Separating Crop Species in Northeastern Ontario Using Hyperspectral Data
Notice bibliographique
Résumé
The purpose of this study was to examine the capability of hyperspectral narrow wavebands within the 400–900 nm range for distinguishing five cash crops commonly grown in Northeastern Ontario, Canada. Data were collected from ten different fields in the West Nipissing agricultural zone (46°24'N lat., 80°07'W long.) and included two of each of the following crop types; soybean (Glycine max), canola (Brassica napus L.), wheat (Triticum spp.), oat (Avena sativa), and barley (Hordeum vulgare). Stepwise discriminant analysis was used to assess the spectral separability of the various crop types under two scenarios; Scenario 1 involved testing separability of crops based on number of days after planting and Scenario 2 involved testing crop separability at specific dates across the growing season. The results indicate that select hyperspectral bands in the visual and near infrared (NIR) regions (400–900 nm) can be used to effectively distinguish the five crop species under investigation. These bands, which were used in a variety of combinations include B465, B485, B495, B515, B525, B535, B545, B625, B645, B665, B675, B695, B705, B715, B725, B735, B745, B755, B765, B815, B825, B885, and B895. In addition, although species classification could be achieved at any point during the growing season, the optimal time for satellite image acquisition was determined to be in late July or approximately 75–79 days after planting with the optimal wavebands located in the red-edge, green, and NIR regions of the spectrum.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».