Refine
Has Fulltext
- yes (5)
Is part of the Bibliography
- yes (5)
Document Type
- Journal article (3)
- Doctoral Thesis (2)
Keywords
- fusion (5) (remove)
Rapid and accurate yield estimates at both field and regional levels remain the goal of sustainable agriculture and food security. Hereby, the identification of consistent and reliable methodologies providing accurate yield predictions is one of the hot topics in agricultural research. This study investigated the relationship of spatiotemporal fusion modelling using STRAFM on crop yield prediction for winter wheat (WW) and oil-seed rape (OSR) using a semi-empirical light use efficiency (LUE) model for the Free State of Bavaria (70,550 km\(^2\)), Germany, from 2001 to 2019. A synthetic normalised difference vegetation index (NDVI) time series was generated and validated by fusing the high spatial resolution (30 m, 16 days) Landsat 5 Thematic Mapper (TM) (2001 to 2012), Landsat 7 Enhanced Thematic Mapper Plus (ETM+) (2012), and Landsat 8 Operational Land Imager (OLI) (2013 to 2019) with the coarse resolution of MOD13Q1 (250 m, 16 days) from 2001 to 2019. Except for some temporal periods (i.e., 2001, 2002, and 2012), the study obtained an R\(^2\) of more than 0.65 and a RMSE of less than 0.11, which proves that the Landsat 8 OLI fused products are of higher accuracy than the Landsat 5 TM products. Moreover, the accuracies of the NDVI fusion data have been found to correlate with the total number of available Landsat scenes every year (N), with a correlation coefficient (R) of +0.83 (between R\(^2\) of yearly synthetic NDVIs and N) and −0.84 (between RMSEs and N). For crop yield prediction, the synthetic NDVI time series and climate elements (such as minimum temperature, maximum temperature, relative humidity, evaporation, transpiration, and solar radiation) are inputted to the LUE model, resulting in an average R\(^2\) of 0.75 (WW) and 0.73 (OSR), and RMSEs of 4.33 dt/ha and 2.19 dt/ha. The yield prediction results prove the consistency and stability of the LUE model for yield estimation. Using the LUE model, accurate crop yield predictions were obtained for WW (R\(^2\) = 0.88) and OSR (R\(^2\) = 0.74). Lastly, the study observed a high positive correlation of R = 0.81 and R = 0.77 between the yearly R\(^2\) of synthetic accuracy and modelled yield accuracy for WW and OSR, respectively.
Spatiotemporal Fusion Modelling Using STARFM: Examples of Landsat 8 and Sentinel-2 NDVI in Bavaria
(2022)
The increasing availability and variety of global satellite products provide a new level of data with different spatial, temporal, and spectral resolutions; however, identifying the most suited resolution for a specific application consumes increasingly more time and computation effort. The region’s cloud coverage additionally influences the choice of the best trade-off between spatial and temporal resolution, and different pixel sizes of remote sensing (RS) data may hinder the accurate monitoring of different land cover (LC) classes such as agriculture, forest, grassland, water, urban, and natural-seminatural. To investigate the importance of RS data for these LC classes, the present study fuses NDVIs of two high spatial resolution data (high pair) (Landsat (30 m, 16 days; L) and Sentinel-2 (10 m, 5–6 days; S), with four low spatial resolution data (low pair) (MOD13Q1 (250 m, 16 days), MCD43A4 (500 m, one day), MOD09GQ (250 m, one-day), and MOD09Q1 (250 m, eight day)) using the spatial and temporal adaptive reflectance fusion model (STARFM), which fills regions’ cloud or shadow gaps without losing spatial information. These eight synthetic NDVI STARFM products (2: high pair multiply 4: low pair) offer a spatial resolution of 10 or 30 m and temporal resolution of 1, 8, or 16 days for the entire state of Bavaria (Germany) in 2019. Due to their higher revisit frequency and more cloud and shadow-free scenes (S = 13, L = 9), Sentinel-2 (overall R\(^2\) = 0.71, and RMSE = 0.11) synthetic NDVI products provide more accurate results than Landsat (overall R\(^2\) = 0.61, and RMSE = 0.13). Likewise, for the agriculture class, synthetic products obtained using Sentinel-2 resulted in higher accuracy than Landsat except for L-MOD13Q1 (R\(^2\) = 0.62, RMSE = 0.11), resulting in similar accuracy preciseness as S-MOD13Q1 (R\(^2\) = 0.68, RMSE = 0.13). Similarly, comparing L-MOD13Q1 (R\(^2\) = 0.60, RMSE = 0.05) and S-MOD13Q1 (R\(^2\) = 0.52, RMSE = 0.09) for the forest class, the former resulted in higher accuracy and precision than the latter. Conclusively, both L-MOD13Q1 and S-MOD13Q1 are suitable for agricultural and forest monitoring; however, the spatial resolution of 30 m and low storage capacity makes L-MOD13Q1 more prominent and faster than that of S-MOD13Q1 with the 10-m spatial resolution.
