MétaCan
Menu
Retour à la cohorte
Enregistrement W2895108942 · doi:10.3390/s18103302

Testing of Automated Photochemical Reflectance Index Sensors as Proxy Measurements of Light Use Efficiency in an Aspen Forest

2018· article· en· W2895108942 sur OpenAlexafffund
Saulo Castro, Arturo Sánchez‐Azofeifa

Notice bibliographique

RevueSensors · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésPhotochemical Reflectance IndexIrradiancePhotosynthetically active radiationEddy covarianceEnvironmental scienceRemote sensingCalibrationPrimary productionAtmospheric sciencesReflectivityCanopyDiurnal temperature variationLeaf area indexChemistryEcosystemNormalized Difference Vegetation IndexMathematicsOpticsEcologyPhotosynthesisStatisticsPhysicsGeography

Résumé

récupéré en direct d'OpenAlex

Commercially available autonomous photochemical reflectance index (PRI) sensors are a new development in the remote sensing field that offer novel opportunities for a deeper exploration of vegetation physiology dynamics. In this study, we evaluated the reliability of autonomous PRI sensors (SRS-PRI) developed by METER Group Inc. as proxies of light use efficiency (LUE) in an aspen (Populus tremuloides) forest stand. Before comparisons between PRI and LUE measurements were made, the optical SRS-PRI sensor pairs required calibrations to resolve diurnal and seasonal patterns properly. An offline diurnal calibration procedure was shown to account for variable sky conditions and diurnal illumination changes affecting sensor response. Eddy covariance measurements provided seasonal gross primary productivity (GPP) measures as well as apparent canopy quantum yield dynamics (α). LUE was derived from the ratio of GPP to absorbed photosynthetically active radiation (APAR). Corrected PRI values were derived after diurnal and midday cross-calibration of the sensor’s 532 nm and 570 nm fore-optics, and closely related to both LUE (R2 = 0.62, p < 0.05) and α (R2 = 0.72, p < 0.05). A LUE model derived from corrected PRI values showed good correlation to measured GPP (R2 = 0.77, p < 0.05), with an accuracy comparable to results obtained from an α driven LUE model (R2 = 0.79, p < 0.05). The automated PRI sensors proved to be suitable proxies of light use efficiency. The onset of continuous PRI sensors signifies new opportunities for explicitly examining the cause of changing PRI, LUE, and productivity over time and space. As such, this technology represents great value for the flux, remote sensing and modeling community.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,031
Tête enseignante GPT0,277
Écart entre enseignants0,246 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetRemote Sensing in AgricultureTravaux en français237 207