| |
|
|
|
|
|
|
|
|
1. |
Record Nr. |
UNISOBVAN0099933 |
|
|
Autore |
Nelson, David L. |
|
|
Titolo |
I principi di biochimica di Lehninger / David L. Nelson, Michael M. Cox ; edizione italiana [e revisione] a cura di Edon Melloni e Franca Salamino |
|
|
|
|
|
|
|
Pubbl/distr/stampa |
|
|
Bologna, : Zanichelli, 2014 |
|
|
|
|
|
|
|
ISBN |
|
|
|
|
|
|
Edizione |
[6. ed] |
|
|
|
|
|
Descrizione fisica |
|
XXVI, 1286 p. : ill. color. ; 30 cm. - Traduzione di Roberto Stifanese. - Sul frontespizio: Libro multimediale. |
|
|
|
|
|
|
|
|
Altri autori (Persone) |
|
|
|
|
|
|
Disciplina |
|
|
|
|
|
|
Lingua di pubblicazione |
|
|
|
|
|
|
Formato |
Materiale a stampa |
|
|
|
|
|
Livello bibliografico |
Monografia |
|
|
|
|
|
|
|
|
|
|
|
|
2. |
Record Nr. |
UNISALENTO991002012559707536 |
|
|
Autore |
Ferrara Mori, Gina |
|
|
Titolo |
Approccio sperimentale al concetto di insieme : analisi clinica descrittiva di una ricerca effettuata con bambini di 5 anni / [di] G. Ferrara Mori, F. Morino Abbele |
|
|
|
|
|
|
|
Pubbl/distr/stampa |
|
|
Firenze : Edizioni O.S, 1969 |
|
|
|
|
|
|
|
Descrizione fisica |
|
|
|
|
|
|
Altri autori (Persone) |
|
|
|
|
|
|
Disciplina |
|
|
|
|
|
|
Lingua di pubblicazione |
|
|
|
|
|
|
Formato |
Materiale a stampa |
|
|
|
|
|
Livello bibliografico |
Monografia |
|
|
|
|
|
3. |
Record Nr. |
UNINA9910637794503321 |
|
|
Autore |
Miao Yuxin |
|
|
Titolo |
Remote Sensing for Precision Nitrogen Management |
|
|
|
|
|
Pubbl/distr/stampa |
|
|
Basel, : MDPI - Multidisciplinary Digital Publishing Institute, 2022 |
|
|
|
|
|
|
|
ISBN |
|
|
|
|
|
|
Descrizione fisica |
|
1 electronic resource (602 p.) |
|
|
|
|
|
|
Soggetti |
|
Technology: general issues |
History of engineering & technology |
Environmental science, engineering & technology |
|
|
|
|
|
|
|
|
Lingua di pubblicazione |
|
|
|
|
|
|
Formato |
Materiale a stampa |
|
|
|
|
|
Livello bibliografico |
Monografia |
|
|
|
|
|
Sommario/riassunto |
|
This book focuses on the fundamental and applied research of the non-destructive estimation and diagnosis of crop leaf and plant |
|
|
|
|
|
|
|
|
|
|
nitrogen status and in-season nitrogen management strategies based on leaf sensors, proximal canopy sensors, unmanned aerial vehicle remote sensing, manned aerial remote sensing and satellite remote sensing technologies. Statistical and machine learning methods are used to predict plant-nitrogen-related parameters with sensor data or sensor data together with soil, landscape, weather and/or management information. Different sensing technologies or different modelling approaches are compared and evaluated. Strategies are developed to use crop sensing data for in-season nitrogen recommendations to improve nitrogen use efficiency and protect the environment. |
|
|
|
|
|
| |