This paper addresses the question of how the brain maintains a probabilistic body state estimate over time from a modeling perspective. The neural Modular Modality Frame (nMMF) model simulates such a body state estimation process by continuously integrating redundant, multimodal body state information sources. The body state estimate itself is distributed over separate, but bidirectionally interacting modules. nMMF compares the incoming sensory and present body state information across the interacting modules and fuses the information sources accordingly. At the same time, nMMF enforces body state estimation consistency across the modules. nMMF is able to detect conflicting sensory information and to consequently decrease the influence of implausible sensor sources on the fly. In contrast to the previously published Modular Modality Frame (MMF) model, nMMF offers a biologically plausible neural implementation based on distributed, probabilistic population codes. Besides its neural plausibility, the neural encoding has the advantage of enabling (a) additional probabilistic information flow across the separate body state estimation modules and (b) the representation of arbitrary probability distributions of a body state. The results show that the neural estimates can detect and decrease the impact of false sensory information, can propagate conflicting information across modules, and can improve overall estimation accuracy due to additional module interactions. Even bodily illusions, such as the rubber hand illusion, can be simulated with nMMF. We conclude with an outlook on the potential of modeling human data and of invoking goal-directed behavioral control.
Die Infektion einer Zelle und die Virus-Ausbreitung von Zelle zu Zelle in infiziertem Gewebe oder in der Zellkultur ist abhängig von der Fähigkeit des Virus, die Fusion von Membranen zu induzieren und somit die natürliche Barriere zwischen einzelnen Zellen zu überwinden. Neben den viralen Glykoproteinen sind dabei Proteine in der Membran der Wirtszelle ausschlaggebend für einen erfolgreichen Ablauf dieser Fusionsprozesse. Kürzlich konnten wir mit CD9, einem Mitglied der Tetraspann-Transmembran-Proteinfamilie, ein zelluläres Oberflächenmolekül identifizieren, welches bei einer Infektion von Zellen mit CDV an diesen Fusionvorgängen beteiligt ist: Transfektion eines CD9-Expressionsplasmids in CD9-negative Zellen erhöht deren Infizierbarkeit und CD9-Antikörper inhibieren die Infektion von Zellkulturen mit CDV (OND). In der vorliegenden Arbeit wurde untersucht, welcher Mechanismus hinter der Hemmung der CDV-Infektion durch CD9-Antikörper steht. Es besteht keine Korrelation zwischen der Expression von CD9 und der Virusbindung an Zellen besteht. Zudem konnte mit Antikörpern gegen CD9 die Bindung von CDV an Zellen nicht beeinträchtigt werden. Es konnte des weiteren kein unmittelbarer Effekt von CD9-Antikörpern auf die Virusaufnahme, sowie auf die virale mRNA- und Protein-Synthese festgestellt werden. Auch die posttranslationale Modifikation der viralen Proteine, wie die Spaltung des F0-Proteins in F1 und F2, und ihre Expression an der Zelloberfläche verläuft in Gegenwart von mAK K41 normal. Durch Antikörper gegen CD9 wird jedoch die Synzytienbildung in infizierten Zellkulturen stark gehemmt und die Freisetzung neuer Viruspartikel verringert. Untersuchungen der Fusion von uninfizierten mit persistent CDV-infizierten HeLa-Zellen zeigten, dass mAK K41 direkt die CDV-induzierte Zell-Zell-Fusion beeinflusst. Dabei wird aber kein Teilschritt des Fusionsprozesses, wie z.B. die Hemifusion, vollständig blockiert, da die Synzytienbildung selbst durch den Einsatz hoher Konzentrationen an mAK K41 nicht verhindert werden kann. Die Reduktion der Virustiter und der viralen mRNA-Mengen, die man etwa ab 18 Stunden nach Infektion in Gegenwart von mAK K41 beobachtet, entspricht der Reduktion, die man in Gegenwart eines fusionsinhibierenden Peptids (FIP) beobachtet. In beiden Fällen ist diese Reduktion höchstwahrscheinlich ein Sekundäreffekt