原始研究的文章

前面。远程Sens。, 2022年7月14日
秒。多和Hyper-Spectral成像
<年代p一个nclass="volumeInfo">卷3 - 2022 |<一个href="https://doi.org/10.3389/frsen.2022.940096">https://doi.org/10.3389/frsen.2022.940096

水上的辐射测量与校准的准确性和重现性的智能手机相机使用原始数据

奥利弗Burggraaff<年代up>1、2*,<一个href="//www.thespel.com/people/u/1886641" class="user-id-1886641">

莫蒂默维特<年代up>3,<一个href="//www.thespel.com/people/u/423697" class="user-id-423697">

伊曼纽尔美国老板<年代up>4,<一个href="//www.thespel.com/people/u/385470" class="user-id-385470">

斯蒂芬·g·h·思米<年代up>5和<我mg class="pr5" src="https://f96a1a95aaa960e01625-a34624e694c43cdf8b40aa048a644ca4.ssl.cf2.rackcdn.com/Design/Images/newprofile_default_profileimage_new.jpg" alt="www.雷竞技rebatfrontiersin.org">Frans Snik<年代up>1

^{1莱顿天文台,莱顿大学、莱顿、荷兰<年代p一个n>^{2环境科学研究所(CML),莱顿大学,荷兰莱顿}<年代p一个n>^{3地球和行星科学观察(史诗)、生物学和环境科学,自然科学学院,斯特灵大学英国斯特灵}<年代p一个n>^{4欧洛诺市缅因大学海洋科学学院,我,美国}<年代p一个n>^{5普利茅斯海洋实验室,英国普利茅斯}}

消费相机,尤其是智能手机,是流行和有效的水上的辐射测量仪器。的遥感反射率R_rs测量水面之上,用来估计固有光学特性和组分浓度。两个智能手机应用程序,使用HydroColor EyeOnWater,世界范围内由专业和公民科学家。然而,消费者照相机摄像机之间的数据有问题的准确性和再现性,相互比对的高达40%的系统差异。这些问题源于需要,直到最近,使用JPEG数据。无损数据,原始格式,校准光谱和放射反应的消费相机现在可以显著提高数据质量。在这里,我们这些方法适用于水上的辐射测量。结果的准确性R_rs约10%的红,绿,蓝(RGB) RGB乐队乐队和2%比率,类似于专业仪器和分享服务9倍比现有的方法。在测量数据从不同的智能手机可再生的不确定性,这在%的水平。不确定性的主要来源是环境因素和传感器噪声。我们得出结论,使用原始数据,智能手机和其他消费相机是互补的专业仪器的数据质量。我们提供实用的建议在专业和公民科学使用消费相机。

1介绍

的遥感反射率R_rs(λ)是一种明显的光学性质,包含丰富的信息物质在水柱(<一个href="#B26">IOCCG 2008)。在水上的辐射测量、R_rs是使用一个或多个(斯派克)辐射计部署水面以上(<一个href="#B48">鲁迪et al ., 2019)。吸收和散射系数和浓度的有色溶解有机物(CDOM),悬浮颗粒物,著名的浮游植物色素如叶绿素a (chl-a)可以确定R_rs(<一个href="#B64">Werdell et al ., 2018)。由于光谱范围和长期稳定需求,准确测量所需的设备R_rs往往是昂贵的。高成本限制摄取,因此,这些仪器的影响。

消费相机一直被视为一种低成本的替代或补充专业工具(<一个href="#B55">Sunamura Horikawa, 1978)。工作在这个方向主要集中在手持数码相机、衡量传入的光辉在红绿蓝(RGB)光谱乐队通常跨越可见范围从390到700海里(<一个href="#B18">Goddijn-Murphy et al ., 2009)。“飞行器(无人机或无人机)和网络摄像头也有类似的光学性质,通常包含相同的传感器,也越来越多地用于遥感(<一个href="#B8">Burggraaff et al ., 2019)。消费相机被用来检索CDOM chl-a,暂停矿物浓度的水上通过辐射测量(<一个href="#B18">Goddijn-Murphy et al ., 2009;<一个href="#B23">Hoguane et al ., 2012)。他们特别有用的测量在狭小的空间尺度内,短的节奏,和长时间(<一个href="#B32">Lim et al ., 2010;<一个href="#B27">磐et al ., 2021)。

智能手机特别有效低成本传感平台由于其广泛的可用性、相机、和功能包括加速度传感器、GPS、无线通讯。他们已经常用的专业传感器在实验室(<一个href="#B12">弗里德里希et al ., 2017;<一个href="#B21">Hatiboruah et al ., 2020)。然而,什么是智能手机真正擅长领域(科学为公民提供一个平台<一个href="#B52">Snik et al ., 2014;<一个href="#B17">Garcia-Soto et al ., 2021)。有一个充满活力的生态系统的应用程序(应用程序)使用智能手机相机用于环境公民科学(<一个href="#B2">Andrachuk et al ., 2019)。一些使用额外的fore-optics测量高光谱(<一个href="#B7">Burggraaff et al ., 2020;<一个href="#B54">斯图尔特et al ., 2021),而大多数使用的相机(<一个href="#B10">Busch j . et al ., 2016;<一个href="#B31">Leeuw和老板,2018年;<一个href="#B14">高et al ., 2022)。科学的智能手机应用程序也常用于教育目的和专业研究(<一个href="#B13">加拉格尔和川,2018年;<一个href="#B3">Ayeni Odume, 2020;<一个href="#B1">Al-Ghifari et al ., 2021)。

两个应用程序是目前广泛用于水上的辐射测量、即HydroColor (<一个href="#B31">Leeuw和老板,2018年)和EyeOnWater (<一个href="#B10">Busch j . et al ., 2016)。HydroColor措施R_rs在RGB乐队使用<一个href="#B36">莫布里(1999)协议,指导用户正确的指向角与屏幕上的提示。通过一个基于红乐队的经验算法R_rs应用估计,浊度、悬浮物浓度、水体和反向散射系数的目标。EyeOnWater使用WACODI算法(<一个href="#B40">诺沃亚et al ., 2015)确定色相角α的水,代表其固有的颜色。从α也估计Forel-Ule (FU)指数,一个离散的水彩画规模与长达一个世纪的历史<一个href="#B39">诺沃亚et al ., 2013)。α福指数是合理的一级指标表面chl-a浓度和光学深度(<一个href="#B44">Pitarch et al ., 2019)。

虽然这些应用程序和其他消费者基于成像方法提供有用的数据,改进的准确性和再现性是必要的获得高质量的最终产品。验证活动一直找到了光辉,R_rsRGB乐队,色相角从消费相机与参考工具密切相关,但通常广泛分散和显著的偏差。为R_rs,智能手机之间的平均差和参考数据通常是相配<我nl在e-formula id="inf1">

\geq 0.003

老<年代up>−1或<我nl在e-formula id="inf2">

\geq 30. %

之间的广泛研究,但不同的(<一个href="#B31">Leeuw和老板,2018年;<一个href="#B70">杨et al ., 2018;<一个href="#B15">高et al ., 2020,<一个href="#B14">2022年)。作为一个极端的例子,<一个href="#B33">马尔萨斯et al。(2020)没有发现相关HydroColor之间和参考R_rs数据,虽然具有挑战性的观察条件下。典型的精度α傅在10°或1 - 2 (<一个href="#B40">诺沃亚et al ., 2015;<一个href="#B9">Busch j . a . et al ., 2016;<一个href="#B33">马尔萨斯et al ., 2020;<一个href="#B14">高et al ., 2022)。的差异R_rs智能手机可以高达40%(之间<一个href="#B70">杨et al ., 2018)。不确定性,以及智能手机和参考工具之间的差异,观察到的光学性质和派生水成分浓度往往甚至大于40% (<一个href="#B42">欧et al ., 2018;<一个href="#B33">马尔萨斯et al ., 2020;<一个href="#B45">Pratama et al ., 2021的部分原因),尽管这可能是由于固有光学特性和观察条件差异研究网站。

现有方法的不确定性的主要来源是使用的JPEG数据格式。直到最近JPEG是唯一的格式提供给第三方开发者在大多数智能手机和其他消费相机。不可逆压缩JPEG数据和视觉吸引力进行后期处理,在辐射测量的精度和动态范围的成本。最重要的是,他们非常非线性,这意味着一个2 2××光辉的增加不会引起增加的响应(<一个href="#B8">Burggraaff et al ., 2019)。相反,在一个过程称为伽马校正或伽玛压缩,光芒是按比例缩小的幂律。JPEG数据的非线性不确定性是一个重要的因素R_rs从消费者获得相机和应用如HydroColor (<一个href="#B8">Burggraaff et al ., 2019;<一个href="#B15">高et al ., 2020;<一个href="#B33">马尔萨斯et al ., 2020)。包括WACODI在内的一些方法,试图通过对非线性逆伽马校正(<一个href="#B40">诺沃亚et al ., 2015;<一个href="#B15">高et al ., 2020)。这个逆校正不能持续进行,因为智能手机JPEG处理不同的智能手机品牌,模型,和固件版本(<一个href="#B8">Burggraaff et al ., 2019)。

第二手来源的不确定性的光谱响应函数(缓释)相机。因为费力测量精确SRF概要文件和制造商提供的很少,常常需要使用简化的缓释肥和假设他们是与设备无关的(<一个href="#B40">诺沃亚et al ., 2015;<一个href="#B31">Leeuw和老板,2018年)。然而,实际上不同相机的缓释肥显著不同(<一个href="#B8">Burggraaff et al ., 2019)。

消费相机的质量可以明显改善辐射线测定使用无损数据,原始格式,相机校准。原始数据是几乎完全未加工的,因此不是JPEG格式引入的不确定性的影响。此外,通过校准和辐射特性和光谱响应,消费相机可以作为专业级(斯派克)辐射计(<一个href="#B8">Burggraaff et al ., 2019)。

在这项工作中,我们评估的不确定性,再现性,和校准精度智能手机相机,使用原始数据,进行水上的辐射测量。通过比较原位观察从两个智能手机相机和两个高光谱仪器,我们测试的假设新方法减少不确定性和增加数据的重现性和准确性消费相机。据我们所知,这是第一次的新方法已应用或评估一个字段设置。

第二部分描述了数据采集和处理以及进行实验。这项研究的结果发表在第三节。在第四节,我们将讨论结果,比较文学,并使用智能手机项目提出一些建议。最后,给出了分析的结论在第五部分。

<一个我d="h3" name="h3">

2方法

智能手机和参考数据聚集巴拉顿湖湖周围,匈牙利,从2019年7月3到5。巴拉顿湖是最大的(597公里<年代up>2)湖在欧洲中部,平均只有3.3米,深度研究。高浓度的悬浮的矿物颗粒,显得很明亮和蓝绿色的眼睛(蓝绿色的)(<一个href="#F1">图1,进一步在2.1节讨论)。由于从硼砂流入河流,湖的西部比东部更丰富的营养。邻Kis-Balaton水库是hypereutrophic chl-a浓度高达160毫克<年代up>−3。更详细的描述这个网站了<一个href="#B47">雷迪克(2016)和<一个href="#B43">帕尔默(2015)。

图1

图1。iPhone的SE图像示例l_u,l_天空,l_d,在2019年7月3日的巴拉顿湖07:47 UTC(09:47当地时间)。小波动是可见的在水面上l_u,而l_天空显示不完整的云覆盖。看到的情况是代表整个运动。

