In‐Season Nitrogen Status Assessment and Yield Estimation Using Hyperspectral Vegetation Indices in a Potato Crop
Notice bibliographique
Résumé
The rate and timing of N applications are important issues in precision agriculture because of the within‐field spatial and temporal variability of soil N availability. In‐season assessment of potato ( Solanum tuberosum L.) crop N status (CNS) is required to better match N fertilizer supply to crop N demand and improve N use efficiency. The objective of this study was to investigate the ability of hyperspectral vegetation indices (HVIs) to assess the CNS and tuber yield of irrigated ‘Russet Burbank’ potato at different growth stages. A 2‐yr field experiment was conducted near Quebec City, QC, Canada, on plots receiving five different N rates ranging from 0 to 280 kg N ha −1 , with 40% applied at planting and 60% at hilling. Entire plant samples were collected biweekly for determination of the N nutrition index (NNI) as the N status reference method. In‐field hyperspectral reflectance derived from a handheld spectroradiometer and using two fields of view (FOV; 7.5° and 25°) was obtained on several dates during both growing seasons. The sensitivity of the five HVIs most correlated to the NNI was evaluated by analyses of variance and least significant differences. It was found that HVIs computed from reflectance in the red‐edge spectral region and using a wider FOV were the most appropriate indices to detect potato crop N stress. Among these indices, the CI1 red‐edge (red‐edge chlorophyll index 1) was the most sensitive to potato N content and could explain 76% of the variability in total tuber yield at 55 d after planting (DAP).
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 | 0,000 | 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 | 0,001 |
| 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 ».