MétaCan
Menu
Retour à la cohorte
Enregistrement W2989880742 · doi:10.3390/rs11222706

Assessment of Portable Chlorophyll Meters for Measuring Crop Leaf Chlorophyll Concentration

2019· article· en· W2989880742 sur OpenAlexafffundabout
Taifeng Dong, Jiali Shang, Jing M. Chen, Jiangui Liu, Budong Qian, B. L., Malcolm J. Morrison, Chao Zhang, Yupeng Liu, Yichao Shi, Hui Pan, Guisheng Zhou

Notice bibliographique

RevueRemote Sensing · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of TorontoAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaCanadian Space Agency
Mots-clésCanolaEnvironmental scienceChlorophyllCropAgronomyBrassicaField experimentField cornPrecision agricultureMathematicsZea maysHorticultureAgricultureBiology

Résumé

récupéré en direct d'OpenAlex

Accurate measurement of leaf chlorophyll concentration (LChl) in the field using a portable chlorophyll meter (PCM) is crucial to support methodology development for mapping the spatiotemporal variability of crop nitrogen status using remote sensing. Several PCMs have been developed to measure LChl instantaneously and non-destructively in the field, however, their readings are relative quantities that need to be converted into actual LChl values using conversion functions. The aim of this study was to investigate the relationship between actual LChl and PCM readings obtained by three PCMs: SPAD-502, CCM-200, and Dualex-4. Field experiments were conducted in 2016 on four crops: corn (Zea mays L.), soybean (Glycine max L. Merr.), spring wheat (Triticum aestivum L.), and canola (Brassica napus L.), at the Central Experimental Farm of Agriculture and Agri-Food Canada in Ottawa, Ontario, Canada. To evaluate the impact of other factors (leaf internal structure, leaf pigments other than chlorophyll, and the heterogeneity of LChl distribution) on the conversion function, a global sensitivity analysis was conducted using the PROSPECT-D model to simulate PCM readings under different conditions. Results showed that Dualex-4 had a better performance for actual LChl measurement than SPAD-502 and CCM-200, using a general conversion function for all four crops tested. For SPAD-502 and CCM-200, the error in the readings increases with increasing LChl. The sensitivity analysis reveals that deviations from the calibration functions are more induced by non-uniform LChl distribution than leaf architectures. The readings of Dualex-4 can have a better ability to restrict these influences than those of the other two PCMs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations107
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetRemote Sensing in AgricultureTravaux en français237 207