Campionamento di immagini agricole con statistiche zonali

Iniziamo dalla questione operativa

Definire il poligono, la regola di inclusione dei pixel, la gestione dei nodati e le statistiche di riepilogo prima di confrontare i campi. Ispezionare le distribuzioni e la copertura valida piuttosto che fare affidamento solo su una media.

Separare l'osservazione dalla spiegazione

Le medie possono nascondere una piccola zona danneggiata o essere dominate da pixel con bordi misti. Diversi conteggi di pixel validi possono far sì che riepiloghi di blocco apparentemente comparabili rappresentino quantità diverse di ritaglio.

Progettare osservazioni di riferimento che rappresentano il campo

Indicare la popolazione che il campione dovrebbe rappresentare e la domanda a cui deve rispondere. Seleziona posizioni in base alle fasi del raccolto, al terreno, alla gestione e alle condizioni dell'immagine pertinenti. Includere aree ordinarie e casi difficili, non solo anomalie vistose o comode fermate lungo la strada. Regole di selezione dei record in modo che gli utenti successivi comprendano dove il riferimento è rappresentativo.

Definire l'unità di osservazione, l'area o la profondità, i tempi, lo strumento o il metodo di laboratorio e le repliche richieste utilizzando il protocollo della disciplina appropriata. Un'osservazione puntuale e un pixel satellitare hanno un supporto spaziale diverso. Registra un contesto sufficiente per valutare tale discrepanza. Mantieni i siti inaccessibili nel registro di campionamento e spiega qualsiasi sostituzione anziché eliminarli silenziosamente.

Separare la raccolta di riferimenti dal risultato da valutare quando possibile. Esaminare la coerenza dell'osservatore e i dati mancanti prima di calcolare l'accordo o l'errore. Conserva osservazioni, correzioni ed esclusioni grezze con le relative motivazioni. Un numero maggiore di campioni può migliorare la precisione, ma un campione ampio e distorto non riesce ancora a rappresentare le condizioni escluse. Utilizzare i risultati all'interno della popolazione e del periodo supportati dal disegno di campionamento.

Abbina i dettagli spaziali alla domanda

Il GIS agricolo collega i confini dei campi, le osservazioni e le immagini, ma ogni set di dati ha il proprio supporto spaziale. Un punto segna una posizione, un poligono descrive un'area e un pixel raster riassume un'impronta. Non dovrebbero essere trattati come misurazioni equivalenti. Prima di sovrapporre i livelli, controlla i loro sistemi di riferimento di coordinate, date e unità. Un problema di allineamento visibile può derivare da un problema di coordinate o di georeferenziazione piuttosto che da un movimento o un cambiamento nella coltura stessa.

Le bande di Sentinel-2 hanno diverse risoluzioni spaziali native. Le sue bande visibili e ampie del vicino infrarosso sono disponibili con una risoluzione più fine rispetto alle bande del bordo rosso e dell'infrarosso a onde corte. Il ricampionamento può collocare quelle bande su una griglia comune, ma non crea nuovi dettagli osservati. Quando un campo è stretto o piccolo, i pixel di confine possono mescolare il raccolto con strade, alberi, acqua o terreno vicino. Spiegare questa miscela prima di interpretare la media del campo come una pura misurazione del raccolto.

Conservare le informazioni sulla qualità e sul tempo attraverso l'analisi

Le immagini ottiche richiedono attenzione alle nuvole, alla foschia e alle ombre. Una scena con una piccola percentuale complessiva di nuvole potrebbe comunque avere il campo target oscurato. Ispezionare l'effettiva area di interesse e conservare il metodo di mascheramento o qualità utilizzato. Confronta prodotti compatibili e scelte di elaborazione dei documenti, soprattutto quando crei una serie temporale da date o sensori diversi. Un salto inspiegabile potrebbe essere un problema di qualità dei dati piuttosto che un improvviso cambiamento nella vegetazione.

Gli indici di vegetazione descrivono combinazioni di segnali spettrali riflessi. L'USGS spiega che l'NDVI è sensibile al fondo del suolo e può saturarsi nella fitta vegetazione. Pertanto un indice viene interpretato al meglio tenendo conto dello stadio della coltura, della struttura della chioma e delle prove sul campo. Una classe di colore non è una misurazione diretta della concentrazione di nutrienti, dell’identità della malattia o della resa del raccolto. Tali interpretazioni necessitano di un’adeguata calibrazione e convalida e qualsiasi previsione dovrebbe mantenere la sua incertezza e le condizioni in cui è stata valutata.

Rendi le mappe riproducibili e utili per il prossimo osservatore

Conservare gli input originali, la data dell'analisi, la versione del metodo e i parametri rilevanti insieme all'output. Utilizzare una legenda chiara che distingua i valori osservati, gli indicatori derivati ​​e i candidati non verificati. Laddove una statistica esclude pixel offuscati o aree non ritagliate, documentare l'esclusione e la copertura valida. Se la copertura cambia tra le date, riconoscere che le medie possono rappresentare parti diverse del campo. Ciò è particolarmente importante quando un report trasforma una sequenza di mappe in una tendenza.

Progettare la validazione in base all'uso previsto. Un modello per un raccolto e una stagione dovrebbe essere testato su esempi indipendenti che rappresentino le condizioni in cui funzionerà. I controlli sul campo dovrebbero cercare gli oggetti mancati così come gli oggetti proposti errati, e i controlli di classificazione dovrebbero includere ogni categoria significativa. Mantieni i disaccordi e rivedi le loro cause invece di eliminare i casi difficili. Una mappa diventa operativamente preziosa quando un'altra persona può seguirne le prove, comprenderne i limiti e decidere quale osservazione è necessaria successivamente.

