MétaCan
Menu
Retour à la cohorte
Enregistrement W2390390884

Extraction of Winter Wheat Planting Area Based on Data of MODIS EVI Time-series

2014· article· en· W2390390884 sur OpenAlexaff
Lu Ji

Notice bibliographique

RevueHubei nongye kexue · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésWinter wheatSowingEnvironmental scienceAgronomyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Using the MODIS EVI series in integrated with the growth status of winter wheat,the growing area of winter wheat in Henan province was extracted.The results showed that in EVI′ s feature space,the winter wheat had its unique spectrum series trait.After green-up,the EVI of the winter wheat had an overall gradual increasing trend and then followed a decreasing trend after flowering.The decreasing rate became higher after grouting.The decision tree classifier(CART) was used to extract the winter wheat growing area.There was a minor 482 000 hm2 of difference between extracted number and the number officially publicized.The accuracy of extracted winter wheat growing area reached 90.88%.The EVI time series spectrum can clearly reflect the physical meanings of crop growth.Using the remote sensing classification method of the MODIS EVI time series spectrum can accurately extract the winter wheat growing area,and meet the needs of monitoring winter wheat growth and yield estimation by remote sensing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil0,697

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,236
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHubei nongye kexueMême sujetRemote Sensing and Land UseTravaux en français237 207