फसल-क्षेत्र सांख्यिकी को गलत तरीके से प्रस्तुत किए बिना छाया मास्क का उपयोग करना
छाया बहिष्करण को परिभाषित करें और समीक्षा करें, वैध-क्षेत्र विभाजकों को बनाए रखें, और एक न देखी गई छायांकित फसल को वास्तव में कम वनस्पति प्रतिक्रिया से अलग करें।
परिभाषित करें कि परछाइयाँ क्यों मायने रखती हैं
एक छायांकित छतरी अलग दिख सकती है क्योंकि उसकी रोशनी अलग होती है, इसलिए नहीं कि उसकी जैविक स्थिति बदल गई है। MicaSense संग्रह मार्गदर्शन मल्टीस्पेक्ट्रल परिणामों पर छाया प्रभावों को पहचानता है। निर्धारित करें कि क्या असाइनमेंट को केवल चंदवा आँकड़ा, संपूर्ण-खेत-खंड विवरण, या अधिक सुसंगत अवलोकन की आवश्यकता वाली तुलना की आवश्यकता है। मास्किंग निर्णय उस उद्देश्य का अनुसरण करता है। प्रत्येक गहरे पिक्सेल को हटाकर शुरुआत न करें, क्योंकि डेटा में मिट्टी, पानी, गहरे रंग की सामग्री और वास्तविक पौधों की भिन्नता भी काली दिखाई दे सकती है।
स्रोत संदर्भ का निरीक्षण करें
RGB संदर्भ, व्यक्तिगत बैंड और मूल तस्वीरों के साथ उम्मीदवार छायांकित क्षेत्रों की तुलना करें। जांचें कि क्या पैटर्न पेड़ों, इमारतों, बादलों या किसी अन्य पहचानने योग्य स्रोत का अनुसरण करता है। अमान्य डेटा या प्रोसेसिंग सीम से भौतिक छाया को अलग करें। एक स्पष्ट पेड़ की छाया के आसपास नियम को समायोजित करने के बजाय कई चंदवा स्थितियों से उदाहरण रखें। एक अच्छी समीक्षा बताती है कि मास्क क्या पहचानता है और यह इच्छित बहिष्करण के साथ अन्य सतहों को कहां भ्रमित कर सकता है।
मास्क नियम रिकॉर्ड करें
इनपुट, थ्रेशोल्ड या वर्गीकरण विधि, प्रसंस्करण संस्करण और मैन्युअल संपादन का दस्तावेज़ीकरण करें। बिना मास्क वाला विश्लेषणात्मक रास्टर को सुरक्षित रखें। यदि तारीखों के बीच नियम बदलता है, तो आँकड़ों की तुलना करने से पहले परिवर्तन स्पष्ट करें। मास्क अनिश्चितता वाला एक व्युत्पन्न उत्पाद है, न कि कोई अदृश्य सफाई कदम। अस्पष्ट मामलों को निरीक्षण के लिए उपलब्ध रखें और किसी अन्य सेंसर से कॉपी की गई सीमा का उपयोग करने से बचें जैसे कि यह वर्तमान फसल, प्रकाश व्यवस्था और छवि पैमाने के लिए मान्य था।
हर को दृश्यमान रखें
जब पिक्सेल बाहर कर दिए जाते हैं, तो क्षेत्र के आँकड़ों के साथ शेष वैध क्षेत्रफल या पिक्सेल संख्या भी बताएं। अलग-अलग बहिष्कृत अनुपात वाले दो खेत-खंड समान रूप से पूर्ण अवलोकनों का प्रतिनिधित्व नहीं कर सकते हैं। स्पष्ट रूप से सटीक औसत और बिना कवरेज संदर्भ वाले बहुत अधिक मास्क किए गए खेत-खंड पर लेबल न लगाएं। समीक्षा करें कि क्या बचे हुए पिक्सेल प्रतिनिधि हैं या कैनोपी के किसी विशेष भाग में केंद्रित हैं। यदि अधिकांश छायांकित पौधे गणना से गायब हो गए हों तो तकनीकी रूप से सही माध्य अभी भी गलत प्रश्न का उत्तर दे सकता है।
व्याख्या से पहले संवेदनशीलता का परीक्षण करें
प्रतिनिधि क्षेत्रों में प्रस्तावित मास्क के साथ और उसके बिना सारांश की तुलना करें, फिर निरीक्षण करें कि वे भिन्न क्यों हैं। उस संस्करण का चयन न करें जो अपेक्षित प्रबंधन निष्कर्ष का सर्वोत्तम समर्थन करता हो। यदि परिणाम अनिश्चित बहिष्करणों पर दृढ़ता से निर्भर करता है, तो व्याख्या को सीमित करें या बेहतर अवलोकन स्थितियों का अनुरोध करें। फ़ील्ड जांच में जहां व्यावहारिक हो वहां छायांकित और बिना छायांकित उदाहरण शामिल होने चाहिए। उद्देश्य दृश्य एकरूपता को अधिकतम करने या मानचित्र से असुविधाजनक मूल्यों को हटाने के बजाय एक समझाने योग्य विश्लेषणात्मक निर्णय है।
बहिष्करणों को सूचना के रूप में वितरित करें
फसल परत के साथ मास्क, वैध-क्षेत्र सारांश, निरीक्षण किए गए उदाहरण और सीमाएं प्रदान करें। कम प्रतिक्रिया दर्शाने वाले क्षेत्रों से बहिष्कृत क्षेत्रों को स्पष्ट रूप से अलग करें। उपयुक्त NiVO पेलोड चर्चा के माध्यम से भविष्य के संग्रह समय और कॉन्फ़िगरेशन को बेहतर बनाने के लिए समीक्षा का उपयोग करें। सफल मास्किंग शेष साक्ष्य के अर्थ को संरक्षित करती है और छाया को एक असमर्थित फसल-स्वास्थ्य श्रेणी में परिवर्तित करने या एक पॉलिश आंकड़े के अंदर अपूर्ण कवरेज को छिपाने के बजाय, लापता अवलोकन को दृश्यमान बनाती है।
