地表溫度(LST)是實現地表能量收支和深入研究水迴圈過程的重要引數。無人機(UAV)上的輕型熱紅外(TIR)感測器因在捕獲不同尺度時具有靈活性，正迅速成為提取高解析度LST的關鍵工具。因此，人們越來越關注由地表精細尺度輻射的方位各向異性(DA)獲取歸一化LST圖的需求。迄今為止，該課題缺乏深入的分析和實際的解決方案來描述無人機在樹木和作物冠層上測量精細尺度TIR資料的DA。
在本文中，第一個目標是透過使用基於無人機的多角度觀測和三維(3D)輻射傳輸模型模擬，以高空間解析度瞭解亮度溫度(BT)DAs的模式。這項研究強調了在任何應用之前首先對精細尺度畫素的BTs進行角度歸一化的必要性，因為這些基站很容易受到相鄰畫素的影響，受3D遮擋影響顯示出廣泛的空間變異性(0.5◦C至5.0◦C)。
Scenes used to generate the simulated dataset: (a) a tree scene with an isolated tree, (b) a tree scene with moderately dense coverage, (c) a row-planted scene with a single row, and (d) a row-planted scene with multiple rows. The brown and green facets represent understory soil and leaves, respectively.
本研究的第二個目標是評估改進後的核驅動模型的可靠性，與從中匯出的模型相比，該模型設計了一個額外的核來模擬鄰接效應，加上一個用於簡化方向發射率核估計的二次函式。無人機資料集與改進後的核驅動模型最優擬合的均方根誤差約為0.65◦C，BTs的DA指標約為1.40◦C，證明該模型具備有效性，概述了模型從方向效應中歸一化相機影象畫素的作用，從而提供精細尺度的BTs。
The Hierarchical Scale of Plant Stress Phenotyping. It can be managed through implementation of new technology to develop an overarching streamlined and higher-throughput system of plant stress phenotyping.(a) Huailai remote sensing test site on September 17, 2019. (b) poplar, (c) cypress, (d) pine, (e) dry corn straw, (f) laboratory and (g) staff buildings during observations on October 15, 2019. The black dashed line represents the flight track of the UAV.
此外，LESS模擬的結果也表明，改進的核驅動模型在模擬樹木和間行種植場景的熱排放DAs方面具有良好的效能。
The LESS-simulated and fitted BTs by LSF-LI and HKD for row-planted scenes with (a-f) an isolated row and (g-l) multiple rows. The colors black, blue and red represent the LESS, LSF-LI and HKD results, respectively.
上述分析和評價結果表明，該模型能夠填補現有粗尺度核模型與細尺度DA特徵之間的空白，具有嵌入無人機高時空LST資料處理的潛力。
本研究強調了相鄰畫素對細尺度畫素基站DAs的強烈影響(遠遠大於中尺度和粗尺度畫素)，在某種程度上是可以預期的。該效應顯示了一個很大的空間變異性，約為0.5◦C至5.0◦C，表明對測量的LST進行角度歸一化確實是必要的。本文提出了一種改進的核驅動模型，基於三維模型的模擬資料集和無人機測量資料集的結果表明，該方法對BTs的DAs具有良好的模擬效能。(擬合結果的RMSE低於3D模擬DAIs的RMSE，最大差異大於3.0◦C、0.63◦C和0.67◦C，均低於無人機測量DAI值，分別為1.30◦C和1.57◦C）
來源:https://doi.org/10.1016/j.rse.2020.112150
本文來自公眾號“農業之巔”，“農業之巔”是由南京智農雲芯大資料科技有限公司(AgriBrain)運營的學術公眾號，聚焦於智慧農業領域的最新前沿成果。南京智農雲芯大資料科技有限公司是一家專注農業領域大資料分析與人工智慧解決方案的高科技公司，基於自主研發的無程式碼AI平臺GrowthBrain、自動化表型引擎PhenoBrain和高精度全基因組選擇演算法平臺GSP，旨在為科研、教育和企業使用者提供低成本、高效率、智慧化的AI解決方案。
