Estudio de la problemática de la caracterización del olivar mediante sensores remotos
Notice bibliographique
Résumé
La Tesis plantea la problematica que presenta la identificacion fiable de los cultivos de olivar a partir de imagenes Landsat-TM, Con este tipo de imagenes, en las que la resolucion espacial no permite reconocer por su forma las copas de los arboles, lo usual es el analisis multiespectral recurriendo a tecnicas de clasificacion.Pero los marcos tradicionales de cultivo en los olivares del sur de Espana dejan descubierta una gran proporcion de suelo desnudo, por lo que la contribucion radiometrica de este prevalece sobre la del material vegetal, lo que termina repercutiendo en una identificacion deficiente. El trabajo desarrolla un procedimiento de normalizacion adiometrica, que el autor denomina vegetalizacion, basado en un modelo geometrico de reflectancia desarrollado expresamente para el olivar, en el que se deduce la componente de reflectancia exclusivamente debida al cultivo en funcion de la reflectancia total y la del suelo desnudo, asi como de la topografia del terreno y su orientacion relativa con respecto a la situacion instantanea del Sol y del sensor. La clasificacion supervisada de las imagnes normalizadas por vegetalizacion proporcionan resultados significativamente mejores que los obtenidos a partir de la imagen original o incluso de la imagen normalizada topograficamente siguiendo los procedimientos.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».