Vegetation Indices for Predicting the Growth and Harvest Rate of Lettuce
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Urbanization has provided greater demand for food, and the search for strategies capable of reducing waste is essential to ensure food security. Lettuce (Lactuca sativa L.) culture has a short life cycle and its harvest point is determined visually, causing waste and important losses. Using vegetation indices could be an important alternative to reduce errors during harvest definition. The objective of this study was to evaluate different vegetation indices to predict the growth rate and harvest point of lettuce. Twenty-five genotypes of biofortified green lettuce were evaluated. The Green Leaf Index (GLI), Normalized Green Red Difference Index (NGRDI), Spectral Slope Saturation Index (SI), and Overall Hue Index (HUE) were calculated from images captured at 1, 8, 18, 24, and 36 days after transplanting (vegetative state). The diameter and average leaf area of plants were measured using QGIS software. Green mass, number of leaves, and plant and stem diameter were measured in the field. The means were compared using the Scott–Knott test (p ≤ 0.05) and simple linear regression models were generated to monitor the growth rate, obtaining R2 values ranging from 62% to 99%. Genetic dissimilarity was confirmed by the multivariate analysis presenting a cophenetic correlation coefficient of 88.49%. Furthermore, validation between data collected in the field versus data obtained by imaging was performed using Pearson’s correlations and showed moderate to high values. Overall, the vegetation indices SI, GLI, and NGRDI were efficient for monitoring the growth rate and determining the harvest point of different green lettuce genotypes, in attempts to reduce waste and losses. It is suggested that the definition of the harvest point based on vegetation indices are specific for each genotype.
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.
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 découle