Predicting soil organic matter content in southwestern Ontario fields using imagery from high-resolution digital cameras
Notice bibliographique
Résumé
The spatial pattern of soil organic matter (SOM) content may provide information for variable-rate fertilizer nitrogen recommendations, but often requires intensive soil sampling to be properly characterized. This study evaluated whether imagery of bare soils obtained using a high-resolution digital camera system may be used to predict SOM content in southwestern Ontario fields. Using the camera system, image intensity was measured in near-infrared (0.70–0.80 µm) and visible red (0.60–0.70 µm), green (0.50–0.60 µm), and blue (0.40–0.50 µm) wavebands underboth controlled and field conditions for soil samples representative of the range in SOM typically found in southwestern Ontario fields. Under controlled conditions, SOM content did not relate well to image intensity measured in any waveband when multiple soil types were used (r2 ≤ 0.39). Without multiple soil types, image intensity in all wavebands related to SOM content for soil samples taken from two of the sites (r2 ≥ 0.53 for both sites). Image intensity measured under field conditions related to SOM content for only one site (r2 ≥ 0.54 for all wavebands). Variability between SOM content and image intensity shown in this study is most likely attributed to the relative variability in SOM content and confounding factors such as surface residue. Key words: Soil organic matter, soil reflectance, high-resolution digital camera, aerial imagery
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 | 0,001 |
| 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 | 0,001 | 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 ».