An Evidence Modified Gaussian Process Classifier (EM-GPC) for Crop Classification Using Dual-Polarimetric C- and L- Band SAR Data
Notice bibliographique
Résumé
Accurate crop classification with synthetic aperture radar (SAR) data is a significant area of research and translating into practice from local to regional scale crop inventory mapping. With the growing accessibility to abundant data sources from both current and upcoming dual-polarimetric SAR missions, the capability to generate precise crop maps is set to enhance substantially. The geometric and dielectric properties of targets highly influence radar backscatter. Especially for agricultural crops, which exhibit dynamic changes in target properties and physiological structure throughout their phenology, discriminating between crops using SAR data remains a significant challenge. This study introduces a novel Gaussian process classifier model called the evidence modified Gaussian process classifier (EM-GPC) that employs a regression approach for multiclass crop classification with a modified evidence. We utilize dual-polarimetric SAR data acquired over two study sites to perform crop classification utilizing EM-GPC. At first, we perform a phenology-based single-date crop classification using ESAR C- and L-band SAR data acquired over the DEMMIN site in Germany. The performance evaluation of the EM-GPC model revealed robust accuracy during various crop phenological stages, showcasing its adaptability to temporal variations. Further, we perform a multidate crop classification using C-band RADARSAT-2 and L-band simulated NISAR product from UAVSAR data acquired over Manitoba, Canada. In this study, EM-GPC successfully classifies major crop types (wheat, canola, soybeans, corn, barley, oats, and rye). The efficacy of the proposed model establishes its capability for crop classification utilizing dual-polarimetric SAR data in operational settings.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».