基于卫星成熟监测的新型卫星NDVI的采样协议
《简明英语的研究》提供了康奈尔大学教师、学生和工作人员的期刊文章的简短、非技术摘要。
作者:James M. Meyers, Nick Dokoozlian, Casey Ryan, Cella Bioni， & Justine E. Vanden Heuvel
遥感学报，2017,12 (7)，1159;https://doi.org/10.3390/rs12071159
丽贝卡·韦普兹摘要。
外卖。
- 传统的抽样方法，包括随机和空间分层，通常需要访问葡萄园的许多不同地点，这使得效率非常低。
- NDVI是归一化的植被差异指数，是叶片面积和光合活性的间接度量。这些信息现在可以通过许多卫星平台收集的卫星图像方便地提供给种植者。
- NDVI3协议使用陆地卫星图像来识别一个沿着葡萄园行3像素(30m x 90m)的区域，该区域最能代表整个葡萄园的NDVI反射率范围，使取样技术人员能够将取样限制在葡萄园的单一位置。
- 这在土壤和气候非常统一的环境中特别有用，比如加利福尼亚的中央山谷，而且街区很大。
背景。
传统的采样方法通常需要葡萄园中的许多位置进行采样，这需要收集样品的人的过度精度和时间。虽然分层采样需要更少的位置，通常在四个左右，但它仍然导致穿过大部分葡萄园的技术人员。使用这些技术也很困难，获得代表性的样本。限制对葡萄园中的单行的抽样可以显着降低采样时间，从而降低成本。
归一化差分植被指数(归一化差分植被指数，NDVI)采用特殊的传感器来量化植物表面反射的光谱。它是植被密度和光合活动的良好指标。利用现有的卫星技术，种植者可以很容易地获得计算这个值所需的信息。
本研究比较了两个传统的采样方法，随机的一个和一个分层的方法，采用了一种使用卫星图像来选择一个代表整个葡萄园的单个位置的新方法，基于葡萄园中的每个像素的NDVI值。
本实验。
采用三种取样方案:
- R20:从20个随机地点各抽取一个随机样本，包括1个集群。
- cm8：样品被分层，以代表葡萄园的每个象限。为了做到这一点，一个技术员在每个象限走60米，收集5组。这对四个象限中的每一个都重复。
- NDVI3:一年前的卫星图像被用来识别每个葡萄园的一个位置，其中一个技术员沿着一排走90米，在一个样本位置收集20个集群。卫星图像的每个像素覆盖了900平方米的土地(30m x 30m)。样本位置由三个像素组成，分别代表葡萄园的NDVI值范围的下、中、上三分之一。
质量比较。
为了比较这些抽样策略，在用CM8（分层）和NDVI3中的每一个中测量果实组合物，与R20（随机）相比作为质量参考。
在两个季节，NDVI3产生了与随机采样相同质量的样品，而分层技术仅在一个季节产生可接受的样品。因此，NDVI3协议导致比目前流行的分层采样方法更有效和准确的采样。
此外，NDVI3代表整个葡萄园，而不是12/13块中的分层或随机抽样。这意味着这种方式采样比传统采样技术的任何一种更准确地代表整个葡萄园。
NDVI3稳定。
运行该算法来选择采样地点可能很耗时，因此在四年时间里，我们比较了24个不同葡萄园的采样地点的时间稳定性。一个选定的位置在长达四年的时间内产生了可靠的结果，降低了NDVI3算法运行的必要频率。
结论和实际考虑。
这种基于遥感数据的葡萄采样方法在功能上与随机采样或分层采样相同或更好，能够准确地估计葡萄园果实的品质。
总的来说，这项技术可以在不降低样品质量的前提下大大减少整个季节对葡萄园取样的劳动力需求。然而，这个试验是在比较大和统一的葡萄园中进行的。土壤或气候变化较大的地区，如中大西洋地区，可能需要超过三个像素的采样区域。
丽贝卡·维普兹(Rebecca Wiepz)是日内瓦康奈尔农业科技公司(Cornell AgriTech)园艺部全州葡萄栽培推广项目的推广支持专家，纽约。