In situ estimation of foliar nitrogen in wild blueberry using reflectance spectra
Notice bibliographique
Résumé
Maqbool, R., Percival, D. C., Adl, M. S., Zaman, Q. U. and Buszard, D. 2012. In situ estimation of foliar nitrogen in wild blueberry using reflectance spectra. Can. J. Plant Sci. 92: 1155–1161. Remote sensing techniques have the potential to serve as an important nutrient management tool in wild blueberry. The potential of visible (VIS), near infrared (NIR) and shortwave infrared (SWIR) spectroscopy was evaluated during 2006 (sprout/vegetative phase of production) to estimate foliar nitrogen (N). Canopy reflectance measurements were taken from two nutrient management experimental sites located in Nova Scotia (NS) and New Brunswick (NB). Partial least squares regression (PLSR) estimated foliar N, giving the coefficients of determination (R2) values ranging from 0.69 to 0.85, and root mean square errors of cross validation (RMSECV) from 0.16% (±8.29% of mean) to 0.24% (±12.43% of mean) for different spectral ranges used in this study. The green peak region located in the VIS region best estimated foliar N. The tested spectral ranges differed in their predictive ability, but generally followed the biochemical basis. Variable importance in projection scores (VIP), regression vector coefficients and PLSR loading weights (LWs) plots highlight the importance of wavebands (∼550 nm, ∼610 nm, 1510 nm, ∼1690 nm, ∼1730 nm, ∼1980 nm and ∼2030 nm) for in situ foliar N estimations. Thus, it was concluded that reflectance spectra may be used to estimate and ultimately map foliar N in wild blueberry production. The results illustrated the ability of multivariate techniques, such as PLSR to explore hyperspectral data and estimate leaf tissue nutrient content.
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 | 0,000 | 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 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 ».