Published April 8, 2020 | Version v1
Publication Open

Assessing the Effect of Real Spatial Resolution of In Situ UAV Multispectral Images on Seedling Rapeseed Growth Monitoring

Creators

  • 1. Huazhong Agricultural University
  • 2. Farmland Irrigation Research Institute
  • 3. Agricultural Research Service

Description

The spatial resolution of in situ unmanned aerial vehicle (UAV) multispectral images has a crucial effect on crop growth monitoring and image acquisition efficiency. However, existing studies about optimal spatial resolution for crop monitoring are mainly based on resampled images. Therefore, the resampled spatial resolution in these studies might not be applicable to in situ UAV images. In order to obtain optimal spatial resolution of in situ UAV multispectral images for crop growth monitoring, a RedEdge Micasense 3 camera was installed onto a DJI M600 UAV flying at different heights of 22, 29, 44, 88, and 176m to capture images of seedling rapeseed with ground sampling distances (GSD) of 1.35, 1.69, 2.61, 5.73, and 11.61 cm, respectively. Meanwhile, the normalized difference vegetation index (NDVI) measured by a GreenSeeker (GS-NDVI) and leaf area index (LAI) were collected to evaluate the performance of nine vegetation indices (VIs) and VI*plant height (PH) at different GSDs for rapeseed growth monitoring. The results showed that the normalized difference red edge index (NDRE) had a better performance for estimating GS-NDVI (R2 = 0.812) and LAI (R2 = 0.717), compared with other VIs. Moreover, when GSD was less than 2.61 cm, the NDRE*PH derived from in situ UAV images outperformed the NDRE for LAI estimation (R2 = 0.757). At oversized GSD (≥5.73 cm), imprecise PH information and a large heterogeneity within the pixel (revealed by semi-variogram analysis) resulted in a large random error for LAI estimation by NDRE*PH. Furthermore, the image collection and processing time at 1.35 cm GSD was about three times as long as that at 2.61 cm. The result of this study suggested that NDRE*PH from UAV multispectral images with a spatial resolution around 2.61 cm could be a preferential selection for seedling rapeseed growth monitoring, while NDRE alone might have a better performance for low spatial resolution images.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

إن الدقة المكانية للصور متعددة الأطياف للمركبات الجوية غير المأهولة في الموقع لها تأثير حاسم على مراقبة نمو المحاصيل وكفاءة الحصول على الصور. ومع ذلك، فإن الدراسات الحالية حول الدقة المكانية المثلى لرصد المحاصيل تعتمد بشكل أساسي على الصور التي تم إعادة أخذ عينات منها. لذلك، قد لا تنطبق الدقة المكانية المعاد أخذ عينات منها في هذه الدراسات على صور الطائرات بدون طيار في الموقع. من أجل الحصول على الدقة المكانية المثلى للصور متعددة الأطياف للطائرات بدون طيار في الموقع لرصد نمو المحاصيل، تم تركيب كاميرا RedEdge Micasense 3 على طائرة بدون طيار DJI M600 تحلق على ارتفاعات مختلفة من 22 و 29 و 44 و 88 و 176 متر لالتقاط صور بذور اللفت مع مسافات أخذ العينات الأرضية (GSD) من 1.35 و 1.69 و 2.61 و 5.73 و 11.61 سم، على التوالي. وفي الوقت نفسه، تم جمع مؤشر الاختلاف المعياري للغطاء النباتي (NDVI) الذي تم قياسه بواسطة GreenSeeker (GS - NDVI) ومؤشر منطقة الأوراق (LAI) لتقييم أداء تسعة مؤشرات للغطاء النباتي (VIs) و VI* ارتفاع النبات (PH) في مختلف GSDs لرصد نمو بذور اللفت. أظهرت النتائج أن مؤشر الحافة الحمراء للفرق المعياري (NDRE) كان له أداء أفضل لتقدير GS - NDVI (R2 = 0.812) و LAI (R2 = 0.717)، مقارنة بـ VIs الأخرى. علاوة على ذلك، عندما كان طول GSD أقل من 2.61 سم، تفوقت درجة حموضة NDRE * المستمدة من صور الطائرات بدون طيار في الموقع على NDRE لتقدير LAI (R2 = 0.757). في GSD كبير الحجم (أكبر من أو يساوي5.73 سم)، أدت معلومات PH غير الدقيقة وعدم تجانس كبير داخل البكسل (تم الكشف عنه بواسطة تحليل شبه متغير) إلى خطأ عشوائي كبير لتقدير LAI بواسطة NDRE*PH. علاوة على ذلك، كان وقت جمع الصور ومعالجتها عند 1.35 سم GSD حوالي ثلاثة أضعاف طوله عند 2.61 سم. اقترحت نتيجة هذه الدراسة أن NDRE *PH من الصور متعددة الأطياف للطائرات بدون طيار بدقة مكانية تبلغ حوالي 2.61 سم يمكن أن تكون اختيارًا تفضيليًا لمراقبة نمو بذور اللفت، في حين أن NDRE وحدها قد يكون لها أداء أفضل للصور منخفضة الدقة المكانية.

