A Radar Vegetation Index for Crop Monitoring Using Compact Polarimetric SAR Data
Notice bibliographique
Résumé
Crop growth monitoring using compact-pol synthetic aperture radar (CP-SAR) data is gaining attention with the rapid advancements toward operational applications. In this article, we propose a vegetation index for compact polarimetric (CP) SAR data [compact-pol radar vegetation index (CpRVI)]. The CpRVI is derived using the concept of a geodesic distance between the Kennaugh matrices projected on a unit sphere. This distance is utilized to compute a similarity measure between the observed Kennaugh matrix and the Kennaugh matrix of an ideal depolarizer (a realization of vegetation canopy). The similarity measure is then modulated with a scaled quantity derived from the scattering power ratio of the same and opposite sense polarization with respect to the transmitted circular polarization. In this article, we utilize time-series-simulated RADARSAT Constellation Mission (RCM) compact-pol SAR data (RH-RV) obtained from the full-pol RADARSAT-2 observations during the soil moisture active passive (SMAP) validation experiment 2016 (SMAPVEX16-MB) campaign in Manitoba, Canada, to assess the proposed vegetation index. Among the various crops grown in this region, in particular, we analyze the growth stages of wheat and soybean due to their different canopy structures. A temporal analysis of the proposed CpRVI with crop biophysical parameters [the plant area index (PAI) and vegetation water content (VWC)] at different phenological stages confirms the trend of CpRVI with the plant growth. Nevertheless, variations of CpRVI values are apparent with different plant densities for both the crop types. Also, the linear regression analysis confirms that the CpRVI values significantly correlate with PAI (r = 0.72 and 0.85) and VWC (r = 0.62 and 0.75) for both wheat and soybean. We observed good retrieval of PAI and VWC for both wheat and soybean.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».