異質な作物畑のモニタリングのための高解像度タイムシリーズNDVI画像の生成
関連する実験動画
Updated: Sep 9, 2025
11:49
Cereal Crop Ear Counting in Field Conditions Using Zenithal RGB Images
Published on: February 2, 2019
9.4K
Sun-Hwa Kim1, Jeong Eun1, Inkwon Baek1
1PERPIXEL Inc., Incheon 21984, Republic of Korea.
Sensors (Basel, Switzerland)
|August 28, 2025
まとめ
この研究では,時空融合 (STF) を用いた農地のモニタリングのための高解像度植生インデックスデータが生成されました. SSFITの方法は,米とキャベツの畑を分析する際に ESTARFMよりも正確で迅速であることが判明しました.
科学分野:
- リモートセンシング
- 農業科学
- 地理空間分析
背景:
- 異質な農地を監視するには,高解像度の空間と時間の衛星画像が必要です.
- 密度の高いタイムシリーズ解析の精度と効率の両方において,既存の核融合方法は課題に直面しています.
研究 の 目的:
- 空間時間融合 (STF) を用いて3メートルの正常化差植生指数 (NDVI) の時間系列を生成する.
- 空間時間融合 (SSFIT) と拡張空間時間適応融合モデル (ESTARFM) の性能を比較する.
- 米畑やキャベツ畑などの異質な農地を正確に監視できるようにする.
主な方法:
- センチネル2 (S2) とプラネットスコップ (PS) のNDVIデータに対するSTF方法 (SSFITとESTARFM) の適用 (2019年から2021年).
- マキシマムNDVIコンポジット (MNC) と空間時間的なギャップ埋め込みを使用してS2データを事前処理し,雲の影響を軽減します.
- PS画像に匹敵する空間的解像度を持つ融合したNDVI画像を生成します.
主要な成果:
- SSFIT技術は,PS NDVIに対するESTARFMと比較して,より高い精度 (RMSE < 0.16,相関 > 0.8) を達成しました.
- SSFITは,ESTARFM (5分) よりもかなり速い処理時間 (4秒) を示しました.
- ESTARFMは,いくつかの融合画像で残った異常値と異質なNDVI分布を示した.
結論:
- SSFITは,ESTARFMと比較して,高解像度のNDVIタイムシリーズを生成するためのより正確で効率的な方法です.
- 開発されたSTF技術は,成長期にタイムシリーズ分析に適した高解像度NDVI画像を効果的に生成します.
- このアプローチは,小規模で異質な農業の監視能力を強化します.
