Proximal and Remote Sensing Data Integration to Assess Spatial Soil Heterogeneity in Wild Blueberry Fields
Notice bibliographique
Résumé
Wild blueberries (Vaccinium angustifolium Ait.) are often cultivated uniformly despite significant within-field variations in topography and crop density. This study was conducted to relate apparent soil electrical conductivity (ECa), topographic attributes, and multi-spectral satellite imagery to fruit yield and soil attributes and evaluate the potential of site-specific management (SSM) of nutrients. Elevation and ECa at multiple depths were collected from two experimental fields (referred as FieldUnd, FieldFlat) in Normandin, Quebec, Canada. Soil samples were collected at two depths (0–0.05 m and 0.05–0.15 m) and analyzed for a range of soil properties. Statistical analyses of fruit yield, soil, and sensor data were used to characterize within-field variability. Fruit yield showed large variability in both fields (CVUnd = 54.4%, CVFlat = 56.5%), but no spatial dependence. However, several soil attributes showed considerable variability and moderate to strong spatial dependence. Elevation and the shallowest depths of both the Veris (0.3 m) and DUALEM (0.54 m) ECa sensors showed moderate to strong spatial dependence and correlated significantly to most soil properties in both study sites, indicating the feasibility of SSM. In place of management zone delineation, a quadrant analysis of the shallowest ECa depth vs. elevation provided four sensor combinations (scenarios) for theoretical field conditions. ANOVA and Tukey–Kramer’s post hoc test showed that the greatest differentiation of soil properties in both fields occurred between the combinations of high ECa/low elevation versus low ECa/high elevation. Vegetation indices (VIs) obtained from satellite data showed promise as a biomass indicator, and bare spots classified with satellite imagery in FieldUnd revealed significantly distinct soil properties. Combining proximal and multispectral data predicted within-field variations of yield-determining soil properties and offered three theoretical scenarios (high ECa/low elevation; low ECa/high elevation; bare spots) on which to base SSM. Future studies should investigate crop response to fertilization between the identified scenarios.
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 | 0,001 |
| 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 ».