[論文レビュー] Comparative study of panel and panelless-based reflectance conversion techniques for agricultural remote sensing

Baabak Mamaghani, Carl Salvaggio|arXiv (Cornell University)|Oct 9, 2019

Remote Sensing in Agriculture参考文献 27被引用数 7

ひとこと要約

本研究では、農業リモートセンシングにおける小型無人航空機システム（sUAS）の放射率から反射率への変換技術として、2点式経験的ライン法（ELM）、1点式ELM、高度上放射率比（AARR）の3つの手法を評価した。AARR法は、上向きを向いたセンサーを用いて下向き照射放射を測定することで、物理的パネルを必要とせず、平均符号付き反射率因子誤差が-0.0028と最小となり、パネルベース手法を上回り、多様な飛行条件や標高に対して高い精度を示した。

ABSTRACT

Small unmanned aircraft systems (sUAS) have allowed for thousands of aerial images to be captured at a moments notice. The simplicity and relative low cost of flying a sUAS has provided remote sensing practitioners, both commercial and academic, with a viable alternative to traditional remote sensing platforms (airplanes and satellites). This paper is an expanded follow-up study to an initial work. Three radiance-to-reflectance conversion methods were tested to determine the optimal technique to use for converting raw digital count imagery to reflectance maps. The first two methods utilized in-scene reflectance conversion panels along with the empirical line method (ELM), while the final method used an upward looking sensor that recorded the band-effective spectral downwelling irradiance. The methods employed were 2-Point ELM, 1-point ELM, and At-altitude Radiance Ratio (AARR). The average signed reflectance factor errors produced by these methods on real sUAS imagery were: -0.005, -0.0028, and -0.0244 respectively. These errors were produced across four altitudes (150, 225, 300 and 375ft), six targets (grass, asphalt, concrete, blue felt, green felt and red felt), five spectral bands (blue, green, red, red edge and near infrared), and three weather conditions (cloudy, partly cloudy and sunny). Finally, data was simulated using the MODTRAN code to generate downwelling irradiance and sensor reaching radiance to compute the theoretical results of the AARR technique. A multitude of variables were varied for these simulations (atmosphere, time, day, target, sensor height, and visibility), which resulted in an overall theoretically achievable signed reflectance factor error of 0.0023.

研究の動機と目的

• sUAS画像におけるパネルベースおよびパネルレスの放射率から反射率への変換手法の精度を評価・比較すること。
• 変動する環境的および飛行条件下で、生のデジタルカウント画像を表面反射率マップに変換する最適な手法を特定すること。
• AARR法の理論的性能限界を、さまざまな大気的およびセンサー条件を想定したMODTRANシミュレーションを用いて評価すること。

提案手法

• 2点式ELM法は、既知の反射率を持つ2つのシーン内パネルを用い、デジタルカウントと反射率の間の線形関係を確立する。
• 1点式ELM法は、既知の反射率を持つ1つのシーン内パネルを用い、大気中通過放射が固定されていると仮定することで、補正を簡略化する。
• AARR法は、上向きを向いたセンサーを用いてバンド効果的スペクトル下向き照射放射を推定することで、表面反射率を算出する。物理的パネルの必要性がなくなる。
• AARR法の理論的性能は、大気状態、センサー高度、視界、日時効果をモデル化したMODTRANを用いてシミュレーションされた。
• 反射率因子誤差は、4つの飛行高度（150–375 ft）、6つの標高タイプ（芝生、アスファルト、コンクリート、青/緑/赤のフェルト）、5つのスペクトルバンド（青、緑、赤、赤外エッジ、NIR）、3つの天候状態（快晴、薄曇り、曇り）の範囲で計算された。
• 誤差指標は、推定された反射率因子と真の反射率因子との符号付き差分として算出され、すべてのテスト条件で平均化された。

実験結果

リサーチクエスチョン

• RQ1 sUASを用いた農業リモートセンシングにおいて、2点式ELM、1点式ELM、AARRのうち、どの反射率変換手法が最も高い精度を示すか？
• RQ2 飛行高度、天候状態、標高表面反射率の変動が、パネルベースとパネルレス補正手法の精度にどのように影響するか？
• RQ3 理想的な大気的およびセンサー条件下で、AARR法が理論的に達成可能な最小誤差はどの程度か？
• RQ4 運用の簡便性および現地での導入要件の観点から、AARR法はパネルベース手法と比較してどのように異なるか？

主な発見

• AARR法は、すべてのテスト条件下で平均符号付き反射率因子誤差-0.0028を達成し、2点式ELM（-0.005）および1点式ELM（-0.0244）を上回る精度を示した。
• 2点式ELM法は平均誤差-0.005を示し、中程度の精度を示しており、1点式ELM法に比べて安定性が向上していることが示された。
• 1点式ELM法は-0.0244の最大誤差を示し、大気中通過放射に関する仮定への感受性が高いため、誤差が顕著に大きくなった。
• MODTRANシミュレーションの結果、AARR法は最適条件下で符号付き反射率因子誤差が0.0023まで理論的に低下可能であると示された。
• AARR法は、4つの高度（150–375 ft）、5つのスペクトルバンド、3つの天候状態すべてで一貫した性能を示し、環境変動に対する耐性が高いことが確認された。
• 本研究は、パネルレス手法（AARRを含む）が物理的補正パネルを必要とせず、高い精度を達成可能であることを確認した。これにより、現地作業の複雑さと運用コストが低減される。