两个智能手机,苹果iPhone SE和三星Galaxy S8,和两个高光谱光谱仪仪器被用作参考。参考工具是一组三个三人小组拉美西斯仪器安装在一个原型Solar-tracking辐射测量(So-Rad)平台(<一个href="#B68">赖特和思米,2021年)保持良好的观看几何一整天,和一个手持水洞察力WISP-3光谱仪(<一个href="#B24">Hommersom et al ., 2012)。光谱辐射校准的智能手机了<一个href="#B8">Burggraaff et al。(2019);厂家校准用于So-Rad WISP-3。
数据处理和分析都是使用自定义Python脚本基于NumPy (<一个href="#B20">哈里斯et al ., 2020),年代ciPy (<一个href="#B60">维尔塔宁et al ., 2020)和景观(<一个href="#B8">Burggraaff et al ., 2019)库,可以从GitHub<一个href="#fn1">^{1。智能手机数据处理管道支持大多数消费相机的原始数据。引用的处理和智能手机数据进一步讨论在2.2节-2.4,2.5节和2.6节的分析。
2.1数据采集观测进行了2019年7月3日从Tihany-Szantod渡轮的巴拉顿湖东部,执行连续横断面约46°53′00“N 17°53′43“E,面临西南10点之前UTC(当地时间12点)和东北。数据也获得了7月4日Kis-Balaton水库在46岁39′41°N 17 45°07′E和7月5日在西方的巴拉顿湖在46岁45°15′N 17°15′09”E, 46个25°42′N 17°15′53“E, 46 43°′59”16′N 17°34 E,和46 45°′04“N 17°24′46“E。So-Rad,安装在渡口,只使用于7月3日上午;这两个智能手机和WISP-3站使用。所有的数据,包括一个详细的日志,可从Zenodo<一个href="#fn2">^{2。
上升流的光辉l_u、天空辐射l_天空,要么下降光辉l_d(智能手机)或下降辐照度E_d(引用)测量。So-Rad和WISP-3高光谱数据,智能手机对不同RGB波段的多光谱(<一个href="#B8">Burggraaff et al ., 2019)。brandesδ1 18%灰色卡是用来测量l_d,这是在2.3节讨论。观察3日和7月5日完成部分阴云密布的天空下(<一个href="#F1">图1),介绍了不确定性l_天空和R_rs通过增加天空亮度的变化,导致水面(云闪闪发光的影响<一个href="#B36">莫布里,1999)。同时从不同的仪器测量同样的影响,意义的相互比较还是有可能的。然而,对于测量的距离在时间和空间,相配的错误可能是重要的。7月4日,天空是阴暗的。
标准程序(<一个href="#B36">莫布里,1999;<一个href="#B48">鲁迪et al ., 2019),智能手机进行了观察指出135°远离太阳的方位最远的方向观察平台和40°从最低点(l_u,l_d)或天顶(l_天空)。智能手机贴在一起,排列在眼睛和方位的高度使用iPhone的倾斜传感器,大约5°精度。例如智能手机图片所示<一个href="#F1">图1。查看几何用于HydroColor相同,但不是EyeOnWater (<一个href="#B33">马尔萨斯et al ., 2020)。参考观察以同样的方式进行,遵循标准程序各自的传感器(<一个href="#B24">Hommersom et al ., 2012;<一个href="#B51">思米和奥尔森,2013年)。
So-Rad和WISP-3每个记录l_u,l_天空,E_d同时,智能手机带顺序l_u,l_d,l_天空图像在1分钟之内。使用场景iOS和Android智能手机应用程序(<一个href="#B8">Burggraaff et al ., 2019),我Phone年代E同时带一个原始图像和一个JPEG图像,和星系S8 10顺序原始图像/曝光。智能手机都是手动选择的曝光设置防止饱和,没有记录,但整个活动保持不变。
总共有304和453套WISP-3 So-Rad光谱,分别和28集每个iPhone SE和星系S8图像。WISP-3,一组光谱(7月5日10:35:51 UTC)是手动删除,因为它似乎过于吵了。6套智能手机数据丢弃由于饱和。
2.2参考数据处理R_rs光谱计算从WISP-3 So-Rad数据(<一个href="#F2">图2)。WISP-3,<一个href="#B36">莫布里(1999)所示的方法<一个href="#e1">情商。,海面反射系数ρ= 0.028,使用。波长的依赖关系是短暂下降。的价值ρ= 0.028被选为WISP-3和智能手机数据处理(2.3节),使直接HydroColor相比,它使用相同的值(<一个href="#B31">Leeuw和老板,2018年)。鉴于巴拉顿湖的亮度,相对的大小ρL_天空相比l_u小(通常是<我nl在e-formula id="inf3">
$< 5 %$
在WISP-3数据)的任何值ρ约0.03,因此一个小差异的影响ρ在R_rs是微不足道的。So-Rad数据,有一个更广泛的光谱范围,处理利用三分量(3 c)方法,减去一个额外的闪闪发光的术语Δ和决定ρ从光谱优化经验(<一个href="#B19">Groetsch et al ., 2017;<一个href="#B28">约旦et al ., 2022)。

$R_{r 年代} = \frac{l_{u} - ρ l_{天空}}{E_{d}} (1)$}}

图2

图2。参考R_rs光谱测量来自巴拉顿湖湖周围。有一个区别在两个数据集之间的标准化,这是在4.3节讨论。

的一般外观反射光谱(<一个href="#F2">图2)是一个广泛的峰值约560海里。这个峰值波长短的一面,被浮游植物吸收和CDOM抑制R_rs大约25%的峰值振幅。向长波长,增加被水吸收的影响显然是在600 nm和700海里以外,和R_rs达到接近零振幅的边缘可见光谱。最终倾向于蓝绿波段反射率,让水青绿色外观。小chl-a和相关辅助色素的吸收特性是可见的约675海里。日光引起chl-a荧光是可见的在680 - 690海里WISP-3光谱7月4和5,但不是WISP-3于7月3日或So-Rad光谱。
2.3智能手机数据处理原始的智能手机图像处理使用SPECTACLE-based (<一个href="#B8">Burggraaff et al ., 2019)管道(<一个href="#F3">图3)。图像首先纠正偏见或黑色,在每幅图像的像素值变化的一个常数。星系S8,名义上的黑电平是0模拟-数字单位(ADU),而528年iPhone SE是ADU或13%的动态范围,确定从原始图像元数据和验证实验(<一个href="#B8">Burggraaff et al ., 2019)。接下来,应用平面场校正,校正pixel-to-pixel敏感性的变化。142%的敏感性不同的iPhone SE传感器(<一个href="#B8">Burggraaff et al ., 2019),尽管在中央100×100像素,iPhone上的差异只有0.2% SE和1.6% S8的星系。中央的100×100像素被送往减少不确定性引入了图像的空间变异(<一个href="#B31">Leeuw和老板,2018年)。中央像素然后demosaicked RGBG到单独的图像<年代ub>2渠道,克<年代ub>2是重复的绿色通道出现在大多数消费相机(<一个href="#B8">Burggraaff et al ., 2019)。的RGBG<年代ub>2图片被夷为平地为10000样本/频道列表和规范化的有效的光谱带宽通道,决定从缓释肥(<一个href="#B8">Burggraaff et al ., 2019)。平均辐射计算每个通道后,G, G<年代ub>2渠道,有相同的缓释肥,平均在一起。最后,R_rs经过计算得出l_u,l_天空,l_d使用<一个href="#e2">情商。(<一个href="#B36">莫布里,1999)。像WISP-3(2.2节)在HydroColor,一个常数ρ使用= 0.028。R_裁判灰卡参考反射,名义上0.18。
$R_{r 年代} = \frac{l_{u} - ρ l_{天空}}{\frac{π}{R_{裁判}} l_{d}} (2)$

图3

图3。智能手机数据处理管道,从原始多光谱图像R_rs。示例输入图像的<一个href="#F1">图1。一些处理步骤简洁结合在一起了。归一化的直方图显示分布的像素值在中央RGBG 100×100像素<年代ub>2单独通道(彩色线条,G, G<年代ub>2结合一起)和(黑条)。元素的顺序L和R<年代ub>r年代是RGB。

为R_裁判brandesδ1 18%灰色卡片被手动保持水平在镜头面前。的名义上的反射R_裁判= 18%被验证在0.5%的智能手机RGB乐队通过比较光谱仪的测量l_d类似的灰色卡余弦收集器的测量E_d。角的变化R_裁判被发现是⪅最低点1%点35°-45°的角度与iPhone SE实验室实验。这个值是类似于以前的特征不同的消费级灰卡(<一个href="#B53">现金et al ., 1995)。考虑到这些因素,以及污染,一种不确定性<我nl在e-formula id="inf4"> $σ_{R_{裁判}} = 0.01$ 点,或1%,是用于我们的数据处理。这并不占系统误差(4.3节)。
不像EyeOnWater选择多个子图片每个图像的不同部分,我们的管道只使用一个中央的100×100像素。使用子图片是没有必要,因为所有图像手动策划和sub-imaging已被证明对数据质量(几乎没有影响<一个href="#B33">马尔萨斯et al ., 2020)。100×100的大小选择最小化空间变化,但盒子大小的比较从50到200像素显示的确切大小没有区别。例如,意味着光辉通常不同<我nl在e-formula id="inf5"> $< 0.4 %$ 在光辉,比典型的不确定性估计从每个图像(3.1节)。此外,信噪比(信噪比)的变化<我nl在e-formula id="inf6"> $< 3 %$ 为l_u和l_d但高达19%l_天空由于不完整的云覆盖。
iPhone SE是处理JPEG数据使用一个简化版本的原始管道,偏差和缺乏平面场修正和G-G<年代ub>2平均。智能手机相机内部执行这三个任务为JPEG数据(<一个href="#B8">Burggraaff et al ., 2019)。处理重复了一个额外的线性化步骤中,像在WACODI EyeOnWater,确定线性化提高了数据质量。WACODI后,默认使用sRGB逆伽马曲线,这条曲线虽然已经被证明是不代表真正的智能手机(<一个href="#B8">Burggraaff et al ., 2019)。
图像数据的不确定性,确定样本协方差矩阵的10000像素每频道形象,传播分析中描述<一个href="#SM1">补充数据表S1。像素值的近似正态分布(<一个href="#F3">图3)。RGBG之间的显著相关性<年代ub>2通道被发现。例如,iPhonel_天空图像从2019年7月3日07:47 UTC r的相关性<年代ub>RG=0.68 R和G之间,而在08:01形象这只是R<年代ub>RG=0.09。观察到的相关性可能是由于在图像空间结构(<一个href="#B34">梅农et al ., 2007),如不完整的云l_天空和波l_u。在较大的数据集,强相关性的存在可以作为一种手段过滤图像不够均匀。不确定性传播的R_rs通常是5 - 10%的意思吗R_rs同样的通道之间的相关性。例如,07:47数据相关性R_rsr的<年代ub>RGr=0.67,<年代ub>RB=0.57,r<年代ub>GB=0.72。
2.4颜色除了绝对R_rsRGB乐队,几个相对颜色测量研究,即RGB乐队比率、色相角,和傅指数。
乐队比率计算的特定组合R_rs乐队。简单的符号,表达的比率,例如,G / R代替R_rs(G)/R_rs(R)。文献后,分子和分母都选为G / R、B / G, R / B。G / R比敏感水清晰和光学深度(<一个href="#B14">高et al ., 2022)。B / G是敏感chl-a浓度(<一个href="#B18">Goddijn-Murphy et al ., 2009),至少在水中浮游植物与影响其他类型吸收物质。最后,R / B比率是特别敏感的广泛的特性,比如CDOM吸收,以及散射的浓度(浊度、悬浮物浓度),所述<一个href="#B23">Hoguane et al。(2012)和<一个href="#B18">Goddijn-Murphy et al。(2009)。
色相角,计算数据首先转换到CIE XYZ颜色空间。CIE XYZ是一个标准的颜色空间表示平均颜色视觉的色彩,一个人可以体验(<一个href="#B50">沙玛,2003)。引用数据是可怕地与XYZ颜色匹配函数(卷积<一个href="#B38">Nimeroff 1957)。直接用于卷积谱R_rs,因为R_rs代表真正的水的颜色(<一个href="#B5">Burggraaff 2020)。对于智能手机数据,变换矩阵计算的智能手机相机缓释肥(<一个href="#SM1">补充数据表S1)使用(<一个href="#B29">Juckett 2010;<一个href="#B65">Wernand et al ., 2013)。这些矩阵给出了<一个href="#e3">方程式3,<一个href="#e4">4。上的不确定性矩阵元素不包括因为这需要一个完整的原始SRF数据分析(<一个href="#B69">Wyszecki 1959),这是这个工作的范围之外。由此产生的颜色是相对于一个命题(平坦的光谱,x=y= 1/3)光源。
$米_{R G B \to X Y Z}^{我 P h o n e 年代 E} = [\begin{matrix} 0.5709 & 0.2452 & 0.1839 \\ 0.3760 & 0.4346 & 0.1894 \\ 0.0439 & 0.0913 & 0.8648 \end{matrix}] (3)$

$米_{R G B \to X Y Z}^{G 一个 l 一个 x y 年代 8} = [\begin{matrix} 0.5611 & 0.1451 & 0.2938 \\ 0.3944 & 0.2391 & 0.3666 \\ 0.0231 & 0.0416 & 0.9353 \end{matrix}] (4)$

