Predicting sunflower grain yield using remote sensing data and statistical models - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Predicting sunflower grain yield using remote sensing data and statistical models

Domaines

Mathématiques [math] Informatique [cs] Sciences du Vivant [q-bio] Sciences de l'Homme et Société Sciences de l'environnement
Fichier principal
Vignette du fichier
2017_Debaeke_Abstract_EFITA_1.pdf (89.72 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Migration ProdInra  : Connectez-vous pour contacter le contributeur

https://hal.inrae.fr/hal-02737612

Soumis le : mardi 2 juin 2020-19:34:17

Dernière modification le : jeudi 14 mars 2024-03:13:36

Archivage à long terme le : samedi 5 décembre 2020-03:45:00

Télécharger pour visualiser

Dates et versions

hal-02737612 , version 1 (02-06-2020)

Identifiants

  • HAL Id : hal-02737612 , version 1
  • PRODINRA : 444642

Citer

Arnaud Micheneau, Luc Champolivier, Jean-François Dejoux, Al Bitar Ahmad, Célia Pontet, et al.. Predicting sunflower grain yield using remote sensing data and statistical models. 2017 EFITA WCCA Congress, Jul 2017, Montpellier, France. 254 p. ⟨hal-02737612⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

IRD INSU METEO CNRS INRA OMP OMP-CESBIO INRAE AGIR INRAEOCCITANIETOULOUSE TOULOUSE-INP UNIV-UT3 UT3-TOULOUSEINP MATHNUM MIAT
25 Consultations
26 Téléchargements

Partager

Gmail Facebook X LinkedIn More