MétaCan
Menu
Retour à la cohorte
Enregistrement W2900559825 · doi:10.5194/isprs-archives-xlii-5-275-2018

COMBINED ANALYSIS OF RADARSAT-2 SAR AND SENTINEL-2 OPTICAL DATA FOR IMPROVED MONITORING OF TUBER INITIATION STAGE OF POTATO

2018· article· en· W2900559825 sur OpenAlexfundno aff
Dipankar Mandal, Vineet Kumar, Y. S. Rao, Avik Bhattacharya, Soumen Bera, Manoj Kumar Nanda

Notice bibliographique

Revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Space AgencyIndian Space Research Organisation
Mots-clésInterceptionBlightPhenologyContext (archaeology)Synthetic aperture radarCropAnthesisAgronomyEnvironmental scienceGrowing seasonPhytophthora infestansRemote sensingBiologyHorticultureGeographyCultivar

Résumé

récupéré en direct d'OpenAlex

Abstract. Tuber initiation and tuber bulking stages are critical part of various phenological phases for potato production. Tuber initiation covers the period from the formation of spherical rhizome ends, the flowering and the start of tuber bulking. In general, the tuberization spans from 3 to 5 weeks after emergence and ends with the row closer i.e. canopies in adjacent rows touch each other across the furrow. Hence, this rapid growth seeks critical agronomic management practices such as irrigation and fertilization. It majorly influences the growth of stems, foliar area, dry weight and number of tubers particularly at the phase of tuber initiation. During these phenological stages, potato crops are susceptible to the infestation of late blight diseases caused by Phytophthora infestans and largely affects the potato production. Thus identifying the crop risk using remote sensing approaches can provide an efficient potato growth monitoring framework. In the context of monitoring crop dynamics, quad-pol Synthetic Aperture Radar (SAR) data has proven to be effective due to its sensitivity towards dielectric and geometric properties. In addition to SAR data, optical remote sensing data derived vegetation information can provide an improved insight into crop growth when combined with SAR data. In this research, quad-pol RADARSAT-2 and Sentinel-2 optical data are analyzed to monitor potato tuberization phase over Bardhaman district in the state ofWest Bengal, which is one of the major potato growing regions in India. The proposed approach uses polarimetric parameters such as backscatter intensities, ratio (HH/VV, VH/VV, linear depolarization ratio), and co-pol correlation (ρHH–VV) along with the vegetation indices derived from the Sentinel-2 data for understanding the spatio-temporal dynamics. The initial results show a promising accuracy in monitoring the dynamics of potato tuberization. Integration of such earth observation (EO) data, in conjunction with in-situ field measurements, might significantly enhance the current capabilities for crop monitoring.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,272
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciencesMême sujetRemote Sensing in AgricultureTravaux en français237 207