An Inverse Correlation between Corn Temperature and Nitrogen Stress: A Field Case Study
Notice bibliographique
Résumé
Nitrogen is one of the most important yield‐limiting nutrients for corn (Zea mays). The ability of thermal remote sensing to detect nitrogen deficiency in corn may enable precision agriculture to modify nitrogen rates according to field conditions. This study applies the exergy destruction principle as a theory to explain the inverse relationship between surface temperature and nitrogen rate. Two hypotheses were developed. First, it was hypothesized that agricultural crops experiencing greater growth and providing greater yield will have lower surface temperature. The second hypothesis was that corn grown under optimum levels of nitrogen will have lower surface temperatures compared to corn grown under nitrogen stressed conditions. Field studies were conducted during two summer seasons (2016 and 2017) on an established long‐term field trial of corn yield response to varying rates of nitrogen. It was found that corn surface temperature decreased as the rate of nitrogen increased. A shallow but statistically significant (P < 0.05) negative slope was observed consistently with increasing rates of nitrogen. Surface temperature measurements, however, were variable. This variability was the result of external and weather dependent variables that influenced leaf surface temperature. Despite this variability, the exergy destruction principle provides a theory from which thermal remote sensing can be applied through the use of surface temperature measurements to detect physiological stress in crop plants. Core Ideas Thermal remote sensing was proposed to detect nitrogen stress in corn plants. Nitrogen stressed plants had higher surface temperatures than less stressed plants. Temperature trends were consistent with the exergy destruction principle. Nitrogen‐temperature correlations were statistically significant at the 0.05 significance level. Corn yield increases with nitrogen rate increase and surface temperature decrease.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».