Quantifying the spatial and temporal variability of the environmentalconditions in a cultivation room for the micropropagation ofcannabis
Notice bibliographique
Résumé
Controlled environment agriculture (CEA) is an indoor food production technique where growth conditions are carefully monitored and controlled to optimize crop production. With the world's population and climate change continuing to rise, CEA has become increasingly important. However, many CEA facilities struggle to achieve economic sustainability due to high operating costs. One way to improve the efficiency of CEA is to better understand the variability of environmental conditions in growth enclosures. By analyzing data on temperature, humidity, CO2, and light levels in CEA environments, researchers can develop more accurate energy models and implement energy-saving measures. This is especially important for the micropropagation of cannabis, which requires precise control of environmental conditions to ensure successful plant growth. Thus, this study aims to quantify the spatial and temporal variability of environmental conditions in a cultivation room used for the micropropagation of cannabis, and to understand the impact of this variability on the growth of stage-two cannabis plantlets. To monitor the environmental conditions in the cultivation room, a low-cost Internet of Things (IoT) sensor system using Arduino technology and InfluxDB software was developed. The system includes sensors that measure temperature, humidity, CO2, and light levels, and sends the data to a web server. The study tested five different locations within the shelved cultivation room for periods of one to three weeks. Repeated measure analysis of variance (RM-ANOVA) and time series analysis were used to assess variability in environmental conditions and plantlet growth. RM-ANOVA allowed to detect a statistically significant effect of Time (pGG-corr= 0.018 < 0.05), while no statistically significant effect of Location (pGG-corr=0.092 > 0.05) or Time-Location interaction (pGG-corr=0.092 > 0.05) were detected. Time series analysis was used to gain more insights into the trends present in the data, and possible clusters in the time series related to dissimilarities in value and profile.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».