影マスクで作物区画の統計を誤解させないために
影の除外規則と有効面積の分母を保ち、十分に観察できない作物と実際に低い反応が観察された作物を区別します。
今回の目的に影がどう影響するか定める
日陰の作物群落が異なって見えるのは、生物学的条件が変化したためではなく、照明が異なるためです。 MicaSense 収集ガイダンスは、マルチスペクトル結果に対する影の影響を認識します。作業で作物群落だけの統計、区画全体の説明、またはより一貫した観察が必要な比較が必要かどうかを判断します。マスキングの決定はその目的に従います。土壌、水、暗い物質、および本物の植物の変化もデータ内で暗く表示される可能性があるため、暗いピクセルをすべて削除することから始めないでください。
原画像の背景を調べる
影付き領域の候補を RGB コンテキスト、個々のバンド、および元の写真と比較します。パターンが木、建物、雲、またはその他の認識可能なソースに従っているかどうかを確認します。物理的なシャドウと無効なデータまたは処理の継ぎ目を区別します。 1 つの明らかな木の影に基づいてルールを調整するのではなく、いくつかの作物群落条件からの例を保持します。優れたレビューでは、マスクが何を識別するのか、またどの条件で他の表面を除外対象と混同し得るのかが説明されています。
マスク規則を記録する
入力、しきい値または分類方法、処理バージョン、および手動編集を文書化します。マスクされていない分析ラスターを保存します。日付ごとにルールが変更される場合は、統計を比較する前に変更について説明してください。マスクは不確実性を伴う派生データであり、記録されないデータ整理の工程ではありません。あいまいなケースを検査に利用できるようにし、別のセンサーからコピーしたしきい値を、あたかも現在の作物、照明、画像スケールに対して検証されたかのように使用することを避けます。
統計の分母を明示する
ピクセルが除外されると、残りの有効な領域またはカウントをゾーン統計とともに報告します。除外比率が異なる 2 つの圃場は、同等に完全な観測を表していない可能性があります。大部分をマスクした圃場に、観察範囲を示さず、見かけ上精密な平均値だけを表示してはいけません。残っているピクセルが代表的なものであるか、または作物群落の特定の部分に集中しているかを確認します。日陰の植物のほとんどが計算から消えてしまった場合でも、技術的に正しい平均値でも本来とは異なる問いに答えてしまうことがあります。
解釈前にマスクの感度を試す
代表的なゾーンで提案されたマスクを使用したサマリーと使用しないサマリーを比較し、それらが異なる理由を検査します。予想される管理上の結論を最もよくサポートするバージョンを選択しないでください。結果が不確実な除外に大きく依存する場合は、解釈を制限するか、より良い観察条件を要求します。現地確認には、実用的であれば、影付きの例と影なしの例を含める必要があります。目的は、視覚的な均一性を最大限にしたり、マップから不都合な値を削除したりすることではなく、説明可能な分析的決定を行うことです。
除外範囲も情報として引き渡す
マスク、有効面積の集計、検査された例、作物レイヤーの制限事項を提供します。除外された領域を、観察された低い応答を示す領域から明確に分離します。このレビューを使用して、適切な NiVO ペイロードの議論を通じて将来の収集のタイミングと構成を改善します。マスキングが成功すると、日陰をサポートされていない作物健康カテゴリに変換したり、洗練された統計内に不完全な範囲を隠したりするのではなく、残りの証拠の意味が保存され、欠けている観察が見えるようになります。
