Determining the number of measurements required to estimate crop residue cover by different methods
Notice bibliographique
Résumé
Crop residue left after harvest plays an important role in controlling against soil erosion and in increasing soil organic matter content of agricultural soils. Crop residue management is a practice of great importance in southwestern Ontario, where soil management practices have an effect on Great Lakes water quality. The use of remote sensing data to measure and monitor crop residue can be fast and efficient. However, remote sensing–based studies need calibration and validation using field observations. The objective of this study was to determine the optimal number of ground-truthing field measurements (i.e., digital photographs) required to estimate residue levels. To do so, we compared the residue estimates derived from digital photographs with those derived from the standard line-transect method. Residue was measured from 18 fields located in southern Ontario, and data collected included percentage of crop residue using line-transect and photographic grid methods. Results were analyzed using linear regression, correlation tests, ANOVA, and means tests. Analyses were also conducted to retrospectively determine the minimum number of line transects or digital photos required to estimate crop residue cover at specified levels of power. Results showed that (1) percentage of crop residue estimates derived from using digital photographs were strongly correlated (<i>r</i> = 0.91, <i>p</i> < 0.001, <i>R</i><sup>2</sup> = 0.83, and <i>n</i> = 90) to those derived from using line transects; (2) counting 50 to 100 points per digital photograph was sufficient to accurately estimate the percentage of residue cover; and (3) there was greater variability in the results for soybean (<i>Glycine max</i> [L.] Merr.) than for corn (<i>Zea mays</i> L.), with the highest variability for medium-level soybean residue. Overall, the digital photograph method to estimate percentage of residue was found to be a suitable alternative to the line-transect method, which is more time consuming and labor intensive. Determining the optimal numbers of measurements to estimate crop residue cover is important to those wishing to use digital photo capture methods to record, archive, and measure residue for remote sensing calibration and validation or for handheld mobile device applications.
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 | 0,001 | 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 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 ».