MétaCan
Menu
Retour à la cohorte
Enregistrement W2030891533 · doi:10.4141/p05-157

Monitoring leaf nitrogen in wheat using canopy reflectance spectra

2006· article· en· W2030891533 sur OpenAlexvenueno aff
Yan Zhu, Yingxue Li, Wei Feng, Yongchao Tian, Xia Yao, Weixing Cao

Notice bibliographique

RevueCanadian Journal of Plant Science · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCanopyNitrogenCultivarCoefficient of determinationLeaf area indexMean squared errorLinear regressionPartial least squares regressionRegression analysisMathematicsReflectivityAgronomyEnvironmental scienceBotanyChemistryStatisticsBiology

Résumé

récupéré en direct d'OpenAlex

Non-destructive monitoring of leaf nitrogen (N) status can assist in growth diagnosis, N management and productivity forecast in field crops. The objectives of this study were to determine the relationships of leaf nitrogen concentration on a leaf dry weight basis (LNC) and leaf nitrogen accumulation per unit soil area (LNA) to ground-based canopy reflectance spectra, and to derive regression equations for monitoring N nutrition status in wheat (Triticum aestivum L.). Four field experiments were conducted with different N application rates and wheat cultivars across four growing seasons, and time-course measurements were taken on canopy spectral reflectance, LNC and leaf dry weights under the various treatments. In these studies, LNC and LNA in wheat increased with increasing N fertilization rates. The canopy reflectance differed significantly under varied N rates, and the pattern of response was consistent across the different cultivars and years. Overall, an integrated regression equation of LNC to normalized difference index (NDI) of 1220 and 710 nm of canopy reflectance spectra described the dynamic pattern of change in LNC in wheat. The ratios of several near infrared (NIR) bands to visible light were linearly related to LNA, with the ratio index (RI) of the average reflectance over 760, 810, 870, 950 and 1100 nm to 660 nm having the best index for quantitative estimation of LNA in wheat. When independent data were fit to the derived equations, the average root mean square error (RMSE) values for the predicted LNC and LNA relative to the observed values were no more than 15.1 and 15.2%, respectively, indicating a good fit. Our relationships of leaf N status to spectral indices of canopy reflectance can be potentially used for non-destructive and real-time monitoring of leaf N status in wheat. Key words: Wheat, leaf nitrogen concentration, leaf nitrogen accumulation, canopy reflectance, spectral index, nitrogen monitoring

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,306
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,215
Écart entre enseignants0,203 · 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'étudeObservationnel
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

Citations53
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetRemote Sensing in AgricultureTravaux en français237 207