从XYZ色度(x,y)和色相角α计算中所示<一个href="#e5">方程式5,<一个href="#e6">6。色度的正常化XYZ颜色空间,可去除亮度信息(<一个href="#B50">沙玛,2003)。福指数决定α使用查表(<一个href="#B39">诺沃亚et al ., 2013;<一个href="#B44">Pitarch et al ., 2019)。的不确定性R_rs分析为XYZ和传播(x,y),如中描述<一个href="#SM1">补充数据表S1。然而,进一步传播α是不可行的,因为线性近似的<一个href="#e6">情商。分解附近的白色点(x,y)=(1/3,1/3),尤其是高度相关x和y(<一个href="#B41">Onusic Mandic, 1989)。
$x = \frac{X}{X + Y + Z} y = \frac{Y}{X + Y + Z} (5)$

$α = arctan2 (y - 1 / 3, x - 1 / 3) 国防部 2 π (6)$

2.5复制分析
银河系S8数据组10顺序复制/形象。这些复制之间的差异性进行了分析评估的不确定性智能手机数据。
2.3节中描述的处理链应用从每组每个图像,导致10测量每通道l_u,l_天空,l_d。R_rs计算每个图像的组合,导致1000年的值。从这些,乐队比率,α傅,计算。
相对的不确定性l_u,l_天空,l_d,R_rs,和乐队比率估计通过变异系数<我nl在e-formula id="inf7"> $\frac{σ}{μ}$ ,σ标准差和μ中值。因为α和傅任意零点,相对不确定性并不适用于他们,σ而不是被用于估算绝对不确定性。
2.6相配的分析同时与各种传感器数据的匹配和比较。有27对iPhone SE和星系S8图像,平均50年代。渡船,平均8公里/小时的速度,50年代延迟与横断面的距离约120米。智能手机的图像也匹配参考光谱在10分钟时间内,导致1-41参考光谱/相配。参考R_rs光谱是卷积的智能手机RGB乐队第一次卷积参考美(<一个href="#B5">Burggraaff 2020)。互相防守的多个参考光谱/智能手机图片,参考光谱中每个变量的中值,与标准偏差估计的不确定性。互相防守的一个参考光谱/智能手机形象,而不是估计的不确定性是multiple-spectrum对抗赛中值的不确定性,为每一个变量。相配参考光谱有大量的不确定性,例如相关的不确定性<我nl在e-formula id="inf8"> $> 10 %$ 在R_rs,没有丢弃,因为这些代表常见的测量场景。
相配的数据使用所示的指标进行比较<一个href="#e7">方程式7- - - - - -<一个href="#e10">10。在这里P,问任何两个数据集的元素吗p_我,问_我;浸(P,问)是他们的协方差;σ_P,σ_问标准偏差P和问分别;地中海_我值评估的指标吗我;胡志明市是符号功能。RGB通道被视为单独的样品,是三个乐队比率。
$r = \frac{浸 (P, 问)}{σ_{P} σ_{问}} (7)$

$米 = {地中海}_{我} (| 问_{我} - p_{我} |) (8)$

$ζ = 经验值 [{地中海}_{我} (|\ln \frac{问_{我}}{p_{我}}|) - 1] (9)$

$B = 胡志明市 [{地中海}_{我} (\ln \frac{问_{我}}{p_{我}})] \times [经验值 (|{地中海}_{我} (\ln \frac{问_{我}}{p_{我}})|) - 1] (10)$

皮尔森相关r和平均绝对偏差<我nl在e-formula id="inf9"> $米$ 是众所周知的(<一个href="#B37">莫理et al ., 2018;<一个href="#B49">西格et al ., 2018)。中值对称的准确性ζ并签署了对称偏差百分比<我nl在e-formula id="inf10"> $B$ ,表示为一个百分比,都是最近的介绍,我们选择使用健壮性,对称性,能够跨越多个数量级的数据(<一个href="#B37">莫理et al ., 2018)。r表示变量之间的线性相关程度,从−1比1,但敏感异常值和数据范围。<我nl在e-formula id="inf11"> $米$ 和ζ衡量变量之间的典型的随机误差或色散绝对值和相对值而言,分别。两者都是健壮的异常值。<我nl在e-formula id="inf12"> $B$ 类似于ζ但措施倾向于高估或低估。协方差、标准差和平均计算r和<我nl在e-formula id="inf13"> $米$ 加权的<我nl在e-formula id="inf14"> $w_{我} = \frac{1}{σ_{p_{我}}^{2} + σ_{问_{我}}^{2}}$ 。ζ和<我nl在e-formula id="inf15"> $B$ 是无关紧要的。
福指数也比较匹配的数量(<一个href="#B9">Busch j . a . et al ., 2016;<一个href="#B49">西格et al ., 2018),考虑全面(ΔFU = 0)和接近(ΔFU≤1)。典型的不确定性对人类观察1富(<一个href="#B6">Burggraaff et al ., 2021)。
5 - 95%置信区间(CIs)指标被引导在成对的(估计p_我,问_我),w_我如果适用。引导包括随机重采样数据与替换,模仿原来的抽样过程(<一个href="#B61">沃瑟曼,2004)。这是必要占规模相对较小的数据集,从而增加异常值的影响,即使在像健壮的指标<我nl在e-formula id="inf16"> $米$ 或ζ。接连进行了评估与9999年重新取样,足以获得一致的结果匹配分析公式未加权的CIsr4小数(<一个href="#B61">沃瑟曼,2004)。
一些数据相比也通过线性回归(y=斧头+b与参数一个,b),将数据转换为同一单位或者占归一化差异。回归是通过完成的scipy.odr回归函数的正交距离,最大限度地减少差异,占权重两轴。相同的过程被用来符合幂律(y=斧头^b在JPEG数据比较(3.4节)。
<一个我d="h4" name="h4">
3的结果
3.1复制分析银河系S8复制分析表明,在光芒中,l_u最大的相对变化与四分位范围(QR,可变性的25 - 75%百分位范围复制集的观测)为1.8 -5.8%,紧随其后的是吗l_天空与1.1 - -3.4%l_d与0.4 - -1.2% (<一个href="#F4">图4)。l_u和l_天空受影响的主要是由云计算和波运动,摇晃的相机,于7月3日和运动的渡船。因此,变化l_u和l_天空主要是方法论的性质,在4.1节中进一步讨论。自l_d测量在一个明亮、稳定的灰色卡片,不受上述因素影响,其变异性最佳代表的辐射稳定性智能手机相机。

图4

图4。可变性的光辉,R_rs和颜色之间复制星系S8图像。框显示分布在27个单独处理组10复制,复制图像之间的变化。橙色线表示中位数,盒子跨度四分位范围(QR),须延长QR的1.5倍,圆圈表示离群值。每列两个离群值在下降y设在范围。

的RGBR_rs不同的1.9 - -8.1%,而R_rs乐队比率只相差0.5 - -1.9%。差异可以解释为通道之间的相关性。例如,波连续图像之间的运动影响的所有三个RGB通道l_u同样,改变个人R_rs的比率值,但是收效甚微。这也同样适用其他环境变化和相机的稳定性问题。
最后,有一个变化色相角α2.1°-6.8°和傅指数0.19 - -0.62伏。的变化分布α和傅指数没有相同的形状,因为傅连续色调的角度区别指标千差万别。
复制之间的变化代表了典型的不确定性与随机效应在我们的数据。然而,也有一些要注意的地方。首先,一个错误等系统的影响R_裁判同样会影响连续测量,不会引起随机变化。第二,个人形象的不确定性可能更大的空间结构,在2.3节描述的不确定性传播占。这两个问题解释差异的复制和传播的不确定性在我们的数据。例如,传播的不确定性在单独的RGB图像为6.6 -9.0%R_rs和4.5乐队比率为-7.0%。而准确的不确定性将运动之间的不同,网站,甚至是智能手机,看到的趋势可以通用。
作为一个点的比较,幽灵似地的不确定性QRs卷积WISP-3星系中的数据S8相配(3.3节),分别为4.2 -38%l_u,4.8 - -14%l_天空,2.5 - -30%E_d在RGB, 2.6% -7.2%R_rs0.7% -2.9%R_rs乐队比率0.4°-2.8°α傅,0 - 0.46。而银河系S8和WISP-3可变性不能1:1相比由于数据采集和处理的差异和估计的不确定性,不确定性的数量级在银河系S8和WISP-3参考数据是相同的。
3.2智能手机比较有很强的相关性,r0.90 = 0.94 (CI, 0.96), iPhone SE和星系之间S8美(<一个href="#F5">图5)。由于不同的曝光设置,相机测量辐射在不同,任意单位(a.u)。re-scaling银河系S8数据后通过一个线性回归(2.6节),平均绝对偏差<我nl在e-formula id="inf17"> $米 = 0.39$ 0.29 (CI, 0.52)在iPhone SE单位和中值对称的准确性ζ= 6.9% (5.1% CI, 8.7%)。的价值ζ是与复制图像之间的差异(3.1节)。

图5

图5。对比iPhone SE和星系S8辐射测量。轴在不同单位由于曝光设置的差异。所示的RGB通道各自的颜色,用不同的符号l_u,l_天空,l_d。文本框中的数据是相对于回归线。

的R_rs两者之间互相防守的智能手机,在RGB (<一个href="#F6">图6)和乐队的比率(<一个href="#F7">图7),显示良好的协议。数据有紧密的关联r0.95 = 0.98 (CI, 0.99)为RGB和r0.99 = 0.99 (CI, 1.00)参加乐队比率R_rs。典型的RGB差R_rs是<我nl在e-formula id="inf18"> $米 = 0.0010$ 老(CI 0.0005, 0.0013)<年代up>−1或ζ= 5.5% (3.8% CI, 8.2%)。参加乐队比率,典型的差异<我nl在e-formula id="inf19"> $米 = 0.032$ 0.026 (CI, 0.035),无单位,ζ= 2.9% (2.3% CI, 3.7%)。两个值的ζ符合3.1节,观察到带比率比RGB重现R_rs。最后,签署了RGB对称比例的偏见R_rs,<我nl在e-formula id="inf20"> $B = - 2.7 %$ (7.0% CI−−1.8%)小于典型的不确定性。没有乐队比率大幅抵消,<我nl在e-formula id="inf21"> $B = - 1.1 %$ (CI−1.8% + 0.7%)。

图6

图6。对比iPhone S8 SE和星系R_rs在RGB的测量。实线对应于一个1:1的关系,虚线是最佳拟合线性回归直线。文本框中的数据是基于一个1:1比较,差异较低的面板。

图7

图7。对比iPhone S8 SE和星系R_rs乐队比率。实线对应于一个1:1的关系,虚线是最佳拟合线性回归直线。文本框中的数据是基于一个1:1比较,差异较低的面板。

该协议在α傅是贫穷但仍类似于预期的不确定性(<一个href="#F8">图8)。典型的差异<我nl在e-formula id="inf22"> $米 = {8.3}^{°}$ (CI 5.0°, 11°)α和<我nl在e-formula id="inf23"> $米 = 1$ 福指数(CI (0, 2)。33% (15% CI, 48%)相配对的傅指数相同,59% (37% CI, 74%)差异ΔFU≤1。宽阔的CIs是由于相对较少(N= 27)互相防守。数据没有跨度的全部范围α,但大多集中于两个集群,大约50°(14 - 16,绿褐色)和90°(FU 8 - 9,蓝绿)。有趣的是,虽然90°集群中心大约在1:1行,50°集群下跌完全在它下面。然而,由于小N对数据的不确定性,很难判断这是重要的。

图8

图8。色调的对比iPhone SE和星系S8测量角度和傅指数。实线对应于一个1:1关系。傅深灰色的方块表示一个完整的匹配,浅灰色的near-match。不能确定准确的不确定性对个人分(2.4节)。文本框中的数据是基于一个1:1的比较。

3.3智能手机与参考比较
共有72对智能手机与参考相配光谱进行了分析,其中四所示<一个href="#F9">图9。有27个WISP-3之间互相防守和每个智能手机和9 So-Rad之间和每个智能手机。除了正常化So-Rad和WISP-3之间也存在差异(<一个href="#F2">图2在4.3节讨论),好的工具之间的协议(<一个href="#F9">图9)。

图9

图9。智能手机与参考的例子R_rs在不同的电台互相防守。实线显示参考光谱,灰色的不确定性。RGB点显示智能手机数据,误差(水平)和指示的有效带宽R_rs不确定性(垂直)。在一些面板,垂直误差小于数据点的大小。

相配的全面统计分析给出了<一个href="#T1">表1。智能手机之间的相关性和参考光辉r在所有成对的仪器(≥0.71<一个href="#F10">图10)。中值对称的准确性ζ介于12%和19%之间,比典型的不确定性和来自智能手机和智能手机的值比较。这个大的差异观察光辉并不奇怪,因为智能手机与参考互相防守通常在不同时间和地点比智能手机和智能手机互相防守。在对战中无显著差异之间的统计个人RGB乐队被发现。

