Dual-polarimetric descriptors from Sentinel-1 GRD SAR data for crop growth assessment
Notice bibliographique
Résumé
Accurate and high-resolution spatio-temporal information about crop phenology obtained from Synthetic Aperture Radar (SAR) data is an essential component for crop management and yield estimation at a local scale. Crop growth monitoring studies seldom exploit complete polarimetric information contained in dual-pol GRD SAR data. In this study, we propose three polarimetric descriptors: the pseudo scattering-type parameter (θc), the pseudo scattering entropy parameter (Hc), and the co-pol purity parameter (mc) from dual-pol S1 GRD SAR data. We also introduce a novel unsupervised clustering framework using Hc and θc with six clustering zones to represent various scattering mechanisms. We implemented the proposed algorithm on the cloud-based Google Earth Engine (GEE) platform for Sentinel-1 SAR data. We have shown the sensitivity of these descriptors over a time series of data for wheat and canola crops at a test site in Canada. From the leaf development stage to the flowering stage for both crops, the pseudo scattering-type parameter θc changes by approximately 17°. Moreover, within the entire phenology window, both mc and Hc varies by about 0.6. The effectiveness of θc and Hc to cluster the phenological stages for the two crops is also evident from the clustering plot. During the leaf development stage, about 90 % of the sampling points were clustered into the low to medium entropy scattering zone for both the crops. Throughout the flowering stage, the entire cluster shifted into the high entropy vegetation scattering zone. Finally, during the ripening stage, the clusters of sample points were split between the high entropy vegetation scattering zone and the high entropy distributed scattering zone, with > 55 % of the sampling points in the high entropy distributed scattering zone. This innovative clustering framework will facilitate the operational use of S1 GRD SAR data for agricultural applications. This article is submitted to ISPRS Journal of Photogrammetry and Remote Sensing
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) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».