der Inhibition der Infektionsaus-breitung durch Synzytienbildung.Bei CDV kann zwischen Stämmen, die Synzytien induzieren und Stämmen, die in infizierten Zellkulturen keine oder nur sehr geringe Plaquebildung zeigen, unterschieden werden. Diese Unterschiede basieren auf Sequenzunterschieden in den viralen Glykoproteinen H und F, die bei Morbilliviren für die Art des zytopatischen Effekts verantwortlich sind. Bei den Stämmen, die keine Synzytien induzieren, und dem Wildstamm A75/17 haben Antikörper gegen CD9 keinen inhibierenden Effekt auf die Infektion und es sind in Zellkulturen keine Unterschiede im Infektionsverlauf in An- oder Abwesenheit von mAK K41 zu beobachten. Die Hemmbarkeit einer CDV-Infektion durch CD9-Antikörper ist also abhängig von der Fähigkeit des jeweiligen Stammes Synzytien zu induzieren.Aus den vorliegenden Daten kann geschlossen werden, das CD9-Antikörper spezifisch die CDV-induzierte Zell-Zell-Fusion hemmen, nicht aber die Virus-Zell-Fusion. Im Gegensatz zur Virus-Zell-Fusion scheint die virusstammspezifischen Induktion der Zell-Zell-Fusion, neben dem zellulären Rezeptormolkül noch von weiteren Interaktionen der viralen Hüllproteine mit anderen Zelloberflächenmolekülen abhängig zu sein. Es ist anzunehmen, dass CD9 dabei direkt oder indirekt mit diesen Oberflächenmolekülen interagiert und somit Einfluß auf die Zellfusion hat. Bei der CDV-Infektion bewirken CD9-Antiköper eine Verzögerung der Synzytienbildung, während sie bei der NDV-Infektion zu einer verstärkten Synzytienbildung führen.Neben dem bereits bekannten fusionregulierenden Protein FRP-1/CD98 konnte so mit CD9 ein weiteres Membranprotein identfiziert werden, das an der Regulierung verschiedener viral-induzierter Zellfusionsvorgänge, aber auch an Zellfusionen im Zuge der Zelldifferenzierung und Entwicklung beteiligt ist. Die Regulierung der Fusion scheint aber bei CD9 und FRP-1 auf unterschiedlichen Mechanismen zu beruhen, da Antikörper gegen die beiden Membran-proteine bei NDV-infizierten Zellen die Zell-Zell-Fusion stimulieren, FRP-1-Antikörper aber keinen Einfluß auf die CDV-induzierte Zellfusion haben. Obwohl einige Interaktionspartner von CD9, wie z.B. Integrine, bekannt sind, konnte der Mechanismus der Regulation der Zell-Zell-Fusion durch CD9-Antikörper noch nicht aufgeklärt werden. Die vorliegende Arbeit zeigt zum ersten mal Unterschiede in der Virus-Zell- und Zell-Zell-Fusion bei Paramyxoviren auf und ist ein erster Schritt zu einem besseren Ver-ständnis des Unterschiedes zwischen zellulären und viralen Fusionsvorgängen.
Im Rahmen dieser Arbeit wurde gezeigt, dass fremde virale Hüllproteine wie das Env Protein des murinen Leukämievirus (MLV) oder das Glykoprotein des Virus der vesiklären Stomatitis (VSV) nicht in der Lage sind, die Funktion des homologen HFV Hüllproteins in Bezug auf die Viruspartikelfreisetzung des Humanen Foamyvirus zu übernehmen. Offenbar werden für die HFV Viruspartikelmorphogenese und -freisetzung spezifische Interaktionen zwischen dem Kapsid und dem homologen Hüllprotein benötigt. Mutationsanalysen ergaben, dass die membranspannende Domäne des HFV Hüllproteins in diesem Zusammenhang spezifische Aufgaben erfüllt, die nicht durch heterologe Formen der Membranverankerung übernommen werden können. Die Analyse der Fusionsaktivität verschiedener Hüllproteinmutanten zeigte, dass die zytoplasmatische Domäne des Proteins nicht essentiell für die Fusionsaktivität benötigt wird. Umfangreichere Deletionen, die auch Teile der langen membranspannenden Domäne des Proteins einschlossen, führten dagegen zum Verlust der Fusionseigenschaften des Hüllproteins. Innerhalb der membranspannenden Domäne des HFV Hüllproteins befindet sich ein konserviertes Lysin-Prolin Motiv, dessen Mutation sich auf den zellulären Transport und auf die Fusionsaktivität des Proteins auswirkte. Es zeichnet sich ab, dass die lange membranspannende Domäne des HFV Hüllproteins nicht nur als Membranverankerung dient, sondern zusätzlich für verschiedene Funktionen des Hüllproteins von Bedeutung ist.