In-season estimation of grain sorghum yield potential using a hand-held optical sensor
Notice bibliographique
Résumé
Sensor based nitrogen (N) management technology has helped to improve fertilizer recommendations for various crops. The objective of this study was to estimate the in-season yield potential (YP0) of grain sorghum (Sorghum bicolor L. Moench) using a hand held optical sensor. This experiment was conducted with four levels of N (50, 100, 150 and 200 kg ha−1) and three application timing (Preplant, topdress and split) arranged in a randomized complete block design with three replications at three locations, in Oklahoma in 2004 and 2005. Sensor readings were taken using red (650 ± 10 nm) and green (550 ± 12.5 nm) sensors at sorghum growth stages 2, 3, 5, 6 and 7. Results from statistical analysis have shown that 75 and 77% of the variation in sorghum grain yield was explained by red and green Normalized Difference Vegetation Index (NDVI), respectively at growth stage 3. Similarly, grain N content was correlated to both green and red (coefficient of determination, r2 = 0.61) NDVI readings at growth stage 3. In-season estimated yield (INSEY) derived from green NDVI was also found correlated with final grain yield (r2 = 0.71). The results of this experiment suggest that INSEY can be used as a tool to predict mid-season sorghum grain yield potential at sorghum growth stage 3.
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) | 0,001 | 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 ».