实践中的像素:用于校准基于遥感的冬季小麦监测方法的多尺度图像数据
Jonas Anderegg1,2, Flavian Tschurr3, Norbert Kirchgessner3
1Plant Pathology Group, Department of Environmental System Science, ETH Zurich, Zurich, 8092, Switzerland. jonas.anderegg@usys.ethz.ch.
Scientific data
|September 27, 2024
概括
准确的空间数据对于特定地点的作物管理至关重要. 本研究引入了一个多尺度图像数据集,以改善远程传感解释,用于精准农业和作物特征估计.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 地理空间数据分析.
背景情况:
- 特定地点的作物管理提高了农业生产率和环境可持续性.
- 准确的关于作物生长和健康的空间数据是必不可少的,但通常缺乏大规模实施.
- 在商业作物中解释遥感信号是具有挑战性的,因为树冠的变化.
研究的目的:
- 为改善农业中遥感应用提供全面的多尺度图像数据集.
- 为了能够对整个生长季节的田地特征和作物状况进行详细分析.
- 为应对基于遥感的特征估计和精准农业的挑战.
主要方法:
- 收集了35,000张高分辨率的空中RGB图像,地面图像和来自9个瑞士小麦田的Sentinel-2卫星数据.
- 创建了地理参考的orthomosaics,数字高度模型和形状文件.
- 集成丰富的元数据,包括作物养殖,表象学和产量图.
主要成果:
- 一个全面的数据集,可以对作物生长和健康进行多层次分析.
- 促进远程传感信号解释方法的校准和验证.
- 为解决精准农业的关键挑战提供了资源.
结论:
- 本文所介绍的数据集是推动农业遥感技术发展的宝贵资源.
- 可以更准确地估计特征,并支持特定地点的作物管理策略.
- 促进在遥感,农业学和数据科学的交叉点上的研究.
