MétaCan
Menu
Back to cohort
Record W2985988401

Étude comparative d’indices de végétation radar à plusieurs fréquences et de l’indice de végétation optique (NDVI) pour le suivi de la croissance des cultures

2019· article· fr· W2985988401 on OpenAlexaboutno aff
Marcellin Wani Chambu

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2019
Typearticle
Languagefr
FieldEngineering
TopicTree Root and Stability Studies
Canadian institutionsnot available
Fundersnot available
KeywordsGeology
DOInot available

Abstract

fetched live from OpenAlex

De nos jours, la télédétection contribue énormément dans le domaine de l’agriculture. La possibilité d’acquisition des mesures en tout temps et la non sensibilité aux perturbations atmosphériques sont des avantages reconnus à la télédétection radar. Cette étude a pour objectif d’effectuer une analyse comparative des indices radar, à savoir l’indice de végétation radar (RVI) et l’indice de végétation radar à double polarisation (IVRDvv) dans trois fréquences (L, C et X) et de l’indice de végétation par différence normalisée (NDVI) utilisé en télédétection multispectrale optique dans un contexte de suivi de la croissance des cultures de blé, de canola, de maïs et de soja. Pour y parvenir, ces indices de végétation radar (RVI et IVRDvv) calculés à plusieurs fréquences et l’indice optique (NDVI) sont utilisés pour effectuer un suivi temporel de la croissance de ces quatre cultures. D’une part, l’efficacité des indices de végétation radar à traduire la quantité de la biomasse végétale disponible est analysée en déterminant l’indice et la fréquence les mieux adaptés au suivi de la croissance de chaque type de culture. D’autre part, la corrélation des indices de végétation radar (RVI et IVRDvv) et le NDVI par rapport à la quantité de la biomasse végétale est utilisée pour apprécier l’usage de ces indices de végétation radar comme alternative à l’utilisation du NDVI dans un contexte de suivi de la croissance des cultures de blé, de canola, de maïs et de soja. 
\nLes indices radar RVI (indice de végétation radar) et IVRDvv (indice de végétation radar à double polarisation) ont été calculés sur la base d’images acquises sur les sites des campagnes de terrain SMAP Validation Experiment 2012 (SMAPVEX12) et SMAP Validation Experiment 2016 in Manitoba (SMAPVEX16-MB) situés au Sud du Manitoba. Les données de biomasse végétale ainsi que l’indice de surface foliaire (LAI) ont été recueillis directement sur le terrain durant ces deux campagnes. Les données radar en bande L proviennent de la campagne SMAPVEX12, elles sont acquises par un Uninhabited Aerial Vehicule Synthetic Aperture Radar UAVSAR; celles utilisées en bande C et X ont été acquises durant la campagne SMAPVEX16-MB par les satellites Radarsat-2 et TerraSAR-X, respectivement. Les données optiques proviennent des images de Sentinelle-2.
\nLe suivi de la croissance des cultures de blé, de canola, de maïs et de soja sur une base temporelle a permis de remarquer l’inefficacité de la bande L à évaluer la croissance des plantes. Le coefficient de rétrodiffusion dans cette bande est contrôlé par les paramètres de surface et particulièrement l’humidité du sol plutôt que la biomasse végétale. Les indices de végétation radar en bandes C et X ont présenté de bons résultats qui traduisent l’évolution de la quantité de la biomasse végétale disponible; la bande X étant toutefois beaucoup mieux corrélée à la biomasse végétale. Pour le blé, la quantité de biomasse végétale est mieux corrélée à l’IVRDvv en bande X (R = 0,9) que le NDVI (R = 0,7). De même, pour la culture de canola, la quantité de la biomasse disponible est légèrement mieux corrélée à l’IVRDvv en bande X (R =0,96) qu’au NDVI (R=0,9). D’autre part, le RVI et l’IVRDvv en bande C pour les cultures de maïs et de soja a montré des fortes corrélations avec le NDVI (R = 0,9). Ces résultats montrent que dans un contexte de suivi de la croissance des végétaux, les indices de végétation radar en bande C et X sont une alternative à l’indice de végétation par différence normalisée utilisé en télédétection optique.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.652
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.013
GPT teacher head0.248
Teacher spread0.235 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicTree Root and Stability StudiesFrench-language works237,207