Non-destructive estimation of potato leaf chlorophyll and protein contents from hyperspectral measurements using the PROSPECT radiative transfer model
Notice bibliographique
Résumé
Optimizing nitrogen (N) fertilization in potato (Solanum tuberosum L.) production by in-season measurements of potato N status may improve fertilizer N-use efficiency. Hyperspectral leaf reflectance and transmittance measurements can be used to assess potato N status by estimating leaf chlorophyll or N contents. This study evaluated the ability of the inverted PROSPECT radiative transfer model to predict leaf chlorophyll and N (as protein) contents. Trials were conducted with Russet Burbank and Shepody potato cultivars under different N fertility rates (0 to 300 kg N ha -1 ) in 2001 and 2002. Leaf reflectance and transmittance, leaf chlorophyll content, and leaf protein content were measured. Leaf chlorophyll and protein content correlated significantly (r = 0.16*, n = 584), but the relationship was strongly dependent on sampling date (r = 0.55* to 0.92*). Chlorophyll content was predicted with reasonable accuracy by the model, particularly in 2002. The low estimation accuracy in 2001 was probably related to sample variability induced by prolonged drought conditions. Protein content could not be predicted with any degree of accuracy by the model. The relative success of the PROSPECT model to predict chlorophyll content, and the good correlation between leaf chlorophyll and leaf N, suggests that it might be used as a component of a more complex leaf-canopy reflectance model to estimate chlorophyll content from reflectance spectra at the canopy level. Key words: Leaf reflectance, PROSPECT radiative transfer model, Solanum tuberosum
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».