Novel Curve Fitting Analysis of NDVI Data to Describe Turf Fertilizer Response
Notice bibliographique
Résumé
Evaluating the effectiveness of fertilizers on crops without traditional yield is difficult, as clipping collection is time-consuming and not indicative of the desired response to the fertilizer. Remote sensing techniques, like the normalized difference vegetation index (NDVI), have emerged as an effective tool to combat these issues. Canopy reflectance, measured by NDVI, is commonly used to differentiate turfgrass response to nitrogen (N) fertilization treatments; however, advancements in data processing are needed for greater differentiation between treatments and better testing of the effects of fertilizer responses. Presented here is an advancement in the processing of NDVI data by applying a compound exponential (pulse peak) function to changes in NDVI over time, relative to a control. This method’s effectiveness in differentiating between fertilizers was evaluated by applying polymer-coated urea (PCU), an enhanced efficiency fertilizer (EEF), and urea on turfgrass to show the usefulness of the novel curve fitting in highlighting differences in fertilizer response. The field study was carried out on an established Kentucky bluegrass (Poa pratensis L.) blend on a sandy loam soil rootzone maintained with a typical home lawn maintenance regime. Ratios of PCU to urea ranging from 100% urea to 100% PCU with increments of 20% of PCU were used to observe a continuum of response between the two fertilizer types. The N rate for all blends was 73 kg ha−1, with unfertilized plots used as a control to set baseline measurements for the curve fitting. Turfgrass response to N fertilization treatments was assessed through visual turfgrass quality ratings, dry matter yield, and canopy reflectance, where higher urea content resulted in the shortest time to maximum ∆NDVI (24 days), while 100% EEF reached maximum ∆NDVI at 56 days. The novel curve fitting analysis of the NDVI data allowed for differentiation between treatments, provided a measure of fertilizer effects, and differentiated between urea and enhanced efficiency fertilizers.
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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».