MétaCan
Menu
Retour à la cohorte
Enregistrement W2979808028 · doi:10.2134/agronj2019.04.0309

An Inverse Correlation between Corn Temperature and Nitrogen Stress: A Field Case Study

2019· article· en· W2979808028 sur OpenAlex
Heba Alzaben, Roydon Fraser, Clarence J. Swanton

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAgronomy Journal · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNitrogenAgronomyYield (engineering)Environmental scienceNutrientGrowing seasonNitrogen deficiencyInverse temperatureChemistryBiologyMaterials scienceThermodynamics

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,219
Écart entre enseignants0,208 · 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