MétaCan
Menu
Retour à la cohorte
Enregistrement W2754278892 · doi:10.4236/as.2017.89070

Positioning Temperature Sensors for Frost Protection in Northern Cranberry Production

2017· article· en· W2754278892 sur OpenAlexafffund
Vincent Pelletier, Silvio José Gumière, Steeve Pépin, Jacques Gallichand, Jean Caron

Notice bibliographique

RevueAgricultural Sciences · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensUniversité LavalMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnvironmental scienceFrost (temperature)Wind speedCanopyAir temperatureTemperature gradientTemperature measurementAtmospheric sciencesMeteorologyWind directionRemote sensingGeology

Résumé

récupéré en direct d'OpenAlex

Frost can cause serious economic losses in cranberry fields, particularly in northern regions. When the air temperature reaches a low critical threshold, sprinklers are operated to protect vines, to insure crop production and profitability. To avoid frost injury, proper positioning of temperature sensors is critical. A field experiment was designed and conducted to determine the optimal installation height of sensors above soil surface. Temperature data was used to investigate the spatial temperature gradient in the section of a cranberry field. A computer simulation of the temperature profile was performed to simulate the effect of wind velocity on the prediction of air temperature. For optimal use, sensors should be installed at the height of the canopy and several meters away from a dike. On nights with low wind velocities, the canopy air temperature was 2.7°C below that of 500 cm above the ground. The sensors should be put at least five m away from a dike to avoid the transfer of heat from the dike to the sensor. Also, multiple sensors should be installed because of the large variations in air temperature that were measured across the experiment. The simulated temperature indicated that wind velocity strongly influenced the temperature estimation; the effect of the wind on temperatures gradients was greater when the wind velocity was low (<2.3 m/s).

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 candidatesÉtudes des sciences et des technologies
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 enseignants0,917
Score d'incertitude au seuil0,999

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 technologies0,0020,000
Communication savante0,0000,001
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 Opus0,023
Tête enseignante GPT0,231
Écart entre enseignants0,208 · 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.

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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgricultural SciencesMême sujetGreenhouse Technology and Climate ControlTravaux en français237 207