Relationship between leaf optical properties, chlorophyll fluorescence and pigment changes in senescing<i>Acer saccharum</i>leaves
Notice bibliographique
Résumé
The ability of plants to sequester carbon is highly variable over the course of the year and reflects seasonal variation in photosynthetic efficiency. This seasonal variation is most prominent during autumn, when leaves of deciduous tree species such as sugar maple (Acer saccharum Marsh.) undergo senescence, which is associated with downregulation of photosynthesis and a change of leaf color. The remote sensing of leaf color by spectral reflectance measurements and digital repeat images is increasingly used to improve models of growing season length and seasonal variation in carbon sequestration. Vegetation indices derived from spectral reflectance measurements and digital repeat images might not adequately reflect photosynthetic efficiency of red-senescing tree species during autumn due to the changes in foliar pigment content associated with autumn phenology. In this study, we aimed to assess how effectively several widely used vegetation indices capture autumn phenology and reflect the changes in physiology and photosynthetic pigments during autumn. Chlorophyll fluorescence and pigment content of green, yellow, orange and red leaves were measured to represent leaf senescence during autumn and used as a reference to validate and compare vegetation indices derived from leaf-level spectral reflectance measurements and color analysis of digital images. Vegetation indices varied in their suitability to track the decrease of photosynthetic efficiency and chlorophyll content despite increasing anthocyanin content. Commonly used spectral reflectance indices such as the normalized difference vegetation index and photochemical reflectance index showed major constraints arising from a limited representation of gradual decreases in chlorophyll content and an influence of high foliar anthocyanin levels. The excess green index and green-red vegetation index were more suitable to assess the process of senescence. Similarly, digital image analysis revealed that vegetation indices such as Hue and normalized difference index are superior compared with the often-used green chromatic coordinate. We conclude that indices based on red and green color information generally represent autumn phenology most efficiently.
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 ».