Leaf and canopy optical characteristics as crop‐N‐status indicators for field nitrogen management in corn
Notice bibliographique
Résumé
Abstract The primary constraint of predicting the economic optimum nitrogen rate (EONR) for corn ( Zea mays L.) is the high variability of soil nitrogen (N) supply due to environments, soil types, manure, and cropping histories. Portable instruments have been developed to measure leaf and canopy optical characteristics for determining plant N status. The objectives of this field study were to: (1) evaluate leaf and canopy optical properties including transmittance, reflectance, and fluorescence as indicators of corn N status with soil types, developmental stages, and N‐application rates, (2) compare the efficiency of two commercial radiometers that are designed to measure canopy reflectance, and (3) assess the constraints of these crop‐based indicators as a possible guide for real‐time N sidedressing in corn. Field experiments with different levels of N, soil types, and corn hybrids were conducted at three sites in Ottawa, ON, Canada, in 2004 and 2005. Leaf chlorophyll concentrations (SPAD chlorophyll meter), chlorophyll fluorescence (OS‐30), leaf area, and canopy reflectance (NDVI measured by CropScan and GreenSeeker radiometers) were simultaneously measured at several growth stages, while grain yield was determined at harvest. Our results show that canopy reflectance (NDVI) displayed similar efficiency as an indicator of N status on both soil types and corn hybrids in the two consecutive years. The chlorophyll readings often differentiated N‐deficient from N‐sufficient plots and therefore were a promising indicator for predicting corn N requirements. The fluorometer device evaluated in this study was unable to characterize corn N status.
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 | 0,000 | 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) | 0,000 | 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 ».