Bayesian machine learning to quantify the uncertainty in nitrogen nutrition index using UAV-based imagery and weather data

T.S.T. Tanaka; R. Gislum

Jump to Content

Bayesian machine learning to quantify the uncertainty in nitrogen nutrition index using UAV-based imagery and weather data

in Precision agriculture '25

Autor:innen:

T.S.T. Tanaka

T.S.T. Tanaka takashi@agro.au.dk

Search for other papers by T.S.T. Tanaka in
Current site
Google Scholar
PubMed

und

R. Gislum

R. Gislum
Search for other papers by R. Gislum in
Current site
Google Scholar
PubMed

Art:: Kapitel

Seiten:: 426–430

DOI:: https://doi.org/10.1163/9789004725232_054

Angemeldet über:

Dar Hadith al Hassania

PDF herunterladen

Nitrogen nutrition index (NNI) is commonly used to assess crop nitrogen (N) status, but uncertainty in predicted NNI using remote sensing technologies has not been fully addressed. This study quantified uncertainty in UAV-based NNI predictions for winter wheat by combining machine learning with Bayesian critical N dilution curves. A partial least squares regression model was developed using various covariates, including reflectance, vegetation indices, and weather data. Results showed significant uncertainty in predicted NNI, with the 97.5th percentile often exceeding one, highlighting the limitations of conventional point-based predictions. The combination of machine learning and Bayesian approach offers more reliable uncertainty analysis for better N management decisions.

Zitierungsangaben

Save
Cite
Inhalt per Mail versenden

Link teilen

Sie können einen Link zu dieser Seite per E-Mail senden:
Inhalt per Mail versenden
oder den Link direkt kopieren:

https://brill.edhh.ma/edcollchap-oa/book/9789004725232/BP000054.xml
Der Link wurde nicht kopiert. Ihr aktueller Browser unterstützt das Kopieren über diese Schaltfläche möglicherweise nicht.

Link wurde kopiert

Reduzieren
Erweitern
Nach oben

Precision agriculture '25

ISBN:: 9789004725232

Verleger:: Wageningen Academic

Print-Publikationsdatum:: 18 Jun 2025

Fachgebiete
- Biowissenschaften
  - Allgemein
  - Landwirtschaft und Umwelt

Kennzahlen

	Insgesamt	Letzte 365 Tage	In den letzten 30 Tagen
Aufrufe von Kurzbeschreibungen	0	0	0
Gesamttextansichten	131	116	15
PDF-Downloads	121	88	6

Afrikanistik	Internationale Beziehungen	Nahost- und Islamwissenschaften
Altorientalistik und Ägyptologie	Internationales Recht	Pädagogik
Amerikanistik	Judaistik	Philosophie
Asienwissenschaften	Klassische Altertumswissenschaft	Religionswissenschaft
Bibelauslegung	Kunstgeschichte	Slawistik und Eurasienkunde
Biologie	Literatur- und Kulturwissenschaften	Sozialwissenschaften
Biowissenschaften	Medienwissenschaft	Sprachen und Linguistik
Buchgeschichte und Kartographie	Menschenrechte und humanitäres Völkerrecht	Theologie und Christentum
Geschichte	Musikwissenschaft

Fachgebiete

Autor:innen

Open Access

Produkt-Informationen

Über uns

Kontakt

Bayesian machine learning to quantify the uncertainty in nitrogen nutrition index using UAV-based imagery and weather data

Zitierungsangaben

Link teilen

Precision agriculture '25

Inhaltsverzeichnis

Kennzahlen

Kennzahlen