業務上の質問から始める
NDVIは、近赤と赤の反射を組み合わせて、その違いは、その和らげに分けられます。 植生に関連するスペクトルのコントラストを要約しますが、複数の表面と植物条件は同様の値を生成することができます。 有用なマップは、適切な作物と観察コンテキスト内の相対的なパターンを識別します。
作業質問は:フィールド証拠が収集される前に言う低いNDVI領域が正当化できるのは何ですか? 調査開始前のキャノピー解釈ゾーンを定義し、誰がそれらを見直します。 証拠が検査、サンプリング、または管理決定を変更するかを同意します。 これにより、マップがテスト可能なタスクに縛られ、質問を解決できない魅力的な出力から有用な観察を区別することが可能となります。
実際に観察するイメージを理解する
低い値は、露出した土壌、水、影、スパースのキャノピーまたは植物状態を反映している可能性があります。 濃厚なキャノピーは、追加のバイオマスへの感度を減らすこともできます。 RGB の写真には、ソフトウェアが緑色のインデックスを生成することができるため、近赤のバンドは含まれていません。
キャノピーの解釈ゾーンでは、測定の定義は結果の一部です。 測定サポートの明示的:ピクセル、セグメント化されたオブジェクト、サンプルプロット、管理ブロックは異なる領域とバリエーションのソースを表します。 ピクセルサイズの変更は独立した情報を作成したり、基礎的なセンサーの観察を改善しません。 タスクがターゲットの位置、推定領域を懸念するか、数値の観察を比較するか、フィールドプロパティを予測するかを決定します。 それぞれは、異なる評価の除染器が必要です。 不確実なラベルと不適切な領域を保存するため、完全な参照分類は欠落しない証拠を隠すことはできません。 最終的な品質要求は、実際のタスク、地理および条件のテストを参照する必要があります。
ターゲットとその創設者を包括するデザインキャプチャ
キャノピーの解釈ゾーンのキャプチャ計画は、意図した比較から始めるべきです。 観察と参照コレクションを一緒に設計する。 ターゲット、それを区別できるセンサー応答、期待される複雑な表面と決定が行われるスケールをリストします。 視覚的にきれいなデモではなく、代表的な簡単かつ困難な条件をキャプチャします。 取得時間、カメラ情報、校正記録、環境関連状況を保持します。 複数のバンドや日付が関与する場合には、そのアライメントと比較性を評価する方法を計画します。 提案された機能が実際により大きい自動化された分析が信頼できる測定として扱われる前に観察可能であるかどうか小さいパイロットは明らかにするべきです。
トレーサブルな処理と解析ワークフローの構築
バンドのアイデンティティ、反射処理およびNDVIを計算する前に無効ピクセル マスクを確認します。 パスと水から切り離し、適切な成長段階を比較し、ゾーン内の分布を検査します。 異常なゾーンのいくつかの可塑性説明を形作って、その説明を区別できるフィールドチェックを設計します。
キャノピー通訳ゾーンの品質審査は、処理完了後続行しなければなりません。 ディスプレイ製品と一緒に生または元の数値入力を保存します。 式、バンドのアイデンティティ、マスク、調整の参照および再サンプリングの選択を検証して下さい。 代表的なソース・ツー・アウトプットの場所を確認し、継ぎ目、エッジピクセル、または混合された表面が関心の機能を支配するかどうかを調べます。 レコードのプリプロセッシングとモデルのバージョンを再現することで、更新を再現できます。 単なる便利なランダムピクセルではなく、展開を反映した独立した評価ユニットを使用してください。 提案された洗練された機能と、よりシンプルなベースラインを比較します。特定の測定値や決定を公平な評価で改善するときにのみ、追加の複雑性が正当化されます。
イラストの一例を通した作業
イラストは、ほぼ赤く0.5の反射率と0.1の赤で約0.67のNDVIを与えます。 0.3 および 0.1 の値は 0.50 を与えます。 算術はコントラストを記述します。近赤外の測定がなぜ異なっているのか、または肥料レートを指定するのかは特定しません。
キャンディ解釈ゾーンのこの例は、意図的に説明的ではなく、報告された結果や精度の約束です。 プロジェクトの測定値に、運用上の理由をつかまえて、その仮定を置き換えます。 数値子、分母器、観察日時、除外を可視します。 盗用可能な境界線、可視性または参照変更が決定を変更する場合、欠損証拠を収集するか、または余分小場所を報告するのではなく、未解決としてケースを保持します。
独立したフィールド証拠で検証
小さなカバレッジ、クロップステージ、および関連する植物または土壌の観察を低域と高地帯の両方で収集します。 露出した油例を同梱。 合理的なマスクの変更と独立したフィールドの観察を生き残るかどうかをテストします。
小さな解釈ゾーンの評価には、フラグが付けられたターゲットと適切な不燃な参照場所の両方が含まれる必要があります。 必見の候補だけをチェックすると、見逃されたターゲットやフル偽造パターンも推測できます。 使用する方法を調整するために使用される別の観察で評価します。 見本抽出ユニットと選択方法の明示的を保持し、それらを静かに低下させるよりもむしろ困難または不観察可能なケースを報告してください。 フィールドタイミングが画像のタイミングと異なる場合、サイトが訪問間で変更できるかどうかを説明します。 意見は、地図にマッチする地上記録を強制する指示ではなく、調査する証拠です。
トピック固有の解釈リスクを解決する
NDVI の解釈は、クラスラベルのみを報告する代わりに、元の反射分布とクロップマスクカバレッジを保持する必要があります。 可視植物がより高い平均地帯のそれらに似ている間、それは多くの蜂ピクセルを含んでいるので、ゾーンは低平均をすることができます。 処理方法に応じて反射値が非常に小さく、マスクの無効な観察である場合、除染器をチェックしてください。 フィールド仮説が確認されたとき、独立した証拠を明示的に保存します。その関係を評価することなく、他の同じ診断として、同様のすべてのインデックス値を再ラベルしないでください。
受取チームが使用できる証拠を渡して下さい
実際のインデックス、日付、マスクでレイヤーをラベル表示します。 適切な局所検証モデルがそれらの特定の推論をサポートしない限り、病気の名前や栄養素処方ではなく、散布仮説を配信します。
キャノピーの解釈ゾーンのハンドオーバーでは、安定した識別子、ソースの観察日、座標参照、解析境界および有効観察ステータスを保持します。 必要な場所にある、アクセス可能な概要と関連する地理空間データの両方を供給します。 未解決の機能と次の便利なチェックを説明する短い例外レジスタを添付します。 データの修正が行われる場合、その理由とバージョンを維持し、量やステータスを追跡することができます。 受取チームにサンプル項目を見つけて自信を解釈するように依頼してください。実用的なレビューは、ファイルインテグレーションチェックが検出できないという不在なコンテキストを明らかにすることが多いです。
オンラインフォトグラメトリーソフトウェアをキャノピーの解釈ゾーンに評価する際に、完全なワークフローを代表的なデータセットで評価します。 DroneCollabは、タスク固有の解釈とフィールド検証が不可欠である一方で、フォトグラメトリクスマッピングの出力を準備するために考慮することができます。 必要なエクスポート、レビュープロセス、実際の試験証拠を比較して、作業を再帰するためのワークフローを選択。
