Forecasting potato tuber yield using a soil electromagnetic induction method
Notice bibliographique
Résumé
Abstract Timely forecasting of crop yield is vital for precision agriculture management practices. This study used on‐the‐go proximal soil sensing using electromagnetic induction (EMI) readings of apparent ground electrical conductivity (ECa) to map ECa and forecast potato tuber yield in four fields across Atlantic Canada. The ECa data, measured in the horizontal co‐planar (HCP) configuration mode of the DualEM‐2 instrument, were segmented to the top 0.30‐m thickness of the soil layer using a standard method to compare mapping/prediction accuracy. Results showed that ECa correlated well (R 2 = 0.81–0.90) with a 1:5 soil‐to‐water ratio solution's electrical conductivity (EC1:5). The actual tuber yield, which moderately varied (CV = 18.9–27.5%) across the fields and significantly correlated with ECa, explained more than 55% of the yield variability (R 2 = 0.57–0.66). The forecasted tuber yield calculated from cubic regression models of the actual tuber yield versus ECa was non‐significantly different from the actual tuber yield (RMSE = 12.2–18.3%; R 2 = 0.57–0.66). Interpolated maps of the predicted and the actual yields, and their correlation analyses, showed similar trends of variations within the study fields ( r = 0.69–0.80). The higher values of cation exchange capacity, calcium, phosphate, potash, organic matter and soil moisture content in the New Brunswick soils compared to the Prince Edward Island soils resulted in an overestimation of the predicted tuber yield than the actual yield at the lower ECa values, and an underestimation of the predicted tuber yield at higher ECa values for New Brunswick. The results revealed that the province‐based calibrations produced more accurate predictions when compared with the single calibration by combining all of the data from New Brunswick and Prince Edward Island. The non‐destructive prediction of potato tuber yield can enable the development of precision agricultural techniques and management practices for yield forecasting, in addition to making informed decisions for enhanced potato productivity. Highlights Potato cropping is highly important to the economy of Atlantic Canada. The DualEM‐2 sensor was used to forecast and map tuber yield to advance crop management. The tuber yields significantly correlated with ground conductivity that explained >55% of variability in yield. The DualEM‐2 sensor can accurately predict potato yield under agricultural conditions similar to Atlantic Canada.
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 | 0,000 | 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 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 ».