The Potential of Using Radarsat-2 Satellite Image for Modeling and Mapping Wheat Yield in a Semiarid Environment
Notice bibliographique
Résumé
The monitoring of cereal productions, mainly through yield estimations, has played an important role in providing reliable information to decision makers in order to ensure the proper management of agricultural markets. In this context, remote sensing, which allows the coverage of large areas, is an important source of information that complements those obtained by other methods. In this study, we aim to estimate the wheat yield at an early growth stage (spring season) using only one Radarsat-2 (RS-2) polarimetric image. We propose an empirical statistical relationship between the yield measured in situ and polarimetric parameters extracted from the RS-2 image. The RS-2 image was acquired at the flowering stage as it is proved to be the most appropriate moment for yield prediction. We selected the region of Boussalem in the northwest of Tunisia as the study area. For experimental validation, the yield was determined in situ at the end of the wheat season. Results showed that the polarization ratios are more correlated than the polarimetric parameters with the grain yield with a significant correlation of the HH/VV ratio (r = 0.76) and the HV/VV ratio (r = −0.75), while the most correlated polarimetric parameter was Alpha (r = −0.51). Finally, the multiple regression has led to the development of a three-variable model (HH/VV, HV/HH, and alpha) as the best predictor of the wheat grain yields. Validation results revealed a great potential with a determination coefficient (R2) of 0.58 and root mean squared error (RMSE) of 0.89 t/ha.
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 ».