Comparison of different methods for measuring leaf area index in a mixed grassland
Notice bibliographique
Résumé
Available LAI instruments have greatly increased our ability to estimate leaf area index (LAI) non-destructively. However, it is difficult to infer from existing studies which instrument has the advantages in measuring LAI over other instruments for grassland ecosystems. The objective of our study was to compare the LAI estimates by two instruments (AccuPAR, and LAI2000), and correlate the LAI measurements to remote sensing data for a mixed grassland. Leaf area index of four grass communities was measured by both the destructive method and instruments. Ground canopy reflectance was measured and further calculated to be LAI-related vegetation indices. Statistical analysis showed that destructively sampled LAI ranged from 0.61 to 5.7 in the study area. Both instruments underestimated LAI in comparison with the destructive method. However, the LAI2000 is better than AccuPAR for estimating LAI. Comparison of four grass communities indicated that the lower the grass LAI, the greater the underestimated percentage of LAI values collected by both instruments. The adjusted transformed soil-adjusted vegetation index (ATSAVI), was the best LAI estimator in the mixed grassland. Key words: Leaf area index, sward structure, nondestructive vegetation sampling, hyperspectral remote sensing, mixed grass prairie
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 | 0,002 | 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 | 0,000 |
| 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 ».