Development of a Remote Sensing-Based “Boro” Rice Mapping System
Notice bibliographique
Résumé
Rice is one of the staple foods across the world, thus information about its production is essential for ensuring food security. Here, our objective was to develop a method for mapping “boro” rice (i.e., cultivated during the months January to May) in a Bangladeshi context. In this paper, we used a Moderate Resolution Imaging Spectroradiometer (MODIS)-derived 16-day composite of normalized difference vegetation index (NDVI) at 250 m spatial resolution in conjunction with ancillary datasets (i.e., land use map, crop calendar, and ground-based rice production information) during the period 2007–2012. The proposed method consisted of three procedures: (i) ISODATA clustering and determining the boro rice signatures in temporal dimension using data from the period 2007–2009; (ii) formulating a mathematical model for extracting the boro rice areas using data from the period 2007–2009; and (iii) model calibration using data from the period 2007–2009 and its validation using data from the period 2010–2012. The implementation of the abovementioned procedures revealed reasonable agreements between the model (i.e., MODIS-based) and ground-based estimates of boro rice area at both country (i.e., percentage error in the range −0.83–1.42%) and district levels (i.e., r2 in the range 0.69–0.89) during the period 2010–2012. Our proposed method demonstrated its effectiveness in mapping rice system at the regional/country scale.
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 | 0,000 | 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 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 ».