Controlla il supporto dietro ogni valore mappato

Ispezionare la sorgente sull'effettivo campo di interesse. I metadati dell'intera scena possono nascondere una nuvola, un'ombra, una striscia sfocata, un rilievo incompleto o un problema di allineamento esattamente dove è necessaria la decisione. Registrare la data, il supporto spaziale, i contrassegni di qualità e la copertura valida per ciascun campo. Un'osservazione con poco supporto utilizzabile dovrebbe rimanere non disponibile piuttosto che essere riempita con un valore apparentemente plausibile.

Esaminare i valori mancanti e le esclusioni separatamente dalle misurazioni valide. Uno zero, una posizione non visitata, un pixel mascherato e un errore del sensore descrivono circostanze diverse. Conservare il motivo dei dati mancanti durante la fase di riepilogo. Se viene utilizzato un valore stimato, contrassegnarlo come stimato e spiegare il metodo in modo che non possa essere confuso con un'osservazione indipendente.

Scegli le regole di accettazione prima di confrontare i risultati. Applicateli costantemente per ottenere risultati favorevoli e sfavorevoli. Conserva una piccola raccolta di esempi difficili e rivisitala dopo aver elaborato le modifiche. Il controllo della qualità dovrebbe includere omissioni e aree inaccessibili, nonché i documenti che sono stati prodotti con successo. Un set di dati trasparente e incompleto è più utile di una mappa apparentemente completa i cui valori non supportati non possono essere identificati.

Mantieni identificativi, cronologia e prove collegate

Utilizza un identificatore stabile per ogni campo o risorsa e memorizza il suo nome descrittivo separatamente. L'identificatore dovrebbe rimanere utile quando una coltura cambia, si sposta il personale o un'unità operativa viene suddivisa. Definire le relazioni in modo esplicito: un campo può avere molte visite, una visita può avere diverse fotografie e un lotto di raccolto può riferirsi a diversi campi. Documenta tali relazioni prima di combinare fogli di calcolo o livelli di mappa.

Le modifiche necessitano di una data di entrata in vigore e di un motivo. Conserva le versioni precedenti della geometria o degli attributi quando una correzione influisce sui report cronologici. Registra chi ha approvato il cambiamento e quale fonte lo ha supportato. La correzione di un confine non dovrebbe riscrivere silenziosamente l'area utilizzata per una stagione precedente a meno che il rapporto non venga intenzionalmente rivisto e la revisione non venga spiegata.

Testare un'esportazione riportando i record rappresentativi nel flusso di lavoro di ricezione. Controlla che identificatori, date, unità, codifica del testo, interpretazione delle coordinate e valori mancanti sopravvivano. Conserva una copia originale inalterata e una nota di trasformazione. Un semplice dizionario di dati e un proprietario nominato per ciascun set di dati spesso prevengono più errori di un'interfaccia visiva elaborata senza responsabilità chiare.

Definire il deliverable e l'approvazione

Fornire una tabella delle statistiche zonali che includa area valida, data di osservazione, riepiloghi di distribuzione, esclusioni e note sui campi che non soddisfano la regola del supporto minimo.

Un ripasso pratico prima di condividere il risultato

Confronta l'osservazione con la sua fonte e assicurati che l'identificatore del campo sia corretto. Esamina date, unità, valori mancanti, esclusioni di qualità e versioni della geometria. Chiedi a un collega di riprodurre un risultato rappresentativo dagli input registrati. Questo piccolo controllo indipendente spesso rivela un codice di campo frainteso o un presupposto di elaborazione prima che influenzi l'intero report.

Annota le spiegazioni alternative per il modello mappato e identifica quali prove le distinguerebbero. Mantenere un'osservazione misurata separata dall'interpretazione e da qualsiasi istruzione terapeutica o gestionale. Una decisione dovrebbe nominare il suo revisore responsabile e tenere conto delle procedure operative locali. Se le prove sono insufficienti, il risultato appropriato è un’ispezione mirata piuttosto che un’affermazione attendibile.

Conserva il risultato originale, qualsiasi versione rivista e un breve registro delle modifiche. Indicare quali luoghi e periodi l'output può ragionevolmente descrivere. Quando condividi una mappa, fornisci una legenda chiara, le date di origine e una spiegazione accessibile dell'incertezza. Il destinatario dovrebbe sapere se una caratteristica è un'osservazione confermata, un candidato in attesa di ispezione o una stima basata su un modello.

Trasforma l'indagine in un ciclo sul campo ripetibile

Preparare la visita con una mappa che possa essere utilizzata nel luogo previsto e un elenco conciso di domande. Confermare l'accesso, le autorizzazioni, l'attrezzatura e la disponibilità di una persona che abbia familiarità con il settore. Scegli fermate rappresentative e aree insolite. Registrare i punti in cui non è stato possibile seguire il percorso pianificato, poiché le osservazioni mancanti possono modificare il modo in cui deve essere interpretato il risultato.

Dopo la visita, rivedere le osservazioni mentre il team può ancora chiarirle. Collega fotografie, misurazioni e commenti allo stesso campo e visita gli identificatori. Assegna uno stato di follow-up e conserva i casi irrisolti. Una correzione dovrebbe spiegare cosa è cambiato e perché; non dovrebbe cancellare la prova originale o far sembrare certa un'interpretazione precedente.

Alla successiva data di osservazione idonea, confrontare le condizioni utilizzando le stesse definizioni e rivedere eventuali eventi meteorologici o gestionali verificatisi tra le visite. Registrare l'azione effettivamente completata e il suo esito operativo. Ciò crea un percorso di prova da un modello iniziale alla conferma sul campo e alla revisione successiva, rendendo più semplice il miglioramento del processo di mappatura nelle stagioni successive.