Uncertainty propagation and intercomparison of multi-sensor measurements of vegetation stress in sub-optimal conditions
Mike Werfeli · Michal Antala · Abdallah Yussuf Ali Abdelmajeed 等 14 人
评估多传感器植被胁迫测量在非理想条件下的不确定度传播与一致性。
三种地面光谱仪与两架无人机多光谱相机，基于GUM框架和蒙特卡洛模拟传播不确定度。
红边与近红外总反射率不确定度达11%，OSAVI跨平台最稳定，EVI易受环境噪声影响。
可研究分钟级同步采集协议与不确定度感知的传感器融合算法，提升多源数据互操作性。
该研究量化了多传感器植被胁迫测量中的不确定性传播，方法严谨、结论对精准农业多源数据融合具有实质指导价值，但属细分领域学术进展，影响范围有限。
摘要 目的 本研究评估了在次优和变化光照条件下，来自多个遥感传感器的光谱反射率和植被指数的计量一致性与不确定度传播。尽管多传感器数据融合在精准农业中日益普遍，但传感器差异在多大程度上源于生物变异而非测量不确定度，仍缺乏充分的量化。方法与结果 使用三台地面野外光谱辐射计和两台无人机（UAV）搭载的多光谱相机，对春小麦（Triticum aestivum L.）进行了田间测量。依据测量不确定度表示指南（GUM）的标准框架，采用蒙特卡洛模拟对传感器噪声、空间小区异质性和瞬时云覆盖所产生的不确定度进行了传播分析。结果表明，总反射率不确定度在红边和近红外区域达到约11%的峰值，主要由小区尺度异质性和辐照度波动驱动。在评估的指数中，优化土壤调节植被指数（OSAVI）在不同平台间表现出最高的稳定性，而增强植被指数（EVI）对环境噪声高度敏感，导致传感器互操作性在计量学上失效。研究结果表明，在不稳定大气条件下，可靠的多传感器数据整合窗口仅限于数分钟内的同步采集。结论 本研究为识别传感器一致性的限度提供了严格的统计学基础，确保精准农业中的管理决策基于真实的作物信号而非测量伪影。