A smartphone APP for weather-based irrigation scheduling using artificial neural networks

[1]  Lucas Borges Ferreira,et al.  Estimation of reference evapotranspiration in Brazil with limited meteorological data using ANN and SVM – A new approach , 2019, Journal of Hydrology.

[2]  I. Borges,et al.  Desempenho de híbridos experimentais e comerciais de milho para produção de milho verde , 2008 .

[3]  M. Morenz,et al.  Um novo clorofilômetro para estimar os teores de clorofila em folhas do capim Tifton 85 , 2012 .

[4]  A. A. Alazba,et al.  Artificial neural networks versus gene expression programming for estimating reference evapotranspiration in arid climate , 2016 .

[5]  R. C. Oliveira,et al.  Productivity of sweet corn and green corn genotypes according to harvest intervals , 2014 .

[6]  Miguel Ángel Moreno,et al.  FORETo: New software for reference evapotranspiration forecasting , 2012 .

[7]  J. O. Cazetta,et al.  Desempenho de híbridos de milho submetidos a diferentes espaçamentos e densidades populacionais , 2008 .

[8]  P. R. F. D. Silva,et al.  Clorofila na folha como indicador do nível de nitrogênio em cereais , 2001 .

[9]  J. Luz,et al.  Produtividade de genótipos de milho doce e milho verde em função de intervalos de colheita , 2014 .

[10]  Rogério Farinelli,et al.  PRODUTIVIDADE E EFICIÊNCIA AGRONÔMICA DO MILHO EM FUNÇÃO DA ADUBAÇÃO NITROGENADA E MANEJOS DE SOLO , 2011 .

[11]  N. S. Raghuwanshi,et al.  Artificial neural networks approach in evapotranspiration modeling: a review , 2010, Irrigation Science.

[12]  Osvaldir Feliciano dos Santos,et al.  EFICIÊNCIA DO USO DA ÁGUA PELO MILHO DOCE EM DIFERENTES LÂMINAS DE IRRIGAÇÃO E ADUBAÇÃO NITROGENADA EM COBERTURA , 2016 .