Field-scale validation of an automated soil nitrate extraction and measurement system
Notice bibliographique
Résumé
One of the many gaps that needs to be solved by precision agriculture technologies is the availability of an economic, automated, on-the-go mapping system that can be used to obtain intensive and accurate ‘real-time’ data on the levels of nitrate nitrogen (NO3–N) in the soil. A soil nitrate mapping system (SNMS) has been developed to provide a way to collect such data. This study was done to provide extensive field-scale validation testing of the system’s nitrate extraction and measurement sub-unit (NEMS) in two crop (wheat and carrot) production systems. Field conditions included conventional tillage (CT) versus no tillage (NT), inorganic versus organic fertilizer application, four soil groups and three points in time throughout the season. Detailed data analysis showed that: (i) the level of agreement, as measured by root mean squared error (RMSE), mean absolute error (MAE) and coefficient of efficiency (CE), between NEMS soil NO3–N and standard laboratory soil NO3–N measurements was excellent; (ii) at the field-scale, there was little practical difference when using either integer or real number data processing; (iii) regression equations can be used to enable field measurements of soil NO3–N using the NEMS to be obtained with laboratory accuracy; (iv) future designs of the SNMS’s control system can continue to use cheaper integer chip technology for processing the nitrate ion-selective electrode (NO3 −–ISE) readings; and (v) future designs of the SNMS would not need a soil moisture sensor, ultimately saving on manufacturing costs of a more simple system.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».