Deriving percent crop cover over agriculture canopies using hyperspectral remote sensing
Notice bibliographique
Résumé
The objective of this study is to investigate the potential of hyperspectral remote sensing for providing green percent crop cover information over agricultural canopies for use in precision farming. Ground measurements and airborne hyperspectral Probe-1 data were acquired over two agricultural sites in July 1999 near Clinton, Ontario, Canada, and in July 2000 near Indian Head, Saskatchewan, Canada. A manual endmember selection and extraction approach was used to unmix the reflectance cubes. Linear constrained and weakly constrained unmixing was conducted to determine crop endmember fractions. Results indicate that the two spectral unmixing algorithms were equally successful. If prior knowledge of the fields exists, a manual endmember selection technique is a suitable approach for the selection of endmembers in an image scene. Correlations between ground data and Probe-1 crop fractions showed very good results (root mean square error (RMSE) of ±11.06% and ±11.20% and index of agreement (D) of 0.91 and 0.90 for constrained and weakly constrained unmixing, respectively) when the endmembers were adjusted for their impurity. This highlighted the importance of finding pure or the "purest" pixels for each endmember in the image scene. The use of spectral unmixing to quantify within-crop and within-field percent crop cover showed mixed success. Canola and wheat crops (RMSE of ±10.67% and ±11.77%; D of 0.94 and 0.85) revealed better correlations than the bean and corn crops (RMSE of ±10.83% and ±12.46%; D of 0.64 and 0.59). The somewhat poor results for pea crops (RMSE of ±9.70%; D of 0.58) are possibly due to the ground vertical photograph classification process where it was difficult to distinguish pea stems and residue components.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».