Biophysiological spectral indices retrieval and statistical analysis for red palm weevil stressattack prediction using Worldview-3 data
Notice bibliographique
Résumé
The red palm weevil (RPW) is a dangerous invasive insect species that is causing severe damage to date palm trees around the world. This study focuses for the first time on the detection and discrimination among different stages of RPW stress-attacks using bio-physiological spectral indices and statistical analysis of satellite image data. A total of 27 different indices were assessed using new technology Worldview-3 image data. Preprocessing included correction for atmospheric effects, sensor radiometric calibration drift, and imaging geometry. Based on field identification and localization using GPS, four palm tree classes were considered: healthy; attacked-treated; attacked-untreated; and severely attacked (a shadow class was also included). Twelve vegetation indices (VIs) and fifteen chlorophyll indices (CIs) were evaluated using visual (maps) and statistical analysis, with validation against field observations (175 sample points, 35 per class). The results showed that the Structure Insensitive Pigment Index (SIPI) and the Green Normalized Difference Vegetation Index (gNDVI) were the most sensitive to palm tree bio-physiological agitation caused by RPW attacks. They discriminated significantly among the considered classes, with excellent r <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> values obtained, respectively, as 93% and 98% for SIPI and gNDVI. According to these first results, it was concluded that remote sensing science can be a promising alternative for RPW detection.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 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 ».