Use of Fluorescence Sensing to Detect Nitrogen and Potassium Variability in Maize
Notice bibliographique
Résumé
Real-time fluoro-sensing is a promising crop sensing technology to support variable-rate nutrient management for precision agricultural practices. The objective of this study was to evaluate the potential of fluoro-sensing to detect the variability of nitrogen (N) and potassium (K) in the crop canopy at the early growth stages of maize (before the V6 crop growth stage). This study was conducted under greenhouse conditions in pots filled with silica sand, and maize plants were supplied with modified Hoagland’s solution with different rates of N and K. Sensor readings were collected using a Multiplex®3 fluorescence sensor and analyzed using ANOVA (analysis of variance) to test differences in crop response to nutrient rates. Regression analysis was used to assess the ability of fluorescence sensor-based indices to estimate N and K in the crop canopy. The results of this study indicate that all fluorescence indices under consideration enabled the detection of N variability in the maize canopy prior to the V2 crop growth stage. The NBI_B (nitrogen balance index blue) index enabled N uptake detection (R2 = 0.99) as early as the V2 crop growth stage. However, the fluorescence indices failed to identify K deficiency, as the maize plants with K treatments showed little to no variability of this nutrient at early crop growth stages as measured by plant tissue analysis. The results present a tremendous opportunity to assess N uptake at early growth stages of maize for precision nitrogen application. We recommend using fluorescence sensor-based NBI_B or NBI_R (Nitrogen balance index red) for early detection of nitrogen uptake in maize for precision nitrogen management.
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 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 | 0,001 |
| 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 tête enseignante, 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 ».