Détection du gel et non-gel du sol en utilisant le radar polarimétrique à synthèse d’ouverture
Notice bibliographique
Résumé
Radar polarimetry is a recent field, which offers increased detection possibilities compared with the monopolarisation radar sensors. The goal of this study is to evaluate the polarimetric data potential to monitor soil freezing in an agricultural environment. With this intention, three agricultural fields were selected, in two experimental stations of Agriculture and Agri-Food Canada: Chapais and Harlaka. Data on soil temperature at three depths (1, 5, and 15 cm), as well as certain characteristics of the snow cover (density, snow height, and temperature), were collected during polarimetric image acquisitions using polarimetric C-band synthetic aperture radar (SAR) system on board Convair-580 aircraft operated by Environment Canada. Several approaches of polarimetric treatments were explored and compared: Pauli decomposition, Cloude and Pottier decomposition, polarimetric signature, and copolarized phase difference. The results obtained show that some soil surface conditions (frozen–unfrozen) can be discriminated by radar polarimetry. Indeed, with the Cloude and Pottier decomposition, this difference appears, when the soil freezes, by a decrease of the entropy values (H) and the α angle, and an increase of the anisotropy (A). The copolarisation signatures comparison shows well the differences between the pedestal height and the signature shape in the case of a frozen soil and an unfrozen one. Even if SAR polarimetry appears as a mean to discriminate soil freezing, it seems necessary to acquire a fall image, in a period without freezing, so we can compare it with the values of the parameters obtained when the soil is frozen.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».