[论文解读] 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 7

一句话总结

本研究评估了三种用于小型无人航空系统（sUAS）农业遥感的辐亮度-反射率转换技术——两点经验线法（ELM）、单点ELM和地表高度辐亮度比（AARR）方法。AARR方法通过使用朝上的传感器测量下行辐照度，实现了最低的平均有符号反射率因子误差（-0.0028），优于基于面板的方法，在不同飞行条件和目标下均表现出高精度。

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.

研究动机与目标

• 评估并比较基于面板与无面板的辐亮度-反射率转换技术在sUAS农业遥感影像中的准确性。
• 确定在不同环境与飞行条件下，将原始数字计数影像转换为地表反射率图的最佳方法。
• 利用MODTRAN模拟评估AARR方法在多样化大气与传感器参数下的理论性能极限。

提出的方法

• 两点ELM方法使用两个已知反射率的场景内校准板，建立数字计数与反射率之间的线性关系。
• 单点ELM方法使用一个已知反射率的场景内校准板，并假设大气路径辐射亮度固定，从而简化校准过程。
• AARR方法通过朝上传感器测量波段有效光谱下行辐照度，估算地表反射率，从而无需使用物理校准板。
• 利用MODTRAN对AARR方法的理论性能进行模拟，以建模大气条件、传感器高度、能见度及一天中时间的影响。
• 在四个飞行高度（150–375英尺）、六种目标类型（草、沥青、混凝土、蓝/绿/红毛毡）、五个光谱波段（蓝、绿、红、红边、近红外）以及三种天气状况（晴天、部分多云、多云）下计算反射率因子误差。
• 误差指标计算为估计反射率因子与真实反射率因子之间的有符号差值，结果在所有测试条件下取平均。

实验结果

研究问题

• RQ1 在sUAS农业遥感中，哪种反射率转换方法——两点ELM、单点ELM或AARR——能产生最准确的结果？
• RQ2 飞行高度、天气状况和目标地表反射率的变化如何影响基于面板与无面板校准方法的准确性？
• RQ3 在理想大气与传感器条件下，AARR方法理论上可达到的最小误差是多少？
• RQ4 在操作简便性与野外部署需求方面，AARR方法与基于面板的方法相比如何？

主要发现

• AARR方法在所有测试条件下实现了最低的平均有符号反射率因子误差（-0.0028），优于两点ELM（-0.005）和单点ELM（-0.0244）。
• 两点ELM方法表现出中等精度，平均误差为-0.005，表明其相对于单点ELM方法具有更高的稳定性。
• 单点ELM方法误差最高，达-0.0244，表明其对大气路径辐射亮度假设较为敏感。
• MODTRAN模拟显示，在理想条件下，AARR方法理论上可实现低至0.0023的有符号反射率因子误差。
• AARR方法在所有四个高度（150–375英尺）、五个光谱波段和三种天气条件下均表现出一致性能，表明其对环境变化具有强鲁棒性。
• 本研究证实，无面板方法如AARR可在无需物理校准板的情况下实现高精度，从而降低野外作业的复杂性与运营成本。