MétaCan
Menu
Retour à la cohorte
Enregistrement W2740591417 · doi:10.4095/219917

LAI Measurements in White Beans and Corn Canopies with Two Optical Instruments

2001· report· en· W2740591417 sur OpenAlexaffabout
A. Pacheco, A. Bannari, K. Staenz, Heather McNairn

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésWhite (mutation)GeographyEnvironmental scienceForestryAgronomyRemote sensingMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Leaf Area Index (LAI) is a parameter used to describe the percentage of vegetation cover and to estimate productivity or yield of agriculture and forest canopies. LAI can be estimated using different techniques such as destructive sampling, vegetation indices and optical instruments. This paper investigates LAI measurements in white beans and corn canopies using two optical instruments, the LI-COR LAI-2000 and the Tracing Radiation and Architecture of Canopies (TRAC), a prototype instrument designed by the Canada Centre for Remote Sensing (CCRS). LAI estimates provided by each instrument are compared and analysed. Also, further investigation is done in regards to the percent crop cover data and LAI values from the LAI-2000 and the TRAC. Preliminary results indicate that LAI measurements with the LAI-2000 and the TRAC do not correlate very well. It was also found that LAI-2000's LAI estimates correlate better with the percent crop cover than the TRAC. Accordingly, the LAI-2000 provides LAI values that are more accurate than those provided with the TRAC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,677
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,259
Écart entre enseignants0,227 · 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 tête enseignante, 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

Citations8
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSoil Moisture and Remote SensingTravaux en français237 207