Polarimetric Decomposition for Monitoring Crop Growth Status
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This letter investigates the polarimetric decomposition for monitoring the crop growth status over agricultural fields. Based on an existing polarimetric decomposition, the vegetation volume scattering component is removed from the full polarimetric synthetic aperture radar (SAR). Then, the estimated crop orientation is combined with the dominant scattering mechanism in the remaining ground coherency matrix to define the vegetation growth indicators for the crop growth monitoring from SAR. The proposed method is evaluated on the time series of Uninhabited Aerial Vehicle Synthetic Aperture Radar (UAVSAR) data and the extensive ground truth measurements collected in the framework of the Soil Moisture Active Passive (SMAP) Validation Experiment in 2012. The results show that the scattering characteristics vary with the crop types and the phenological development stage. The random orientation is the most important case during the crop development period considered in this letter. For canola, corn, and wheat, the dihedral scattering is significant in the remaining ground coherency matrix at the early growth stage, and then, the surface scattering becomes important in the further growth. For soybean and pasture, the surface scattering dominates the remaining ground coherency matrix during the considered crop development stage. The vegetation growth indicators derived from UAVSAR data are well correlated with the ground measurements of crop height and biomass. This letter demonstrates, for the first time, the crop growth monitoring by using polarimetric decomposition via the vegetation orientation and scattering mechanisms.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle