Kalman Filters in crop models: old experiences in new contexts

Kalman Filters in crop models: old experiences in new contexts | SciELO Preprints window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} gtag('js', new Date()); gtag('config', 'G-3TT8HYRH0Y'); Open Menu Registrar-se Acesso English Español Ir para o conteúdo principal Ir para o menu de navegação principal Ir para o rodapé Preprints Submissão Áreas do Conhecimento Ciências Agrárias Ciências Biológicas Ciências da Saúde Ciências Exatas e da Terra Ciências Humanas Ciências Sociais Aplicadas Engenharias Linguística, letras e artes Educação em Revista Memórias do Instituto Oswaldo Cruz 47º Encontro Anual da ANPOCS 48º Encontro Anual da ANPOCS 49º Encontro Anual da ANPOCS Sobre Sobre o Servidor Declaração de Privacidade Atualizações do Sistema Contato FAQ Ética no SciELO Preprints Avaliação de preprints Anotações em preprints (via Hypothesis) Avalie um preprint Notícias Início / Ciências Agrárias Preprint / Versão 1 Kalman Filters in crop models: old experiences in new contexts article.authors6a18b44c2f1fb Monique Pires Gravina de Oliveira Universidade Estadual de Campinas (UNICAMP) image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0001-7167-4473 Thais Queiroz Zorzeto-Cesar Universidade Estadual de Campinas (UNICAMP) image/svg+xml Romis Ribeiro de Faissol Attux Universidade Estadual de Campinas (UNICAMP) image/svg+xml Luiz Henrique Antunes Rodrigues Universidade Estadual de Campinas (UNICAMP) image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0002-1756-7367 DOI: https://doi.org/10.1590/SciELOPreprints.8033 Palavras-chave: crop model, data assimilation, protected environments, uncertainty, state estimation Resumo Data assimilation has been widely used for improvement of crop models’ estimates, for example to incorporate the effects of external events or compensate calibration errors in large areas. The term describes multiple approaches for those who want to take advantage of satellite imagery to reduce uncertainty or improve accuracy of model estimates. Kalman Filters are among the most used methods for achieving these goals. But their use in new contexts, i.e., from open field to protected environments, requires untangling aspects of the pipeline that are often performed in many different ways without guidelines, such as which variables to assimilate or how to ascribe uncertainty to observations or model estimates. This study is then divided in two parts. In the first, we review details on how uncertainty is ascribed on crop model estimates and in observations for applications of the Kalman Filter and three variations of the method, i.e., the Extended, Unscented and Ensemble, as well as which state variables are often updated and the frequency with which assimilation may occur, as well as how these aspects are connected to each other. In the second part, we apply different approaches from the reviewed literature in a greenhouse tomato crop model. We use artificial data with controlled noise levels as well as artificial data generated by simulation using other tomato crop model. We assess the impacts of using different methods and different approaches for ascribing uncertainty in model estimates and in observations, by assimilating artificial observations of fruit and of mature fruit biomass. We note that covariances should not be fixed values, that there are trade-offs between ascribing model uncertainty to the state itself and to other elements of the process, that observation covariance may have been considered disproportionality higher when using some ensemble generation approaches in the EnKF, and that bias in model estimates may lead to worse outcomes even when observations are high-quality ones. While we discussed aspects that should be considered in a new environment, many of them are also important for field crops, and we concluded assimilation should follow an assessment of which variables could be useful for assimilation. Downloads