अवलोकन और निर्णय को परिभाषित करना
एक प्रतिनिधि पाइपलाइन परिणाम की व्याख्या करने के लिए आवश्यक इनपुट, परिवर्तन और मापदंडों को संरक्षित करती है। सफल रन का स्क्रीनशॉट अपर्याप्त है क्योंकि उत्पाद संशोधन, मास्किंग विकल्प और सॉफ़्टवेयर व्यवहार बाद में आउटपुट को बदल सकता है।
दोहराने योग्य इमेजरी प्रोसेसिंग रन के लिए, सटीक प्रश्न के साथ शुरू करें। 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
दोहराने योग्य इमेजरी प्रोसेसिंग के लिए माप का आधार पूरे अनुवाद में मामलों को चलाता है। ऑप्टिकल प्रीप्रोसेसिंग को उपकरण अवलोकन, सही उत्पाद और एक व्युत्पन्न विश्लेषण परत के बीच अंतर को संरक्षित करना चाहिए। उत्पाद संग्रह अंशांकन, ज्यामिति, मास्क और एन्कोडिंग में भिन्न हो सकते हैं। आधिकारिक मेटाडाटा के साथ शुरू करें और मूल पहचानकर्ता, अधिग्रहण समय और प्रसंस्करण स्तर को बनाए रखें। सुविधाजनक आउटपुट ग्रिड चुनने से पहले निर्णय द्वारा आवश्यक मात्रा और स्थानिक समर्थन को परिभाषित करें। एक स्वच्छ प्राकृतिक रंग प्रदर्शन संख्यात्मक या गुणवत्ता की समस्याओं को छुपा सकता है, जबकि एक अप्राप्य कच्चे दृश्य में अभी भी वैध मात्रात्मक जानकारी हो सकती है। तैयारी का उद्देश्य एक ट्रेसेबल और उपयुक्त माप है, न केवल एक सुसंगत दिखने वाली छवि।
एक अनुरेखण विश्लेषण तैयार करना
स्रोत पहचानकर्ता, अधिग्रहण की तारीख, प्रसंस्करण स्तर, बैंड मैपिंग, स्केल नियम, मास्क और आउटपुट ग्रिड युक्त एक प्रकट करें। मापदंडों के साथ रिकॉर्ड सॉफ्टवेयर और मॉडल संस्करण। भविष्य में बदलाव की जाँच के लिए एक अपरिवर्तनीय संदर्भ उदाहरण रखें।
दोहराने योग्य इमेजरी प्रोसेसिंग रनों के लिए तैयारी निम्नलिखित सबूतों को संरक्षित करना चाहिए। एक जानबूझकर आदेश में प्रीप्रोसेसिंग श्रृंखला का निर्माण करें और बार-बार अनावश्यक परिवर्तनों से बचें। बैंड पहचान, पैमाने और ऑफसेट, संतृप्ति और नोडाटा की जाँच करने से पहले व्युत्पन्न अभिव्यक्तियाँ। सटीक उत्पाद के लिए सही गुणवत्ता विनिर्देश का उपयोग करें और अस्वीकृति कारणों को बनाए रखें। एक्सप्लिकिट CRS, मूल, संकल्प और सीमा के साथ एक संदर्भ ग्रिड चुनें। किसी भी अंतर्स्फीति या एकत्रीकरण के लिए, दस्तावेज़ कैसे वैध और अवैध अवलोकन योगदान करते हैं। एक छोटे प्रतिनिधि पायलट का निरीक्षण करें, जिसमें किनारों और कठिन इलाके शामिल हैं, जो पूरे क्षेत्र को संसाधित करने से पहले। सफल नौकरी पूरा होने की स्थापना करता है कि गणना हुई; यह अगले विश्लेषणात्मक चरण के लिए भौतिक संगतता या उपयुक्तता स्थापित नहीं करता है।
प्रतिनिधि पायलट का परीक्षण करें
दोहराने योग्य इमेजरी प्रोसेसिंग रन के लिए एक पायलट को वास्तविक प्राप्त करने वाले 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
