The Scope for Using Proximal Soil Sensing by the Farmers of India
Notice bibliographique
Résumé
Knowledge about spatial distribution patterns of soil attributes is very much needed for site-specific soil nutrient management (SSSNM) under precision agriculture. High spatial heterogeneity exists in the agricultural soils of India due to various reasons. The present practice of assessing the spatial variability of the vast cultivated landscape of India by using traditional soil sampling and analysis is costly and time consuming. Hence, proximal soil sensing (PSS) is an attractive option to assess the plot-scale spatial variability pattern (SVP) of soil attributes for SSSNM. A PSS system, either in a fixed position or mounted on a vehicle (on-the-go), can be used to obtain measurements by having direct contact with soil. PSS measurements provide low-cost and high-density data pertaining to the SVPs of soil attributes. These data can be used to generate digital elevation and soil attribute variability maps at the field scale in a crop production environment. Based on the generated variability maps, locally available and economically feasible agricultural inputs can be applied using variable rate application strategies for sustainable cropping and enhanced farm profit. This overview presents the potential of adopting PSS in India and other developing countries. The scope, challenges, and probable solutions are also proposed. There is ample scope for adoption of PSS in India in view of diverse soil types, climatic conditions, cropping patterns, crop management practices, and ultimately, the ever-increasing demand for higher agricultural production. However, the successful adoption of the PSS technique in India will be dependent on the proper design and adoption of strategies which require adequate planning and analysis. There are several studies that have highlighted the usefulness of soil sensing technologies in Indian soils. There are also certain challenges and limitations associated with PSS in India, which could be addressed. The available proximal soil sensing technologies will be of great help in improving the understanding of soil heterogeneity for adopting SSSNM in order to optimize crop production in India and other developing countries.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».