Πρόβλεψη παραγωγής σε καλλιέργειες βιομηχανικής τομάτας με χρήση εφαρμογών γεωργίας ακριβείας

Περίληψη

Αυτή η μελέτη έχει ως στόχο να συμβάλει στον τομέα της Γεωργίας Ακριβείας, εξερευνώντας τις δυνατότητες των προηγμένων τεχνολογιών και μεθόδων στην πρόβλεψη απόδοσης στην καλλιέργεια βιομηχανικής ντομάτας. Το κύριο εγχείρημα ήταν η ανάπτυξη και αξιολόγηση μιας αξιόπιστης μεθοδολογίας που ενσωματώνει προηγμένες τεχνολογίες, δεδομένα τηλεπισκόπησης και προηγμένες αναλυτικές τεχνικές, όπως η μηχανική μάθηση και η στατιστική ανάλυση. Ο κύριος στόχος είναι η βελτίωση της ακρίβειας και της αξιοπιστίας των προβλέψεων απόδοσης σε τοπικό και περιφερειακό επίπεδο. Αυτό επιτεύχθηκε μέσω μιας προοδευτικής προσέγγισης που εφαρμόστηκε ετησίως, χρησιμοποιώντας μη καταστροφικές μεθόδους για την παρακολούθηση του βιολογικού κύκλου της καλλιέργειας και τη βελτίωση των μοντέλων πρόβλεψης παραγωγής. Κατά τη διάρκεια αυτής της μελέτης, εφαρμόστηκε μια προοδευτική μεθοδολογία για τη συγκέντρωση δεδομένων. Άρχισε με μια συστηματική βιβλιογραφική ανασκόπηση που εστίασε στην πρόβλεψη απόδοσης με μεθόδους Γεωργ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This research is designed to make a valuable contribution to the field of precision agriculture, by exploring the potential of state-of-the-art technologies and techniques for yield prediction in processing tomato crop. The core aim was to develop and evaluate a robust methodology incorporating cutting-edge technologies, remote sensing data, and sophisticated analytical techniques like machine learning and statistical analysis. The primary objective is to improve the accuracy and dependability of yield predictions at local and regional levels. This was achieved through a progressive approach implemented yearly, utilizing non-invasive methods to track the crop's biological cycle and refine predictive yield models. Over the course of this study, a progressive methodology was implemented to gather data and refine methodologies. It commenced with a systematic literature review focusing on yield predictions within precision agriculture, to offer an extensive overview of the latest advanceme ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/55505
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/55505
ND
55505
Εναλλακτικός τίτλος
Yield prediction in processing tomato crop, through precision agriculture practices
Συγγραφέας
Δάρρα, Νικολέτα (Πατρώνυμο: Κωνσταντίνος)
Ημερομηνία
2023
Ίδρυμα
Γεωπονικό Πανεπιστήμιο Αθηνών. Σχολή Περιβάλλοντος και Γεωργικής Μηχανικής. Τμήμα Αξιοποίησης Φυσικών Πόρων και Γεωργικής Μηχανικής
Εξεταστική επιτροπή
Φουντάς Σπυρίδων
Taylor James-Arnold
Καλύβας Διονύσιος
Αρβανίτης Κωνσταντίνος
Αρχοντούλης Σωτήριος
Τραυλός Ηλίας
Ψωμιάδης Εμμανουήλ
Επιστημονικό πεδίο
Γεωπονικές Επιστήμες και ΚτηνιατρικήΓεωπονία, Δασολογία και Αλιεία ➨ Γεωπονία, άλλοι τομείς
Λέξεις-κλειδιά
Γεωργία ακρίβειας; Τηλεπισκόπηση; Δείκτες βλάστησης; NDVI; Βιομηχανική τομάτα; Τεχνητή νοημοσύνη; AutoML
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., χαρτ., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)