Comparison of Laboratory and Field Remote Sensing Methods to Measure Forage Quality
Notice bibliographique
Résumé
Recent research in range ecology has emphasized the importance of forage quality as a key indicator of rangeland condition. However, we lack tools to evaluate forage quality at scales appropriate for management. Using canopy reflectance data to measure forage quality has been conducted at both laboratory and field levels separately, but little work has been conducted to evaluate these methods simultaneously. The objective of this study is to find a reliable way of assessing grassland quality through measuring forage chemistry with reflectance. We studied a mixed grass ecosystem in Grasslands National Park of Canada and surrounding pastures, located in southern Saskatchewan. Spectral reflectance was collected at both in-situ field level and in the laboratory. Vegetation samples were collected at each site, sorted into the green grass portion, and then sent to a chemical company for measuring forage quality variables, including protein, lignin, ash, moisture at 135 °C, Neutral Detergent Fiber (NDF), Acid Detergent Fiber (ADF), Total Digestible, Digestible Energy, Net Energy for Lactation, Net Energy for Maintenance, and Net Energy for Gain. Reflectance data were processed with the first derivative transformation and continuum removal method. Correlation analysis was conducted on spectral and forage quality variables. A regression model was further built to investigate the possibility of using canopy spectral measurements to predict the grassland quality. Results indicated that field level prediction of protein of mixed grass species was possible (r² = 0.63). However, the relationship between canopy reflectance and the other forage quality variables was not strong.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».