Can Polarimetric Radarsat-2 Images Provide a Solution to Quantify Non-Photosynthetic Vegetation Biomass in Semiarid Mixed Grassland?
Notice bibliographique
Résumé
Quantifying non-photosynthetic vegetation (NPV) biomass using optical remote sensing in semiarid mixed grassland is challenging. This is due to the combined effects of photosynthetic vegetation, biological soil crust, and bare soil on the canopy spectra. Radarsat-2 provides a new way to quantify NPV biomass. This study investigated the potential of fine quad-pol Radarsat-2 images for quantifying NPV biomass and total aboveground biomass in semiarid mixed grasslands. The parameters used were Radar Vegetation Index, co-polarization ratio (HH/VV), cross-polarization ratios (VH/HH and VH/VV), de-polarization ratio, the Cloude and Pottier decomposition component (Entropy and Alpha angle) and the Freeman-Durden decomposition components (volume, surface, and multiple scattering). The best NPV and total aboveground biomass estimations are achieved with an r2 of 0.70 and 0.51 and relative root mean square error (rRMSE) of 9% and 8.4%, respectively, using the VH/VV cross-polarization ratio of the FQ23 (41.9°–43.3°) image in the middle growing season. The r2 values are 0.65 and 0.70 and the rRMSE are 12.6% and 8.4%, respectively, for NPV and total biomass estimation using the depolarization ratio of the FQ3 (20.9°–22.9°) image in the peak growing season.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».