Effetti del bordo del campo satellitare e pixel misti

Iniziamo dalla questione operativa

Controlla in che modo strade, alberi, canali di scolo, colture vicine e allineamento dei poligoni influiscono sui pixel inclusi in un riepilogo del campo. Considerare un buffer interno solo se rimane un'area rappresentativa sufficiente.

Separare l'osservazione dalla spiegazione

Campi piccoli o stretti possono contenere pochi pixel non contaminati. La rimozione di ogni bordo può produrre una statistica dall'aspetto pulito che rappresenta solo un frammento non rappresentativo dell'azienda agricola.

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.

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.

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 dell'immagine, i tempi e l'elaborazione all'attività

Descrivi la caratteristica più piccola o il cambiamento che l'immagine deve risolvere. Il monitoraggio della vegetazione a livello di campo e l'ispezione delle singole piante richiedono dettagli spaziali diversi e nessuno dei due requisiti è stabilito dal livello di zoom visualizzato. Controlla la risoluzione della banda nativa, la data di acquisizione effettiva e la quantità di copertura utilizzabile. Un'immagine ricampionata può avere più pixel senza contenere più dettagli indipendenti.

Rivedi le scelte di elaborazione prima di confrontare date o fonti. La riflettanza della superficie, la luminosità grezza, le fotografie visive e le tessere della mappa con stile sono prodotti diversi. Prendere nota del trattamento atmosferico, della calibrazione radiometrica ove rilevante, dell'allineamento delle immagini e delle maschere di qualità. Laddove le fonti differiscono, confrontare su una scala che entrambe possano supportare e spiegare se il confronto riguarda il modello spaziale o l'accordo numerico.

Mantieni un riferimento al campo appropriato alla domanda. Una fotografia può confermare l'esistenza di uno spazio vuoto, mentre per una proprietà quantitativa è necessario uno strumento calibrato o un metodo di laboratorio. Pianifica le osservazioni sul campo abbastanza vicino all'immagine per rappresentare la stessa condizione e documenta il ritardo. Se il raccolto è cambiato tra un'acquisizione e l'altra, mantieni quell'evento come parte dell'interpretazione invece di trattare le fonti come simultanee.

Definire il deliverable e l'approvazione

Fornire una tabella di idoneità sul campo che mostri l'area completa, l'area interna utilizzabile, il supporto pixel, le esclusioni e i casi in cui è necessaria una sorgente ad alta risoluzione o un rilevamento diretto.

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.