Pasar al contenido principal

Predicting spatial and temporal variability in soybean yield using deep learning and open source data.

Enviado por Anónimo (no verificado) el
default

ABSTRACT.- Spatial crop yield prediction provides valuable insights for supporting sustainable and precise crop management decisions. This study assessed the capabilities of advanced Deep Learning (DL) architectures in predicting within-field soybean yields using spectral bands from Sentinel-2 (RS-Inputs), weather (W-Inputs), and topographic attributes (TA-Inputs). © 2024 The Author(s). Published by Elsevier B.V

Guía con acciones a considerar en sistemas lecheros en un verano seco.

Enviado por Anónimo (no verificado) el
61705

El déficit hídrico actual hace que el crecimiento del pasto (pasturas y cultivos) se vea reducido a cero. En muchos tambos, incluso ya se han agotado las reservas para suplir esta falta de pasto. El estrés calórico de verano complica aún más el bienestar y la producción de los animales. Frente a un verano seco, el principal objetivo es minimizar el impacto de la sequía y salir de ella protegiendo lo más posible la producción y el resultado económico del año.