MétaCan
Menu
Retour à la cohorte
Enregistrement W4401777763 · doi:10.1093/g3journal/jkae200

Remote sensing for estimating genetic parameters of biomass accumulation and modeling stability of growth curves in alfalfa

2024· article· en· W4401777763 sur OpenAlexfundno aff
Ranjita Thapa, Karl H. Kunze, Julie Hansen, Virginia Moore, I. M. Ray, Liam Wickes-Do, Nicolás Morales, Felipe Sabadin, Nicholas Santantonio, Michael A. Gore, Kelly R. Robbins

Notice bibliographique

RevueG3 Genes Genomes Genetics · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesHatchNational Institute of Food and AgricultureFoundation for Food and Agriculture ResearchU.S. Department of Agriculture
Mots-clésCuttingForageBiomass (ecology)HeritabilityBiologyCultivarVegetation (pathology)AgronomyBotany

Résumé

récupéré en direct d'OpenAlex

Multispectral imaging by unoccupied aerial vehicles provides a nondestructive, high-throughput approach to measure biomass accumulation over successive alfalfa (Medicago sativa L. subsp. sativa) harvests. Information from estimated growth curves can be used to infer harvest biomass and to gain insights into the relationship between growth dynamics and forage biomass stability across cuttings and years. In this study, multispectral imaging and several common vegetation indices were used to estimate genetic parameters and model growth of alfalfa cultivars to determine the longitudinal relationship between vegetation indices and forage biomass. Results showed moderate heritability for vegetation indices, with median plot level heritability ranging from 0.11 to 0.64, across multiple cuttings in three trials planted in Ithaca, NY, and Las Cruces, NM. Genetic correlations between the normalized difference vegetation index and forage biomass were moderate to high across trials, cuttings, and the timing of multispectral image capture. To evaluate the relationship between growth parameters and forage biomass stability across cuttings and environmental conditions, random regression modeling approaches were used to estimate the growth parameters of cultivars for each cutting and the variance in growth was compared to the variance in genetic estimates of forage biomass yield across cuttings. These analyses revealed high correspondence between stability in growth parameters and stability of forage yield. The results of this study indicate that vegetation indices are effective at modeling genetic components of biomass accumulation, presenting opportunities for more efficient screening of cultivars and new longitudinal modeling approaches that can provide insights into temporal factors influencing cultivar stability.

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)0,001
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 enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,049
Tête enseignante GPT0,284
Écart entre enseignants0,234 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueG3 Genes Genomes GeneticsMême sujetRemote Sensing in AgricultureTravaux en français237 207