Verwendung von Schattenmasken ohne falsche Darstellung der Erntezonenstatistiken
Dokumentieren Sie Schattenmasken, Unsicherheiten und verbleibende Flächen, damit Bestandsstatistiken ihre tatsächliche Aussage behalten.
Definieren Sie, warum Schatten wichtig sind
Ein schattiges Blätterdach kann anders aussehen, weil seine Beleuchtung unterschiedlich ist, nicht weil sich sein biologischer Zustand verändert hat. Die MicaSense-Anleitung zur Datenerfassung erkennt Schatteneffekte auf multispektrale Ergebnisse. Bestimmen Sie, ob für die Aufgabe eine reine Baumkronenstatistik, eine Beschreibung der gesamten Parzelle oder ein Vergleich erforderlich ist, der eine konsistentere Beobachtung erfordert. Die Maskierungsentscheidung folgt diesem Zweck. Beginnen Sie nicht damit, jedes dunkle Pixel zu entfernen, da Erde, Wasser, dunkles Material und echte Pflanzenvariationen in den Daten ebenfalls dunkel erscheinen können.
Überprüfen Sie den Quellkontext
Vergleichen Sie die schattierten Bereiche der Kandidaten mit dem RGB-Kontext, einzelnen Bändern und Originalfotos. Überprüfen Sie, ob das Muster Bäumen, Gebäuden, Wolken oder einer anderen erkennbaren Quelle folgt. Unterscheiden Sie einen physischen Schatten von ungültigen Daten oder einer Verarbeitungsnaht. Behalten Sie Beispiele aus mehreren Baumkronenzuständen bei, anstatt die Regel auf einen offensichtlichen Baumschatten abzustimmen. Eine gute Rezension erklärt, was die Maske identifiziert und wo sie andere Oberflächen mit dem beabsichtigten Ausschluss verwechseln kann.
Notieren Sie die Maskenregel
Dokumentieren Sie die Eingaben, Schwellenwerte oder Klassifizierungsmethoden, die Verarbeitungsversion und manuelle Änderungen. Behalten Sie das unmaskierte analytische Raster bei. Wenn sich die Regel zwischen den Daten ändert, erläutern Sie die Änderung, bevor Sie Statistiken vergleichen. Eine Maske ist ein abgeleitetes Produkt mit Unsicherheit, kein unsichtbarer Reinigungsschritt. Halten Sie mehrdeutige Fälle zur Überprüfung bereit und vermeiden Sie die Verwendung eines von einem anderen Sensor kopierten Schwellenwerts, als ob er für den aktuellen Pflanzenbestand, die Beleuchtung und den Bildmaßstab validiert wäre.
Halten Sie den Nenner sichtbar
Wenn Pixel ausgeschlossen sind, geben Sie die verbleibende gültige Fläche an oder zählen Sie sie zusammen mit der Zonenstatistik. Zwei Parzellen mit unterschiedlichen Ausschlussanteilen stellen möglicherweise keine gleichermaßen vollständigen Beobachtungen dar. Beschriften Sie ein stark maskierte Parzelle nicht mit einem scheinbar genauen Durchschnitt und ohne Abdeckungskontext. Überprüfen Sie, ob die verbleibenden Pixel repräsentativ sind oder sich auf einen bestimmten Teil des Blätterdachs konzentrieren. Ein technisch korrekter Mittelwert kann auch dann die falsche Frage beantworten, wenn die meisten Schattenpflanzen aus der Berechnung verschwunden sind.
Testen Sie die Sensibilität vor der Interpretation
Vergleichen Sie Zusammenfassungen mit und ohne der vorgeschlagenen Maske in repräsentativen Zonen und prüfen Sie dann, warum sie sich unterscheiden. Wählen Sie nicht die Version aus, die eine erwartete Management-Schlussfolgerung am besten unterstützt. Wenn das Ergebnis stark von unsicheren Ausschlüssen abhängt, schränken Sie die Interpretation ein oder fordern Sie bessere Beobachtungsbedingungen. Feldprüfungen sollten, soweit möglich, schattierte und nicht schattierte Beispiele umfassen. Das Ziel ist eine erklärbare analytische Entscheidung und nicht die Maximierung der visuellen Einheitlichkeit oder das Entfernen unbequemer Werte aus einer Karte.
Liefern Sie Ausschlüsse als Information
Stellen Sie mit der Kulturebene die Maske, Zusammenfassungen des gültigen Bereichs, überprüfte Beispiele und Einschränkungen bereit. Trennen Sie ausgeschlossene Bereiche klar von Bereichen, die eine beobachtete geringe Reaktion zeigen. Nutzen Sie die Überprüfung, um den zukünftigen Erfassungszeitpunkt und die Konfiguration durch die entsprechende Diskussion der NiVO-Nutzlast zu verbessern. Eine erfolgreiche Maskierung bewahrt die Bedeutung der verbleibenden Beweise und macht die fehlende Beobachtung sichtbar, anstatt Schatten in eine nicht unterstützte Pflanzengesundheitskategorie umzuwandeln oder unvollständige Abdeckung in einer ausgefeilten Statistik zu verbergen.
