RICE CROP MAPPING USING SENTINEL-1 TIME SERIES IMAGES (CASE STUDY: MAZANDARAN, IRAN)
Notice bibliographique
Résumé
Abstract. Policymaking and planning agricultural improvement require accurate and timely information and statistics. In Iran, collecting and acquiring agricultural statistics is often done in the traditional methods. Related studies have proved that these methods mostly contain some mistakes. Multi-temporal acquisition strategies of remotely sensed data provide an opportunity to improve rice monitoring and mapping. Studying and monitoring rice paddies in vast areas is limited by the presence of cloud cover, the spatial and temporal resolution of optical sensors, and the lack of open access or systematic Radar data. Sentinel-1 satellite data, which are free to access and has a high quality of spatial and temporal resolution, can provide a great opportunity for monitoring crop products, especially rice. In this study, Sigma Nought, Gamma Nought and Beta Nought time series of Sentinel-1 data in VV, VH and VV+VH polarizations were employed for extracting areas under rice cultivation in the region of Mazandaran province, Iran. These satellite data are taken regularly every 12 days, according to the season of the region, from March 21st to September 22nd of 2018. In this study, in order to specify the rice paddies area, several fieldworks were randomly carried out for two weeks, and field data were collected as well. Field data including rice paddies areas and non-rice areas were collected as ‘Test and Train data set’ and then the Random Forrest (RF) algorithm was carried out to determine the rice paddies area. The classification result was validated using test samples. The accuracy of all classifications results are over 80% and the best result is related to Sigma Nought and gamma Nought of VH polarization, with an accuracy of 91.37%. The results showed a high capability to evaluate and monitor rice production at moderate levels in a vast area which is regularly exposed to the cloud cover.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».