Translated Description (French)

La résolution spatiale des images multispectrales des véhicules aériens sans pilote (UAV) in situ a un effet crucial sur la surveillance de la croissance des cultures et l'efficacité de l'acquisition des images. Cependant, les études existantes sur la résolution spatiale optimale pour la surveillance des cultures sont principalement basées sur des images rééchantillonnées. Par conséquent, la résolution spatiale rééchantillonnée dans ces études pourrait ne pas être applicable aux images d'UAV in situ. Afin d'obtenir une résolution spatiale optimale des images multispectrales in situ de l'UAV pour le suivi de la croissance des cultures, une caméra RedEdge Micasense 3 a été installée sur un drone DJI M600 volant à différentes hauteurs de 22, 29, 44, 88 et 176 m pour capturer des images de plants de colza avec des distances d'échantillonnage au sol (GSD) de 1,35, 1,69, 2,61, 5,73 et 11,61 cm, respectivement. Pendant ce temps, l'indice de végétation à différence normalisée (NDVI) mesuré par un GreenSeeker (GS-NDVI) et l'indice de surface foliaire (LAI) ont été collectés pour évaluer la performance de neuf indices de végétation (VI) et de hauteur de plante VI* (PH) à différentes GSD pour le suivi de la croissance du colza. Les résultats ont montré que l'indice de bord rouge de différence normalisé (NDRE) avait une meilleure performance pour estimer GS-NDVI (R2 = 0,812) et LAI (R2 = 0,717), par rapport aux autres VI. De plus, lorsque GSD était inférieur à 2,61 cm, le NDRE*PH dérivé des images UAV in situ surpassait le NDRE pour l'estimation LAI (R2 = 0,757). À GSD surdimensionné (≥5,73 cm), des informations de PH imprécises et une grande hétérogénéité au sein du pixel (révélée par l'analyse du semi-variogramme) ont entraîné une grande erreur aléatoire pour l'estimation de LAI par NDRE*PH. De plus, le temps de collecte et de traitement des images à 1,35 cm GSD était environ trois fois plus long que celui à 2,61 cm. Le résultat de cette étude a suggéré que le NDRE*PH à partir d'images multispectrales d'UAV avec une résolution spatiale d'environ 2,61 cm pourrait être une sélection préférentielle pour le suivi de la croissance des plants de colza, tandis que le NDRE seul pourrait avoir une meilleure performance pour les images à faible résolution spatiale.

Translated Description (Spanish)

La resolución espacial de las imágenes multiespectrales de vehículos aéreos no tripulados (UAV) in situ tiene un efecto crucial en el monitoreo del crecimiento de los cultivos y la eficiencia de la adquisición de imágenes. Sin embargo, los estudios existentes sobre la resolución espacial óptima para el monitoreo de cultivos se basan principalmente en imágenes remuestreadas. Por lo tanto, la resolución espacial remuestreada en estos estudios podría no ser aplicable a las imágenes de UAV in situ. Con el fin de obtener una resolución espacial óptima de imágenes multiespectrales de UAV in situ para el monitoreo del crecimiento de los cultivos, se instaló una cámara RedEdge Micasense 3 en un UAV DJI M600 que volaba a diferentes alturas de 22, 29, 44, 88 y 176 m para capturar imágenes de semillas de colza con distancias de muestreo en el suelo (GSD) de 1.35, 1.69, 2.61, 5.73 y 11.61 cm, respectivamente. Mientras tanto, se recopiló el índice de vegetación de diferencia normalizada (NDVI) medido por un GreenSeeker (GS-NDVI) y el índice de área foliar (LAI) para evaluar el rendimiento de nueve índices de vegetación (VI) y VI* altura de la planta (PH) a diferentes GSD para el monitoreo del crecimiento de la colza. Los resultados mostraron que la diferencia normalizada del índice de borde rojo (NDRE) tuvo un mejor rendimiento para estimar GS-NDVI (R2 = 0.812) y LAI (R2 = 0.717), en comparación con otros VI. Además, cuando GSD fue inferior a 2,61 cm, el NDRE*PH derivado de imágenes UAV in situ superó al NDRE para la estimación de LAI (R2 = 0,757). A GSD sobredimensionada (≥5,73 cm), la información imprecisa de PH y una gran heterogeneidad dentro del píxel (revelada por el análisis de semi-variograma) dieron como resultado un gran error aleatorio para la estimación de LAI por NDRE*PH. Además, el tiempo de recolección y procesamiento de imágenes a 1,35 cm GSD fue aproximadamente tres veces mayor que el de 2,61 cm. El resultado de este estudio sugirió que el NDRE*PH de imágenes multiespectrales de UAV con una resolución espacial de alrededor de 2,61 cm podría ser una selección preferencial para el monitoreo del crecimiento de la colza, mientras que el NDRE solo podría tener un mejor rendimiento para imágenes de baja resolución espacial.

