अवलोकन और निर्णय को परिभाषित करना
संशोधित मृदा-समायोजित वनस्पति सूचकांक एक निश्चित मिट्टी पैरामीटर चुनने की आवश्यकता को कम करता है। एक आम MSAVI2 रूप का आधा हिस्सा है (2 बार NIR प्लस 1 minus वर्ग जड़ ((2 बार NIR प्लस 1) वर्गाकार minus 8 बार (NIR minus लाल))। राज्य का उपयोग किया गया संस्करण।
MSAVI sparse-canopy परतों के लिए, एक सटीक सवाल के साथ शुरू। सॉफ्टवेयर सेटिंग्स की तुलना करने से पहले निर्णय और मात्रा को स्टेट करें। यह पहचानें कि कौन परिणाम का उपयोग करेगा, भौगोलिक इकाइयां जो वे पहचानती हैं और कौन सा सबूत निरीक्षण या विश्लेषण बदलेगा। लक्ष्य की स्थिति और संभावित वैकल्पिक स्पष्टीकरण को नीचे लिखें। यह निर्णय लेना संभव बनाता है कि विधि का वास्तविक अवलोकन प्रश्न का उत्तर दे सकता है। जब उत्पादन एक अलग अर्थ के साथ प्रॉक्सी का प्रतिनिधित्व करता है तो एक बेहतरीन दिखने वाला नक्शा पर्याप्त नहीं है। एक लघु धारणा रजिस्टर बनाए रखने के लिए इसलिए बाद में समीक्षकों को मापा इनपुट, मॉडल विकल्प और व्याख्या को अलग कर सकते हैं।
विधि के लिए डेटा समर्थन का मिलान करें
MSAVI sparse-canopy परतों के लिए माप आधार व्याख्या के दौरान मामलों। एक वर्णक्रमीय विशेषता को इसके समीकरण और उसके लिए आपूर्ति की गई टिप्पणियों दोनों द्वारा परिभाषित किया गया है। बैंड नाम चुनने से पहले स्रोत उत्पाद विवरण पढ़ें क्योंकि बैंड संख्या और तरंगदैर्ध्य प्रतिक्रियाएं मिशनों में भिन्न होती हैं। प्रसंस्करण स्तर, परावर्तन स्केलिंग, अधिग्रहण समय और गुणवत्ता की जानकारी को एक साथ रखें। यह तय करें कि क्या परिचालन इकाई एक पिक्सेल, फील्ड, निवास पैच या प्रशासनिक क्षेत्र है। गणितीय रूप से सही अनुपात अभी भी गलत सवाल का जवाब दे सकता है जब यह मिश्रित सतहों को जोड़ती है या विभिन्न मौसमी चरणों की तुलना करती है। मूल बैंड अवलोकनों को संरक्षित रखें ताकि एक संदिग्ध सूचकांक को अपने इनपुट के बजाय उसके रंग से अकेले व्याख्या की जा सके।
एक अनुरेखण विश्लेषण तैयार करना
शारीरिक प्रतिबिंब तैयार करें और वर्ग जड़ के तहत अभिव्यक्ति का निरीक्षण करें। अवैध इनपुट के कारण होने वाले नकारात्मक तर्कों को चुपचाप क्लिप किए जाने के बजाय ध्वजांकित रहना चाहिए। स्रोत-बैंड बिखरे हुए स्थानों के खिलाफ उत्पादन की तुलना करें और प्रतिनिधि खुले चंदवा स्थानों में एक सरल वनस्पति सूचकांक।
