Usando máscaras de sombra sem deturpar as estatísticas da zona de cultivo
Definir e rever exclusões de sombra, manter denominadores de área válidos e distinguir uma cultura sombreada não observada de uma resposta de vegetação genuinamente baixa.
Defina por que as sombras são importantes
Uma cobertura sombreada pode parecer diferente porque sua iluminação é diferente, e não porque sua condição biológica mudou. A orientação da coleção MicaSense reconhece efeitos de sombra em resultados multiespectrais. Determine se a tarefa precisa de uma estatística apenas do dossel, uma descrição de toda a parcela ou uma comparação que exija observação mais consistente. A decisão de mascaramento segue esse propósito. Não comece removendo todos os pixels escuros, porque o solo, a água, o material escuro e a variação genuína da planta também podem aparecer escuros nos dados.
Inspecione o contexto de origem
Compare áreas sombreadas candidatas com contexto RGB, bandas individuais e fotografias originais. Verifique se o padrão segue árvores, edifícios, nuvens ou outra fonte reconhecível. Distinguir uma sombra física de dados inválidos ou de uma costura de processamento. Mantenha exemplos de diversas condições de copa em vez de ajustar a regra em torno de uma sombra óbvia de árvore. Uma boa revisão explica o que a máscara identifica e onde pode confundir outras superfícies com a exclusão pretendida.
Grave a regra da máscara
Documente as entradas, limites ou método de classificação, versão de processamento e edições manuais. Preservar o raster analítico desmascarado. Se a regra mudar entre as datas, explique a mudança antes de comparar as estatísticas. Uma máscara é um produto derivado de incerteza, não uma etapa de limpeza invisível. Mantenha casos ambíguos disponíveis para inspeção e evite usar um limite copiado de outro sensor como se fosse validado para o cultivo, iluminação e escala de imagem atuais.
Mantenha o denominador visível
Quando os pixels forem excluídos, informe a área válida restante ou conte junto com as estatísticas da zona. Duas parcelas com diferentes proporções excluídas podem não representar observações igualmente completas. Não rotule uma parcela fortemente mascarada com uma média aparentemente precisa e sem contexto de cobertura. Revise se os pixels sobreviventes são representativos ou concentrados em uma parte específica do dossel. Uma média tecnicamente correta ainda pode responder à pergunta errada se a maioria das plantas sombreadas tiver desaparecido do cálculo.
Teste a sensibilidade antes da interpretação
Compare os resumos com e sem a máscara proposta nas zonas representativas e, em seguida, inspecione por que eles diferem. Não selecione a versão que melhor apoia uma conclusão de gestão esperada. Se o resultado depender fortemente de exclusões incertas, limite a interpretação ou solicite melhores condições de observação. As verificações de campo devem incluir exemplos sombreados e não sombreados, sempre que possível. O objetivo é uma decisão analítica explicável, em vez de maximizar a uniformidade visual ou remover valores inconvenientes de um mapa.
Forneça exclusões como informações
Forneça a máscara, resumos de áreas válidas, exemplos inspecionados e limitações da camada da cultura. Separe claramente as áreas excluídas das áreas que mostram uma resposta baixa observada. Use a revisão para melhorar o tempo e a configuração da coleta futura por meio da discussão apropriada sobre a carga útil do NiVO. O mascaramento bem sucedido preserva o significado das evidências restantes e torna visível a observação que falta, em vez de converter a sombra numa categoria de saúde da cultura não suportada ou esconder a cobertura incompleta dentro de uma estatística polida.
