MétaCan
Menu
Retour à la cohorte
Enregistrement W7065739514

Estimating nitrogen requirement of grain corn in Manitoba using optical spectral reflectance

2023· dissertation· en· W7065739514 sur OpenAlex

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.

fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMspace (University of Manitoba) · 2023
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensnon disponible
Organismes subventionnairesAgriculture and Agri-Food CanadaNatural Sciences and Engineering Research Council of CanadaGrain Farmers of OntarioWestern Grains Research Foundation
Mots-clésCanopyNitrogenReflectivityNormalized Difference Vegetation IndexLeaf area indexCalibrationYield (engineering)MoistureSunlight
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Optical sensors can measure optical (visible/near-infrared) reflectance and be used to assess crop canopy conditions. In this study, two hand-held active sensors (GreenSeeker® and CropCircleTM) and a passive aerial sensor (Red-Edge multi-spectral camera) were compared at three growth stages of grain corn (V4, V8 and V12) to predict in-season nitrogen (N) requirement. Active optical sensors have a light source. Passive sensors rely on sunlight; thus, their reflectance measurements are subject to changing sunlight conditions. Here a high reflectance area of canopy non-limited by N was used to standardize for variations in sunlight conditions between measurements days. The Normalized Difference Vegetation Index (NDVI) for all three sensors and the Normalized Difference Red-Edge index (NDRE) using the CropCircleTM and Red-Edge were also compared. Four site-years (2018-2021) of N response trials were combined to capture N response under different meteorological conditions and create a regional response model, adjusted for N fertilizer and corn grain prices to determine the optimum N rate to apply. Measured grain yield significantly increased (adjR2=0.40) with N supply (spring soil nitrate plus N rate). The maximum return to nitrogen (MRTN) using a current high price ratio ($N: $Corn) of 9.15:1 was 177 kg N/ha for 7,986 kg grain/ha. Two methods were used to make N addition recommendations. The first was using a quadratic response model for grain corn yield to N supply. The second was the optical sensor approach compared the difference between a non-limited area and the field estimate using canopy spectral reflectance. The optical sensor approach (187 kg/ha N) was the closest to the determined MRTN of 177 kg N/ha. Standardizing light conditions at V4 provided significant associations of NDVI and NDRE with yield regardless of the sensor. At V8, only Red-Edge NDVI and NDRE were improved by standardization. Standardization had no effect at V12. For determining in-season N addition to grain corn in Manitoba, it is best to determine NDRE using the CropCircle V12 (adjR2 = 0.62). However, it is recommended for Manitoba farmers to standardize reflectance values to an N non-limited crop area as they prefer earlier timing for top or side-dressing corn between the V4 to V8 developmental stages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,033
Tête enseignante GPT0,258
Écart entre enseignants0,225 · 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