表1

表1。总结智能手机相配的分析与参考。括号之间的值表明5 - 95% CI决定从引导。N是匹配的数量的观察;2.6节中描述的其他指标。<我nl在e-formula id="inf24"> $米 (l)$ 在单位W m<年代up>−2纳米<年代up>−1老<年代up>−1。WISP-3,R_rs是1:1相比,线性回归(regr)。

图10

图10。对比iPhone SE和幽灵似地卷积WISP-3辐射测量。所示的RGB通道各自的颜色,用不同的符号l_u和l_天空。文本框中的数据是相对于回归线。我们注意这回归线不能作为一般使用绝对辐射校正为iPhone SE由于曝光设置的任意选择。

的RGBR_rs智能手机之间的数据有紧密的关联和参考传感器(r≥0.94 WISP-3)和显示一个相对较小的色散,尽管WISP-3归一化差异比较(<一个href="#F11">图11),类似于WISP-3和So-Rad之间的数据(<一个href="#F2">图2)。否定正常化问题,智能手机数据re-scaled基于线性回归(2.6节)的智能手机与WISP-3 RGBR_rs比较。So-Rad和智能手机数据比较1:1。典型的差异R_rs那么,10的顺序<年代up>3老<年代up>−1年代o-Rad和10<年代up>4老<年代up>−1WISP-3的不同主要是由于他们不同的范围。范围内的差异R_rs也减少了相关系数rSo-Rad比较。的四个智能手机与参考R_rs比较,ζ在9%和13%之间,两次看到价值在智能手机和智能手机比较但类似于智能手机和参考美之间的差异。

图11

图11。对比iPhone SE和幽灵似地WISP-3卷积R_rs在RGB的测量。实线对应于一个1:1的关系,虚线是最佳拟合线性回归直线。文本框轮廓的统计数据是基于1:1比较,那些dashed-outline文本框是基于回归直线。较低的面板的差异是基于回归直线。

智能手机和参考之间的协议R_rs乐队的比率比RGB的协议R_rs(<一个href="#F12">图12)。在所有四个乐队比率比较,是近乎完美的相关性(r≥0.97),和典型的差异(≤1.1%ζ≤3.8%)与不确定性的数据一致。WISP-3正常化的不同并不影响这种比较,因为它分裂出去。

图12

图12。对比iPhone SE和幽灵似地WISP-3卷积R_rs乐队比率。实线对应于一个1:1的关系,虚线是最佳拟合线性回归直线。文本框中的数据是基于一个1:1比较,差异较低的面板。

该协议在α傅是不如l和R_rs,就像在智能手机相互比对(3.2节)。对于每一个智能手机,只有N= 27 WISP-3互相防守和So-Rad的更少,使独联体宽,解释困难。WISP-3之间的差异和iPhone SE略大于在智能手机比较,<我nl在e-formula id="inf28"> $米 (α) = {9.4}^{°}$ (CI 6.3°, 12°)<我nl在e-formula id="inf29"> $米 (傅) = 1$ (CI 1、2)。银河系S8和WISP-3不同,<我nl在e-formula id="inf30"> $米 (α) = 16^{°}$ (CI 11°, 21°)<我nl在e-formula id="inf31"> $米 (傅) = 2$ (CI 1, 4)。这种差异的原因尚不清楚,但可能只是一小部分互相防守的工件;这个星系在RGB S8也不同R_rs但不是在乐队比率。两个智能手机表现同样在傅互相防守,19 - 26%的互相防守完全和48 - 59%同意在1付,虽然这些数字有特别宽CIs。
3.4 JPEG数据28集iPhone的JPEG图像,采取与原始图像,同时进行了分析和比较原始和参考数据。
JPEG和生美之间的关系是高度非线性(<一个href="#F13">图13)。幂律,每个RGB通道有不同的最佳拟合指数从0.477±0.005 B 0.949±0.013 r .由于原始和JPEG数据差异处理,幂律指数并不等同于sRGB伽马指数(<一个href="#B8">Burggraaff et al ., 2019)。<一个href="#F13">图13也显示了重要的分散数据在幂律曲线。比较原始和re-scaled JPEG数据ζ从8.9% (7.5% CI, 11%) B为38% (29% CI, 43%) R。

图13

图13。比较原始,JPEG-based iPhone SE辐射测量。轴在不同单位由于曝光设置的差异和规范化。所示的RGB通道各自的颜色,用不同的符号l_u,l_天空,l_d。彩色线显示拟幂律为每个通道。

