SISTEM AUTOMASI PERPUSTAKAAN

UNIVERSITAS NEGERI MEDAN

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Masuk
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title
Penanda Bagikan

Text

Field hyperspectral remote sensing data to diagnose crop variables in tropical irrigated wetland rice

Insana, Dwi Rorin Mauludin - Konferensi; Windschuttle, Keith - Konferensi; Elliot, Elizabeth - Konferensi;

Pengukuran kanopi spektral (400-980 nm) menggunakan tanah berbasis perangkat hyperspectral dan variabel tanaman padirnseperti luas daun Indeks (LAI), bobot kering daun (LDW) dan nilai-nilai SPAD diukur secara berkala selama pertumbuhanrnmusim dengan melibatkan tiga kultivar padi (Pandanwangi, Ciherang dan IR Jumbo) dan empat nitrogen (N) aplikasirntingkat (NO, N80, N92 dan Nl03 kg / ha). Penelitian ini dieksplorasi memungkinkan wavebands kombinasi diuji dirnvegetasi indeks berbasis itt (HVIs) dan untuk mengembangkan model hubungan antara HVIs dengan tanamanrnvariabel. Beberapa HVIs digunakan adalah NDVI (Normalized Difference Vegetation Index), NDVI (Normalized DifferencernVegetasi Index), RVI (Rasio Indeks vegetasi) dan SA VI (Tanah Disesuaikan Indeks vegetasi). Analisis pasanganrnwaveband 0., 2> A-1) yang digunakan dalam HVIs diselidiki dengan 6. 786 kombinasi untuk mendapatkan waveband optimal. NDVI ditampilkanrnnilai R2 tertinggi untuk LAI ditemukan dalam kombinasi Band dari hijau ke daerah merah (500 nm ke 730 nm).rnvalidasi model menggunakan FDR tersirat akurasi yang lebih baik untuk memperkirakan LAI menggunakan data seluruh musim (R2 = 0,856), namun,rnberbanding terbalik untuk LDW dan nilai-nilai SPAD, validasi menggunakan data reflektansi menunjukkan akurasi yang lebih baik untuk memprediksi LDW danrnnilai SPAD. Model menggunakan SAVI dilambangkan nilai tertinggi (R2 = 0,852) untuk memprediksi LAI Validasi model menggunakanrnRVI tersirat nilai tertinggi (R2 = 0. 797) untuk memprediksi LDW. Model pengujian menggunakan SA VI ditunjukkan nilai tertinggirn(R2 = 0,658) untuk memprediksi nilai-nilai SPAD. RVI memiliki akurasi terbaik untuk memvalidasi model LAI daripada LDW ataurnnilai AD SP.


Ketersediaan

Tidak ada salinan data

Informasi Detail
Judul Seri
Makara seri sains
No. Panggil
-
Penerbit
: American foundations information service., 2009
Deskripsi Fisik
-
Bahasa
English
ISBN/ISSN
1693-6671
Klasifikasi
-
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Vol. 13, No. 02, Tahun
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

SISTEM AUTOMASI PERPUSTAKAAN
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?