概述
植被健康度利用影像波段和植被指数显示区域间的相对差异；场景分析应用提供光伏热成像和高速公路巡检AI等专项识别入口。两者均按会话隔离。
一、植被健康度：理解过滤类型与指数算法
植被健康度工具根据影像波段计算植被指数，并用颜色和直方图表现区域差异。它适合帮助用户发现“哪些区域与周围不同”，不能仅凭指数直接诊断病虫害、缺肥、缺水或植株死亡。
1. 过滤类型表示波段顺序
过滤类型不是普通的画面滤镜，而是说明相机影像使用了哪些波段及其排列顺序：R表示红光、G表示绿光、B表示蓝光、N表示近红外。
| 过滤类型 | 波段顺序 |
|---|---|
| RGB | 红、绿、蓝 |
| NRG | 近红外、红、绿 |
| NGB | 近红外、绿、蓝 |
| RGN | 红、绿、近红外 |
| NB | 近红外、蓝 |
| NG | 近红外、绿 |
过滤类型必须与实际相机或滤镜的波段排列一致。普通可见光相机使用RGB；只有影像确实包含近红外波段时，才能选择含N的类型。
2. 指数算法的含义
| 算法 | 所需波段 | 适用含义 |
|---|---|---|
| VARI | 红、绿、蓝 | 利用可见光比较绿色植被的相对差异，适合RGB影像 |
| NDVI | 近红外、红光 | 利用植被对近红外的高反射和对红光的吸收形成对比，需要近红外数据 |
| NDVI（Sentera系列） | 对应Sentera传感器波段 | 针对相应Sentera传感器配置，应与实际设备匹配 |
| ENDVI | 近红外、绿光、蓝光 | 综合近红外、绿色和蓝色信息表现植被差异 |
| GNDVI | 近红外、绿光 | 以绿光代替NDVI中的红光，常用于观察与叶绿素和植被活力有关的差异 |
| OSAVI | 近红外、红光 |
当过滤类型为RGB时，页面推荐VARI是因为该算法只需要可见光波段。NDVI、GNDVI、OSAVI等算法依赖近红外数据，不能用普通RGB影像替代。
3. 颜色和数值
直方图和范围滑块用于观察指数值的分布。颜色主要表示当前地图内部的相对高低，不能脱离图例和数值范围单独解释。
指数还会受到相机类型、曝光、光照、阴影、土壤背景、作物类型和采集时间影响。因此，同一地图内的相对比较通常比不同日期、不同相机之间的绝对比较更可靠。
当前版本不提供高级植被健康度工具；网格与区域开关可以开启和关闭，但其各自的具体作用页面未作说明，使用时建议结合画面实际变化确认。基础指数、颜色范围、直方图和透明度仍按页面可用项使用。
二、场景分析应用
1. 光伏热成像分析
光伏热成像分析面向光伏电站场景：基于热成像画面识别光伏板表面的异常发热点（热斑），辅助发现可能存在故障的组件。页面提供热斑温度阈值、识别置信度、自动标记异常开关和运行分析入口。例如，可将热斑温度阈值设置为45℃、识别置信度设置为0.8。
温度阈值用于设定需要重点关注的温度边界；识别置信度用于控制进入识别结果的可信程度；自动标记异常开关用于控制是否对识别出的异常自动加标记。示例值只用于说明参数填写方式，不是所有项目的统一标准。
2. 高速公路巡检AI
高速公路巡检AI面向公路场景：识别路面视频中的抛洒物等影响通行安全的异常情况，辅助日常巡检。页面提供监测目标、算法灵敏度、语音自动播报开关和运行分析入口。例如，监测目标可选择路面抛洒物，算法灵敏度可设置为7。
灵敏度用于调整算法对候选目标的响应程度，但不能把某个灵敏度数值直接换算为固定准确率；语音自动播报开关用于控制识别结果是否以语音方式播报。
三、推荐检查顺序
- 确认当前会话和地图；
- 按需打开图纸叠加层；
- 通过位置区域定位关注范围，并查看范围内的照片、视频和全景；
- 核对地图透明度、面积、分辨率、精度处理方式以及RMSE和方向误差；
- 需要高度分析时再进行高程校准；
- 需要植被分析时先确认相机波段，再选择过滤类型和算法；
- 运行场景分析应用时，按业务场景设置阈值、置信度、灵敏度等参数；
- 删除任何成果前核对目标，因为对用户而言删除后无法恢复。
四、常见误区
-
把VARI和NDVI混用 ：VARI适合RGB影像，NDVI需要近红外数据。
-
看到某种颜色就直接判断植被健康 ：颜色表达相对差异，最终判断还需结合现场和采集条件。
-
把应用参数示例当作统一标准 ：示例值只用于说明填写方式，参数应结合项目目标设置。