Potential Assessment of PRISMA Hyperspectral Imagery for Remote Sensing Applications
Notice bibliographique
Résumé
Hyperspectral imagery plays a vital role in precision agriculture, forestry, environment, and geological applications. Over the past decade, extensive research has been carried out in the field of hyperspectral remote sensing. First introduced by the Italian Space Agency ASI in 2019, space-borne PRISMA hyperspectral imagery (PHSI) is taking the hyperspectral remote sensing research community into the next era due to its unprecedented spectral resolution of ≤12 nm. Given these abundant free data and high spatial resolution, it is crucial to provide remote sensing researchers with information about the critical attributes of PRISMA imagery, making it the most viable solution for various land and water applications. Hence, in the present study, a SWOT analysis was performed for PHSI using recent case studies to exploit the potential of PHSI for different remote sensing applications, such as snow, soil, water, natural gas, and vegetation. From this analysis, it was found that the higher reflectance spectra of PHSI, which have comprehensive coverage, have greater potential to extract vegetation biophysical parameters compared to other applications. Though the possible use of these data was demonstrated in a few other applications, such as the identification of methane gases and soil mineral mapping, the data may not be suitable for continuous monitoring due to their limited acquisition, long revisiting times, noisy bands, atmospheric interferences, and computationally heavy processing, particularly when executing machine learning models. The potential applications of PHSI include large-scale and efficient mapping, transferring technology, and fusion with other remote sensing data, whereas the lifetime of satellites and the need for interdisciplinary personnel pose challenges. Furthermore, some strategies to overcome the aforementioned weaknesses and threats are described in our conclusions.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».