five

Optimising Plant Establishment 2020 Inverleigh Faba Bean Experiment|农业试验数据集|作物种植数据集

收藏
Mendeley Data2024-01-31 更新2024-06-27 收录
农业试验
作物种植
下载链接:
https://adelaide.figshare.com/articles/dataset/Optimising_Plant_Establishment_2020_Inverleigh_Faba_Bean_Experiment/24784329/1
下载链接
链接失效反馈
资源简介:
Data from the 2020 crop establishment trial at Inverleigh, VIC. The trial compared the establishment of Samira faba bean at different target densities, under a conventional seeder (Vaderstad Rapid) and under a precision seeder (Vaderstad Tempo). The experiment was run under the UOA1803-009RTX GRDC research project led by the University of Adelaide, with the experimental trial and data collection managed locally by Southern Farming Systems (SFS).Files:2020 SFS faba bean .xlsxExperiment setup:Experiment managed locally by Southern Farming Systems (SFS). The trial was set up as a randomised complete block design with four treatments (conventional seeder vs precision seeder, and target plant densities at 20 and 40 plants/m2), arranged spatially in a single column with 12 rows, 3 replicates, 12 plots total. Note that the row spacing for the treatment with the Tempo precision seeder at 40 plants/m2 was erroneously increased to 500mm instead of 250mm for only two of the replicates. Samira faba bean was the variety sown for this trial.Variables recorded:establishment count (plants/m2), interplant distance (cm), peak biomass wet weight (g), peak biomass dry weight (g), peak biomass moisture (%), peak biomass (t/ha), harvest biomass wet weight (g), harvest biomass dry weight (g), harvest biomass moisture (%), harvest index, corrected yield at 14% moisture (t/ha)Data collection and assessment:The faba bean was sown on 08/05/2020. Establishment counts were made for 1 row over 3m lengths on 25/05/2020, 29/05/2020, and 01/06/2020, with a final establishment count and interplant distance (in cm) also recorded for each of the plots. Peak biomass and harvest biomass cuts were made to assess wet weight, dry weight and moisture content. At harvest the yield was recorded, corrected to 14% moisture (t/ha).
创建时间:
2024-01-31
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

PRBench

PRBench是一个大规模专家标注的专业领域高风险推理基准测试数据集,当前版本覆盖法律和金融领域。包含1,100个专家编写的跨金融和法律领域的对话,19,356个专家策划的评估标准(每个任务10-30条),覆盖114个国家、47个美国司法管辖区和25个专业主题,并包含最具挑战性任务的硬子集(Finance-300, Legal-250)。

github 收录

AirSafe_DB

该数据集包含了从Plane Crash Info网站上抓取的飞机事故的结构化信息,原始数据为CSV格式,经过AI模型处理后生成了标准化的JSON格式数据。数据集包含5049条记录,每条记录包括事故信息(日期、时间、地点等)、飞机信息(运营商、航班号、机型等)、伤亡统计(总死亡人数、机组人员、乘客、地面人员等)、事故摘要(事故描述、事故类型、飞行阶段等)等内容。数据经过标准化处理,确保数据质量和一致性,适用于分析和研究。

huggingface 收录

flames-and-smoke-datasets

该仓库总结了多个公开的火焰和烟雾数据集,包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述,包括数据来源、图像数量、标注信息等。

github 收录

PASCAL VOC 2007

这个挑战的目标是从现实场景中的许多视觉对象类别中识别对象(即不是预先分割的对象)。它基本上是一个监督学习问题,因为它提供了一组标记图像的训练集。已选择的 20 个对象类别是: 人:人 动物:鸟、猫、牛、狗、马、羊 交通工具:飞机、自行车、船、公共汽车、汽车、摩托车、火车 室内:瓶子、椅子、餐桌、盆栽、沙发、电视/显示器 将有两个主要比赛和两个较小规模的“品酒师”比赛。内容:提供的训练数据由一组图像组成;每个图像都有一个注释文件,为图像中存在的 20 个类别之一中的每个对象提供一个边界框和对象类别标签。请注意,来自多个类的多个对象可能出现在同一图像中。

OpenDataLab 收录

S&P 500 index data

该数据集提供了自1870年以来的S&P 500指数数据,包括水平、股息、盈利和市盈率等,每月更新。数据集由经济学家Robert Shiller收集并准备,旨在提供美国500家主要上市公司的市场表现数据。

github 收录