Identifying paddy fields with dual-polarization ALOS/PALSAR data
Notice bibliographique
Résumé
Accurate documentation of paddy-rice cultivation areas is valuable in estimating rice production for food security and in assessing the environmental impacts of rice ecosystems such as water consumption, soil degradation, and river eutrophication. This study explores the feasibility of dual-polarization L-band advanced land observing satellite/phased array-type L-band synthetic aperture radar (ALOS/PALSAR) imagery acquired during three growing stages in delineating paddy fields from other agricultural land uses. The study area was in the Yangtze River Delta of east China, a rapidly developing region where land has been intensively used. Among a set of arithmetic outputs of PALSAR backscatter, the amplitude ratio (HH/HV) and product (HH×HV) in the rice-transplanting and -heading stages significantly enhanced the backscatter difference between rice and nonrice fields. With these outputs, a segmentation-based decision-tree classifier successfully extracted paddy-rice fields from other land uses in the study area. Both random-point accuracy assessment and area comparison with a high-resolution Quickbird image showed that the paddy-rice map reached accuracies higher than 90%. The simplicity and generality of the approach in this study indicated that it may serve as an efficient tool for rice mapping in the highly fragmented agricultural region in southeast China.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».