Étude comparative d’indices de végétation radar à plusieurs fréquences et de l’indice de végétation optique (NDVI) pour le suivi de la croissance des cultures
Notice bibliographique
Résumé
De nos jours, la télédétection contribue énormément dans le domaine de l’agriculture. La possibilité d’acquisition des mesures en tout temps et la non sensibilité aux perturbations atmosphériques sont des avantages reconnus à la télédétection radar. Cette étude a pour objectif d’effectuer une analyse comparative des indices radar, à savoir l’indice de végétation radar (RVI) et l’indice de végétation radar à double polarisation (IVRDvv) dans trois fréquences (L, C et X) et de l’indice de végétation par différence normalisée (NDVI) utilisé en télédétection multispectrale optique dans un contexte de suivi de la croissance des cultures de blé, de canola, de maïs et de soja. Pour y parvenir, ces indices de végétation radar (RVI et IVRDvv) calculés à plusieurs fréquences et l’indice optique (NDVI) sont utilisés pour effectuer un suivi temporel de la croissance de ces quatre cultures. D’une part, l’efficacité des indices de végétation radar à traduire la quantité de la biomasse végétale disponible est analysée en déterminant l’indice et la fréquence les mieux adaptés au suivi de la croissance de chaque type de culture. D’autre part, la corrélation des indices de végétation radar (RVI et IVRDvv) et le NDVI par rapport à la quantité de la biomasse végétale est utilisée pour apprécier l’usage de ces indices de végétation radar comme alternative à l’utilisation du NDVI dans un contexte de suivi de la croissance des cultures de blé, de canola, de maïs et de soja. \nLes indices radar RVI (indice de végétation radar) et IVRDvv (indice de végétation radar à double polarisation) ont été calculés sur la base d’images acquises sur les sites des campagnes de terrain SMAP Validation Experiment 2012 (SMAPVEX12) et SMAP Validation Experiment 2016 in Manitoba (SMAPVEX16-MB) situés au Sud du Manitoba. Les données de biomasse végétale ainsi que l’indice de surface foliaire (LAI) ont été recueillis directement sur le terrain durant ces deux campagnes. Les données radar en bande L proviennent de la campagne SMAPVEX12, elles sont acquises par un Uninhabited Aerial Vehicule Synthetic Aperture Radar UAVSAR; celles utilisées en bande C et X ont été acquises durant la campagne SMAPVEX16-MB par les satellites Radarsat-2 et TerraSAR-X, respectivement. Les données optiques proviennent des images de Sentinelle-2. \nLe suivi de la croissance des cultures de blé, de canola, de maïs et de soja sur une base temporelle a permis de remarquer l’inefficacité de la bande L à évaluer la croissance des plantes. Le coefficient de rétrodiffusion dans cette bande est contrôlé par les paramètres de surface et particulièrement l’humidité du sol plutôt que la biomasse végétale. Les indices de végétation radar en bandes C et X ont présenté de bons résultats qui traduisent l’évolution de la quantité de la biomasse végétale disponible; la bande X étant toutefois beaucoup mieux corrélée à la biomasse végétale. Pour le blé, la quantité de biomasse végétale est mieux corrélée à l’IVRDvv en bande X (R = 0,9) que le NDVI (R = 0,7). De même, pour la culture de canola, la quantité de la biomasse disponible est légèrement mieux corrélée à l’IVRDvv en bande X (R =0,96) qu’au NDVI (R=0,9). D’autre part, le RVI et l’IVRDvv en bande C pour les cultures de maïs et de soja a montré des fortes corrélations avec le NDVI (R = 0,9). Ces résultats montrent que dans un contexte de suivi de la croissance des végétaux, les indices de végétation radar en bande C et X sont une alternative à l’indice de végétation par différence normalisée utilisé en télédétection optique.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».