Indices-based approach for crop chlorophyll content retrieval from hyperspectral data
Notice bibliographique
Résumé
This study aims at using forward model simulations and ground-measurements (biophysical and spectral) to estimate chlorophyll concentration from hyperspectral data and imagery. Its specific objectives were: (i) to evaluate various combinations of indices as estimators of chlorophyll content from simulated spectra (PROSPECT and SAILH); (ii) to establish chlorophyll predictive equations using spectral indices determined from field spectra and corresponding chlorophyll concentrations; (iii) to assess the effect of crop type (corn and wheat) on these relationships; and (iv) to validate and compare the indices' prediction capability using hyperspectral images and ground truth measurements. Hence, intensive field campaigns were organized during the growing seasons of 2000, 2004, and 2005 in order to collect ground spectra and corresponding leaf chlorophyll content values as well as crop growth measures. The relationships between leaf chlorophyll content and combined optical indices have shown similar trends for both PROSPECT- SAILH simulated data and ground measured datasets, indicating that both spectral measurements and radiative transfer models hold comparable potential for quantitative retrieval of crop foliar pigments. The dataset used showed that crop type had a clear influence on the establishment of predictive equations as well as on their validation. Moreover, corn and wheat data have led to contrasting agreement between estimated and measured chlorophyll contents even for the same predictive algorithm. Indices TCARI/TRDVI and TCI/TRDVI seem to be relatively consistent and more stable as estimators of crop chlorophyll content.
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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».