, la producción de cada área cultivada o, simplemente prever tendencias a medio o largo plazo. En este caso, puesto que trabajo en una de las empresas más importantes de semillas de maíz para la zona (Corteva Agriscience y su plataforma de semillas Pioneer), me ha parecido interesante utilizar algunas de las herramientas con las que asesoramos a nuestros agricultores para hacer una modelización predictiva del rendimiento de maíz en una parcela conocida. Para ello, también se van a utilizar otros instrumentos que forman parte de la llamada Agricultura Digital, tales como índices de vegetación, mapas de rendimiento, aplicaciones agrícolas... y otra serie de herramientas utilizadas en inteligencia artificial y Machine Learning, tan de moda en la actualidad.
    Materias Unesco
    3103.01 Producción de Cultivos
    1203.26 Simulación
    3103.08 Gestión de la Producción Vegetal
    Palabras Clave
    Machine learning
    NDVI
    Agricultura digital
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/66339
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Máster UVa [7002]
    Mostrar el registro completo del ítem
    Ficheros en el ítem
    Nombre:
    TFM-L693.pdf
    Tamaño:
    2.350Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalLa licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10