从操作问题开始

使用近红外和短波红外关系作为冠层湿度相关变化的上下文信息。沿着地图查看降雨量、作物生长阶段和地面观测结果。

将观察与解释分开

冠层湿度指数不是土壤湿度传感器,不会直接告诉灌溉操作员要施用多少水。裸露的土壤和混合覆盖物使信号变得复杂。

将天篷信号连接到供水系统

画出水系统的简单图:降雨、灌溉输送、储存、径流、排水、土壤条件和作物利用。确定哪些部分是测量的,哪些部分是建模或推断的。对积水的观察、土壤湿度读数和冠层湿度相关指数描述了该系统的不同部分,并且应保留各自的单位和日期。

围绕对比计划进行现场检查,以测试所提出的解释。检查上游和下游位置、灌溉头和尾、不同的土壤或地形位置以及作物相似但症状不同的区域。记录最近的降雨量和操作情况。如果使用传感器,记录放置、深度、维护、校准信息以及是否代表周围区域。

使用图像组织调查并监控合适日期的模式。地图本身不应成为通用的灌溉量或排水指示。当地农艺、系统容量、安全和环境要求决定了应对措施。干预后,记录所做的事情并比较后来的观察结果,同时确认天气和管理变化也可以解释结果。

阅读文章: 作物监测中的 NDRE 和红边带

将空间细节与问题相匹配

农业 GIS 连接田地边界、观测结果和图像,但每个数据集都有自己的空间支持。点标记位置,多边形描述区域,光栅像素概括足迹。它们不应被视为等效测量。在叠加图层之前,请检查其坐标参考系、日期和单位。可见的对齐问题可能是由坐标或地理配准问题引起的,而不是作物本身的移动或变化。

Sentinel-2 的频段具有不同的原始空间分辨率。其可见光和宽阔的近红外波段比红边和短波红外波段具有更精细的分辨率。重新采样可以将这些波段放在一个公共网格上,但它不会创建新的观察到的细节。当田地狭窄或较小时,边界像素可能会将农作物与道路、树木、水或邻近土地混合在一起。在将田间平均值解释为纯作物测量值之前,先解释一下该混合物。

充满水的水稻梯田横跨印度尼西亚的山坡
说明性照片 · Dohduhdah · Public domain

通过分析保留质量和时间信息

光学图像需要注意云、雾和阴影。总体云百分比较小的场景可能仍会遮挡目标区域。检查实际感兴趣的区域并保留所使用的掩蔽或质量方法。比较兼容的产品和文档处理选择,尤其是在从不同日期或传感器构建时间序列时。无法解释的跳跃可能是数据质量问题,而不是植被突然变化。

植被指数描述反射光谱信号的组合。 USGS 解释说,NDVI 对土壤背景很敏感,并且在茂密的植被中可能会饱和。因此,最好结合作物阶段、冠层结构和田间证据来解释指数。颜色等级并不是营养浓度、疾病识别或可收获产量的直接测量。这些解释需要适当的校准和验证,任何预测都应保留其不确定性和评估条件。

使地图可重复且对下一个观察者有用

保留原始输入、分析日期、方法版本和相关参数以及输出。使用清晰的图例来区分观察值、派生指标和未经验证的候选值。如果统计数据排除了多云像素或非裁剪区域,请记录排除情况和有效覆盖范围。如果覆盖范围在不同日期之间发生变化,请承认平均值可能代表该领域的不同部分。当报告将一系列地图转变为趋势时,这一点尤其重要。

围绕预期用途设计验证。一种作物和季节的模型应在代表其运行条件的独立示例上进行测试。现场检查应查找遗漏的对象以及不正确的建议对象,分类检查应包括每个有意义的类别。保留分歧并审查其原因,而不是消除疑难案件。当另一个人能够遵循地图的证据、了解其局限性并决定下一步需要进行哪些观察时,地图就变得具有操作价值。