JPEG和生R_rs互相防守同意更好,特别是在乐队比率。的RGBR_rs有紧密的关联,r0.84 = 0.92 (CI, 0.97),但JPEG数据显示一个大型的、一致的高估<我nl在e-formula id="inf32"> $B = + 52 %$ (CI + 39%、+ 59%)。比较R_rs通过线性回归这抵消,尽管相当分散的ζCI = 15% (12%, 21%)。相反,R_rs乐队比率更相似r0.95 = 0.97 (CI, 0.98),<我nl在e-formula id="inf33"> $米 = 0.033$ (CI 0.023, 0.042)ζ= 4.9% (3.6% CI, 6.8%)。
最后,协议α傅是类似于智能手机和智能手机和智能手机与参考比较。<我nl在e-formula id="inf34"> $米$ 11°(CI 3.6°, 14°)α和1在傅(CI (0, 2)。39% (18% CI, 54%)相配对傅有相同的索引,而61% (39% CI, 75%)同意在1付。
JPEG和参考数据之间的协议之间的明显比原始和参考数据。虽然JPEG和参考光芒互相防守似乎遵循单一的线性关系,而不是多个权力法律的JPEG和原始的比较,他们只弱相关,r0.22 = 0.39 (CI, 0.52)的JPEG和WISP-3比较。回归线附近的色散ζ= 31% (26% CI, 41%), 1.6×比原始数据。
JPEG数据一直高估了R_rs相比,引用和被广泛分散。在JPEG和WISP-3比较,<我nl在e-formula id="inf35"> $B = + 17 %$ (CI + 10%、+ 19%),尽管这是减少<我nl在e-formula id="inf36"> $B = + 1.1 %$ (CI−7.3% + 5.8%)当比较回归直线而不是1:1的直线,如3.3节。然而,分散仍然重要<我nl在e-formula id="inf37"> $米 = 0.0039$ 老(CI 0.0018, 0.0047)<年代up>−1或ζCI = 21% (12%, 24%)<我nl在e-formula id="inf38"> $米 9 \times$ 尽可能多的原始数据ζ2.1×。
JPEG乐队比率偏离WISP-3<我nl在e-formula id="inf39"> $> 2.5 \times$ 尽可能多的原始数据,<我nl在e-formula id="inf40"> $米 = 0.032$ (CI 0.023, 0.041)ζ= 5.5% (3.7% CI, 6.4%)。So-Rad比较显示同样鲜明的差异。然而,尽管这是一个严重的性能,减少5.5%的典型差异仍相对较小。
就在α傅,JPEG和参考和生与参考协议相似。<我nl在e-formula id="inf41"> $米 (α)$ 在JPEG和WISP-3比较甚至较擅长7.1°(CI 5.0°, 11°);在JPEG和So-Rad比较13°(CI 3.8°, 16°),几乎一模一样<一个href="#T1">表1。<我nl在e-formula id="inf42"> $米 (傅)$ 和傅比赛的分数也相似,<我nl在e-formula id="inf43"> $米 (傅) = 1$ (CI 1、2), 26% (7.4% CI, 41%), 59% (37% CI, 74%)部分傅JPEG和WISP-3数据之间的匹配。JPEG和参考之间的协议α傅和4.3节中进行进一步的讨论。
有效性的sRGB线性化应用于JPEG数据,像在WACODI,也是调查(2.3节)。在α傅,主要从WACODI输出,线性化的影响很小。在JPEG和WISP-3比较,<我nl在e-formula id="inf44"> $米 (α)$ 改变从7.1°(CI 5.0°, 11°)最初到7.0°(CI 5.4°, 9.4°)线性化。在光辉和R_rs所有比较,线性化指标明显恶化。
<一个我d="h5" name="h5">
4讨论
4.1不确定性智能手机数据的不确定性来自复制测量(3.1节)是与专业的光谱仪。这是与WISP-3复制的比较测量,所示相似的变化,在某些情况下比,S8的星系。一般来说,从工具性影响的不确定性,不包括环境因素和光子噪声,在专业光谱仪数据约为1% (<一个href="#B58">Vabson et al ., 2019)。在现场数据,典型的不确定性是1 - 7% (<一个href="#B4">Białek et al ., 2020)。银河系S8复制可变性,0.4 - -1.2% (l_d),1.1 - -3.4% (l_天空)和1.8 - -5.8% (l_u),属于这个范围。
这同样适用于智能手机R_rs不确定性,在RGB(1.9 - -8.1%)和带比率(0.5 -1.9%)。R_rs通常是测量不确定性的蓝色和绿色波长的5% (<一个href="#B25">IOCCG 2019),这是目标卫星速度(<一个href="#B63">Werdell et al ., 2019)。5%的目标也适用于窄波段比智能手机缓释肥和水相当深的巴拉顿湖,这就增加了传感器噪声的影响。乐队比率的降低不确定性是著名的和可以归因于相关不确定性划分(<一个href="#B30">李et al ., 2014)。传播到矿产悬浮沉积物中描述(MSS)算法<一个href="#B23">Hoguane et al。(2012),对R / B从1.0到1.4,2%的R / B的结果的不确定性相对海量存储系统(MSS)中只有1%的不确定性。在chl-a算法<一个href="#B18">Goddijn-Murphy et al。(2009),2%的不确定性B / G诱发相对chl-a 9%的不确定性。这种程度的不确定性是许多终端用户所需的范围内(<一个href="#B25">IOCCG 2019)。
最后,星系S8的不确定性α(2.1°-6.8°)和傅指数(0.19 - -0.62 FU)估计类似于卫星和人工测量的不确定性以及现有EyeOnWater应用。通过传播R_rs,<一个href="#B44">Pitarch et al。(2019)发现不确定性SeaWiFS-derivedα6°-18°,尽管很难比较这些值由于截然不同的水类型检查。此外,传播和replicate-based不确定性估计可能发生显著的变化由于各种因素敏感性的差异(3.1节)。更具代表性的比较点的标准差是3.15°之间复制EyeOnWater观测<一个href="#B33">马尔萨斯et al。(2020),直接在这个工作范围内发现。相似的不确定性是有趣的因为EyeOnWater是基于JPEG数据,不生。然而,由于我们没有复制JPEG图像,JPEG和原始之间的直接比较的不确定性不能。JPEG和原始数据的准确性,包括α福指数,而在4.3节。傅的不确定性0.19 - -0.62 5.3 - -1.6×比人工测量,具有典型的不确定性(1)傅有完美的色彩视觉(<一个href="#B6">Burggraaff et al ., 2021)。
由于原始数据的使用消除了几乎所有smartphone-specific来源的不确定性(<一个href="#B8">Burggraaff et al ., 2019),剩下的主要来源是那些适用于所有(斯派克)辐射计以及环境因素。前的全面概述,我们读者参考<一个href="#B4">Białek et al。(2020)和<一个href="#B35">Mittaz et al。(2019);对于后者,<一个href="#B25">IOCCG (2019)。读出噪声、热暗电流和数字化为明亮的智能手机的图像噪声可以忽略不计(<一个href="#B8">Burggraaff et al ., 2019)。自l_d测量在一个稳定的目标,它的可变性之间0.4 - -1.2%的复制可以认为主要是传感器噪声(3.1节)。传感器噪声尺度光子的数量的平方根,因此引起的不确定性将大黑暗条件下如阴天,高度吸收水,太阳高度角较低。在实践中,智能手机在黑暗条件下观察需要长时间曝光或多个图像达到类似水平的不确定性。太阳反射的影响,据估计l_天空的不确定性R_rs也更大更深的水域。智能手机相机温度变化的敏感性和极化是未知的,尽管后者预计将被忽略,除非特殊fore-optics使用(<一个href="#B7">Burggraaff et al ., 2020)。因为我们的数据聚集在一个为期3天的活动,长期传感器漂移不太可能有任何影响;一般来说,传感器漂移不影响相对测量R_rs和α。环境因素,如不完整的云出现在我们的运动(<一个href="#F1">图1),可能造成大量的不确定性l_天空和l_u。这些环境因素也影响固有的参考测量和水上的辐射测量。
4.2再现性有数百种不同的智能手机型号,设备之间的重现性是关键。HydroColor这是一个重大问题,直接提供给我们的用户和文献中报道。例如,HydroColor测量R_rs定期与不同的智能手机相差高达50%或0.005 sr<年代up>−1(<一个href="#B31">Leeuw和老板,2018年;<一个href="#B70">杨et al ., 2018)。这主要是由于使用JPEG数据,处理不同于每一个智能手机模型,导致各种错误和不确定性,不能可靠地纠正(<一个href="#B8">Burggraaff et al ., 2019)。另一方面,<一个href="#B18">Goddijn-Murphy et al。(2009)报道小JPEG数据之间的差异(4±4%)从两个高质量的数码相机、暗示的一些问题可能是特定于智能手机。
在3.2节中,我们表明,原始数据和相机校准,优秀的协议,因此可以实现智能手机之间的重现性。该社iPhone SE和星系S8的光辉和测量R_rs几乎是完全相关(r≥0.94),色散可以解释为个人测量的不确定性。典型的差异R_rs0.0005是0.0010 (CI, 0.0013)老吗<年代up>−1或5.5% (3.8% CI, 8.2%),在HydroColor两大改进。事实上,两者之间的分散在光辉智能手机,ζ= 6.9% (5.1% CI, 8.7%),只略大于专业工具之间类似的实验(<一个href="#B58">Vabson et al ., 2019)。
相反,智能手机处理JPEG算法被发现缺乏约束和RGB通道之间的高度不一致(3.4节)。此外,内部JPEG处理在智能手机re-tuned每次相机会话启动(<一个href="#B8">Burggraaff et al ., 2019)。结合,渠道之间的差异和会话之间高度的光辉和限制JPEG-based测量的重现性R_rs。正如下面所讨论的,白色平衡进一步减少JPEG-based的再现性R_rs乐队比率和色相角。最后,制造商之间的JPEG处理算法不同,进一步减少JPEG数据设备之间的重现性<一个href="#B8">Burggraaff et al ., 2019)。由于2019年景观应用的局限性,我们没有收集星系S8 JPEG数据在这项研究中,这意味着生与生之间的直接比较和JPEG和JPEG再现性不能被执行。繁殖JPEG数据从原始数据是不可能的,由于上述专有的智能算法。
智能手机的差异缓释肥组基本限制一些小不同相机之间的重现性(<一个href="#B46">阮et al ., 2014)。然而,由于大多数天然水域有广泛和光滑的光谱,这只能导致细微的区别。理论上,JPEG数据没有这个问题,因为他们总是在sRGB色彩空间(<一个href="#B40">诺沃亚et al ., 2015),但在实践中各种专有颜色JPEG数据比原始算法造成较大的差异(<一个href="#B8">Burggraaff et al ., 2019)。此外,考虑到照明差异,JPEG数据白平衡,改变每个通道的相对强度。re-normalization直接减少波段比值和色相角测量的准确性和难以正确的答案(<一个href="#B8">Burggraaff et al ., 2019;<一个href="#B14">高et al ., 2022)。白平衡设置可以锁定曝光之间(<一个href="#B18">Goddijn-Murphy et al ., 2009;<一个href="#B31">Leeuw和老板,2018年),但这并不能保证不同设备之间的一致性。最后,由于视场相机之间的差异,中央的100×100像素并不总是对向相同的立体角。在未来的工作中,这可能是明智的使用一个常数立体角而不是一个常数像素片(<一个href="#B31">Leeuw和老板,2018年)。
4.3精度在3.3节,我们相比,智能手机和参考数据确定数据的准确性的智能手机,但这有重要的警告。虽然每个仪器测量l_u和l_天空,他们没有这样做,以完全相同的方式,有不同的视野,光谱响应,光谱分辨率、时间和地点。而智能手机测量l_d一个灰色卡片上,引用测量E_d余弦收集器。由于这些差异,真正的“地面实况”每个被测变量的值是未知的,(<一个href="#B35">Mittaz et al ., 2019;<一个href="#B67">柴棚,2021)。引用数据可以用来近似真实的价值和实现关闭(<一个href="#B64">Werdell et al ., 2018),但一个人必须意识到不确定性和可能存在的系统误差。此外,一个人必须小心当比较不同的指标,如平均对称的准确性ζ和平均百分比偏差测量相同但是计算不同数量和不同的数据。
WISP-3和So-RadR_rs光谱形状相似,但不同的归一化(2.2节)。都类似于形状,光谱从以前的工作与So-Rad更多类似的大小(<一个href="#B43">帕默,2015;<一个href="#B47">雷迪克,2016)。归一化差异和补偿被认为在以前比较WISP-3和其他工具(<一个href="#B24">Hommersom et al ., 2012;<一个href="#B58">Vabson et al ., 2019),所以我们认为在使用线性回归re-scale自信R_rs在智能手机大战WISP-3比较。事实上,由于每个智能手机R_rs测量是基于三个图像相同的相机,而不是从三个独立的传感器像WISP-3和灰色卡引用独立消息来源的证实,我们可以更有信心的正常化智能手机R_rs比WISP-3,至少对于特定的单元测试和校准设置我们的竞选活动期间使用。这些结果表明,智能手机和其他低成本的相机可以用来提供关闭时从专业仪器之间的紧张关系数据(4.5节)。
考虑到上面,关闭智能手机和参考数据之间的水平与专业之间的相互比对辐射计在2 - 3倍。色散ζ在12 - 19%光辉是相对较大的,2 - 3×高光谱仪器的报道比较单一、稳定的平台(<一个href="#B58">Vabson et al ., 2019),但是正如前面所讨论的那样,我们的辐射测量尤其受到环境因素的影响,在不同的时间和位置之间的工具。支离破碎的云可以增加辐射的色散互相防守的10倍或更多(<一个href="#B24">Hommersom et al ., 2012)。在R_rs的,典型的区别是10<年代up>−4-10年<年代up>−3老<年代up>−1或9 - 13%。比较高光谱辐射计、<一个href="#B56">Tilstone et al。(2020)发现意味着不同传感器的10<年代up>3老<年代up>−1或1 - 8%,离群值高达13%。比较WISP-3和拉美西斯传感器在阴天条件下,类似于我们,发现差异R_rs20 - 30% (<一个href="#B24">Hommersom et al ., 2012)。
最重要的是,智能手机和参考测量R_rs乐队比率同意2%以内四分之三的比较。区别只是iPhone SE和So-Rad比较大,为3.8%。因为乐队比率是大多数固有光学特性和组分浓度反演算法的基础上,它是乐队比精度决定智能手机作为光谱仪的有效性。大约2%的准确性和不确定性在大多数用户需求(4.1节)。
JPEG数据的准确性大大恶化(3.4节)。在R_rs,分散在JPEG和WISP-3比较老为0.0039 (CI 0.0018, 0.0047)<年代up>−1或21% (12% CI, 24%),这是符合HydroColor以前的验证工作(<一个href="#B31">Leeuw和老板,2018年;<一个href="#B70">杨et al ., 2018)和其他JPEG-based方法(<一个href="#B15">高et al ., 2020,<一个href="#B14">2022年)。在<我nl在e-formula id="inf45"> $米 = 0.032$ (CI 0.023, 0.041)ζ= 5.5% (3.7% CI, 6.4%),也是同样的道理R_rs乐队的比率(<一个href="#B70">杨et al ., 2018)。原始数据在每一个指标表现更好,尤其是9×RGBR_rs和2.5×乐队比率。这些结果并不能完全失效之前JPEG-based方法也不特别HydroColor (<一个href="#B33">马尔萨斯et al ., 2020),但证明显著增加的准确性和减少不确定性通过使用原始数据。
结果色相角α和傅指数不确凿。虽然乍一看色散大约10°或1傅似乎与以前的研究一致<一个href="#B40">诺沃亚et al ., 2015;<一个href="#B9">Busch j . a . et al ., 2016;<一个href="#B33">马尔萨斯et al ., 2020),我们测量协议并没有完全按照EyeOnWater协议,所以结果不能直接比较上述验证工作。此外,我们的数据只包含27个智能手机与WISP-3 So-Rad互相防守,甚至更少,多样性。最后,色相角来自窄带多光谱卫星数据显示不同系统由几个度,20°在极端的情况下,相比于色相角来自高光谱数据(<一个href="#B59">van der Woerd Wernand, 2018;<一个href="#B44">Pitarch et al ., 2019)。这种效应也可能出现在智能手机数据和色相角修正项的算法可能是必要的(<一个href="#B66">van der Woerd Wernand, 2015)。这项工作用了原始色调角算法,仅基于缓释肥(<一个href="#B65">Wernand et al ., 2013),使比较原始和JPEG数据和当前的研究与以前的工作,特别是WACODI算法(<一个href="#B40">诺沃亚et al ., 2015)。我们建议未来的工作做调查消费相机的色相角偏差的大小的数据。有趣的是,几乎没有原始,JPEG-derived色调之间的精度差异角度和傅指数。目前尚不清楚这是由于方法本质上是健壮JPEG-induced错误(<一个href="#B40">诺沃亚et al ., 2015),尽管<一个href="#B14">高et al。(2022)表明,事实并非如此。更多的数据,更多样的水域,有必要比较原始的准确性,JPEG-based色相角和傅指数。
一个潜在的重要的系统误差来源是18%的灰色的名片。在这里使用的灰色卡片没有明显偏离R_裁判= 18%(2.3节),这可能不是真的。因为许多智能手机辐射测量项目是针对公民科学家,可能购买各种各样的灰色卡片和可能并不总是正确地使用它们,这提出了一个重要的误差的可能来源。甚至一个小的差异R_裁判可以显著的偏见R_rs。这个问题的一个可能的解决方案是发行或推荐标准灰卡(<一个href="#B14">高et al ., 2022)。描述最流行的灰色卡片是另一种可能性(<一个href="#B53">现金et al ., 1995),这本身就可能是通过公民科学。相对数量的使用像乐队比否定这个问题。
4.4建议基于以前的工作,结果上面所讨论的,一些建议。一些特定于智能手机,但大多数一般适用于水上的辐射测量与消费者相机相机在大多数智能手机以来,数码相机、无人机和网络摄像头是非常相似的(<一个href="#B8">Burggraaff et al ., 2019)。
原始数据提供专业级的辐射性能,应该尽可能地使用。大多数消费相机现在支持本地和许多智能手机应用程序提供这种能力。在单片眼镜<一个href="#fn3">^{3项目,通用智能手机图书馆原始采集和处理的发展。在未来,应用HydroColor可能只是这个库导入和使用原始数据从用户没有进一步的工作。景观Python库(2.3节)在pc上提供了这种功能。
一些水上的辐射测量的校准数据是必要的。我们的处理管道包含偏见和flatfield修正,demosaicks RGBG数据<年代ub>2渠道,由SRF光谱带宽和规范(<一个href="#F3">图3)。原始文件从几乎所有相机包含元数据描述偏差校正和demosaicking模式。flatfield校正需要额外的数据,可以通过自助方法(<一个href="#B8">Burggraaff et al ., 2019),但也可能被忽视的小成本的准确性因为其效果通常小(0.2%为iPhone SE和1.6%的星系S8)在中央100×100像素。的平面场校正方法需要更重要更大视场喜欢多个灰色卡方法(<一个href="#B14">高et al ., 2022)。正常化的带宽划分的计算R_rs因此只需要获得准确的光芒。缓释肥也需要准确地计算α和卷积高光谱数据在验证工作,但可以近似标准配置文件(<一个href="#B31">Leeuw和老板,2018年)。低成本智能手机光谱仪和其他新方法将很快使动态SRF校准(<一个href="#B7">Burggraaff et al ., 2020;<一个href="#B57">Tominaga et al ., 2022)。
讨论了在<一个href="#B8">Burggraaff et al。(2019),重要的是要准确记录曝光设置。在最近的研究中,曝光设置没有记录,所以不可能把我们的数据与其他研究的数据,用不同的设置。最重要的曝光设置是ISO速度和曝光时间,强烈影响观察到的信号,但不记录准确的图像元数据(EXIF)。设置必须被记录的用户或应用程序。由于ISO速度并不影响信噪比(信噪比),一个常数值可能使用。长时间曝光增加信噪比,但饱和的风险。理想情况下,一个自动曝光时间确定为每个图像并记录;如果这是不可能的,可以使用一个值。
算法从分享服务检索固有光学特性R_rs基于带比率测量是最好的,因为他们是最精确的,可再生的,准确的。算法基于绝对R_rs在RGB (<一个href="#B31">Leeuw和老板,2018年;<一个href="#B14">高et al ., 2022)更容易受到不确定性和系统误差。因为RGB缓释肥是广泛和重叠,有些窄光谱特性,如色素吸收峰不能区分,和检索算法要求调整到特定的网站(<一个href="#B23">Hoguane et al ., 2012)。在光谱特性的边界情况落在波长之间缓释肥显著不同设备,设备之间的重现性检索算法也不尽相同。例如,iPhone SE和星系S8 B-band缓释肥550和600 nm之间有很大的不同(<一个href="#B8">Burggraaff et al ., 2019)。算法使用幽灵似地不同的山峰,例如检索chl-a浓度,应不受影响。区分chl-a和CDOM,既吸收了B和G带,可能需要一个三级算法,还估计反向散射系数b_b从R-band (<一个href="#B22">霍格和里昂,1996年)。等其他颜色空间相对RGB (<一个href="#B23">Hoguane et al ., 2012;<一个href="#B27">磐et al ., 2021),hue-saturation-intensity (<一个href="#B21">Hatiboruah et al ., 2020),CIE L * a * b * (<一个href="#B62">渡边et al ., 2016)也值得探索。潜在的卷积算法可以通过光谱识别档案R_rs光谱(<一个href="#B5">Burggraaff 2020)。
4.5前景研究结果提出了工作扩展到其他方法智能手机辐射测量和大多数消费者照相机(斯派克)。本研究进行的前兆场验证iSPEX 2智能手机分光偏振计(<一个href="#B7">Burggraaff et al ., 2020)。不确定性、准确性和重现性iSPEX 2的数据将被发现的相类似的在这项研究中,尽管长时间曝光将需要获得类似的光子计数。低不确定性和高准确性的R_rs乐队比率特别承诺自iSPEX 2将测量高光谱在可见的范围,使许多这样的算法。也适用于iSPEX 2在这项工作发现的一些局限性,主要是依赖一个灰色卡,在光线暗的条件敏感性的问题。
也有潜在的低成本的摄像头,摄像头和无人机摄像头,增加专业光谱仪。的直接太阳闪烁仍然是具有挑战性的,需要假设频谱和波统计(<一个href="#B19">Groetsch et al ., 2017;<一个href="#B48">鲁迪et al ., 2019)。廉价的相机图像,同时与光谱,可以用来确定波统计类似<一个href="#B11">考克斯和芒克(1954)但对于个人曝光。类似的系统,旗帜光谱相关的图像是否饱和像素,已经证明了<一个href="#B16">Garaba et al。(2012),有更多的机会为基于图像异常检测。最后,低成本的相机可以作为简单的验证检查其他传感器,例如识别标准化问题。<一个我d="h6" name="h6">
5的结论
在这项工作中,我们评估的水上智能手机作为多光谱辐射计的性能。我们分享服务扩展现有的方法通过使用原始数据,处理通过消费者的景观方法校准相机(<一个href="#B8">Burggraaff et al ., 2019)。使用现场实际观测条件下收集的数据和周围的巴拉顿湖,我们已经分析了不确定性,重现性和准确性的水上辐射测量数据与智能手机相机。此外,通过比较原始和JPEG数据,我们决定在多大程度上改善现有工作新方法。
智能手机数据的不确定性,决定从复制观察,在百分比层面,与专业的辐射计。典型的不确定性R_rs乐队比率为0.5 -1.9%,导致检索percent-level不确定性固有光学特性和组分浓度。这种程度的不确定性下降许多终端用户所需的范围内。
智能手机之间的重现性非常好,显著改善现有方法,在某些情况下近十倍。智能手机之间的任何差异数据可以解释为测量的不确定性。
智能手机数据的准确性,决定从互相防守的参考工具,是与专业工具。典型的智能手机和参考工具的区别是10<年代up>−4-10年<年代up>−3老<年代up>−1在RGB或9 - 13%R_rs0.004、-0.013或1.1 -3.8%R_rs乐队比率。这些差异是一个改善9×2.5×,分别在JPEG数据。
基于本研究的发现,我们推荐使用原始数据进行水上的辐射测量与智能手机由专业和公民科学家。我们进一步的建议是基于检索算法R_rs乐队比率,而不是绝对的RGBR_rs。档案的潜在卷积算法可以通过光谱确定高光谱数据。上述结论和建议扩展到其他消费相机和高光谱方法像iSPEX 2。未来的工作应重点关注确定消费相机的局限性,主要是在灵敏度方面,和探索机会互补使用消费相机和专业的光谱仪。<一个我d="h7" name="h7">
数据可用性声明
在这项研究中提出的数据集可以在网上找到存储库。库的名称/存储库和加入数量(s)可以找到如下:Zenodo,<一个href="https://doi.org/10.5281/zenodo.4549621">https://doi.org/10.5281/zenodo.4549621。<一个我d="h8" name="h8">
作者的贡献
OB、EB和FS制定本研究的原始概念。OB, MW、EB和SS收集了原位数据。OB实现了数据处理和分析。MW, EB、SS和FS建议在分析。OB起草了手稿。所有作者导致最后的手稿出版,并最终批准。<一个我d="h9" name="h9">
资金
这个项目已经收到了欧盟的资助下地平线2020研究和创新计划资助协议没有776480。<一个我d="h10" name="h10">
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。<一个我d="h11" name="h11">
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。<一个我d="h12" name="h12">
确认
作者要感谢汤姆·乔丹Victor Martinez-Vicente激光器马塔,凯特琳雷迪克,诺伯特·施密特和安娜·温德尔对于他们的帮助在数据采集和处理,和托马斯•Leeuw神采Panchagnula, Hans van der Woerd有价值的讨论有关这项工作。<一个我d="h13" name="h13">
补充材料
本文的补充材料在网上可以找到:<一个href="//www.thespel.com/articles/10.3389/frsen.2022.940096/full">https://www.雷竞技rebatfrontiersin.org/articles/10.3389/frsen.2022.940096/full补充材料<一个我d="h14" name="h14">
脚注
^{1<一个href="https://github.com/burggraaff/smartphone-water-colour">https://github.com/burggraaff/smartphone-water-colour
2<一个href="https://dx.doi.org/10.5281/zenodo.4549621">https://dx.doi.org/10.5281/zenodo.4549621
3<一个href="https://monocle-h2020.eu/">https://monocle-h2020.eu/
<一个我d="h15" name="h15">
引用