MSAVI sparse-canopy परतों के लिए तैयारी निम्नलिखित सबूतों को संरक्षित करना चाहिए। एक सूचकांक या वर्णक्रमीय विपरीत की गणना से पहले संगत भौतिक मात्रा तैयार करें। एक ही बार में दस्तावेज़ित पैमाने और किसी भी योजक ऑफसेट लागू करें। एक मूल्यांकन नियम के अनुसार मान्य शून्य, मुखौटा बादलों और छाया से अवैध अवलोकन को अलग करें और संतृप्त इनपुट का निरीक्षण करें। अपने मूल सूचना समर्थन को बनाए रखते हुए एक दस्तावेज ग्रिड पर बैंड को संरेखित करें। जब एक मोटे बैंड को फिर से नमूना किया जाता है, तो महीन आउटपुट स्पेसिंग महीन वर्णक्रमीय विस्तार नहीं बनाती है। कुछ स्रोत पिक्सल का मैन्युअल रूप से परीक्षण करें और अभिव्यक्ति के डिनोमिनेटर या अन्य संख्यात्मक स्थितियों की समीक्षा करें। प्रदर्शन को मात्रात्मक गणना के बाहर फैलाते रहें, क्योंकि प्रस्तुति रंग प्रतिबिंबित माप नहीं हैं।
प्रतिनिधि पायलट का परीक्षण करें
MSAVI sparse-canopy परतों के लिए एक पायलट वास्तविक प्राप्त करने कार्यप्रवाह को संबोधित करना चाहिए। एक प्रतिनिधि पायलट के साथ शुरू होता है जिसमें साधारण स्थितियां और कठिन अपवाद होते हैं। प्रासंगिक सीमाओं, मिश्रित सतहों, लापता टिप्पणियों और ज्ञात संदर्भ स्थानों को शामिल करें। कुछ मैन्युअल रूप से जाँच किए गए संख्यात्मक उदाहरणों को सोर्स मेटाडाटा के साथ सहेजें। एक स्वतंत्र पाठक या गणना के साथ परिणाम की तुलना करें जहां व्यावहारिक हो। पायलट को निर्यात के माध्यम से स्रोत चयन से पूरा पथ का परीक्षण करना चाहिए, क्योंकि एक सही सूत्र अभी भी गलत इकाइयों, बैंड ऑर्डर या वैधता हैंडलिंग द्वारा कम किया जा सकता है। एक बार पायलट को समझा जाता है, इसे बाद में संशोधनों के लिए एक संदर्भ के रूप में बनाए रखा जाता है।
विषय-विशिष्ट व्याख्या जोखिम को पहचानें
स्वचालित मिट्टी समायोजन मिश्रित पिक्सल, छाया या अलग मिट्टी स्पेक्ट्रा को समाप्त नहीं करता है। यदि पुनर्निर्मित पूर्णांकों को परावर्तन के लिए प्रतिस्थापित किया जाता है तो संख्यात्मक व्यवहार भ्रमित हो सकता है। एक अनुकूली सूत्र भी अपने मूल्यों और फसल स्थापना के बीच एक सार्वभौमिक संबंध स्थापित नहीं करता है।
MSAVI sparse-canopy परतों की समीक्षा गणना पूरा करने के बाद जारी रखना चाहिए। एक स्थानीय सवाल और स्वतंत्र सबूत का उपयोग करके सुविधा को व्याख्या करें। एक सूचकांक कई भौतिक और अवलोकन प्रभावों का जवाब दे सकता है, इसलिए निदान होने से पहले एक मजबूत विपरीत आम तौर पर स्क्रीनिंग परिणाम होता है। संभावित confounders की तुलना में, स्रोत बैंड का निरीक्षण करें और उस आबादी को दस्तावेज दें जिस पर एक फिट संबंध लागू होता है। बार-बार निगरानी के लिए, आम वैध समर्थन का उपयोग करें या परिवर्तन कवरेज की व्याख्या करें। औसत के साथ एक वैध-अवलोकन भिन्न की रिपोर्ट करें और एक निरंतर सुविधा परत बनाए रखें जब एक थ्रेसहोल्ड मानचित्र भी वितरित किया जाता है। एक सीमा एक निर्णय नियम है जिसका उत्सर्जन और झूठे अलार्म का मूल्यांकन सार्वभौमिक भौतिक सीमा के बजाय किया जाना चाहिए।
