Leveraging geospatial data to improve soil characterization for precision agriculture
Notice bibliographique
Résumé
La compréhension de l'hétérogénéité de la parcelle permet de contrôler avec précision afin que le gaspillage soit minimisé et que le profit soit maximisé. L'objectif général de cette thèse est d'évaluer les méthodes actuelles de cartographie des sols en utilisant l'échantillonnage conventionnel par grilles systématiques et les systèmes de détection du sol à proximité et aussi de développer des stratégies analytiques et des outils d'évaluation économique pour soutenir les applications agricoles de précision.Le premier objectif était d'optimiser la caractérisation des parcelles en utilisant l'échantillonnage conventionnel par grille de 1 ha. Trois types de schémas d'échantillonnage, et trois types de méthodes d'interpolation spatiale, ont été évalués. Deux parcelles agricoles du centre-nord de l'Ukraine ont été utilisées pour mettre en œuvre les stratégies proposées. De plus, des mesures de la conductivité électrique apparente du sol et des données d'échantillonnage des sols à haute densité recueillies dans sept parcelles supplémentaires du Nebraska ont été utilisées pour simuler l'effet de la dimension de grille sur la performance des stratégies proposées et discuter des enjeux de la cartographie par grilles systématiques.Dans le cadre du second objectif, l'optimisation de la cartographie basée sur un seul capteur a été évaluée en étudiant les stratégies d'échantillonnage pour permettre la calibration du capteur. Un exemple d'estimation de la matière organique basée sur les capteurs optiques été démontré. Les mesures de réflectance du sol prisent par un appareil commercial à deux canaux [dans le domaine du rouge et proche infrarouge] ont été reliées avec les mesures de dans 15 parcelles agricoles. Des analyses de régression linéaire simple, RMSE et « D-optimality » ont été utilisées pour décrire les exigences pour l'implémentation des capteurs ainsi que pour déclarer les résultats d'étalonnage réussis. Le troisième objectif était l'optimisation de la cartographie multi-capteurs à travers l'évaluation du nouvel algorithm servant à la conception d'échantillonnage d'étalonnage optimale. Les données de captage multi-couches ont été recueillies à l'aide d'une « mobile sensor platform » assemblant des capteurs CEa, optiques et de pH ainsi qu'un récepteur de système de positionnement par satellites de niveau cinématique en temps réel. Les échantillons de sol obtenus à partir de dix parcelles d'étalonnage désignées ont été utilisés pour corréler les mesures de capteurs avec les propriétés physico-chimiques du sol pour deux parcelles dans l'est de l'Ontario, Canada. Les régressions linéaires multiples de sous-ensemble ont été utilisées pour établir des modèles de calibration pour la cartographie par capteurs. Les cartes à grilles de 1 ha dérivées de l'interpolation basés sur le krigeage ordinaire ont été comparées aux cartes basées sur les capteurs. Sur chaque parcelle, dix échantillons de sol aléatoires supplémentaires ont été collectés pour évaluer la précision globale de chaque carte.Dans le cadre du quatrième et dernier objectif, l'optimisation de la ressource agricole et de la rentabilité à l'aide de données géospatiales a été abordée en développant un outil d'évaluation économique pour les applications à taux variable (ATV). Les avantages de l'optimisation de l'eau d'irrigation à l'aide de la technologie d'irrigation aux taux d'apports variables, ont été obtenus en intégrant des fonctions de rendement et de déclin spatialement dynamiques. Pour démontrer la performance de l'outil, la carte CEa a été utilisée comme approximation du potentiel de réserve de l'eau dans le sol et la carte topographique a été utilisée comme approximation des effets d'engorgement dans une parcelle de 20 ha dans le sud de l'Alberta. Au total, 62 scénarios de gestion de l'irrigation ont été comparés en termes de rentabilité anticipée: 1) pas d'irrigation, 2) gestion uniforme, 3) « VRI Speed Control » et 4) « VRI Zone Control ».
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 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 | 0,001 | 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 tête enseignante, 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 ».