Wallach, D., Martre, P., Liu, B., Asseng, S., Ewert, F., Thorburn, P. J., Ittersum, M. v., Aggarwal, P. K., Ahmed, M., Basso, B., Biernath, C., Cammarano, D., Challinor, A. J., De Sanctis, G., Dumont, B., Eyshi Rezaei, E., Fereres, E., Fitzgerald, G. J., Gao, Y., Garcia-Vila, M., Gayler, S., Girousse, C., Hoogenboom, G., Horan, H., Izaurralde, R. C., Jones, C. D., Kassie, B. T., Kersebaum, K. C., Klein, C., Koehler, A.-K., Maiorano, A., Minoli, S., Müller, C., Naresh Kumar, S., Nendel, C., O'Leary, G. J., Palosuo, T., Priesack, E., Ripoche, D., Rötter, R. P., Semenov, M. A., Stöckle, C., Stratonovitch, P., Streck, T., Supit, I., Tao, F., Wolf, J., & Zhang, Z. (2018). Multimodel ensembles improve predictions of crop-environment-management interactions. Global Change Biology, 24(11), 5071-5083. doi:10.1111/gcb.14411.