设计代表该领域的参考观测

说明样本应代表的总体及其必须回答的问题。根据相关作物阶段、地形、管理和图像条件选择位置。包括普通区域和困难情况,而不仅仅是明显的异常或方便的路边停车点。记录选择规则,以便以后的用户了解参考文献的代表性。

使用适当学科的协议定义观察单位、区域或深度、时间、仪器或实验室方法以及所需的重复。点观测和卫星像素具有不同的空间支持。记录足够的上下文来评估这种不匹配。将无法访问的站点保留在采样日志中,并解释任何替换,而不是默默地删除它们。

如果可行,将参考集合与正在评估的结果分开。在计算一致性或误差之前检查观察者的一致性和缺失数据。保留原始观察结果、更正和排除及其原因。更多的样本可以提高精度,但大的有偏差样本仍然无法代表排除的条件。使用抽样设计支持的总体和时期内的结果。

阅读文章: 云、阴影和可用的卫星观测

将时间序列视为过时的证据

保留实际采集日期和可用的观察计数。在系列旁边绘制管理事件并检查间隙,而不是让平滑的线意味着连续测量。复合值或插值值应标有其方法和时间支持。它可能会总结几个日期而不是描述某一时刻。

比较相似的作物阶段和管理历史。当日历日期混合不同阶段时,通过种植、切割、修剪或其他相关事件进行调整。检查场边界、传感器处理、比例因子和质量规则是否一致。加工或几何形状的变化可能会造成非生物学原因的断裂。

检查异常点周围的原始图像,并从其他可用的观察或现场记录中寻求证实。区分持续变化和单一日期异常值。报告实际可以观察到的时期,并避免比数据支持更精确地估计事件日期。在没有合适地面参考的情况下,保留多云间隔或时段的不确定性。

定义可交付成果和批准

提供包含日期、质量掩模、比较组、降雨背景和用于测试所提出的解释的现场测量计划的湿度调查图层。

分享结果之前进行实际审查

根据其来源检查观察结果并确保字段标识符正确。查看日期、单位、缺失值、质量排除和几何版本。请一位同事从记录的输入中重现一个有代表性的结果。这种小型独立检查通常会在影响整个报告之前暴露出被误解的字段代码或处理假设。

写下所映射模式的替代解释,并确定哪些证据可以区分它们。将测量的观察结果与解释以及任何治疗或管理指令分开。决定应指定其负责的审查员并说明当地的操作程序。如果证据不充分,适当的输出是有针对性的检查,而不是自信的主张。

保留原始结果、任何审阅的版本和简短的更改日志。说明输出可以合理描述哪些地点和时期。共享地图时,请提供清晰的图例、来源日期以及对不确定性的易于理解的解释。接收者应该知道某个特征是已确认的观察结果、等待检查的候选特征还是基于模型的估计。

阅读文章: 农业 NDVI:有用的模式和常见错误

将调查转变为可重复的现场循环

使用可在预定地点使用的地图和简明的问题列表来准备访问。确认熟悉该领域的人员的访问、权限、设备和可用性。选择有代表性的站点以及不寻常的区域。记录无法遵循计划路线的位置,因为缺少观察结果可能会改变结果的解释方式。

访问结束后,在团队仍然可以澄清观察结果的同时回顾观察结果。将照片、测量结果和评论连接到同一字段并访问标识符。分配后续状态并保留未解决的案例。更正应解释发生了什么变化以及原因;它不应抹去原始证据或使早期的解释显得确定。

在下一个合适的观察日期,使用相同的定义比较条件,并审查两次访问之间发生的任何管理或天气事件。记录实际完成的操作及其操作结果。这创建了从最初的模式到现场确认和后来的审查的证据线索,使得绘图过程更容易在连续的季节中得到改进。

将这项工作与 AgroSensing 连接起来

使用连接的空间工作流程来组织图像、商品记录和地理定位的现场观测。与团队讨论适当的数据、验证和操作范围。

来源和进一步阅读

链接的主要参考文献解释了基本的农艺和地理空间概念。本指南中的现场工作流程是编辑建议,旨在适应负责的当地专家。