उदाहरण के माध्यम से काम करना
एक उदाहरणात्मक sparse orchard के लिए, MSAVI को संक्षेप में प्रस्तुत करने से पहले पेड़ के ताज से अलग-अलग अंतर-पंक्ति मिट्टी का नक्शा। पूरे ब्लॉक औसत गिरावट हो सकती है क्योंकि पंक्तियां नमूना क्षेत्र में से अधिक पर कब्जा करती हैं, भले ही व्यक्तिगत मुकुट अपरिवर्तित हों। एक ताज स्तरीय तुलना और क्षेत्र स्तर की तुलना अलग-अलग सवालों का जवाब देती है।
MSAVI sparse-canopy परतों के लिए तर्क उदाहरण में जानबूझकर सीमित भूमिका है। इस लेख में उदाहरण स्पष्ट है और यह एक रिपोर्ट परियोजना परिणाम, सटीकता दावा या प्रदर्शन गारंटी नहीं है। तर्क के संचालन से पहले मापा परियोजना मूल्यों के साथ अपनी धारणाओं को बदलें। इकाइयों, अवलोकन तिथियों और प्रासंगिक विषयक दृश्यमान रखें। यदि एक उचित वैकल्पिक मुखौटा, संदर्भ या पैरामीटर निर्णय को बदल देता है, तो उस संवेदनशीलता की रिपोर्ट करें और बेहतर सबूत प्राप्त करें जहां व्यावहारिक हो। अतिरिक्त दशमलव स्थान अनिश्चितता को हल नहीं करते हैं। अनसुलझ मामलों को स्पष्ट रूप से उस पैरामीटर का चयन करने के बजाय जो सबसे अधिक प्रेरक कथा पैदा करता है।
स्वतंत्र साक्ष्यों के खिलाफ मूल्यांकन
स्वतंत्र वनस्पति कवर अवलोकनों के साथ मूल्यांकन करें और मिट्टी की चमक से परिणाम को मजबूत करें। वनस्पति-मृदा संक्रमण में मूल्यों का निरीक्षण करें जहां मिश्रित पिक्सेल हावी हैं। खराब गुणवत्ता के कारण टिप्पणियों को बाहर रखा गया ताकि समीक्षा चयनात्मक डेटा हटाने से विधि प्रदर्शन को अलग कर सकती है।
स्वतंत्र मूल्यांकन को उस जनसमूह और परिस्थितियों का प्रतिनिधित्व करना चाहिए जहाँ परिणाम इस्तेमाल होगा। पैरामीटर चुनने या मॉडल को प्रशिक्षित करने वाले प्रेक्षणों को प्रदर्शन जाँचने वाले प्रेक्षणों से अलग रखें। स्पष्ट लक्ष्यों के साथ कठिन गैर-लक्षित उदाहरण भी शामिल करें और अनुपलब्ध या न देखे जा सकने वाले क्षेत्रों की जानकारी बनाए रखें। संदर्भ के समय और स्थानिक मापन-क्षेत्र को यथासंभव मिलाएँ। असहमति होने पर विश्लेषण और संदर्भ प्रमाण, दोनों की जाँच करें। संदर्भ मापन भी अनिश्चित हो सकते हैं; उन्हें नक्शे से जबरन मिलाना वैध सुधार रणनीति नहीं है।
उपयोगी पैमाने पर अनिश्चितता की रिपोर्ट करें
