Image-Based Rapid Estimation of Frost Damage in Canola (<i>Brassica napus</i> L.)
Notice bibliographique
Résumé
Traditional methods of estimating frost damage to crops are labor-intensive and time-consuming. Remote sensing imagery and vegetation indices can be used for condition assessment, however, the utility of using vegetative indices in assessing frost damage specifically is not known. The objective of this study was to estimate the freezing injury using a vegetative index developed from hyperspectral imagery. Three replicates of six 6-leaf stage canola plants were subjected to a temperature of −10 °C for 6hr. The resulting frozen plants were imaged at 6 different thawing times using an imaging spectrophotometer (400-1000 nm). Normalized difference vegetation index (NDVI) and triangular vegetation index (TVI) were calculated. Contrary to expectations, NDVI values from frozen plants increased in the initial thawing treatments (1, 2 and 4hr) and then decreased at 8hr. Whereas, TVI values decreased gradually with increased duration of thawing. Furthermore, when compared to NDVI, TVI clearly differentiated frozen from control plants and within the freezing treatments. The differential modes of response of the indices to post-freezing reflectance changes is the possible reason. These results suggest that with recent advancements in low altitude remote sensing in the areas of spectral, spatial and temporal resolution, early estimation of frost damage is possible.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».