Al-Ghifari, K。,Nurdjaman, S., Dika Praba P Cahya, B., Nur, S., Widiawan, D. A., and Jatiandana, A. P. (2021). Low Cost Method of Turbidity Estimation Using A Smartphone Application in Cirebon Waters, Indonesia.婆罗洲j . 3月科学。阿卡5,32-36。doi: 10.51200 / bjomsa.v5i1.2713
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Low+Cost+Method+of+Turbidity+Estimation+Using+A+Smartphone+Application+in+Cirebon+Waters,+Indonesia&btnG=">谷歌学术搜索

Andrachuk, M。,米一个r年代chke, M., Hings, C., and Armitage, D. (2019). Smartphone Technologies Supporting Community-Based Environmental Monitoring and Implementation: a Systematic Scoping Review.医学杂志。Conserv。237年,430 - 442。doi: 10.1016 / j.biocon.2019.07.026
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Smartphone+Technologies+Supporting+Community-Based+Environmental+Monitoring+and+Implementation:+a+Systematic+Scoping+Review&btnG=">谷歌学术搜索

Ayeni, a . O。,Odume, J. I. (2020). Analysis of Algae Concentration in the Lagos Lagoon Using Eye on Water and Algae Estimator Mobile App.FUTY j .包围。14日,105 - 115。
谷歌学术搜索

Białek,。,Douglas, S., Kuusk, J., Ansko, I., Vabson, V., Vendt, R., et al. (2020). Example of Monte Carlo Method Uncertainty Evaluation for Above-Water Ocean Colour Radiometry.远程Sens。12日,780年。doi: 10.3390 / rs12050780
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Example+of+Monte+Carlo+Method+Uncertainty+Evaluation+for+Above-Water+Ocean+Colour+Radiometry&btnG=">谷歌学术搜索

Burggraaff, o . (2020)。从错误的反射系数卷积偏见。选择快递。28日,13801 - 13816。doi: 10.1364 / OE.391470
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1364/OE.391470">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Biases+from+Incorrect+Reflectance+Convolution&btnG=">谷歌学术搜索

Burggraaff, O。,P一个nchagnula, S., and Snik, F. (2021). Citizen Science with Colour Blindness: A Case Study on the Forel-Ule Scale.《公共科学图书馆•综合》16日,e0249755。doi: 10.1371 / journal.pone.0249755
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1371/journal.pone.0249755">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Citizen+Science+with+Colour+Blindness:+A+Case+Study+on+the+Forel-Ule+Scale&btnG=">谷歌学术搜索

Burggraaff, O。,Perdu我jn, A. B., van Hek, R. F., Schmidt, N., Keller, C. U., and Snik, F. (2020). A Universal Smartphone Add-On for Portable Spectroscopy and Polarimetry: iSPEX 2.Proc。学报(学报)11389年,113892 k。doi: 10.1117/12.2558562
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=A+Universal+Smartphone+Add-On+for+Portable+Spectroscopy+and+Polarimetry:+iSPEX+2&btnG=">谷歌学术搜索

Burggraaff, O。施密特,N。,Z一个morano, J., Pauly, K., Pascual, S., Tapia, C., et al. (2019). Standardized Spectral and Radiometric Calibration of Consumer Cameras.选择快递。27日,19075 - 19101。doi: 10.1364 / OE.27.019075
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1364/OE.27.019075">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Standardized+Spectral+and+Radiometric+Calibration+of+Consumer+Cameras&btnG=">谷歌学术搜索

布施,j . A。价格,我。,Jeansou, E., Zielinski, O., and van der Woerd, H. J. (2016). Citizens and Satellites: Assessment of Phytoplankton Dynamics in a NW Mediterranean Aquaculture Zone.j: Int。地球观测地质信息47岁,40至49。doi: 10.1016 / j.jag.2015.11.017
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Citizens+and+Satellites:+Assessment+of+Phytoplankton+Dynamics+in+a+NW+Mediterranean+Aquaculture+Zone&btnG=">谷歌学术搜索

布施,J。,B一个rd一个ji, R., Ceccaroni, L., Friedrichs, A., Piera, J., Simon, C., et al. (2016). Citizen Bio-Optical Observations from Coast- and Ocean and Their Compatibility with Ocean Colour Satellite Measurements.远程Sens。8,879。doi: 10.3390 / rs8110879
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Citizen+Bio-Optical+Observations+from+Coast-+and+Ocean+and+Their+Compatibility+with+Ocean+Colour+Satellite+Measurements&btnG=">谷歌学术搜索

考克斯C。,米unk, W. (1954). Measurement of the Roughness of the Sea Surface from Photographs of the Sun's Glitter.j .选择,Soc。点。44岁,838 - 850。doi: 10.1364 / JOSA.44.000838
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Measurement+of+the+Roughness+of+the+Sea+Surface+from+Photographs+of+the+Sun's+Glitter&btnG=">谷歌学术搜索

弗里德里希,。布施,J。,van der Woerd, H。,Z我el在年代ki, O. (2017). SmartFluo: A Method and Affordable Adapter to Measure Chlorophyll a Fluorescence with Smartphones.传感器17日,678年。doi: 10.3390 / s17040678
《公共医学图书馆摘要》|<一个href="https://doi.org/10.3390/s17040678">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=SmartFluo:+A+Method+and+Affordable+Adapter+to+Measure+Chlorophyll+a+Fluorescence+with+Smartphones&btnG=">谷歌学术搜索

加拉格尔,j·B。,Chuan, C. H. (2018). Chlorophyll a and Turbidity Distributions: Applicability of Using a Smartphone "App" across Two Contrasting Bays.j .海岸。Res。345年,1236 - 1243。doi: 10.2112 / jcoastres - d - 16 - 00221.1
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Chlorophyll+a+and+Turbidity+Distributions:+Applicability+of+Using+a+Smartphone+App+across+Two+Contrasting+Bays&btnG=">谷歌学术搜索

高,M。,l我,J., Wang, S., Zhang, F., Yan, K., Yin, Z., et al. (2022). Smartphone-Camera-Based Water Reflectance Measurement and Typical Water Quality Parameter Inversion.远程Sens。14日,1371年。doi: 10.3390 / rs14061371
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Smartphone-Camera-Based+Water+Reflectance+Measurement+and+Typical+Water+Quality+Parameter+Inversion&btnG=">谷歌学术搜索

高,M。,l我,J., Zhang, F., Wang, S., Xie, Y., Yin, Z., et al. (2020). Measurement of Water Leaving Reflectance Using a Digital Camera Based on Multiple Reflectance Reference Cards.传感器20日,6580年。doi: 10.3390 / s20226580
《公共医学图书馆摘要》|<一个href="https://doi.org/10.3390/s20226580">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Measurement+of+Water+Leaving+Reflectance+Using+a+Digital+Camera+Based+on+Multiple+Reflectance+Reference+Cards&btnG=">谷歌学术搜索