Files

pdf.pdf

Files (7.8 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:f9c44408aa7598aa9bc346b74c5c0afa
7.8 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تقييم تأثير الدقة المكانية الحقيقية للصور متعددة الأطياف للطائرات بدون طيار في الموقع على مراقبة نمو بذور بذور اللفت
Translated title (French)
Évaluation de l'effet de la résolution spatiale réelle des images multispectrales in situ du drone sur la surveillance de la croissance des plants de colza
Translated title (Spanish)
Evaluación del efecto de la resolución espacial real de imágenes multiespectrales de UAV in situ en el monitoreo del crecimiento de las plántulas de colza

Identifiers

Other
https://openalex.org/W3015931447
DOI
10.3390/rs12071207

Is supplement to
https://openalex.org/W3198848480 (Other)
https://openalex.org/W3012403332 (Other)
https://openalex.org/W2540644541 (Other)
https://openalex.org/W2372526554 (Other)
https://openalex.org/W2361438098 (Other)
https://openalex.org/W2347369540 (Other)
https://openalex.org/W2163677711 (Other)
https://openalex.org/W2142343220 (Other)
https://openalex.org/W2036727360 (Other)
https://openalex.org/W2011962637 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1442930683
  • https://openalex.org/W1968377043
  • https://openalex.org/W1971403392
  • https://openalex.org/W1980140622
  • https://openalex.org/W1985555755
  • https://openalex.org/W1995095340
  • https://openalex.org/W1996144809
  • https://openalex.org/W1999123671
  • https://openalex.org/W1999595419
  • https://openalex.org/W2000613913
  • https://openalex.org/W2006920087
  • https://openalex.org/W2012686349
  • https://openalex.org/W2030724333
  • https://openalex.org/W2038116918
  • https://openalex.org/W2038617433
  • https://openalex.org/W2049380422
  • https://openalex.org/W2059523177
  • https://openalex.org/W2064636932
  • https://openalex.org/W2074464158
  • https://openalex.org/W2113249705
  • https://openalex.org/W2115436074
  • https://openalex.org/W2123101917
  • https://openalex.org/W2128866545
  • https://openalex.org/W2141924908
  • https://openalex.org/W2163450852
  • https://openalex.org/W2164672226
  • https://openalex.org/W2170414295
  • https://openalex.org/W2342626385
  • https://openalex.org/W2520082337
  • https://openalex.org/W2552290192
  • https://openalex.org/W2577860486
  • https://openalex.org/W2622032084
  • https://openalex.org/W2626613115
  • https://openalex.org/W2646675373
  • https://openalex.org/W2736116482
  • https://openalex.org/W2774550616
  • https://openalex.org/W2796455819
  • https://openalex.org/W2808198652
  • https://openalex.org/W2808245662
  • https://openalex.org/W2810662326
  • https://openalex.org/W2887291686
  • https://openalex.org/W2889648359
  • https://openalex.org/W2890513934
  • https://openalex.org/W2892250657
  • https://openalex.org/W2897015430
  • https://openalex.org/W2904957358
  • https://openalex.org/W2907047183
  • https://openalex.org/W2912548858
  • https://openalex.org/W2912708352
  • https://openalex.org/W2920649917
  • https://openalex.org/W2921360674
  • https://openalex.org/W2941464622
  • https://openalex.org/W2955529260
  • https://openalex.org/W2964415981
  • https://openalex.org/W2989983865
  • https://openalex.org/W3005694926
  • https://openalex.org/W3094575505