Novel Clustering Technique for Monitoring Crop Phenology Using SAR Data
Notice bibliographique
Résumé
Unsupervised clustering is essential when in-hand information about crop phenological stages are not available. In addition, this technique assists in discriminating crop growth stages concerning the changes in the scattering mechanisms. Newly proposed parameter $\theta_{FP}$ for full polarimetric Synthetic Aperture Radar (SAR) data is shown to be enhancing the target characterization capability over the existing parameter such as $\overline{\alpha}$. Following this, the existing clustering technique by combinedly utilizing the Barakat degree of polarization and elements of the Kennaugh matrix along with scattering entropy HFPis effective over land cover classes. The clustering scheme is consisting of 12 zones where zones (Zl, Z2, Z3), (Z10, Zll, Z12), and (Z4, Z5, Z6, Z7, Z8, Z9) represent even, odd and multiple scattering types, respectively. In this study, we use the RADARSAT-2 FP SAR data from Jun to Nov 2019 acquired over the Indian test site of Vijayawada under the Joint Experiment for Crop Assessment and Monitoring (JECAM) initiative. The changes and shifts of the clusters are exciting according to the phenological development of rice fields. At the initial stage, dense clusters are evident in Z10, Zll, and Z12, while, during the advanced tillering stage, more data points are found in the Z3 zone. Following this, clusters in zone Z5, Z6, Z8 and Z9 are evident during the maturity stage.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 | 0,001 |
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 ».