by Xavier Bailleau | Jan 23, 2020 | Model & Remote Sensing
IntroductionDe très nombreuses moissonneuses batteuses sont équipées de capteur de rendement, beaucoup moins ont la capacité de créer des cartes de rendement géo-référencées permettant d’analyser la variabilité intra-parcellaire de la culture.Le capteur...
by Xavier Bailleau | Jan 5, 2020 | Model & Remote Sensing
Not all harvesters have a yield sensor allowing the development of geo-referenced harvest data. The use of an agro-physiological model in conjunction with satellite data makes it possible to approach the variability of the intra-plot yield. The satellite used is...
by Xavier Bailleau | Jan 4, 2020 | Model & Remote Sensing
Toutes les moissonneuses ne disposent pas de capteur de rendement permettant l’élaboration de données de récolte géo-référencées.L’utilisation d’un modèle agro-physiologique en conjonction avec des données satellitaire permet d’approcher la...
by Xavier Bailleau | Apr 2, 2019 | Model & Remote Sensing, Non classé
La campagne 2018-2019 aura été marquée par des conditions de semis délicates, dans une terre très sèche occasionnant des retards de levée et une grande hétérogénéité des plantes. Le graphe ci dessus montre la simulation de la parcelle (Boregar semé le 10 Octobre) les...
by Xavier Bailleau | Mar 18, 2019 | Model & Remote Sensing
La France est découpé en tuiles de 110 kms de coté afin de recevoir les images Sentinel 2. Chaque tuile reçoit 13 longueurs d’ondes, représentant pour une résolution de 10 mètres, 120 Millions de pixels, Il y a 92 tuiles qui ont un point commun avec le sol de...
by Xavier Bailleau | Dec 27, 2018 | Model & Remote Sensing
Dans le domaine de la télédétection spatiale les réseaux de neurones sont très souvent utilisés, on les classe dans la catégorie des algorithmes d’intelligence artificielle car ils miment le fonctionnement du cerveau pour acquérir une stratégie de décision...
