Discriminating Irrigated and Rainfed Maize with Diurnal Fluorescence and Canopy Temperature Airborne Maps
Notice bibliographique
Résumé
This study evaluates the potential of airborne remote sensing images to detect water stress in maize. Visible and near infrared CASI (Itres Research Ltd., Calgary, AL, Canada) and thermal AHS-160 (Sensytech Inc., Beverly, MA, USA) data were acquired at three different times during the day on a maize field (Zea mays L.) grown with three different irrigation treatments. An intensive field campaign was also conducted concurrently with image acquisition to measure leaf ecophysiological parameters and the leaf area index. The analysis of the field data showed that maize plants were experiencing moderate to severe water stress in rainfed plots and a weaker stress condition in the plots with a water deficit imposed between stem elongation and flowering. Vegetation indices including the normalized difference vegetation index (NDVI) and the photochemical reflectance index (PRI) computed from the CASI images, sun-induced chlorophyll fluorescence (F760) and canopy temperature (Tc) showed different performances in describing the water stress during the day. During the morning overpass, NDVI was the index with the highest discriminant power due to the sensitivity of NDVI to maize canopy structure, affected by the water irrigation treatment. As the day progressed, processes related to heat dissipation through plant transpiration became more and more important and at midday Tc showed the best performances. Furthermore, Tc retrieved from the midday image was the only index able to distinguish all the three classes of water status. Finally, during the afternoon, PRI and F760 showed the best performances. These results demonstrate the feasibility to detect water stress using thermal and optical airborne data, pointing out the importance of careful planning of the airborne surveys as a function of the specific aims of the study.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».