Uso de máscaras de sombra sin tergiversar las estadísticas de las zonas de cultivo
Defina y revise las exclusiones de sombra, conserve denominadores de área válidos y distinga un cultivo sombreado no observado de una respuesta de vegetación genuinamente baja.
Definir por qué son importantes las sombras
Un dosel sombreado puede verse diferente porque su iluminación difiere, no porque su condición biológica haya cambiado. La guía de recopilación de MicaSense reconoce los efectos de las sombras en los resultados multiespectrales. Determine si la tarea necesita una estadística de solo el dosel, una descripción de toda la parcela o una comparación que requiera una observación más consistente. La decisión de enmascarar persigue ese propósito. No comience eliminando todos los píxeles oscuros, porque el suelo, el agua, el material oscuro y la variación genuina de las plantas también pueden aparecer oscuros en los datos.
Inspeccionar el contexto de origen
Compare áreas sombreadas candidatas con contexto RGB, bandas individuales y fotografías originales. Compruebe si el patrón sigue árboles, edificios, nubes u otra fuente reconocible. Distinga una sombra física de datos no válidos o una costura de procesamiento. Mantenga ejemplos de varias condiciones del dosel en lugar de ajustar la regla en torno a una sombra de árbol obvia. Una buena revisión explica qué identifica la máscara y dónde puede confundir otras superficies con la exclusión prevista.
Registre la regla de la máscara
Documente las entradas, los umbrales o el método de clasificación, la versión de procesamiento y las ediciones manuales. Conserve el ráster analítico desenmascarado. Si la regla cambia entre fechas, explique el cambio antes de comparar estadísticas. Una máscara es un producto derivado con incertidumbre, no un paso de limpieza invisible. Mantenga los casos ambiguos disponibles para su inspección y evite utilizar un umbral copiado de otro sensor como si estuviera validado para el cultivo, la iluminación y la escala de imagen actuales.
Mantenga el denominador visible
Cuando se excluyen los píxeles, informe el área válida restante o el número de píxeles junto con las estadísticas de la zona. Es posible que dos parcelas con diferentes proporciones excluidas no representen observaciones igualmente completas. No etiquete una parcela muy enmascarada con un promedio aparentemente preciso y sin contexto de cobertura. Revise si los píxeles supervivientes son representativos o están concentrados en una parte particular del dosel. Una media técnicamente correcta aún puede responder a la pregunta equivocada si la mayoría de las plantas con sombra han desaparecido del cálculo.
Pruebe la sensibilidad antes de la interpretación.
Compare resúmenes con y sin la máscara propuesta en zonas representativas y luego inspeccione por qué difieren. No seleccione la versión que mejor respalde una conclusión de gestión esperada. Si el resultado depende en gran medida de exclusiones inciertas, limite la interpretación o solicite mejores condiciones de observación. Las verificaciones de campo deben incluir ejemplos sombreados y sin sombreado cuando sea práctico. El objetivo es una decisión analítica explicable en lugar de maximizar la uniformidad visual o eliminar valores inconvenientes de un mapa.
Entregar exclusiones como información
Proporcione la máscara, resúmenes de áreas válidas, ejemplos inspeccionados y limitaciones de la capa del cultivo. Separe claramente las áreas excluidas de las áreas que muestran una baja respuesta observada. Utilice la revisión para mejorar el tiempo y la configuración de recolección futura a través de la discusión sobre la carga útil de NiVO adecuada. El enmascaramiento exitoso preserva el significado de la evidencia restante y hace visible la observación faltante, en lugar de convertir la sombra en una categoría de salud de cultivos sin fundamento u ocultar una cobertura incompleta dentro de una estadística pulida.