एक प्रोसेसिंग टूल अपडेट के बाद डिफ़ॉल्ट रूप से बदल सकता है। एक फ़ाइल नाम का उपयोग करने से संशोधित इनपुट डेटा की अवज्ञा हो सकती है, और एक मॉडल का नाम पुनः प्रशिक्षण को छिपा सकता है। इसलिए पुन: प्रयोज्यता कार्यप्रवाह की स्मृति के बजाय स्पष्ट पहचान और सिद्धि पर निर्भर करती है।
दोहराने योग्य इमेजरी प्रोसेसिंग रन की समीक्षा को गणना पूरा होने के बाद जारी रखना चाहिए। डाउनस्ट्रीम कार्य के संबंध में तैयारी की समीक्षा करें। लघु संरेखण त्रुटियां संकीर्ण सीमाओं पर दृढ़ता से मायने रखती हैं, जबकि सूक्ष्म वायुमंडलीय अवशिष्ट कमजोर वर्णक्रमीय विपरीत विपरीतताओं के लिए मामला है। समग्र और हार्मोनाइज्ड परतों को स्पष्ट अस्थायी और सेंसर सिद्धि की आवश्यकता होती है। स्वीकार किए जाते हैं और टिप्पणियों को अस्वीकार करते हैं, क्योंकि चयनात्मक कवरेज एक सारांश को पूर्वाग्रह कर सकता है जब हर बनाए गए पिक्सेल व्यक्तिगत रूप से उचित होता है। वैकल्पिक अवमूल्यन मापदंडों की तुलना करें जहां निर्णय बदल सकता है। बिना समर्थित स्थानों को स्पष्ट रखें और मध्यवर्ती साक्ष्य को बनाए रखने के लिए पर्याप्त विसंगतियों की जांच करें। रिपोर्ट करें कि पूर्व प्रसंस्करण कैसे एक अदृश्य तकनीकी चरण के रूप में इलाज करने के बजाय अंतिम मीट्रिक को प्रभावित करता है, जिसकी सेटिंग्स व्याख्या को प्रभावित नहीं करती हैं।
उदाहरण के माध्यम से काम करना
एक उदाहरण पुनर्वसन में, हालांकि तारीख अपरिवर्तित है, एक क्षेत्र का मतलब सूचकांक बदल जाता है। प्रकटन एक संशोधित क्लाउड बफर और एक नया उत्पाद संस्करण प्रकट करता है। यह स्पष्टीकरण बिना किसी स्पष्ट पारिस्थितिक परिवर्तन के अंतर के इलाज से अधिक उपयोगी है।
दोहराने योग्य इमेजरी प्रोसेसिंग रन के लिए तर्क उदाहरण में जानबूझकर सीमित भूमिका होती 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
एक प्रतिनिधि पायलट को फिर से शुरू करें और अपेक्षित संख्यात्मक सारांश और मास्क की तुलना करें। उप-आपत्ति की आवश्यकता के बजाय सामग्री मतभेदों की समीक्षा करें जहां मेटाडाटा टाइम्सटेम्प अलग होते हैं। सत्यापित करें कि एक प्राप्त विश्लेषक अप्रत्याशित क्षेत्रों का अनुसरण कर सकता है और बिना समर्थित क्षेत्रों की पहचान कर सकता 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
दोहराने योग्य इमेजरी प्रोसेसिंग रन के लिए, परिणामस्वरूप अपने प्रदर्शन का दायरा 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
भू-स्थानिक आउटपुट के साथ विश्लेषण पैरामीटर, स्रोत संदर्भ और अपवाद लॉग निर्यात करें। ITSensing के उपलब्ध मॉडल बिल्डर और पायथन कार्यप्रवाह को इस प्रक्रिया के लिए मूल्यांकन किया जा सकता है, जबकि वास्तविक बनाए गए इनपुट पर पुनर्निर्णय को प्रदर्शित किया जाना चाहिए।
दोहराने योग्य इमेजरी प्रोसेसिंग रनों के लिए हैंडओवर लेखक वातावरण 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 दोहराने योग्य इमेजरी प्रोसेसिंग रन 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।
