MétaCan
Menu
Retour à la cohorte
Enregistrement W3212336610 · doi:10.1080/10106049.2021.1974955

Assessment of the benefit of a single sentinel-2 satellite image to small crop parcels mapping

2021· article· en· W3212336610 sur OpenAlexaff
Jaouad El Hachimi, Abderrazak El Harti, Jamal-Eddine Ouzemou, Rachid Lhissou, Mohcine Chakouri, Amine Jellouli

Notice bibliographique

RevueGeocarto International · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésCohen's kappaCropImage resolutionRemote sensingSatellite imageVegetation (pathology)Data setImage (mathematics)Focus (optics)SatelliteSet (abstract data type)GeographyMathematicsComputer scienceCartographyPattern recognition (psychology)Artificial intelligenceStatisticsForestryEngineering

Résumé

récupéré en direct d'OpenAlex

The present study demonstrates the feasibility of producing crop type maps using a single high spatial resolution image from Sentinel-2A (S-2A). Our main objectives focus on the evaluation of the potential of S-2A data for crop mapping in the Tadla Plain and the determination of the most suitable period for discriminating different crops using a single S-2A image. In order to achieve these objectives, we have acquired a set of seven images of the S-2A and twelve vegetation indices. Then, we produced crop type maps at a spatial resolution of 10 m using (SVM) and (RF) classifiers for each image. The accuracy and performance of classification were assessed using field data. The optimal period for mapping was done during March with an overall accuracy and kappa coefficient of 91.49%, 0.90 respectively. The results show that a single S-2A image should be sufficient for the discrimination of different crops.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil0,691

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeocarto InternationalMême sujetRemote Sensing in AgricultureTravaux en français237 207