MSAVI sparse-canopy परतों के लिए, परिणामस्वरूप अपने प्रदर्शन क्षेत्र को बनाए रखना चाहिए। अपेक्षित निर्णय के पैमाने पर अनिश्चितता की समीक्षा करें। पिक्सेल स्पेसिंग, प्रभावी सेंसर समर्थन, प्रसंस्करण पड़ोस और प्रबंधन इकाइयों में काफी भिन्न हो सकते हैं। कई resampled पिक्सल कई स्वतंत्र अवलोकन नहीं बनाते हैं। एक क्षेत्र सारांश के लिए, वैध कवरेज और बहिष्कार को बनाए रखें; उम्मीदवार सुविधा के लिए, पहचान आत्मविश्वास और स्रोत की तारीख को संरक्षित करें। स्थानीय विविधता से अलग-अलग तरीके से प्रभाव जहां साक्ष्य परमिट। एक छोटी औसत त्रुटि एक दुर्लभ वर्ग, एक विशेष सामग्री या एक अधूरे क्षेत्र में एक परिणामी पूर्वाग्रह को खारिज नहीं करती है। मूल्यांकन द्वारा प्रदर्शित क्षेत्र की रिपोर्ट करें।
उपयोग करने योग्य GIS और विश्लेषण सबूत प्रदान करें
सटीक MSAVI अभिव्यक्ति, परावर्तन इकाइयों और क्षेत्रों के सारांश के साथ मास्क निर्यात करें। जहां प्रासंगिक ताज, पंक्ति और ब्लॉक पहचानकर्ता रखें। ITSensing उपलब्ध रेस्टर और मॉडलिंग टूल के माध्यम से जांच का समर्थन कर सकते हैं, लेकिन चयनित कार्यान्वयन और वनस्पतियों के लिए इसके स्थानीय संबंध सत्यापन की आवश्यकता होती है।
MSAVI sparse-canopy परतों के लिए हैंडओवर को प्राधिकरण पर्यावरण के बाहर समझने योग्य होना चाहिए। प्रासंगिक भू-स्थानिक डेटा और एक संक्षिप्त डेटा शब्दकोश के साथ एक सुलभ अवलोकन प्रदान करें। स्थिर पहचानकर्ता, स्रोत संदर्भ, अवलोकन तिथियां, प्रसंस्करण संस्करण, समन्वय संदर्भ और गुणवत्ता फ़ील्ड बनाए रखें। अज्ञात क्षेत्रों और एक अपवाद रजिस्टर में अगले उपयोगी चेक को समझाएं। एक नमूना आइटम का पता लगाने के लिए प्राप्त विश्लेषक से पूछो, इसके सबूत की पहचान करें और इसकी सीमाओं की व्याख्या करें। यह व्यावहारिक समीक्षा लापता संदर्भ को प्रकट कर सकती है कि फ़ाइल-एकता जांच का पता नहीं लगा सकता है। संशोधनों के कारण को संरक्षित करें ताकि बाद में बदलाव को नए अवलोकनों या एक बदली विधि के लिए पता लगाया जा सके।
वास्तविक इनपुट के साथ ITSensing कार्यप्रवाह का मूल्यांकन करें
जब MSAVI sparse-canopy परतों के लिए क्लाउड सुदूर संवेदन सॉफ्टवेयर का आकलन किया जाता है, तो एक दस्तावेज पायलट का उपयोग करें। प्रतिनिधि डेटा के साथ एक पूर्ण कार्यप्रवाह परीक्षण करने के लिए उत्पाद तुलना का उपयोग करें। ITSensing उपग्रह खोज, रेस्टर और वर्णक्रमीय विश्लेषण, मशीन लर्निंग, जियोएआई, मॉडल बिल्डिंग और पायथन आधारित कार्य के लिए क्लाउड वर्कस्पेस प्रस्तुत करता है। उन व्यापक क्षमताओं को यह स्थापित नहीं किया है कि यहां वर्णित हर विशिष्ट विधि एक मूल बटन है या हर बाहरी सेवा सीधे जुड़ती है। वास्तविक दस्तावेजी उपकरण, समर्थित इनपुट और निर्यात पथ की जाँच करें। एक आवर्ती कार्यप्रवाह चुनने से पहले पायलट सबूत और स्वतंत्र सत्यापन बनाए रखें। एक उत्पाद लिंक मूल्यांकन के लिए एक प्रवेश बिंदु है, जबकि वैज्ञानिक व्याख्या डेटा और विधि से जुड़ा हुआ है।
