如何选择Survey 3相机型号

我们为 Survey3 相机提供 6 种不同的滤镜：OCN、RGN、NGB、RE、NIR 和 RGB。过滤器捕获 3 个通道的光信息，如下所示：

OCN 滤镜（橙色 + 青色 + NIR）：

红色图像通道 = 橙色光

绿色图像通道 = 青色（蓝/绿）光

蓝色图像通道 = NIR（近红外）光

OCN 过滤器是对我们的 RGN 的改进，因为它增加了植被内的对比度并减少了土壤噪声。如果您的植被中有土壤，最好使用 OCN，如果作物有更多的实心冠层（土壤像素数较少），则使用 RGN。它可以像 RGN 过滤器一样与 NDVI 索引一起使用。请阅读此处了解有关它相对于 RGN 过滤器的优势的更多信息。如果您正在寻找购买测量一般植物健康状况的最佳相机，那么 OCN 型号是您的最佳选择。

RGN 滤光片（红色 + 绿色 + NIR）：

红色图像通道 = 红光

绿色图像通道 = 绿灯

蓝色图像通道 = NIR（近红外）光

RGN 过滤器以前是我们最常购买的型号，主要是因为它能够捕获流行的 NDVI 指数所需的红色和 NIR 波长（有关更多信息，请参见下文）。 NDVI 通常用作一般植物健康和活力指数，基本上它会显示哪些区域与那些不那么健康的区域相比最健康。我们新的 OCN 过滤器通常会提供更好的结果，您可以在此处阅读更多详细信息。

NGB 滤光片（NIR + 绿色 + 蓝色）：

红色图像通道 = NIR（近红外）光

绿色图像通道 = 绿灯

蓝色图像通道 = 蓝光

NGB 过滤器经常用于 ENDVI 指数，基本上是增强型 NDVI。它在确定植物健康时考虑了植物的绿色反射率，而不是像 NDVI 指数使用的那样仅使用反射的近红外 (NIR) 光。某些应用程序（例如 DroneDeploy）不允许您计算 ENDVI，因此请务必检查支持哪些索引。您还可以使用蓝色与 NIR 光计算 NDVI 指数，与使用 RGN 相机相比，这可能会显示不同的结果。考虑 RGN 和 NGB 型号之间差异的最佳方法是，大多数时候 RGN 型号是更好的选择，但 NGB 型号可能会向您展示 RGN 无法提供的东西，因此如果您的预算允许，请同时使用两种相机并建议比较结果。

RedEdge 过滤器 (RE)：

红色图像通道 = RedEdge (725nm) 光

绿色图像通道 = 未使用

蓝色图像通道 = 未使用

RedEdge 过滤器用于在称为红边的区域中捕获单个带反射光。这个大约 700-800nm 的区域是植物具有不同反射率的地方，这与它们的健康密切相关。反射更多红边光的植物通常比不反射的植物更健康。当使用我们的 MCC 应用程序处理时，输出图像将是单个图像带，即黑白。白色像素的红边反射率高，黑色像素的红边反射率低。您可以忽略绿色和蓝色图像通道，因为与红色通道相比，它们不包含有用的数据。

近红外滤光片 (NIR)：

红色图像通道 = 近红外 (850nm) 光

绿色图像通道 = 未使用

蓝色图像通道 = 未使用

近红外滤光片用于捕获单波段反射近红外光。当使用我们的 MCC 应用程序处理时，输出图像将是单个图像带，即黑白。白色像素将具有高 NIR 反射率，而黑色像素将具有低 NIR 反射率。您可以忽略绿色和蓝色图像通道，因为与红色通道相比，它们不包含有用的数据。

RGB 滤镜（红 + 绿 + 蓝）：

红色图像通道 = 红光

绿色图像通道 = 绿灯

蓝色图像通道 = 蓝光

RGB 滤光片是安装在所有相机上的典型滤光片，它捕捉彩色光，就像我们的眼睛看世界一样。 RGB 相机通常与多光谱相机一起使用，为观看者提供参考图像。这种参考通常是必要的，可以将我们的眼睛看到的内容与能够捕捉近红外 (NIR) 光的相机看到的内容联系起来。

多光谱指数公式

一旦 OCN、RGN、NGB、RE 和 NIR 型号相机捕捉到图像，就应该使用我们的校准目标对其进行校准。校准后，可以在您选择的程序中拼接图像，例如 Pix4D、Agisoft、Drone Deploy、Agribotix、MapsMadeEasy、Simactive、Icaros 等。

许多这些应用程序提供了所谓的光栅/索引计算器，它对图像的像素执行数学运算。计算索引后产生的像素值表示依赖于索引及其计算内容的像素范围。许多程序使这个计算成为一个一键式过程，但让我们更详细地解释一下：

让我们以 RGN 过滤器为例，计算流行的 NDVI 指数：

正如您在上面的公式中看到的，NDVI 指数使用 NIR 和红光。因此，对于 RGN 滤镜相机模型，这将是蓝色图像通道 (NIR) 和红色图像通道 (RED)。处理程序将获取红色和蓝色图像通道中的像素值并将其代入上述等式中。生成的像素将全部具有一个从 -1 到 +1 的值。对于植物，实际植物的 NDVI 值介于约 0.2 至 0.8 之间。然后我们将颜色 lut 应用于像素，以便我们的眼睛可以更轻松地解释数据。颜色 lut 是您以前可能见过的从绿色到黄色到红色（高健康到低健康）的颜色。

关于使用我们的地面目标进行反射校准的重要说明：

上面提到的像素值告诉你你是在看健康的植物还是说附近的污垢受到校准程序的影响。如果不校准图像，结果值通常是负值，基本上是垃圾值。生成的彩色 lut 图片，通常称为“漂亮图片”，可能会显示类似的绿色到黄色到红色的地图，但如果没有校准，您将无法将一个现场位置与另一个现场位置、一种环境照明条件与另一种环境照明条件的结果进行比较，或者基本上是一个时刻到另一个时刻（一周到一周，一个月到一个月，等等）。如果没有校准，您就不会将像素数据与已知标准对齐，因此这些值不会具有可比性。