Monitoring leaf nitrogen concentration for different leaf layers based on multiangle remote sensing and fusion models
Rattachement africain : cn, mx, Éthiopie. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
ABSTRACT Timely and accurate monitoring of changes in leaf nitrogen concentration (LNC) across different leaf layers of crops is crucial for early management of nitrogen fertilization. Here, we collected LNC data from different leaf layers of winter wheat and hyperspectral data from 13 view zenith angles (VZAs) and then employed competitive adaptive reweighted sampling (CARS) to screen sensitive original reflectance (OR), vegetation indexes (VIs), and wavelet features (WFs). Three machine learning algorithms (MLs)—namely partial least squares regression (PLSR), back propagation neural network (BPNN), and extreme learning machine (ELM)—were used to invert vertical distribution of LNCs. The results demonstrated that ±60°, ±50°, and 0° were suitable for inverting upper layer LNC; ±40°, ±30°, and 0° were suitable for inverting middle layer LNC; and ±20°, ±10°, and 0° were suitable for inverting bottom layer LNC. The accuracy of MLs for the vertical distribution of LNCs consistently ranked as PLSR > BPNN > ELM. The combination of multiple data modalities achieved higher accuracy than using a unimodal dataset; the OR+VI+WF_PLSR integrated model yielded the highest accuracy in the upper, middle, and bottom canopy layers (with R² values of 0.93, 0.88, and 0.86, respectively). In particular, for bottom layer LNC, the accuracy of OR+VI+WF_PLSR was 72% higher than that of OR_ELM. In conclusion, combining multiangle hyperspectral data with MLs improves the prediction accuracy and stability of LNC vertical distribution assessment and provides a technical basis for rapid large-scale monitoring of bottom layer LNC.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Monitoring leaf nitrogen concentration for different leaf layers based on multiangle remote sensing and fusion models
- Date Crossref
- 01/12/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Henan University pays non établi dans la noticeUniversité ou école supérieure
-
Henan Agricultural University pays non établi dans la noticeUniversité ou école supérieure
-
Centro Internacional de Mejoramiento de Maíz Y Trigo pays non établi dans la noticeOrganisation à but non lucratif
-
International Maize and Wheat Improvement Center Éthiopie (code pays fourni par la source)Organisation à but non lucratif
-
College of Agronomy/ State Key Laboratory of High-Efficiency Production of Wheat-Maize Double Cropping pays non établi dans la noticeUniversité ou école supérieure
-
School of Life Sciences State Key Laboratory of Crop Stress Adaptation and Improvement pays non établi dans la noticeUniversité ou école supérieure
-
#15 Longzihu College District CIMMYT-China Joint Center of Wheat and Maize Improvement pays non établi dans la noticeUniversité ou école supérieure
Henan University, Henan Agricultural University et Centro Internacional de Mejoramiento de Maíz Y Trigo, avec 4 autres affiliations. Pays d’affiliation : Éthiopie.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.