Listing 1 - 10 of 17 | << page >> |
Sort by
|
Choose an application
dividendes --- dividendes --- dividendes --- dividendes --- prevision de rendement
Choose an application
Vigne --- grapevines --- Climatologie --- Climatology --- Physiologie végétale --- Plant physiology --- Météorologie --- Meteorology --- Prévision de rendement --- yield forecasting --- France
Choose an application
La culture du coton est la plus importante culture dans l’économie de Turquie bien qu’il y ait une diminution de la production dans la région égéenne. Deux provinces, Muğla et Uşak, ont cessé la production de coton depuis de l’année 2007. Dans ce mémoire, nous sommes attachés à déterminer les facteurs et leurs effets sur le rendement du coton dans les quatre provinces Aydin, Denizli, Izmir et Manisa. Les estimations sont basées sur des données agrométéorologiques, NDVI et économiques. Les données d’exportation mondiale du coton de Chine et des Etats-Unis ont été recueillies sur le site de FAOSTAT. Les facteurs agrométéorologiques et les données NDVI sont issus d’une série de logiciels VAST, Agrometshell, Windisp. La province Manisa a permis d’obtenir un modèle plus robuste avec les données agrométéorologiques, les NDVI et les sorties de VAST. NDVI maturation a été une des variables les plus pertinentes pour chaque province.
Coton --- Région égéenne --- Prévision de rendement --- Sciences du vivant > Agriculture & agronomie
Choose an application
Face à l’insécurité alimentaire et la démographie galopante, la production agricole doit augmenter de manière significative pour combler les besoins alimentaires des populations. Le recours aux modèles de prédiction de rendement agricole à l’échelle locale ou nationale constitue actuellement une stratégie et garantie pour la sécurité alimentaire. Dans cette étude, le modèle AquaCrop de la FAO a été utilisé pour simuler le rendement en maïs grain dans le contexte agroécologique de Lubumbashi, République Démocratique du Congo. Il s’agit d’un modèle basé sur la productivité eau-sol-plante nécessitant des données météorologiques, culturales et de sol. L’étude a été menée à la ferme Ubuntu pour la campagne agricole 2016-2017. Les données climatiques de la base des données satellitaires de la NASA, les fonctions de pédotransfert (FPT) pour les données manquantes du sol et les données de trois variétés de maïs réparties dans 7 blocs ont été utilisées dans le modèle. L’indice de végétation NDVI a été effectué pour apprécier la couverture végétale des blocs. Les résultats montrent, sur la description climatique du site pour les années 2016 et 2017, des valeurs qui sont restées dans la gamme enregistrée dans la région de Lubumbashi pour toutes les variables observées. L’évaporation de référence montre une moyenne de 6,35 mm/jour au cours des années 2016 et 2017 avec un maximum de 8,73 mm/jour et un minimum de 1,29 mm/jour. Néanmoins, aucun stress hydrique n’a été observé sur les plantes au cours de la culture. Les rendements en maïs grains dans le site ont varié entre 4,1 et 9,73 t/ha. Le bloc F avec la variété SC719 a donné le rendement le plus élevé et le bloc I avec la variété PAN 53 le plus faible. Ces rendements augmentent relativement avec la teneur en matière organique du sol. Les résultats de FPT révèlent une densité apparente des sols variant entre 1,42 et 1,58 g/cm3 et la réserve en eau utile entre 1,06 à 1,57 mm/cm dans les blocs. L’analyse de NDVI a révélé la couverture végétale de chaque bloc au cours de la culture. La fonction logarithmique de stress de fertilité développée en fonction de la matière organique montre, un coefficient de corrélation faible ce qui implique une étude expérimentale ultérieure qui permettrait mieux de clarifier cette observation. Les résultats des simulations des rendements en maïs grain avec AquaCrop montrent des valeurs très proches entre les rendements mesurés et simulés (R2 = 0,94 et l’erreur moyenne de prédiction Pe = 14%). Les rendements potentiels varient entre 13,17 et 14,6 t/ha. Le stress de fertilité de sol est à la base des faibles rendements obtenus. Cette étude constitue une approche robuste pour accroître le rendement et pour optimiser les stratégies des gestions des champs à l'échelle locale ou nationale.
AquaCrop --- maïs (Zea mays L.) --- prévision de rendement --- NDVI --- Lubumbashi --- Sciences du vivant > Sciences de l'environnement & écologie
Choose an application
European Union --- Prévision de rendement --- yield forecasting --- Pomme de terre --- Potatoes --- Météorologie --- Meteorology --- Modèle de simulation --- Simulation models --- Climatologie --- Climatology --- Physiologie végétale --- Plant physiology --- Europe
Choose an application
Crops and climate --- Climatic changes --- Changement climatique --- Climatic change --- Pays en développement --- Developing countries --- Prévision de rendement --- yield forecasting --- Rendement --- Yields --- Sécurité alimentaire --- food security --- Climat --- climate --- Production --- Modèle --- Models --- Crops and climate - Congresses --- Climatic changes - Congresses --- Irri
Choose an application
Blé --- Wheats --- Stade de développement végétal --- Plant developmental stages --- Biomasse --- biomass --- Phénologie --- Phenology --- Morphologie végétale --- Plant morphology --- Climat --- climate --- Physiologie végétale --- Plant physiology --- Prévision de rendement --- yield forecasting --- Pratique culturale --- Cultivation --- France
Choose an application
Système d'information géographique --- Geographical information systems --- Surveillance de l'environnement --- Prévision de rendement --- yield forecasting --- Changement climatique --- Climatic change --- Modèle --- Models --- Changement technologique --- technological changes --- Geografie --- Remote Sensing --- Remote Sensing Toepassingen.
Choose an application
Rendement des cultures --- Crop yield --- Prévision de rendement --- yield forecasting --- Développement biologique --- biological development --- Croissance --- Growth --- Physiologie végétale --- Plant physiology --- Modélisation des cultures --- Crop modelling --- Phénologie --- Phenology --- Facteur du milieu --- environmental factors --- Crops --- Crop yields --- Physiology --- Mathematical models. --- Development.
Choose an application
Agricultural techniques --- Plant physiology. Plant biophysics --- Agronomy --- Crops --- Crop yields --- Physiology --- Congresses --- Physiologie végétale --- Plant physiology --- Production végétale --- Plant production --- Photosynthèse --- Photosynthesis --- Facteur de rendement --- Yield factors --- Prévision de rendement --- yield forecasting --- Rendement --- Yields --- Sécheresse --- Drought --- Température --- Temperature --- Plante de culture --- Rayonnement ultraviolet --- Ultraviolet radiation --- Temperature. --- Crops - Physiology - Congresses --- Crop yields - Congresses
Listing 1 - 10 of 17 | << page >> |
Sort by
|