Relationships between Soil‐Based Management Zones and Canopy Sensing for Corn Nitrogen Management
Notice bibliographique
Résumé
Integrating soil‐based management zones (MZ) with crop‐based active canopy sensors to direct spatially variable N applications has been proposed for improving N fertilizer management of corn ( Zea mays L.). Analyses are needed to evaluate relationships between canopy sensing and soil‐based MZ and their combined potential to improve N management. The objectives of this study were to: (i) identify soil variables related to in‐season crop canopy reflectance and yield and use these variables to delineate MZ for N fertilizer management; and (ii) compare corn yield response to different N fertilizer treatments for different MZ. Eight N rates (0–274 kg N ha −1 in 39 kg ha −1 increments) were applied in replicated small plots across six irrigated fields in 2007 to 2008 throughout central Nebraska. Soil variables evaluated for MZ delineation included: apparent soil electrical conductivity (EC a ), soil optical reflectance, and landscape topography. Crop response to N was determined via active sensor assessments of in‐season canopy reflectance (chlorophyll index, CI 590 ) and grain yield. Relationships between soil and topography data and crop performance were evaluated, with selected soil variables used to delineate two MZ within four of the six fields. Economic benefits to N application according to soil‐based MZ were observed in fields with silty clay loam and silt loam soils with substantial relief and eroded slopes. Sensor‐based algorithms may need to be adjusted according to MZ to account for differences in crop N response.
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 ».