Renforcement de la qualité d’information de l’occupation du sol par l’intégration de données satellitaires optiques et radar en support à la modélisation hydrologique
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Afin de suivre l’évolution de l’occupation du sol du bassin versant de la rivière Cau (nord du Vietnam), des images HRVIR 2 du satellite SPOT-4 ont été acquises fin novembre 2007 et début janvier 2008. Dans un premier temps, l’approche de classification hiérarchique avec le mode de classification « avec caractéristiques liées aux classes ( class-related features ) » a été développée et appliquée afin d’extraire sept classes d’occupation du sol pertinentes à la modélisation hydrologique, sans distinguer les rizières des autres types de culture. Cette approche a montré son efficacité, la précision globale de la classification étant de 91 %. Une diminution significative de la confusion entre les milieux urbains, les terres agricoles et les plantations a été remarquée par rapport à une classification antérieure d’une image LANDSAT-7 de 2003, dont la précision globale était de 78 %. Par la suite, afin de distinguer les rizières des autres types de culture, deux séries d’images du satellite RADARSAT-2 en bande-C (double polarisation et polarimétriques) ont été utilisées. Ces images ont été acquises de mai 2009 à mai 2010 et couvrent deux périodes de croissance du riz, soit la période de la principale récolte (saison traditionnelle du riz) et celle du printemps. Pour les images double polarisation, en mode standard (S5), une méthode de seuillage a été appliquée sur la variation temporelle du signal entre les images acquises en début de saison et celles à la mi-saison. Cette méthode a permis de détecter 74 % des rizières de la saison traditionnelle du riz et 63 % des rizières de la saison de riz du printemps, selon une comparaison avec des données statistiques de la province de Thai Nguyen. La précision globale de la classification obtenue, pour toutes les classes d’occupation du sol, est de 71 % pour la saison traditionnelle de riz et de 67 % pour la saison de riz du printemps. Pour les images polarimétriques, en mode fin (FQ21), la matrice de cohérence a été choisie pour identifier les rizières d’une zone hétérogène. La classification a été réalisée à l’aide de l’algorithme SVM ( Support Vector Machine) . Ces dernières informations ont ensuite été intégrées à la carte thématique dérivée d’images SPOT-4 pour obtenir la carte finale. Cette carte sert directement à la modélisation hydrologique. Les calculs des besoins en eau pour la culture du riz ont montré que les rizières prennent une grande proportion du débit total dans les deux sous-bassins versants utilisés en exemple. Ces calculs montrent l’importance de détecter les rizières si l’on souhaite réaliser des simulations hydrologiques réalistes sur le bassin versant de la rivière Cau et confirment une des hypothèses de nos travaux, qui est que l’identification des rizières sur la carte d’occupation du sol améliore les évaluations et prédictions liées au cycle hydrologique.
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.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| 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 découle