Os dados de download ainda não estão disponíveis. PDF (Inglês) Postado 28/05/2026 — Atualizado em 06/02/2024 Como Citar Kalman Filters in crop models: old experiences in new contexts. (2024). Em SciELO Preprints . https://doi.org/10.1590/SciELOPreprints.8033 Formatos de Citação ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver Baixar Citação Endnote/Zotero/Mendeley (RIS) BibTeX Série Ciências Agrárias Copyright (c) 2024 Monique Pires Gravina de Oliveira, Thais Queiroz Zorzeto-Cesar, Romis Ribeiro de Faissol Attux, Luiz Henrique Antunes Rodrigues Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License . Dados de financiamento Fundação de Amparo à Pesquisa do Estado de São Paulo Números do Financiamento 2018/12050-6 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Números do Financiamento 001 Conselho Nacional de Desenvolvimento Científico e Tecnológico Números do Financiamento 308811/2019-4 .citations-container { overflow-y: auto; overflow-x: hidden; max-height: 1000px; } Plaudit Declaração de dados Os dados de pesquisa estão disponíveis em um ou mais repositório de dados https://doi.org/10.25824/redu/EP4NGO Aviso de preprints Preprints são manuscritos não avaliados por um periódico científico ou já avaliados mas em processo de publicação. .block_announcements_article:not(:last-child) { padding-bottom: 1.5em; border-bottom: 1px solid; } .block_announcements_article { text-align: left; } .block_announcements #show-all{ font-style: italic; } Notícias SciELO Preprints adota obrigatoriedade de declaração de disponibilização de dados de pesquisa 19 agosto 2025 A partir de 1º de setembro de 2025 os manuscritos submetidos ao SciELO Preprints devem incluir uma declaração de disponibilidade de dados informando sobre onde e como os dados da pesquisa que deram origem ao artigo podem ser acessados. Atualização da Política Editorial e FAQ 21 maio 2025 Todos(as) os(as) autores(as) são solicitados(as) a consultarem a nossa Política Editorial e nossas FAQs antes de submeterem o seu manuscrito. Prêmio Ben Barres Spotlight: Inscrições abertas para 2024 20 maio 2024 Prêmios de até US$ 5.000 estão agora disponíveis para pesquisadores de origens sub-representadas ou países com financiamento limitado para apoiar sua pesquisa, carreira e comunidade. Preprints do SciELO Preprints nas ciências da vida ou biomédicas com pelo menos uma revisão disponível no Sciety são elegíveis! Show all announcements ... SciELO - Scientific Electronic Library Online Rua Dr. Diogo de Faria, 1087 – 9º andar – Vila Clementino 04037-003 São Paulo/SP - Brasil E-mail: [email protected] app = {"hypothesisHandlerUrl":"https:\/\/preprints.scielo.org\/index.php\/scielo\/$$$call$$$\/plugins\/generic\/hypothesis\/controllers\/hypothesis\/"}; var pkpUsageStats = pkpUsageStats || {};pkpUsageStats.data = pkpUsageStats.data || {};pkpUsageStats.data.Submission = pkpUsageStats.data.Submission || {};pkpUsageStats.data.Submission[8033] = {"data":{"2024":{"2":"40","3":"23","4":"12","5":"13","6":"9","7":"5","8":"3","9":"3","10":"5","11":"2","12":"6"},"2025":{"1":"17","2":"3","3":"5","4":"14","5":"13","6":"10","7":"13","8":"17","9":"27","10":"20","11":"25","12":"33"},"2026":{"1":"15","2":"6","3":"13","4":"46","5":"30"}},"label":"Todos os downloads","color":"79,181,217","total":428}; var pkpUsageStats = pkpUsageStats || {};pkpUsageStats.locale = pkpUsageStats.locale || {};pkpUsageStats.locale.months = ["Jan","Fev","Mar","Abr","Mai","Jun","Jul","Ago","Set","Out","Nov","Dez"];pkpUsageStats.config = pkpUsageStats.config || {};pkpUsageStats.config.chartType = "bar"; (function (w, d, s, l, i) { w[l] = w[l] || []; var f = d.getElementsByTagName(s)[0], j = d.createElement(s), dl = l != 'dataLayer' ? '&l=' + l : ''; j.async = true; j.src = 'https://www.googletagmanager.com/gtag/js?id=' + i + dl; f.parentNode.insertBefore(j, f); function gtag(){dataLayer.push(arguments)}; gtag('js', new Date()); gtag('config', i); }) (window, document, 'script', 'dataLayer', '3TT8HYRH0Y');