MétaCan
Menu
Retour à la cohorte
Enregistrement W3207262596 · doi:10.1109/tgrs.2021.3119146

Assessing Interactions Between Crop Biophysical Parameters and X-Band Backscattering Using Empirical Data and Model Sensitivity Analysis

2021· article· en· W3207262596 sur OpenAlexaff
Giacomo Fontanelli, Francesco Montomoli, Ramin Azar, Giovanni Macelloni, Paolo Villa

Notice bibliographique

RevueIEEE Transactions on Geoscience and Remote Sensing · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensCoquitlam College
Organismes subventionnairesRegione Lombardia
Mots-clésBackscatter (email)Remote sensingEnvironmental scienceCanopySensitivity (control systems)Radiative transferScatterometerEmpirical modellingRadarComputer sciencePhysicsOpticsEcologyGeography

Résumé

récupéré en direct d'OpenAlex

Active microwave remote sensing data at different frequencies can provide crucial information on crop morphology and conditions, thus effectively supporting agronomic management at different scales. Despite the ever-increasing availability of spaceborne platforms and the extensive research developed throughout more than two decades, some knowledge gaps still await to be filled toward operational use, dealing with SAR backscatter response to crop-specific features and seasonal dynamics, including the effects of agronomic practices. In this work, we used variance-based global sensitivity analysis (GSA) as a quantitative framework for investigating the sensitivity of X-band backscattering to agronomic and morphological features typical of two different crops maize and rice. To this end, we jointly exploited empirical data on crop status and growth, high-resolution TerraSAR-X (TSX) data, and microwave radiative transfer model (RTM) simulations. Phenology-informed simulations allowed us to quantify the contributions of different scattering mechanisms for the two crops under varying observation setups, to assess the sensitivity of X-band backscattering to morphostructural crop biophysical parameters (BPs) (and their interactions), and to evaluate the effects of crop biomass on backscatter across growth stages. In particular, multidimensional GSA outputs accounting for model input correlations through Shapley effects provided a comprehensive suite of information on the relative proportion of total backscatter variance explained by a range of parameters and a quantitative description of the different behavior in vertical and horizontal polarization (changing throughout plant growth) in paddy rice, and the mixed contribution of canopy density and leaf angle distribution (depending on the incident angle) in maize.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,331
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Geoscience and Remote SensingMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207