Utiliser des masques d'ombre sans déformer les statistiques des zones de culture
Définissez et examinez les exclusions d'ombre, conservez les dénominateurs de zone valides et distinguez une culture ombragée non observée d'une réponse de végétation véritablement faible.
Définir pourquoi les ombres sont importantes
Une canopée ombragée peut avoir un aspect différent parce que son éclairage diffère, et non parce que sa condition biologique a changé. Les conseils de collecte MicaSense reconnaissent les effets d’ombre sur les résultats multispectraux. Déterminez si la mission nécessite une statistique du couvert végétal uniquement, une description de la parcelle entière ou une comparaison nécessitant une observation plus cohérente. La décision de masquage suit cet objectif. Ne commencez pas par supprimer tous les pixels sombres, car le sol, l’eau, les matériaux sombres et les véritables variations végétales peuvent également apparaître sombres dans les données.
Inspecter le contexte source
Comparez les zones ombrées candidates avec le contexte RVB, les bandes individuelles et les photographies originales. Vérifiez si le motif suit des arbres, des bâtiments, des nuages ou une autre source reconnaissable. Distinguez une ombre physique des données invalides ou d’une couture de traitement. Conservez des exemples de plusieurs conditions de canopée plutôt que d’ajuster la règle autour d’une ombre évidente d’arbre. Un bon examen explique ce que le masque identifie et où il peut confondre d'autres surfaces avec l'exclusion prévue.
Enregistrez la règle du masque
Documentez les entrées, les seuils ou la méthode de classification, la version de traitement et les modifications manuelles. Conservez le raster analytique non masqué. Si la règle change entre les dates, expliquez le changement avant de comparer les statistiques. Un masque est un produit dérivé avec incertitude, pas une étape de nettoyage invisible. Gardez les cas ambigus disponibles pour l'inspection et évitez d'utiliser un seuil copié à partir d'un autre capteur comme s'il était validé pour la culture, l'éclairage et l'échelle d'image actuels.
Gardez le dénominateur visible
Lorsque les pixels sont exclus, signalez la surface valide restante ou le nombre de pixels avec les statistiques de zone. Deux parcelles avec des proportions exclues différentes peuvent ne pas représenter des observations également complètes. N'étiquetez pas une parcelle fortement masquée avec une moyenne apparemment précise et sans contexte de couverture. Vérifiez si les pixels survivants sont représentatifs ou concentrés dans une partie particulière de la canopée. Une moyenne techniquement correcte peut toujours répondre à une mauvaise question si la plupart des plantes ombragées ont disparu du calcul.
Test de sensibilité avant interprétation
Comparez les résumés avec et sans le masque proposé dans des zones représentatives, puis examinez pourquoi ils diffèrent. Ne sélectionnez pas la version qui soutient le mieux une conclusion attendue de la direction. Si le résultat dépend fortement d’exclusions incertaines, limiter l’interprétation ou demander de meilleures conditions d’observation. Les vérifications sur le terrain doivent inclure des exemples ombrés et non ombrés lorsque cela est possible. L’objectif est une décision analytique explicable plutôt que de maximiser l’uniformité visuelle ou de supprimer les valeurs gênantes d’une carte.
Fournir les exclusions à titre d'information
Fournissez le masque, les résumés des zones valides, les exemples inspectés et les limites de la couche de culture. Séparez clairement les zones exclues des zones affichant une faible réponse observée. Utilisez cette révision pour améliorer le calendrier et la configuration des collectes futures grâce à la discussion appropriée sur la charge utile NiVO. Un masquage réussi préserve la signification des preuves restantes et rend visible l’observation manquante, plutôt que de convertir l’ombre en une catégorie de santé des cultures non étayée ou de cacher une couverture incomplète dans une statistique raffinée.
