Determining the Beginning of Potato Tuberization Period Using Plant Height Detected by Drone for Irrigation Purposes
Notice bibliographique
Résumé
Insolation and precipitation instability associated with climate change affects plant development patterns and water demand. The potato root system and soil properties lead to water vulnerability, impacting crop yield. Regarding potato physiology, plants stop growing when the root depth stabilizes, and then the tuberization period begins. Since this moment, water supply is required. Consequently, an approach based on plant physiology may enable farmers to detect the beginning of the irrigation period precisely. Remote sensing is a fast and precise method for obtaining surface information using non-invasive data collection. The database comprises root depth (RD) and plant height (H) data collected during 2019, 2020, and 2021. This research aims to develop a dynamic approach based on remote sensing and crop physiology to accurately determine the beginning of the tuberization period, called here the irrigation critical point (ICP). The results indicate a high correlation between RD and H (>0.85) which is independent of in-field soil and relief variations > 0.95). Further, plant growth rate corroborates the correlation results with decreasing patterns in time (R2 > 0.80), independent of environmental variations. In short, it was possible to determine the ICP based on the crop growth dynamics, independently of climate variations, field placement, or irrigation system.
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 | 0,000 |
| 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 ».