跳转至

探寻大麻热点区域

原文链接: https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/looking-for-hemp-hotspots

26937 文章评分:

5.0

探寻大麻热点区域

作者:Andrew Fore
2019年2月26日,星期二

近期通过的《2018年农业与营养法案》(农业法案)为美国农业的未来带来了许多重要发展。其中一个特别引人注目的变化是大麻的合法化。尽管农民种植大麻仍将面临许多联邦和地方的法规限制,但合法大麻进入美国农业市场为这种多功能植物开辟了全新的机遇。了解美国农业格局的这一变化后,我很好奇如何使用 ENVI® Crop Science 工具对大麻田进行分析。为此,我决定运行简单但实用的 热点查找工具

我运行热点查找工具来寻找大麻田内与图像其余部分相对不同的区域。首先,我使用 ENVI 的绘制 ROI 工具创建图像的空间子集,仅包含田地的范围。接下来的步骤是掩膜掉图像中所有非植被(土壤)像素。完成此步骤后,我选择一个单波段栅格作为输入,并为计算每个像素周围的局部均值输入一个距离值。距离值在寻找热点时之所以重要,是由 Getis-Ord Gi* 方程(Getis and Ord, 1992)决定的。该方程基于逐个像素在栅格中寻找统计上显著的趋势或异常。在田地中寻找热点的另一个重要步骤是使用植被指数。通过结合宽带绿度植被指数和颜色切片,可以突出显示大麻作物的活力和健康状况。

生成的图像显示了大麻田内作物健康状况的差异,其中红色表示负值(健康状况不佳),绿色表示正值(健康状况良好)。这种简单的分析可以帮助农学家、咨询服务人员或任何对田地相对健康状况感兴趣的人。

随着遥感技术的不断进步,像大麻这样的新作物市场利用现有强大工具以最大化产量至关重要。农学家和咨询服务人员可以利用 ENVI Crop Science 来加深对作物健康状况以及影响生长和生产的外部因素的理解。随着大麻产业扩大其种植面积和影响力,观察遥感和地理空间工具如何用于改善作物管理将是一件有趣的事情。

我鼓励任何有兴趣了解更多关于我们 精准农业能力 的人查看我们的 文档中心,以获取有关 ENVI Crop Science 工具的更详细信息。

大麻田的掩膜图像,掩膜在分析过程中可用于排除图像中的特定像素。

北美大麻田的热点分析结果

机器学习和深度学习如何工作
简化深度学习的复杂性