Temporal Filters for Mapping Phragmites with C-HH SAR Data
Notice bibliographique
Résumé
We compared traditional spatial filters and multi-temporal filters to remove speckle from synthetic aperture radar (SAR) data for mapping Phragmites australis. SAR constellations, with more rapid revisit capability, allow one to generate stacks of SAR data and to use multi-temporal filters for speckle reduction. GAMMA software offers multi-temporal filters for SAR processing, two of which we compared to the traditional Enhanced Lee and the Lee filters. We evaluated the filters using three criteria: (1) visual inspection, (2) signal level ratio, and (3) the equivalent number of looks (ENL). The results of this study show that multi-temporal filters were able to reduce speckle from areas of surface water and land, as well as to improve the detection of Phragmites patches due to preserving the resolution and texture which helped in the detection of the patch boundaries. The signal level ratio was approximately 1.0 with the GAMMA Multi-temporal filter and approximately 0.9 with the other filters. The enhanced Lee and the two multi-temporal filters produced an equal ENL of about 6. However, due to small patch sizes and backscatter similarity with cattails and other cover types Phragmites patches were difficult to separate from other types of flooded vegetation with C-HH intensity only.
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 | 0,000 |
| 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 ».