AGROSENSING · 博客
农业田野笔记
智慧农业、作物智能、农业GIS、卫星监测、田间验证等实用指南。
122 文章 · 页面 6 的 11
农业 NDVI：有用的模式和常见错误
使用 NDVI 比较合适背景下的植被模式，检查红色和近红外输入以及质量掩模。在赋予农艺意义之前检查田间观察结果。
阅读文章 ↗
作物监测中的 NDRE 和红边带
说明所使用的确切近红外和红边波段，因为不同的配方和传感器并不相同。比较相同处理方法和作物背景下的观察结果。
阅读文章 ↗
NDMI 和作物冠层湿度：解释信号
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。
阅读文章 ↗
云、阴影和可用的卫星观测
检查实际区域的质量遮罩，而不仅仅是整个场景的云百分比。检查阴影、薄雾、场边缘以及遮罩后剩余的有效像素数。
阅读文章 ↗
每月作物综合数据：日期和不确定性很重要
记录哪些日期对合成有贡献以及如何选择或组合值。检查字段是否由月份的不同部分表示。
阅读文章 ↗
持续云下的农业雷达图像
在比较雷达反向散射之前，定义观测模式、轨道方向、地形处理和作物背景。使用合适的参考观测来解释表面和冠层的变化。
阅读文章 ↗
卫星场边缘效应和混合像素
检查道路、树木、排水沟、邻近作物和多边形对齐如何影响字段摘要中包含的像素。仅当剩余足够的代表性区域时才考虑内部缓冲区。
阅读文章 ↗
比较卫星和无人机植被地图
在比较模式之前，对齐采集日期、波段定义、辐射处理、分辨率和场边界。聚合到有意义的通用比例，而不是通过眼睛匹配颜色。
阅读文章 ↗
作物异常警报：从阈值到确认观察
将警报定义为审查请求，并根据正常管理事件对其进行测试。记录每个警报是否已得到确认、是否有理由被驳回或仍在等待证据。
阅读文章 ↗
将实地证据带回农业地图
设计每个调查问题以支持可识别的决策，并将观察结果与照片、日期、坐标和适当的字段代码联系起来。测试整个收集到审核的周期。
阅读文章 ↗
通过质量控制实现农业边界数字化
在数字化之前选择图像日期和预期的边界含义。区分种植范围、运营区块、排水储备和土地权利边界，而不是将它们合并到一个多边形中。
阅读文章 ↗
农业 GIS 坐标参考系统
确定每个源的坐标参考系，并选择合适的投影系统进行局部区域或距离分析。导出或共享时保留原始元数据。
阅读文章 ↗从更互联的视角看您的土地。
选择作物，探索 AgroSensing 工作空间。