Research of Light Use Efficiency for Paddy Rice Using Multi-Angle Hyperspectral Observations
Notice bibliographique
Résumé
Light use efficiency (LUE) is a critical variable for modeling gross primary production (GPP) of vegetation. The photochemical reflectance index (PRI) is based on reflectance at 531 and 570 nm, which has great potential in predicting the light use efficiency (LUE) and makes LUE related to plant optical characteristics. Despite the great achievement in understanding the correlation of PRI and LUE on forests, the application of PRI in estimating LUE on crops has almost been ignored. The present study reported the ability of multi-angle PRI to track eddy covariance (EC)-based LUE in a rice field in East China. We found that PRI can estimate LUE in sunny days ( R 2 = 0.4; p < 0.05). The correlation of PRI and LUE was greater than that at OZA of 0° ( R 2 = 0.4; p < 0.05) after distinguishing different OZAs and scatter directions and was the greatest in the backscatter direction with an OZA of 60° ( R 2 = 0.7; p < 0.01). This correlation was also corrected by the bidirectional reflectance distribution function (BRDF), where R 2 = 0.72 after correction. We noted that the relationship between PRI and LUE on cloudy days was poor, where R 2 = 0.26. Photosynthetically active radiation (PAR) had an influence on the LUE and PRI, while vapor pressure deficit (VPD) and air temperature (Ta) had negative influences on the correlation of PRI and LUE. Our research suggests that PRI can efficiently track the LUE of the rice growth period when considering environmental factors and rice canopy structures.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».