MétaCan
Menu
Retour à la cohorte
Enregistrement W1978881754 · doi:10.1080/01431160210156018

Growth profile based crop yield models: A case study of large area wheat yield modelling and its extendibility using atmospheric corrected NOAA AVHRR data

2003· article· en· W1978881754 sur OpenAlexfundno aff
Manik H. Kalubarme, M. B. Potdar, K. R. Manjunath, R. K. Mahey, S. S. Siddhu

Notice bibliographique

RevueInternational Journal of Remote Sensing · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésNormalized Difference Vegetation IndexAdvanced very-high-resolution radiometerMathematicsCrop yieldEnvironmental scienceStatisticsSatelliteLeaf area indexAgronomyBiology

Résumé

récupéré en direct d'OpenAlex

Wheat growth profile based yield models for 12 districts of Punjab State and 16 districts of Haryana State have been developed using the normalised difference vegetation index (NDVI) derived from NOAA-11 AVHRR data of the 1993-94 cropping season. Atmospheric normalisation of AVHRR data was performed prior to deriving district-level area weighted average NDVI (AWANDVI). The invariant growth profile model suggested by Badhwar was fitted and spectral emergence date, maximum vegetative vigour, peak day value of profile, growth rate and senescence rate, area under the curve, etc. were derived. These parameters were related to the reported district-level wheat yields using multiple regression analysis. A field study was also conducted using a handheld spectro-radiometer at the research station of Punjab Agricultural University (PAU), Ludhiana. From this field experimental data, wheat growth profile parameters were derived which were compared with satellite based parameters. Inversion of the models was carried out to evaluate the results by comparing the reported and predicted wheat yields. The results indicate highly significant fitting of the NDVI profile to the Badhwar model as indicated by multiple linear correlation coefficients and Fisher test. A significant relationship between district-level wheat yields and fractional area under the curve was also observed. The overall correlation of 0.82 for Punjab and Haryana states was obtained between reported yield and growth profile derived parameters. Atmospheric normalisation resulted in improvement of prediction model statistics ( R increased from 0.42 to 0.86). Evaluation of the models indicated that 10 out of 16 districts of Haryana State and 9 out of 12 districts of Punjab State showed relative deviations within 10% between reported and model predicted wheat yields.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,869

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,285
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Remote SensingMême sujetRemote Sensing in AgricultureTravaux en français237 207