A Complete Procedure for Crop Phenology Estimation With PolSAR Data Based on the Complex Wishart Classifier
Notice bibliographique
Résumé
A new methodology to estimate the growth stages of agricultural crops using the time series of polarimetric synthetic aperture radar (PolSAR) images is proposed. The methodology is based on the complex Wishart classifier and both phenological intervals and training areas are identified measuring the distances among polarimetric covariance matrices obtained from the time series of PolSAR data. Consequently, the computation of PolSAR features, which is the main step of state-of-the-art methods, is no longer needed, and the proposed approach can be applied in the same way to any crop type. Experiments undertaken on a dense time series of fully polarimetric C-band RADARSAT-2 images, collected at incidence angles ranging from 23° to 39°, in ascending/descending orbit passes, demonstrate that the proposed methodology can be successfully applied to retrieve the phenological stages of four different crop types. In addition, the effect of combining beams corresponding to different sensor's configurations has been evaluated, showing that it affects the retrieval accuracies. Validation with ground data shows the following: overall accuracy is between 54% and 86%; producer's accuracy (PA) and user's accuracy (UA) range between 21% and 100% and between 33% and 100%, respectively.
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 | 0,000 | 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 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 ».