MétaCan
Menu
Retour à la cohorte
Enregistrement W2548018689 · doi:10.3929/ethz-a-010742276

Multi-baseline polarimetric SAR interferometry for characterizing the biophysical properties of agricultural crops

2016· article· en· W2548018689 sur OpenAlexaff
Manuele Pichierri

Notice bibliographique

RevueRepository for Publications and Research Data (ETH Zurich) · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésInterferometric synthetic aperture radarBaseline (sea)Environmental sciencePolarimetryInterferometryRemote sensingSynthetic aperture radarAgricultureVegetation (pathology)Volume (thermodynamics)Soil scienceGeologyPhysicsEcologyScatteringOpticsOceanographyBiology

Résumé

récupéré en direct d'OpenAlex

In this study, we develop a single-baseline Pol-InSAR approach for estimating the ground-to-volume ratios at different polarizations. We then apply it to time series of Pol-InSAR measurements over agricultural crops in C-Band to assess the relationship between these estimated Pol-InSAR parameters and plant biophyical properties such as structure, biomass and water content. The assessment reveals that the temporal patterns of the Pol-InSAR estimated ground-to-volume ratios are influenced by vegetation water content variations. The dependence of these temporal patterns on polarization indicates the role of crop structural properties in the Pol-InSAR measurements.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,754
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,102
Tête enseignante GPT0,329
Écart entre enseignants0,227 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepository for Publications and Research Data (ETH Zurich)Même sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207