MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387701204 · doi:10.1117/12.2680203

Foliar spectral responses of sugarcane and maize: how comparable are they?

2023· article· en· W4387701204 sur OpenAlexaff
Gladimir V. G. Baranoski

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAgricultureComparabilityScarcityEconomic shortageAgronomyAdaptation (eye)Agricultural engineeringBiologyAgroforestryEnvironmental scienceMathematicsEcologyEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Sugarcane and maize (corn) crops are extensively used in the production of biofuel worldwide. These plants share important physiological and morphological traits. Both belong to the group of C4 species characterized by the presence of unifacial leaves. Moreover, their stress adaptation mechanisms make them less susceptible to adverse conditions elicited by climate changes. Given these aspects and their economical value, one would expect that there is no shortage of data for these plants, particularly with respect to their foliar spectral responses. After all, such data is essential for the efficacy of precision farming and remote sensing strategies devised to obtain an ecologically sustainable increase in the yield of these crops. However, this is not the case, with the data scarcity situation being markedly more serious for sugarcane. Because of that, and considering their physiological and morphological similarities, investigations on the spectral responses of C4 plants are usually conducted using data obtained from maize specimens, with the resulting findings often being implicitly extended to sugarcane. This raises the question of whether the level of comparability between the foliar spectral responses of these two species is sufficient to support such an approach. In this paper, we aim to contribute to the elucidation of this question. Using measured reflectance data obtained for maize and sugarcane leaves, we compute selected spectral features associated with these specimens, and assess possible discrepancy trends. We then discuss data availability issues in this area, and identify relevant topics for future research that will likely require comprehensive measured spectral datasets for these plants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,222
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing in Agriculture→Travaux en français237 207→