Developing a New Vegetation Index Using Cyan, Orange, and Near Infrared Bands to Analyze Soybean Growth Dynamics
Notice bibliographique
Résumé
Remote sensing Vegetation Indices (VIs) are simple, effective, and widely used methods for quantitative and qualitative analysis of vegetation cover, vigor, and growth dynamics. This study developed and assessed a new vegetation index (VI) using Cyan, Orange, and Near Infrared (NIR) bands to assess Soybean growth dynamics. The study was conducted at Lakehead University Agriculture Research Station, Thunder Bay, Canada, over four reproductive stages of Soybean growth (R4–R7). Spectral profiles were created for each stage, and the correlation between each spectral band at different stages was tested. There was no linear correlation between different bands except the correlation between the Cyan and Orange bands at R5 and R6 stages. Existing VIs have also been explored using approximately similar band combinations. Based on this analysis, three VIs were proposed for this new camera, and their behavior at different stages was evaluated using Leaf Area Index (LAI). Cyan and Orange spectral values were relatively high in the first and last growing seasons, while NIR values increased dramatically in the mid-growing seasons and decreased in the last stage. VINIR,O,C index showed the best results for mid-growing seasons (correlation with LAI = 0.39 for R5 and R6). VIC,O index showed a high level of details visually (leaves and background) for R4 and R7 than the other indices and correlated highly with LAI (0.48 and −0.5, respectively). Overall, the study provided new VIs that can be used to effectively analyze Soybean growth dynamics, with different VIs showing reliability over different growing stages.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».