Performance of the Global-Local modelling approach for FT-NIR predictions of SOC and TN in diverse Saskatchewan agricultural soils
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
• Global-Local models performed better than Global for predicting SOC and TN. • Site-Specific models outperformed all other models evaluated. • Global-Local model performed similar to the best Lab or Neighbour model. • Spiking performed as well as or better than the Global-Local model, depending on the site. • Inclusion of site-specific samples improved model performance. Precision agriculture requires a reliable, cost-effective method to measure soil organic carbon (SOC) and total nitrogen (TN), and Fourier Transform Near Infrared (FT-NIR) spectroscopy offers a promising solution. Here, we applied the Global-Local model to improve FT-NIR SOC and TN predictions in Saskatchewan agricultural soils. Soil samples (SOC: n = 1876; TN: n = 1442) were collected in 2020 and 2021 from six Saskatchewan agricultural regions. Spectral data were acquired, preprocessed using continuous wavelet transform (CWT), and modelled using Cubist regression. The Global-Local model was applied by combining a small subset of site-specific samples ( Lab ) with their k -nearest neighbours ( Neighbour ) from Saskatchewan spectral datasets. Its performance was compared with Leave-One-Site-Out ( LOSOV ), site-specific, Lab , Neighbour , and traditional spiking. Compared to LOSOV (SOC: R 2 = 0.55 – 0.76, CCC = 0.67 – 0.79, RPD = 1.20 – 1.44), site-specific models gave higher performance (SOC: R 2 = 0.71 – 0.88, CCC = 0.82 – 0.92; RPD = 1.59 – 2.70). The Global-Local model performed better than LOSOV and performed similarly to the best Lab or Neighbour models. Compared to the Global-Local , traditional spiking either improved or gave similar results due to higher variability in target variable and spectra datasets. The more accurate models using either spiking or Global-Local than LOSOV confirms the importance of incorporating site-specific samples into training datasets. Our results indicate that the application of the Global-Local model should be restricted to an individual field level, which was its original purpose. Future studies on optimization of the Global-Local model is needed to scale-up its application.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle