Combination of Optical and SAR Sensors for Monitoring Biomass Over Corn Fields
Notice bibliographique
Résumé
In this study, a cross-calibration approach was applied to combine RADARSAT-2 and RapidEye sensors for biomass monitoring over corn fields. First, RapidEye and RADARSAT-2 sensors were compared in terms of biomass estimation. Then the estimated biomass from RADARSAT-2 was cross-calibrated with respect to the biomass estimated from RapidEye. Combination of the optical and cross-calibrated Synthetic Aperture Radar (SAR) derived biomass was proposed to have higher temporal resolution biomass maps. Vegetation indices including normalized difference vegetation index (NDVI), red-edge triangular vegetation index (RTVI), simple ratio (SR) and red-edge simple ratio (SRre) were used for modeling of biomass estimation from RapidEye. Water Cloud Model (WCM) was also used for biomass estimation from RADARSAT-2. Data collected during SMAP Validation Experiment 2012 (SMAPVEX12) field campaign was used for validation. The results demonstrate that the accuracies of biomass estimations from RapidEye and RADARSAT-2 are close. For RapidEye, the highest accuracies derived from RTVI index with correlation coefficient (R) of 0.92 and Root Mean Square of (RMSE) of 118.18 gr/m2. The R values derived from RADARSAT-2 is 0.83 and its RMSE is 171.93 gr/m2. After cross-calibration of the biomass derived from RADARSAT-2 versus those derived from RapidEye, the RMSE of estimates dropped by 18.86 gr/m2.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».