Monitoring and Prediction of Wild Blueberry Phenology Using a Multispectral Sensor
Notice bibliographique
Résumé
(1) Background: Research and development in remote sensing have been used to determine and monitor crop phenology. This approach assesses the internal and external changes of the plant. Therefore, the objective of this study was to determine the potential of using a multispectral sensor to predict phenology in wild blueberry fields. (2) Method: A UAV equipped with a five-banded multispectral camera was used to collect aerial imagery. Sites consisted of two commercial fields, Lemmon Hill and Kemptown. An RCBD with six replications, four treatments, and a plot size of 6 × 8 m with a 2 m buffer between plots was used. Orthomosaic maps and vegetative indices were generated. (3) Results: There were significant correlations between VIs and growth parameters at different stages. The F4/F5 and F6/F7 stages showed significantly high correlation values among all growth stages. LAI, floral, and vegetative bud stages could be estimated at the tight cluster (F4/F5) and bloom (F6/F7) stages with R2/CCC = 0.90/0.84. Variable importance showed that NDVI, ENDVI, GLI, VARI, and GRVI contributed significantly to achieving these predicted values, with NDRE showing low effects. (4) Conclusion: This implies that the F4/F5 and F6/F7 stages are good stages for making phenological predictions and estimations about wild blueberry 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».