Suivi des cultures à l’aide des images d’observation de la Terre pour l’optimisation de la fertilisation azotée en agriculture de précision
Notice bibliographique
Résumé
L’agriculture de précision est un principe de gestion des parcelles agricoles qui tient compte de la variabilité spatiale des besoins des cultures en intrants, comme les fertilisants. Les images satellites sont souvent utilisées en agriculture de précision comme source d’information sur la croissance des cultures, notamment pour l’optimisation de la fertilisation azotée des grandes cultures comme le maïs. Ce travail porte sur l’utilisation des séries d’images PlanetScope pour suivre la croissance du maïs et déduire les besoins en fertilisation azotée. L’étude a été menée sur diverses parcelles de la ferme expérimentale de L'Acadie appartenant au Centre de Recherche et de Développement de Saint-Jean-sur-Richelieu (CRDSJR) d'Agriculture et Agroalimentaire Canada. Des sériestemporelles de réflectances au sol fournies par les images Planet ont été recalibrées à l’aide d’une méthode statistique qui réduit les fluctuations dues aux problèmes decalibration des nombreux capteurs PlanetScope, puis utilisées pour calculer l’indice de végétation NDVI. Les résultats montrent qu’il existe une relation entre la croissance exprimée par la série temporelle de NDVI et les quantités d’azote dans le sol et dans les tissus végétaux. Ceci montre, entre autres, qu’une série d’images satellites bien calibréesest plus utile pour déterminer les besoins en azote qu’une seule image.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».