Multispectral satellite imagery to quantify in-field soil moisture variability
Notice bibliographique
Résumé
As pressure on available water resources increases, the need to exploit technology in order to produce more food with less water becomes crucial. The technological hardware requisite for precise water delivery methods, such as variable rate irrigation, is commercially available. Despite that, techniques to formulate a timely, accurate prescription for those systems are inadequate. Spectral vegetation indices are often used to gauge crop vigor and related parameters (e.g., leaf nitrogen [N] content). However, research heretofore rarely addresses the influence of soil moisture on the indices. The objectives of this study were to determine (1) if vegetation indices derived from multispectral satellite imagery could assist in quantifying soil moisture variability in irrigated maize (<i>Zea mays</i> L.) production, and (2) the period of time that a single image is representative of soil moisture. A variable rate irrigation pivot was used to form six water treatment zones. Each was equipped with tensiometers installed in the center of the plots at 20, 45, and 75 cm depths to individually monitor conditions in the water treatment zones. Water was applied for each treatment as a percentage of the estimated evapotranspiration (ET) requirement: 40%, 60%, 80%, 100%, 120%, and 140%. Data collected from tensiometers was paired with the image pixels corresponding to its ground location. Statistical analysis was performed separately to assess whether vegetation indices are representative of soil moisture at several crop growth stages. Findings from this study indicate that Red Edge Normalized Difference Vegetation Index could quantify soil moisture tension variability at V6 (six leaf; <i>r</i><sup>2</sup> = 0.850, <i>p</i> = 0.009) and V9 (nine leaf; <i>r</i><sup>2</sup> = 0.913, <i>p</i> = 0.003) crop growth stages. Results suggest that satellite-derived vegetation indices may be useful for creating time-sensitive characterizations of soil moisture variability. Further study is necessary to investigate additional crop growth stages, more crops, and other sources of multispectral imagery.
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 | 0,000 |
| 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 ».