Early detection of canopy nitrogen deficiency in winter wheat ( <i>Triticum aestivum</i> L.) based on hyperspectral measurement of canopy chlorophyll status
Notice bibliographique
Résumé
Abstract A spectroscopic method was developed to measure the nitrogen status of winter wheat ( Triticum aestivum L.) canopies. Two years of field experiments, including a range of cultivars grown with differing levels of nitrogen fertilization, were conducted and ground‐based hyperspectral data were collected to develop and validate an empirical model for early detection of low canopy chlorophyll content. Canopy reflectance was measured with a spectrometer, fitted with a 25° field of view fibre‐optic adaptor. Canopy chlorophyll density (CCD), representing the total amount of chlorophyll present in the canopy per unit ground area, was combined according to the contribution of winter wheat leaves in different layers of the canopy and related to canopy reflectance. Combined canopy chlorophyll density (CCCD) calculated with both layers 1 and 2 and with layers 1, 2 and 3 were better related to difference vegetation index (DVI=R NIR −R RED , where R NIR and R RED were reflectance at 890 nm and 670 nm, respectively) than CCD in any individual layer. Statistical prediction models of canopy chlorophyll status in winter wheat were developed. The CCCD 1+2 model demonstrated lower root mean square errors and higher modelling efficiencies than those of the CCCD 1 and CCCD 1+2+3 models. Chlorophyll status in the two uppermost layers of the wheat canopy could be quantified using DVI. Therefore, early detection of canopy nitrogen deficiency in winter wheat was achieved.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».