Retrieving seasonal variation in chlorophyll content of overstory and understory sugar maple leaves from leaf-level hyperspectral data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Leaf chlorophyll content is a useful parameter for assessing vegetation physiological status and dominates the spectral signal of leaf and canopy reflectance at visible wavelengths. Using hyperspectral instruments, we quantified leaf chlorophyll content and optical properties for 255 overstory and understory leaf samples through the growing season in a mature sugar maple (Acer saccharum) stand. Strong seasonal and canopy-height-related differences were observed in both leaf chlorophyll content and leaf reflectance and transmittance spectra. Seasonal and canopy-height-related variation in leaf spectra were closely related to leaf chlorophyll content. We estimated leaf chlorophyll content using two approaches, namely empirical spectral indices, and a mathematical inversion of the leaf optical model PROSPECT. Both estimates were highly correlated with the measured leaf chlorophyll content; however, the spectral indices resulted in greater accuracy, with the best-performing index (modified simple ratio) showing an accuracy of R2 = 0.88 and RMSE = 3.94 µg/cm2. A leaf thickness factor was introduced in the PROSPECT model to take into account the effects of changes in leaf structure on light absorption. The model inversion was improved after incorporating leaf thickness factors based on observed seasonal and canopy-height-related variation in leaf thickness. The improved model had the best performance, with an accuracy of R2 = 0.93 and RMSE = 3.09 µg/cm2 in retrieved leaf chlorophyll concentration in comparison with laboratory measurements.
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.
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 découle