Electrophysiological monitoring of plants: an exploratory study on drought stress
Notice bibliographique
Résumé
Abstract Climate change is increasing environmental stress, particularly rising temperatures and water scarcity, in both natural and human-managed systems such as agroecosystems and urban environments. Traditional methods for monitoring plant health in human-managed systems remain limited, underscoring the need for novel approaches. This study explores the potential of plant electrophysiological signals (EPS) and derived statistical features for the early detection of drought stress. The two main objectives of this research are: i) to identify EPS features that are both ecologically relevant and statistically robust for detecting drought stress, and ii) to develop statistical models that integrate these features. EPS data was collected from two drought-stress experiments, one on tomato plants and one on apricot trees. Sixteen features from both time and frequency domains were selected and evaluated. Two models, a logistic and a machine learning classifier, were developed and compared using accuracy, precision, and recall metrics. In apricots, ten time-domain features (Frequency Center, Generalized Hurst Exponent, Hjorth Complexity, Hjorth Mobility, Kurtosis, Root Mean Squared Frequency, Root Variance Frequency, Shape Factor, Skewness and Standard Deviation) showed significant differences between stressed and control groups. In tomatoes, four frequency-domain features (Frequency Centre, Root Variance Frequency, Root Mean Squared Frequency, and Power Law Distribution Exponent) were significantly different. Model accuracy was approximately 50% for apricots and 66% for tomatoes, insufficient for practical deployment but indicative of potential. This study illustrates the potential value of plant EPS data, its derived statistical features, and models for developing early drought stress detection systems in both agricultural and urban plant management contexts.
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 | 0,000 | 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 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 ».