Optimal time for remote sensing to relate to crop grain yield on the Canadian prairies
Notice bibliographique
Résumé
The optimal time to acquire remote sensing imagery to relate to grain yield has not been thoroughly investigated for the Canadian prairies. Remotely sensed data collected when there is the best relationship with yield should provide useful information on the in-field spatial variability of biophysical factors affecting crop productivity relevant to site-specific management. The correlations of normalized difference vegetation index (NDVI) with grain yield for three dates in 2000 at Indian Head and Swift Current, SK, for field pea, canola, and spring wheat were compared. No single date consistently had the highest NDVI-yield correlation for all crops. The period between Jul. 10 to 30 was optimal to obtain NDVI to relate to grain yield for springseeded crops that typically mature in August. Significant NDVI-yield correlations for this period were confirmed in three additional site-years. In a further site-year, however, NDVI-yield correlation was significant for wheat and pea, but not for canola. Occasional problems relating the NDVI to canola yield were attributed to characteristics of the canola canopy, namely, the highly reflective flowers and the dropping of leaves after flowering. In terms of both magnitude and temporal stability of the NDVI-yield correlation, we ranked the crops as: spring wheat, then pea, and then canola. Key words: Remote sensing; grain yield, field pea, canola, wheat, normalized difference vegetation index
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».