MétaCan
Menu
Retour à la cohorte
Enregistrement W2772052982 · doi:10.1109/jstars.2017.2773625

Retrieving Leaf and Canopy Water Content of Winter Wheat Using Vegetation Water Indices

2017· article· en· W2772052982 sur OpenAlexaff
Chao Zhang, Elizabeth Pattey, Jiangui Liu, Huanjie Cai, Taifeng Dong

Notice bibliographique

RevueIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesNational Key Research and Development Program of ChinaHigher Education Discipline Innovation Project
Mots-clésCanopyEnvironmental scienceRemote sensingVegetation (pathology)Water contentMathematicsLeaf area indexWinter wheatReflectivityAgronomyBotanyPhysicsBiologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

This study investigates the capability of spectral indices for estimating winter wheat leaf and canopy water content using radiative transfer modeling and field measurements. An irrigation treatment experiment was conducted to investigate response of crop growth to water supply in 2014 and 2015. Plant sampling and canopy spectral reflectance were measured in the two growing seasons. The main goal was to evaluate the potential of selected spectral indices formulated with the Sentinel-2 bands for winter wheat water status assessment. A global sensitivity analysis using reflectance simulated by the PROSPECT-5 and SAILH models showed that leaf water contributed the most to the variation of spectral water indices derived from leaf reflectance but had reduced contribution when the indices were derived from canopy reflectance. Correlation between canopy water content (Cw, C) and canopy spectral water indices was significant, although it was impacted by canopy structural descriptors such as the leaf inclination angle and the leaf area index. Satisfactory estimation of w, C could be achieved using the normalized difference water index (NDWI) (R2= 0.68, RMSEcv= 0.148 kg·m-2, and n = 463). The estimated Cw, Cat the jointing stage was significantly correlated with grain yield. A map of Cw, Cwas generated from Sentinel-2 image acquired on March 30, 2016, showing spatial variation of winter wheat canopy water status comparable with the drought indicators reported by the Meteorological Bureau at the regional scale. It also showed variations at the field scale. Hence, there is a great potential to use the NDWI derived from Sentinel-2 data for detecting crop response to water stress and provide support to irrigation decision.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
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 Opus0,037
Tête enseignante GPT0,234
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), 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

Citations51
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Selected Topics in Applied Earth Observations and Remote SensingMême sujetRemote Sensing in AgricultureTravaux en français237 207