Rapid and Efficient Determination of Relative Water Contents of Crop Leaves Using Electrical Impedance Spectroscopy in Vegetative Growth Stage
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.
Notice bibliographique
Résumé
Crop water stress is a deficiency in plants in water supply when the transpiration rate becomes higher than the water absorption capacity. The stress may be detected by a reduction in soil water content, or by the change in physiological properties of the crop. The leaf water content (LWC) is commonly used to assess the water status of plants, which is one of the indicators of crop water stress. In this work, the leaf relative water contents of four different crops: canola, wheat, soybeans, and corn—all in vegetative growth stage—were determined by a noninvasive tool called, electrical impedance spectroscopy (EIS). Using a frequency range of 5–15 kHz, a strong correlation between leaf water contents and leaf impedances was obtained using multiple linear regression. The trained dataset was validated by analysis of variance tests. Regression results were obtained using the least square method. The optimized regression model coefficients for different crops were proposed by selecting features using the wrapper backward elimination method. Multi-collinearity among the features was considered and individual T-tests were made in the feature selection. A maximum correlation coefficient (R) of 0.99 was obtained for canola compared to the other crops; the corresponding coefficient of determination (R2) of 0.98, an adjusted R2 of 0.93, and root mean square error (rmse) of 0.30% were obtained for 36 features. Therefore, the results show that the proposed technique using EIS can be used to develop a low-cost and effective tool for determining the leaf water contents rapidly and efficiently in multiple crops.
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 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 | 0,000 | 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 découle