Assessing the Robustness of Vegetation Indices to Estimate Wheat N in Mediterranean Environments
Notice bibliographique
Résumé
Remotely sensed vegetation indices have been extensively used to quantify plant and soil characteristics. The objectives of this study were to: (i) compare vegetation indices developed at different scales for measuring canopy N content (g∙N∙m−2) and concentration (%); and (ii) evaluate the effects of soil background reflectance, cultivar, illumination and atmospheric conditions on the ability of vegetation indices to estimate canopy N content. Data were collected from two rainfed field sites cropped to wheat in Southern Italy (Foggia) and in Southeastern Australia (Horsham). From spectral readings, 25 vegetation indices were calculated. The Perpendicular Vegetation Index showed the best prediction of plant N concentration (%) (r2 = 0.81; standard error (SE) = 0.41%; p < 0.001). The Canopy Chlorophyll Content Index showed the best predictive capability for canopy N content (g∙N∙m−2) (r2 = 0.73; SE = 0.603; p < 0.001). Canopy N content was best related to indices developed at the canopy scale and containing a red-edge wavelength. Canopy-scale indices were related to canopy N%, but such relationships needed to be normalized with biomass. Geographical location influenced mainly simple ratio or normalized indices, while indices that contained red-edge wavelengths were more robust and able to estimate canopy parameters more accurately.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».