Rapid and Efficient Determination of Relative Water Contents of Crop Leaves Using Electrical Impedance Spectroscopy in Vegetative Growth Stage
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.
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 | 0,001 | 0,001 |
| 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 ».