Delineating soil management zones using a proximal soil sensing system in two commercial potato fields in New Brunswick, Canada
Notice bibliographique
Résumé
Stagnating potato (Solanum tuberosum L.) yields in eastern Canada have resulted in loss of competitive advantage in global potato markets. Therefore, there is a need to investigate the potential to increase yield by adopting precision agriculture technology. This study evaluated the efficiency of an apparent soil electrical conductivity (EC a ) sensor to delineate management zones (MZs) in two commercial potato fields in New Brunswick, Canada, using an unsupervised fuzzy k-means clustering algorithm. Georeferenced soil samples from 0 to 15 cm depth were analyzed for physicochemical properties. Tuber yields were recorded using a yield monitor. The two MZs delineated using soil EC a differed significantly in soil physicochemical properties for both fields; however, tuber yield differed significantly between MZs only in Field 1. The yield difference (7.1 Mg ha −1 ) in Field 1 was attributed to a difference in soil moisture (23.5% vs 28.5%) resulting from a difference in clay content (141 vs 189 g kg −1 ). The lack of a yield difference between MZs in Field 2 may reflect relatively low within-field spatial variability. The soil EC a sensor showed promise for use in commercial potato production in New Brunswick, especially in fields with high spatial variability.
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 | 0,001 | 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 | 0,000 |
| 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 ».