Does Leaf Waxiness Confound the Use of NDVI in the Assessment of Chlorophyll When Evaluating Genetic Diversity Panels of Wheat?
Notice bibliographique
Résumé
Ground and aerial-based high throughput phenotyping platforms (HTPPs) to evaluate chlorophyll-related traits have been utilized to predict grain yield in crops including wheat (Triticum aestivum L.). This study evaluated chlorophyll-related and other physiological and yield traits in a panel of 318 Nepali spring wheat genotypes, termed the Nepali Wheat Diversity Panel (NWDP). Field experiments were conducted using an alpha-lattice design in Nepal and Canada. Chlorophyll-related traits were evaluated with a Soil Plant Analysis Development (SPAD) meter and the normalized difference vegetation index (NDVI) using a handheld GreenSeeker and an Unmanned Aerial Vehicle (UAV). Relative leaf epicuticular waxiness was recorded using visual assessments. There was a significant positive association (p < 0.001) between waxiness and SPAD-based chlorophyll estimates, and both of these traits displayed a significant positive relationship with grain yield. However, unexpectedly, NDVI derived from both GreenSeeker and UAV was negatively associated with waxiness and grain yield. The results obtained after segregating the trait means into groups based on waxiness scores and breeding history of genotypes indicated that waxiness along with precipitation could be affecting the multispectral reflectance. These results suggest that caution should be taken when evaluating a large and diverse wheat population for leaf chlorophyll using high-throughput NDVI methods.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».