Garaba, s P。舒尔茨,J。,Wernand, m R。,Z我el在年代ki, O. (2012). Sunglint Detection for Unmanned and Automated Platforms.传感器12日,12545 - 12561。doi: 10.3390 / s120912545
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Sunglint+Detection+for+Unmanned+and+Automated+Platforms&btnG=">谷歌学术搜索

Garcia-Soto C。,年代ey年代,J. J. C., Zielinski, O., Busch, J. A., Luna, S. I., Baez, J. C., et al. (2021). Marine Citizen Science: Current State in Europe and New Technological Developments.前面。3月科学。8,621472。doi: 10.3389 / fmars.2021.621472
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Marine+Citizen+Science:+Current+State+in+Europe+and+New+Technological+Developments&btnG=">谷歌学术搜索

Goddijn-Murphy, L。Dailloux D。,白色,M。,Bower年代,D. (2009). Fundamentals of原位数码相机的水质监测方法海岸和海洋。传感器9日,5825 - 5843。doi: 10.3390 / s90705825
《公共医学图书馆摘要》|<一个href="https://doi.org/10.3390/s90705825">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Fundamentals+of+In+Situ+Digital+Camera+Methodology+for+Water+Quality+Monitoring+of+Coast+and+Ocean&btnG=">谷歌学术搜索

Groetsch, p . M . M。解夏,P。,思米,s . g . H。,Eleveld, M. A., and Peters, S. W. M. (2017). Validation of a Spectral Correction Procedure for Sun and Sky Reflections in Above-Water Reflectance Measurements.选择快递。25日,A742-A761。doi: 10.1364 / OE.25.00A742
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1364/OE.25.00A742">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Validation+of+a+Spectral+Correction+Procedure+for+Sun+and+Sky+Reflections+in+Above-Water+Reflectance+Measurements&btnG=">谷歌学术搜索

哈里斯,c R。,米我llman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., et al. (2020). Array Programming with NumPy.自然585年,357 - 362。doi: 10.1038 / s41586 - 020 - 2649 - 2
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1038/s41586-020-2649-2">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Array+Programming+with+NumPy&btnG=">谷歌学术搜索

Hatiboruah D。Das, T。,Chamuah, N., Rabha, D., Talukdar, B., Bora, U., et al. (2020). Estimation of Trace-Mercury Concentration in Water Using a Smartphone.测量154年,107507年。doi: 10.1016 / j.measurement.2020.107507
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Estimation+of+Trace-Mercury+Concentration+in+Water+Using+a+Smartphone&btnG=">谷歌学术搜索

Hoge f E。,ly在,P。E。(1996). Satellite Retrieval of Inherent Optical Properties by Linear Matrix Inversion of Oceanic Radiance Models: An Analysis of Model and Radiance Measurement Errors.j .地球物理学。Res。101年,16631 - 16648。jc01414 doi: 10.1029/96
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Satellite+Retrieval+of+Inherent+Optical+Properties+by+Linear+Matrix+Inversion+of+Oceanic+Radiance+Models:+An+Analysis+of+Model+and+Radiance+Measurement+Errors&btnG=">谷歌学术搜索

Hoguane, a . M。、绿色、c . L。,Bower年代,D. G., and Nordez, S. (2012). A Note on Using a Digital Camera to Measure Suspended Sediment Load in Maputo Bay, Mozambique.远程参议员。3,259 - 266。doi: 10.1080 / 01431161.2011.566287
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=A+Note+on+Using+a+Digital+Camera+to+Measure+Suspended+Sediment+Load+in+Maputo+Bay,+Mozambique&btnG=">谷歌学术搜索

Hommersom,。、Kratzer年代。Laanen, M。Ansko,我。细节,M。,Bre年代ciani, M., et al. (2012). Intercomparison in the Field between the New WISP-3 and Other Radiometers (TriOS Ramses, ASD FieldSpec, and TACCS).j:。远程Sens。6、063615。jrs.6.063615 doi: 10.1117/1.
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Intercomparison+in+the+Field+between+the+New+WISP-3+and+Other+Radiometers+(TriOS+Ramses,+ASD+FieldSpec,+and+TACCS)&btnG=">谷歌学术搜索

IOCCG (2019)。“遥感海洋色彩,不确定性”18卷的国际海洋色彩协调小组的报告(达特茅斯,加拿大:<年代p一个nclass="publisher-name">IOCCG)。doi: 10.25607 / obp - 696
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Uncertainties+in+Ocean+Colour+Remote+Sensing&btnG=">谷歌学术搜索

IOCCG (2008)。“为什么海洋颜色?在海洋颜色技术的社会福利。7卷的国际海洋色彩协调小组的报告(达特茅斯,加拿大:<年代p一个nclass="publisher-name">IOCCG)。doi: 10.25607 / obp - 97
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Why+Ocean+Colour?+the+Societal+Benefits+of+Ocean-Colour+Technology&btnG=">谷歌学术搜索

磐,M。,Takamura, N., Nakada, S., and Oguma, H. (2021). Monitoring of Lake Environment Using a Fixed Point and Time-Lapse Camera — Case Study of South Basin of Lake Biwa.j .远程参议员Soc。日本。41岁,563 - 574。doi: 10.11440 / rssj.41.563
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Monitoring+of+Lake+Environment+Using+a+Fixed+Point+and+Time-Lapse+Camera+â+Case+Study+of+South+Basin+of+Lake+Biwa&btnG=">谷歌学术搜索

约旦、t M。,思米,s . g . H。,Grötsch, P. M. M., and Wood, J. (2022). Incorporating a Hyperspectral Direct-Diffuse Pyranometer in an Above-Water Reflectance Algorithm.远程Sens。14日,2491年。doi: 10.3390 / rs14102491
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Incorporating+a+Hyperspectral+Direct-Diffuse+Pyranometer+in+an+Above-Water+Reflectance+Algorithm&btnG=">谷歌学术搜索

数据集Juckett, r (2010)。RGB颜色空间转换。可以在:<一个href="https://www.ryanjuckett.com/rgb-color-space-conversion/">https://www.ryanjuckett.com/rgb-color-space-conversion/。
谷歌学术搜索

李,Z。,年代h一个ng, S., Hu, C., and Zibordi, G. (2014). Spectral Interdependence of Remote-Sensing Reflectance and its Implications on the Design of Ocean Color Satellite Sensors.达成。选择。53岁,3301 - 3310。doi: 10.1364 / AO.53.003301
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1364/AO.53.003301">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Spectral+Interdependence+of+Remote-Sensing+Reflectance+and+its+Implications+on+the+Design+of+Ocean+Color+Satellite+Sensors&btnG=">谷歌学术搜索

Leeuw, T。,Bo年代年代,E。(2018). The HydroColor App: Above Water Measurements of Remote Sensing Reflectance and Turbidity Using a Smartphone Camera.传感器18日,256年。doi: 10.3390 / s18010256
《公共医学图书馆摘要》|<一个href="https://doi.org/10.3390/s18010256">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=The+HydroColor+App:+Above+Water+Measurements+of+Remote+Sensing+Reflectance+and+Turbidity+Using+a+Smartphone+Camera&btnG=">谷歌学术搜索

Lim, h·S。,米一个t Jafri, M. Z., Abdullah, K., and Abu Bakar, M. N. (2010). Water Quality Mapping Using Digital Camera Images.Int。j .远程Sens。31日,5275 - 5295。doi: 10.1080 / 01431160903283843
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Water+Quality+Mapping+Using+Digital+Camera+Images&btnG=">谷歌学术搜索

马尔萨斯,t·J。Ohmsen, R。,van der Woerd, h·J。(2020). An Evaluation of Citizen Science Smartphone Apps for Inland Water Quality Assessment.远程Sens。12日,1578年。doi: 10.3390 / rs12101578
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=An+Evaluation+of+Citizen+Science+Smartphone+Apps+for+Inland+Water+Quality+Assessment&btnG=">谷歌学术搜索

梅农D。,一个ndr我一个n我,年代。,Calvagno g (2007)。 Demosaicing with Directional Filtering and A Posteriori Decision.IEEE反式。图像的过程。16,132 - 141。doi: 10.1109 / TIP.2006.884928
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1109/TIP.2006.884928">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Demosaicing+with+Directional+Filtering+and+A+Posteriori+Decision&btnG=">谷歌学术搜索

Mittaz, J。,米erchant, C. J., and Woolliams, E. R. (2019). Applying Principles of Metrology to Historical Earth Observations from Satellites.Metrologia56岁,032002年。1681 - 7575 . doi: 10.1088 / / ab1705
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Applying+Principles+of+Metrology+to+Historical+Earth+Observations+from+Satellites&btnG=">谷歌学术搜索

,c·d·莫布里(1999)。估计表面上的遥感反射率测量。达成。选择。38岁,7442 - 7455。doi: 10.1364 / AO.38.007442
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1364/AO.38.007442">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Estimation+of+the+Remote-Sensing+Reflectance+from+Above-Surface+Measurements&btnG=">谷歌学术搜索

莫理,美国K。,Br我to, T. V., and Welling, D. T. (2018). Measures of Model Performance Based on the Log Accuracy Ratio.空间天气16,69 - 88。sw001669 doi: 10.1002/2017
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Measures+of+Model+Performance+Based+on+the+Log+Accuracy+Ratio&btnG=">谷歌学术搜索

Nimeroff,即(1957)。传播错误的三色比色法。j .选择,Soc。点。47岁,697 - 702。doi: 10.1364 / JOSA.47.000697
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Propagation+of+Errors+in+Tristimulus+Colorimetry&btnG=">谷歌学术搜索

诺沃亚,S。,Wernand, m R。,van der Woerd, h·J。(2013). The Forel-Ule Scale Revisited Spectrally: Preparation Protocol, Transmission Measurements and Chromaticity.j .欧元。选择,Soc。8,13057。doi: 10.2971 / jeos.2013.13057
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=The+Forel-Ule+Scale+Revisited+Spectrally:+Preparation+Protocol,+Transmission+Measurements+and+Chromaticity&btnG=">谷歌学术搜索

诺沃亚,S。,Wernand, M., and van der Woerd, H. J. (2015). WACODI: A Generic Algorithm to Derive the Intrinsic Color of Natural Waters from Digital Images.Limnol。Oceanogr。方法13日,697 - 711。doi: 10.1002 / lom3.10059
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=WACODI:+A+Generic+Algorithm+to+Derive+the+Intrinsic+Color+of+Natural+Waters+from+Digital+Images&btnG=">谷歌学术搜索

Onusic, H。,米一个nd我c, D. (1989). Propagation of Errors in Chromaticity Coefficients (x, y) Obtained from Spectroradiometric Curves: Tristimulus Covariances Included.Int, j·阿明费。Des。10日,79 - 88。doi: 10.1504 / IJVD.1989.061564
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Propagation+of+Errors+in+Chromaticity+Coefficients+(x,+y)+Obtained+from+Spectroradiometric+Curves:+Tristimulus+Covariances+Included&btnG=">谷歌学术搜索

欧,y . O。Waga, J。,Okech, M., Lavisa, O., and Mbuthia, D. (2018). Estimation of Reservoir Bio-Optical Water Quality Parameters Using Smartphone Sensor Apps and Landsat ETM+: Review and Comparative Experimental Results.j .传感器2018年,学会年会。doi: 10.1155 / 2018/3490757
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Estimation+of+Reservoir+Bio-Optical+Water+Quality+Parameters+Using+Smartphone+Sensor+Apps+and+Landsat+ETM+:+Review+and+Comparative+Experimental+Results&btnG=">谷歌学术搜索

帕默,s . c . j . (2015)。遥感光学时空浮游植物动力学的复杂的巴拉顿湖。英国莱斯特:<年代p一个nclass="publisher-name">莱斯特大学。博士论文。
谷歌学术搜索

Pitarch, J。,van der Woerd, h·J。等,r . j . W。,Z我el在年代ki, O. (2019). Optical Properties of Forel-Ule Water Types Deduced from 15 Years of Global Satellite Ocean Color Observations.远程参议员包围。231年,111249年。doi: 10.1016 / j.rse.2019.111249
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Optical+Properties+of+Forel-Ule+Water+Types+Deduced+from+15+Years+of+Global+Satellite+Ocean+Color+Observations&btnG=">谷歌学术搜索

