Separating Crop Species in Northeastern Ontario Using Hyperspectral Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study was to examine the capability of hyperspectral narrow wavebands within the 400–900 nm range for distinguishing five cash crops commonly grown in Northeastern Ontario, Canada. Data were collected from ten different fields in the West Nipissing agricultural zone (46°24'N lat., 80°07'W long.) and included two of each of the following crop types; soybean (Glycine max), canola (Brassica napus L.), wheat (Triticum spp.), oat (Avena sativa), and barley (Hordeum vulgare). Stepwise discriminant analysis was used to assess the spectral separability of the various crop types under two scenarios; Scenario 1 involved testing separability of crops based on number of days after planting and Scenario 2 involved testing crop separability at specific dates across the growing season. The results indicate that select hyperspectral bands in the visual and near infrared (NIR) regions (400–900 nm) can be used to effectively distinguish the five crop species under investigation. These bands, which were used in a variety of combinations include B465, B485, B495, B515, B525, B535, B545, B625, B645, B665, B675, B695, B705, B715, B725, B735, B745, B755, B765, B815, B825, B885, and B895. In addition, although species classification could be achieved at any point during the growing season, the optimal time for satellite image acquisition was determined to be in late July or approximately 75–79 days after planting with the optimal wavebands located in the red-edge, green, and NIR regions of the spectrum.
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.
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 | 0,000 |
| 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 découle