[논문 리뷰] Comparative study of panel and panelless-based reflectance conversion techniques for agricultural remote sensing

Baabak Mamaghani, Carl Salvaggio|arXiv (Cornell University)|2019. 10. 09.

Remote Sensing in Agriculture참고 문헌 27인용 수 7

한 줄 요약

이 연구는 농업 원격 탐사에서 소형 무인 항공기 시스템(sUAS)을 위한 세 가지 반사율 변환 기법—2점 보정선 방법(ELM), 1점 ELM, 고도 기반 반사율 비율(AARR)—을 평가한다. AARR 방법은 상향 방향 센서를 사용해 하행 복사 에너지(일조량)를 측정하여, 물리적 패널이 필요 없이 반사율을 추정한다. 이 방법은 평균 부호 반사율 요인 오차가 -0.0028로 가장 낮았으며, 패널 기반 방법보다 뛰어난 정확도를 보였고, 다양한 비행 조건과 표적에서 높은 정확도를 유지하였다.

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.

연구 동기 및 목표

• sUAS 영상에서 패널 기반 및 패널리스 반사율 변환 기법의 정확도를 평가하고 비교하는 것.
• 다양한 환경 및 비행 조건에서 원시 디지털 카운트 영상을 표면 반사율 지ap로 변환하는 데 최적의 방법을 규명하는 것.
• 다양한 대기 및 센서 파rameter를 고려하여 AARR 방법의 이론적 성능 한계를 MODTRAN 시뮬레이션을 통해 평가하는 것.

제안 방법

• 2점 ELM 방법은 알려진 반사율을 가진 두 개의 현장 내 캘리브레이션 패널을 사용하여 디지털 카운트와 반사율 간의 선형 관계를 수립한다.
• 1점 ELM 방법은 알려진 반사율을 가진 하나의 현장 내 패널을 사용하고, 고정된 대기 경로 복사 에너지를 가정함으로써 캘리브레이션을 단순화한다.
• AARR 방법은 상향 방향 센서를 사용해 밴드 효과 스펙트럼 하행 복사 에너지를 측정하여 표면 반사율을 추정하며, 물리적 패널이 필요 없도록 한다.
• AARR의 이론적 성능은 MODTRAN을 사용해 대기 조건, 센서 고도, 시야 범위, 일시대 효과를 모델링하여 시뮬레이션하였다.
• 반사율 요인 오차는 네 가지 비행 고도(150–375 ft), 여섯 가지 표적 유형(잔디, bitumen, 콘크리트, 파란/녹색/빨간색 펄프), 다섯 개 스펙트럼 대역(파란, 초록, 빨간, 적외색 가장자리, NIR), 세 가지 기상 조건(맑음, 부분 흐림, 흐림)에서 계산되었다.
• 오차 지표는 모든 시험 조건에 걸쳐 평균화된 추정 반사율 요인과 진짜 반사율 요소의 부호가 있는 차이로 계산되었다.

실험 결과

연구 질문

• RQ1 sUAS 기반 농업 원격 탐사에서 2점 ELM, 1점 ELM, 또는 AARR 중 어느 반사율 변환 방법이 가장 정확한 결과를 낼 수 있는가?
• RQ2 비행 고도, 기상 조건, 표적 표면 반사율의 변화가 패널 기반 대비 패널리스 캘리브레이션 방법의 정확도에 어떤 영향을 미치는가?
• RQ3 이deal 대기 및 센서 조건에서 AARR 방법이 이론적으로 달성 가능한 최소 오차는 얼마인가?
• RQ4 운영의 용이성과 현장 적용 요구사항 측면에서 AARR 방법은 패널 기반 방법과 비교해 어떻게 다른가?

주요 결과

• AARR 방법은 모든 시험 조건에서 평균 부호 반사율 요인 오차가 -0.0028로 가장 낮았으며, 2점 ELM(-0.005) 및 1점 ELM(-0.0244)를 모두 뛰어넘었다.
• 2점 ELM 방법은 평균 오차가 -0.005로 중간 수준의 정확도를 보였으며, 1점 ELM 방법보다 안정성이 뛰어나다는 것을 시사한다.
• 1점 ELM 방법은 -0.0244의 가장 높은 오차를 기록하여 대기 경로 복사 에너지에 대한 가정에 민감함을 보였다.
• MODTRAN 시뮬레이션 결과, AARR 방법은 이상적인 조건에서 부호 반사율 요인 오차가 최소 0.0023까지 이론적으로 달성될 수 있음을 확인하였다.
• AARR 방법은 150–375 ft의 네 가지 고도, 다섯 개 스펙트럼 대역, 세 가지 기상 조건에서 일관된 성능을 보였으며, 환경 변화에 대한 강건성을 입증하였다.
• 본 연구는 패널리스 방법인 AARR가 물리적 캘리브레이션 패널이 없이도 높은 정확도를 달성할 수 있음을 확인하였으며, 이는 현장 복잡성과 운영 비용을 감소시킨다.