Descripteur
Documents disponibles dans cette catégorie (2)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Dynamic modelling of rice leaf area index with quad-source optical imagery and machine learning regression models / Lamin R. Mansaray in Geocarto international, vol 37 n° 3 ([01/02/2022])
[article]
Titre : Dynamic modelling of rice leaf area index with quad-source optical imagery and machine learning regression models Type de document : Article/Communication Auteurs : Lamin R. Mansaray, Auteur ; Adam Sheka Kanu, Auteur ; Lingbo Yang, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 828 - 840 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] Chine
[Termes IGN] classification barycentrique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] Extreme Gradient Machine
[Termes IGN] Green Leaf Area Index
[Termes IGN] image Gaofen
[Termes IGN] image HJ-1A
[Termes IGN] image HJ-1B
[Termes IGN] image Landsat-8
[Termes IGN] image Sentinel-MSI
[Termes IGN] indice foliaire
[Termes IGN] modèle de régression
[Termes IGN] rizièreRésumé : (auteur) Optical satellite imagery has been widely used to monitor leaf area index (LAI). However, most studies have focussed on single- or dual-source data, thus making little use of a growing repository of freely available optical imagery. Hence this study has evaluated the feasibility of quad-source optical satellite imagery involving Landsat-8, Sentinel-2A, China’s environment satellite constellation (HJ-1 A and B) and Gaofen-1 (GF-1) in modelling rice green LAI over a test site located in southeast China at two growing seasons. With the application of machine learning regression models including Random Forest (RF), Support Vector Machine (SVM), k-Nearest Neighbour (k-NN) and Gradient Boosting Decision Tree (GBDT), results indicated that regression models based on an ensemble of decision trees (RF and GBDT) were more suitable for modelling rice green LAI. The current study has demonstrated the feasibility of quad-source optical imagery in modelling rice green LAI and this is relevant for cloudy areas. Numéro de notice : A2022-346 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2020.1745299 Date de publication en ligne : 03/04/2020 En ligne : https://doi.org/10.1080/10106049.2020.1745299 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100530
in Geocarto international > vol 37 n° 3 [01/02/2022] . - pp 828 - 840[article]Estimation of higher chlorophylla concentrations using field spectral measurement and HJ-1A hyperspectral satellite data in Dianshan Lake, China / Liguo Zhou in ISPRS Journal of photogrammetry and remote sensing, vol 88 (February 2014)
[article]
Titre : Estimation of higher chlorophylla concentrations using field spectral measurement and HJ-1A hyperspectral satellite data in Dianshan Lake, China Type de document : Article/Communication Auteurs : Liguo Zhou, Auteur ; Dar A. Roberts, Auteur ; Weichun Ma, Auteur ; Hao Zhang, Auteur ; Lin Tang, Auteur Année de publication : 2014 Article en page(s) : pp 41 - 47 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] Chine
[Termes IGN] chlorophylle
[Termes IGN] image HJ-1A
[Termes IGN] image hyperspectrale
[Termes IGN] lacRésumé : (Auteur) Based on in situ water sampling and field spectral measurements in Dianshan Lake, a semi-analytical three-band algorithm was used to estimate Chlorophylla (Chla) content in case II waters. The three bands selected to estimate Chla for high concentrations included 653, 691 and 748 nm. An equation, based on the difference in reciprocal reflectance between 653 and 691 nm, multiplied by reflectance at 748 nm as [Rrs-1(653) - Rrs-1(691)] Rrs(748), explained 85.57% of variance in Chla concentration with a root mean square error (RMSE) of Numéro de notice : A2014-084 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2013.11.016 En ligne : https://doi.org/10.1016/j.isprsjprs.2013.11.016 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32989
in ISPRS Journal of photogrammetry and remote sensing > vol 88 (February 2014) . - pp 41 - 47[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 081-2014021 RAB Revue Centre de documentation En réserve L003 Disponible