Pratama, i。Hariyadi, H。,Wirasatriya, A., Maslukah, L., and Yusuf, M. (2021). Validasi Pengukuran Turbiditas dan Material Padatan Tersuspensi di Banjir Kanal Barat, Semarang dengan Menggunakan Smartphone.印尼j . Oceanogr。3,149 - 156。doi: 10.14710 / ijoce.v3i2.11158
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Validasi+Pengukuran+Turbiditas+dan+Material+Padatan+Tersuspensi+di+Banjir+Kanal+Barat,+Semarang+dengan+Menggunakan+Smartphone&btnG=">谷歌学术搜索

响了:h . M。,Pr一个年代一个d,D. K., and Brown, M. S. (2014). “Raw-to-raw: Mapping between Image Sensor Color Responses,” in<年代p一个nclass="conf-name">2014年IEEE计算机视觉与模式识别会议(美国俄亥俄州哥伦布市:<年代p一个nclass="publisher-name">IEEE),3398- 3405。doi: 10.1109 / CVPR.2014.434
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Raw-to-raw:+Mapping+between+Image+Sensor+Color+Responses&btnG=">谷歌学术搜索

雷迪克,c . a . l . (2016)。遥感和Bio-Geo-Optical浑浊的性质,生产内陆水域:一个案例研究的巴拉顿湖。英国斯特灵:<年代p一个nclass="publisher-name">斯特灵大学。博士论文。
谷歌学术搜索

鲁迪,k . G。沃斯,K。,老板,E。,Castagna, A., Frouin, R., Gilerson, A., et al. (2019). A Review of Protocols for Fiducial Reference Measurements of Water-Leaving Radiance for Validation of Satellite Remote-Sensing Data over Water.远程Sens。11日,2198年。doi: 10.3390 / rs11192198
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=A+Review+of+Protocols+for+Fiducial+Reference+Measurements+of+Water-Leaving+Radiance+for+Validation+of+Satellite+Remote-Sensing+Data+over+Water&btnG=">谷歌学术搜索

西格,b . N。,年代tumpf, R. P., Schaeffer, B. A., Loftin, K. A., and Werdell, P. J. (2018). Performance Metrics for the Assessment of Satellite Data Products: an Ocean Color Case Study.选择快递。26日,7404 - 7422。doi: 10.1364 / OE.26.007404
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1364/OE.26.007404">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Performance+Metrics+for+the+Assessment+of+Satellite+Data+Products:+an+Ocean+Color+Case+Study&btnG=">谷歌学术搜索

沙玛,g (2003)。数字彩色成像手册。1版。美国佛罗里达州波卡拉顿:<年代p一个nclass="publisher-name">CRC出版社有限责任公司。
谷歌学术搜索

思米,s . g . H。,Olsson, J. (2013). Unattended Processing of Shipborne Hyperspectral Reflectance Measurements.远程参议员包围。135年,202 - 212。doi: 10.1016 / j.rse.2013.04.001
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Unattended+Processing+of+Shipborne+Hyperspectral+Reflectance+Measurements&btnG=">谷歌学术搜索

Snik F。,R我etjens, J. H. H., Apituley, A., Volten, H., Mijling, B., Di Noia, A., et al. (2014). Mapping Atmospheric Aerosols with a Citizen Science Network of Smartphone Spectropolarimeters.地球物理学。卷。41岁,7351 - 7358。gl061462 doi: 10.1002/2014
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Mapping+Atmospheric+Aerosols+with+a+Citizen+Science+Network+of+Smartphone+Spectropolarimeters&btnG=">谷歌学术搜索

现金,r . J。,Harron, J. W., and Miller, J. R. (1995). “Characterization of Kodak Grey Cards as Reflectance Reference Panels in Support of BOREAS Field Activities,” in<年代p一个nclass="conf-name">遥感学报17加拿大研讨会:萨斯卡通,萨斯喀彻温省,加拿大(加拿大安大略省渥太华:<年代p一个nclass="publisher-name">加拿大遥感协会),357- 362。
谷歌学术搜索

斯图尔特,m . B。,米cGonigle, A. J. S., Davies, M., Hobbs, M. J., Boone, N. A., Stanger, L. R., et al. (2021). Low-cost Hyperspectral Imaging with a Smartphone.j .成像7日,136年。doi: 10.3390 / jimaging7080136
《公共医学图书馆摘要》|<一个href="https://doi.org/10.3390/jimaging7080136">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Low-cost+Hyperspectral+Imaging+with+a+Smartphone&btnG=">谷歌学术搜索

Sunamura, T。,Horikawa, K. (1978). Visible-region Photographic Remote Sensing of Nearshore Waters.Int。Conf。海岸。Eng。1,85 - 1453。doi: 10.9753 / icce.v16.85
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Visible-region+Photographic+Remote+Sensing+of+Nearshore+Waters&btnG=">谷歌学术搜索

Tilstone G。,Dall’Olmo, G., Hieronymi, M., Ruddick, K., Beck, M., Ligi, M., et al. (2020). Field Intercomparison of Radiometer Measurements for Ocean Colour Validation.远程Sens。12日,1587年。doi: 10.3390 / rs12101587
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Field+Intercomparison+of+Radiometer+Measurements+for+Ocean+Colour+Validation&btnG=">谷歌学术搜索

Tominaga, S。Nishi年代。,Ohtera, R., and Sakai, H. (2022). Improved Method for Spectral Reflectance Estimation and Application to Mobile Phone Cameras.j .选择,Soc。点。一个39岁,494 - 508。doi: 10.1364 / JOSAA.449347
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Improved+Method+for+Spectral+Reflectance+Estimation+and+Application+to+Mobile+Phone+Cameras&btnG=">谷歌学术搜索

Vabson, V。,Kuusk, J., Ansko, I., Vendt, R., Alikas, K., Ruddick, K., et al. (2019). Field Intercomparison of Radiometers Used for Satellite Validation in the 400-900 nm Range.远程Sens。11日,1129年。doi: 10.3390 / rs11091129
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Field+Intercomparison+of+Radiometers+Used+for+Satellite+Validation+in+the+400-900+nm+Range&btnG=">谷歌学术搜索

van der Woerd, H。,Wernand, M. (2018). Hue-Angle Product for Low to Medium Spatial Resolution Optical Satellite Sensors.远程Sens。10日,180年。doi: 10.3390 / rs10020180
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Hue-Angle+Product+for+Low+to+Medium+Spatial+Resolution+Optical+Satellite+Sensors&btnG=">谷歌学术搜索

van der Woerd, h·J。,Wernand, M. (2015). True Colour Classification of Natural Waters with Medium-Spectral Resolution Satellites: SeaWiFS, MODIS, MERIS and OLCI.传感器15日,25663 - 25680。doi: 10.3390 / s151025663
《公共医学图书馆摘要》|<一个href="https://doi.org/10.3390/s151025663">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=True+Colour+Classification+of+Natural+Waters+with+Medium-Spectral+Resolution+Satellites:+SeaWiFS,+MODIS,+MERIS+and+OLCI&btnG=">谷歌学术搜索

维尔塔宁,P。,Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., et al. (2020). SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python.Nat方法。17日,261 - 272。doi: 10.1038 / s41592 - 019 - 0686 - 2
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1038/s41592-019-0686-2">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=SciPy+1.0:+Fundamental+Algorithms+for+Scientific+Computing+in+Python&btnG=">谷歌学术搜索

沃瑟曼,洛杉矶(2004)。所有的统计:统计推断的一个简洁的课程。<年代p一个nclass="publisher-name">施普林格。
谷歌学术搜索

渡边。,Vincent, W. F., Reuter, J., Hook, S. J., and Schladow, S. G. (2016). A Quantitative Blueness Index for Oligotrophic Waters: Application to Lake Tahoe, California-Nevada.Limnol。Oceanogr。方法14日,100 - 109。doi: 10.1002 / lom3.10074
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=A+Quantitative+Blueness+Index+for+Oligotrophic+Waters:+Application+to+Lake+Tahoe,+California-Nevada&btnG=">谷歌学术搜索

Werdell, p . J。,Behrenfeld, M. J., Bontempi, P. S., Boss, E., Cairns, B., Davis, G. T., et al. (2019). The Plankton, Aerosol, Cloud, Ocean Ecosystem Mission: Status, Science, Advances.公牛。点。气象Soc。100年,1775 - 1794。doi: 10.1175 / bams - d - 18 - 0056.1
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=The+Plankton,+Aerosol,+Cloud,+Ocean+Ecosystem+Mission:+Status,+Science,+Advances&btnG=">谷歌学术搜索

Werdell, p . J。,米cKinna, L. I. W., Boss, E., Ackleson, S. G., Craig, S. E., Gregg, W. W., et al. (2018). An Overview of Approaches and Challenges for Retrieving Marine Inherent Optical Properties from Ocean Color Remote Sensing.掠夺。Oceanogr。160年,186 - 212。doi: 10.1016 / j.pocean.2018.01.001
《公共医学图书馆摘要》|<一个href="https://doi.org/10.1016/j.pocean.2018.01.001">CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=An+Overview+of+Approaches+and+Challenges+for+Retrieving+Marine+Inherent+Optical+Properties+from+Ocean+Color+Remote+Sensing&btnG=">谷歌学术搜索

Wernand, m R。,Hommersom,。,van der Woerd, h·J。(2013). MERIS-Based Ocean Colour Classification with the Discrete Forel-Ule Scale.海洋。科学。9日,477 - 487。doi: 10.5194 / os - 9 - 477 - 2013
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=MERIS-Based+Ocean+Colour+Classification+with+the+Discrete+Forel-Ule+Scale&btnG=">谷歌学术搜索

柴棚,即h (2021)。“地面”的事实,以及为什么我们应该放弃这个词。j:。远程Sens。15日,041501年。jrs.15.041501 doi: 10.1117/1.
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=On+'ground'+Truth+and+Why+We+Should+Abandon+the+Term&btnG=">谷歌学术搜索

赖特,A。,年代我mis, S. (2021).Solar-tracking辐射测量平台(So-Rad)。<年代p一个nclass="publisher-name">单片眼镜Tech.代表。doi: 10.5281 / zenodo.4485805
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Solar-tracking+Radiometry+Platform+(So-Rad)&btnG=">谷歌学术搜索

Wyszecki, g (1959)。传播错误的比色转换。j .选择,Soc。点。49岁,389 - 393。doi: 10.1364 / JOSA.49.000389
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Propagation+of+Errors+in+Colorimetric+Transformations&btnG=">谷歌学术搜索

杨,Y。,Cowen, L., and Costa, M. (2018). Is Ocean Reflectance Acquired by Citizen Scientists Robust for Science Applications?远程Sens。10日,835年。doi: 10.3390 / rs10060835
CrossRef全文|<一个href="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Is+Ocean+Reflectance+Acquired+by+Citizen+Scientists+Robust+for+Science+Applications?&btnG=">谷歌学术搜索

关键词:公民科学、eyeonwater hydrocolor巴拉顿湖,海洋的颜色,反射,智能手机,验证
<年代p一个n>引用:Burggraaff O,维特M,老板,思米功能减退和Snik F(2022)的准确性和再现性的水上智能手机辐射测量与校准相机使用原始数据。前面。远程Sens。3:940096。doi: 10.3389 / frsen.2022.940096
收到:09年5月2022;<年代p一个n>接受:2022年年6月15日;
<年代p一个n>发表:2022年年7月14日。

编辑:
<一个href="https://loop.frontiersin.org/people/1435721/overview">珍妮特安思提海洋和大气(CSIRO),澳大利亚

审核:
<一个href="https://loop.frontiersin.org/people/1104047/overview">Shenglei王北京大学,中国
<一个href="https://loop.frontiersin.org/people/1768158/overview">马塞洛Curtarelli、CERTI、巴西
版权©2022 Burggraaff,维特,老板,思米和Snik。这是一个开放分布式根据文章<一个rel="license" href="http://creativecommons.org/licenses/by/4.0/" target="_blank">知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
<年代p一个n>*通信:奥利维尔·Burggraaff<一个href="mailto:burggraaff@strw.leidenuniv.nl">burggraaff@strw.leidenuniv.nl

本文是研究课题的一部分
遥感水质

查看所有7篇文章<年代p一个n年代tyle="position: relative;top: 1px;">}}

马塞洛Curtarelli

人也看了

原始研究的文章

水上的辐射测量与校准的准确性和重现性的智能手机相机使用原始数据

1介绍

2方法

2.5复制分析

3的结果

3.3智能手机与参考比较

4讨论

5的结论

数据可用性声明

作者的贡献

资金

的利益冲突

出版商的注意

确认

补充材料

脚注

引用

本文是研究课题的一部分

人也看了