MétaCan
Menu
Retour à la cohorte
Enregistrement W2804040530 · doi:10.2134/precisionagbasics.2016.0093

Proximal Soil and Plant Sensing

2018· book-chapter· en· W2804040530 sur OpenAlexaff
Viacheslav I. Adamchuk, Wenjun Ji, Raphael A. Viscarra Rossel, Robin Gebbers, Nicolas Tremblay

Notice bibliographique

RevueASSA, CSSA and SSSA · 2018
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensAgriculture and Agri-Food CanadaMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésRemote sensingVariety (cybernetics)Computer scienceSystems engineeringEngineeringEnvironmental scienceGeographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Soil and plant sensing can be separated into remote sensing, which is discussed in Chapter 8, and proximal sensing, where an instrument is placed within 2 m of the target (Viscarra Rossel et al., 2011). These sensors are used for a variety of purposes including quantifying spatial and temporal changes in plant and soil health (Gebbers and Adamchuk, 2010). As a result of rapid developments in electronics, a wide array instruments can be used to obtain rapid and reliable signals that can be used to create site-specific recommendations. To better characterize the way each of the sensors is used, this chapter focuses on the mobility, energy, and how sensors work. This chapter also refers to examples of commercial proximal sensing systems, as well as highlights new concepts currently being developed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0320,017

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 Opus0,013
Tête enseignante GPT0,199
Écart entre enseignants0,186 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASSA, CSSA and SSSAMême sujetSoil Geostatistics and MappingTravaux en français237 207