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
Bibliographic record
Abstract
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
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".