如何选择 Survey3 相机型号

为 Survey3 选择镜头选项

我们为 Survey3 相机提供两种不同镜头：Survey3W（广角）和 Survey3N（窄角）。这里的“广角”和“窄角”指的是镜头的视角范围。

您可卸下 Survey3 相机绿色前面板，通过旋转镜头来调整对焦距离。当缩短对焦距离时，最大对焦距离也会相应改变。如需计算调整后的对焦范围，请随时联系我们。

在多数应用场景下，更广视角的 Survey3W 是更便捷的选择，其宽阔视角能显著提升操作容错率。若您追求更卓越的光学性能——包括更锐利的画质、更轻微的暗角与畸变，则 Survey3N 窄角镜头是最佳选择。

欢迎使用我们的 [相机镜头计算器](camera lens calculator) 来精准判断最适合您需求的镜头型号。

我们为 Survey3 相机提供 6 种不同滤镜：RGB、RGN、OCN、NGB、RE 与 NIR。

OCN滤镜
（橙色 + 青色 + 近红外）：

图像通道1 = 橙色光
图像通道2 = 青色光（蓝/绿光）
图像通道3 = 近红外光

OCN滤镜与RGN滤镜功能相似，两者均可用于计算NDVI指数。但OCN滤镜通常能增强植被区域的对比度，并有效抑制土壤背景噪声。当植被区域夹杂大量裸露土壤时，推荐使用OCN滤镜；若作物冠层覆盖较为茂密（土壤像素占比低），则更适合选用RGN滤镜。关于两款滤镜的详细对比分析，请参阅[此链接]及[此链接]。

RGN滤镜
（红色 + 绿色 + 近红外）：

图像通道1 = 红光
图像通道2 = 绿光
图像通道3 = 近红外光

RGN滤镜是我们最常销售的型号，主要因其能同步捕捉红与近红外波段，这正是构建广受欢迎的NDVI指数所需的关键波长（更多信息请参阅下文）。NDVI通常用作植物健康状况与生长活力的基础指标，它能直观显示区域内植被生长势的优劣对比。关于RGN与OCN滤镜的详细比较，请参阅[此链接]及[此链接]。

NGB滤镜
（近红外 + 绿色 + 蓝色）：

图像通道1 = 近红外光
图像通道2 = 绿光
图像通道3 = 蓝光

NGB滤镜通常用于ENDVI指数（即增强型NDVI）的计算。由于该滤镜可捕获蓝色光谱段，也常用于水下或水体周边植被的成像分析。多数植物会反射蓝光及蓝绿光（青色调），因此建议对比NGB与OCN滤镜模型的成像结果。

红边滤镜 (RE):
图像通道1 = 红边光（725nm）
图像通道2 = 未启用
图像通道3 = 未启用

红边（RE）滤镜用于捕捉被称为“红边”区域的单一波段反射光。在约700-800nm光谱范围内，植物的反射率会随健康状况发生显著变化。反射红边光较多的植株通常更为健康。通过我们的MCC应用程序处理后，输出图像为单波段黑白图像：白色像素表示高红边反射率，黑色像素表示低红边反射率。第二、三图像通道无需关注，其数据有效性远低于红边通道。

近红外滤镜 (NIR):
图像通道1 = 近红外光（850nm）
图像通道2 = 未启用
图像通道3 = 未启用

近红外（NIR）滤镜用于捕捉单一波段的近红外反射光。通过我们的MCC应用程序处理后，输出图像为单波段黑白图像：白色像素表示高近红外反射率，黑色像素表示低近红外反射率。第二、三图像通道无需关注，其数据有效性远低于近红外通道。

RGB滤镜（红+绿+蓝）:
图像通道1 = 红光
图像通道2 = 绿光
图像通道3 = 蓝光

RGB滤镜是大多数相机标配的常规滤镜，它能捕捉人眼可见的彩色光线，呈现我们日常所见的真实色彩。RGB相机常与多光谱相机配合使用，为观察者提供基准参考图像。这种参考对于建立人眼视觉与近红外相机成像之间的对应关系至关重要。

多光谱指数计算公式

当使用OCN、RGN、NGB、RE及NIR型号相机采集图像后，需通过MCC软件结合校准靶标图像和环境光传感器（DAQ-A-SD）记录数据，进行反射率百分比校准。完成校准后，可在任意摄影测量程序中完成图像拼接。您也可直接通过相机将图像上传至MAPIR云平台，无需经过MCC处理。

多数应用软件提供称为"栅格/指数计算器"的工具，可对图像像素进行数学运算。通过指数计算生成的像素值范围，取决于具体指数及其测算对象。虽然许多程序将此计算简化为单键操作，但我们仍将详细解释其原理：

以RGN滤镜为例计算经典NDVI指数：

如上式所示，NDVI指数需使用近红外与红光波段数据。对于RGN滤镜相机型号，对应的是第3图像通道（近红外）与第1图像通道（红光）。

处理程序将提取第1与第3图像通道的像素值，并代入上述公式运算。生成的像素值将分布在-1至+1区间。对于植被而言，实际NDVI值通常介于0.2至0.8之间。随后我们对像素施加颜色查找表，使肉眼能更直观解读数据——这种由绿到黄再到红的渐变色系（代表健康度高至低），正如下方RGB与RGN（NDVI）对比动画所呈现的效果。

上文所述用于判别植被健康度与土壤背景的像素值，其准确性完全依赖于校准流程。若未经过校准，生成的数值大多会呈现负值——本质上属于无效数据。尽管未校准生成的彩色图示（常被称为"效果图"）可能仍会显示绿-黄-红的渐变色阶，但由于缺乏标准参照，您将无法实现不同田间区域、不同光照条件或不同时间节点（周度、月度等）数据的可比性。未经校准意味着像素数据未与已知标准对齐，其数值自然不具备比较价值。有关MCC反射率校准的详细操作，请参阅[此页面]。