Unsupervised Classification of Crop Growth Stages with Scattering Parameters from Dual-Pol Sentinel-1 SAR Data
Notice bibliographique
Résumé
Global crop mapping and monitoring requires high-resolution spatio-temporal information. In this regard, dual polarimetric Synthetic Aperture Radar (SAR) sensors provide high temporal and high spatial resolutions with large swath width. Generally, crop phenological development studies utilized SAR backscatter intensity-based descriptors. However, these descriptors are derived either from the covariance matrix elements or from the eigendecomposition. Therefore, this approach fails to utilize the complete polarization information of the scattered wave. In this study, we propose a target characterization parameter, θxP that utilizes the 2D Barakat degree of polarization and the elements of the covariance matrix. We also propose an unsupervised clustering scheme using θxP and the scattering entropy, HxP. We utilize time-series Sentinel-1 data of canola and wheat fields over a Canadian test site to show the sensitivity of θxP to the development of crop morphology at different phenological stages. During the initial growth stages, θxP values are low due to the low vegetation density. In contrast, at advanced phenological stages, we observe decreased values of θxP due to the appearance of complex canopy structure. Similarly, the effectiveness of the unsupervised HxP/θxP clustering plane is also evident from the temporal clustering plots. This innovative clustering framework is beneficial for the operational use of Sentinel-1 SAR data for agricultural applications.
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 ».