MétaCan
Menu
Retour à la cohorte
Enregistrement W2183539017 · doi:10.21273/horttech.18.4.553

Quantifying Phenology and Maturity in Crisphead Lettuce

2008· article· en· W2183539017 sur OpenAlexaff
Sylvie Jenni, Gaétan Bourgeois

Notice bibliographique

RevueHortTechnology · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLeaf Properties and Growth Measurement
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésPhenologyHorticultureLactucaMaturity (psychological)BiologyStage (stratigraphy)Head (geology)BotanyAgronomy

Résumé

récupéré en direct d'OpenAlex

The Biologische Bundesanstalt, Bundessortenamt und Chemische Industrie (BBCH) identification key was adapted for crisphead lettuce ( Lactuca sativa ) to facilitate identification of phenological stages and decisions regarding field operations from seeding to harvest maturity. The original system described leaf development based on leaf count from stage 11 (1 leaf) to stage 19 (9 leaf), and head development based on percentage of expected head size reached at maturity from stage 41 to 49. The new coding leaf development stages range from 11 to 29, corresponding to the 1-leaf to 19-leaf stages. The head development stages also ranged from 41 to 49, but phenological stages near commercial maturity from 43 to 49 are now described as a function of head firmness. The important maturity traits of crisphead lettuce include head size and density. Head volume can be estimated from three diameters by using Currence's equation, which takes into account head geometry. The firmness index obtained by hand compression gave a more precise estimate of head density than the density estimate derived from Currence's equation or the sphere equation. Crisphead lettuce development stages and maturity traits can be easily quantified in the field for use in planning field operations and for experimental purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,235
Écart entre enseignants0,151 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortTechnologyMême sujetLeaf Properties and Growth MeasurementTravaux en français237 207