Multiyear Crop Monitoring Using Polarimetric RADARSAT-2 Data
Notice bibliographique
Résumé
This paper studies the feasibility of monitoring crop growth based on a trend analysis of three elementary radar scattering mechanisms using three consecutive years (2008–2010) of RADARSAT-2 (R-2) Fine Quad Mode data. The polarimetric synthetic aperture radar analysis is based on the Pauli decomposition. Multitemporal analysis is applied to RGB images constructed using surface scattering, double-bounce, and volume scattering, along with intensity analysis of these scattering mechanisms. The test site is located in Eastern Ontario, Canada where the cropping system is dominated by corn, spring wheat, and soybeans. Each crop has unique physical structural characteristics which provide different responses for these scattering mechanisms. Significant changes occur in these scattering mechanisms as the crops move from one phenological stage to the next. By monitoring these changes over the season, the crop growth cycle from emergence to harvest can be observed. When harvest occurs, the backscatter intensities change significantly, and these changes aid in identifying crops. The temporal evaluation of the intensity of the scattering mechanisms generally track the measured leaf area index and observed phenological plant development. Changes in growth stage are crop type specific. Thus, to monitor changes in crop phenology and the occurrence of harvest activities, knowledge of the crop grown in any particular field is required. To accommodate this requirement, a maximum likelihood classification was performed on the R-2 data to produce a crop map. An overall classification accuracy of 85$\%$was achieved.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 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 ».