अवलोकन और निर्णय को परिभाषित करना
वर्णक्रमीय कोण मानचित्रकार वर्णक्रमीय वेक्टर के बीच कोण की तुलना करता है। यह वेक्टर परिमाण के सापेक्ष वर्णक्रमीय आकार पर जोर देता है। एक छोटा कोण उस प्रतिनिधित्व के तहत समानता को इंगित करता है, यह प्रमाण नहीं है कि पिक्सेल में केवल संदर्भ सामग्री होती है।
वर्णक्रमीय समानता के नक्शे के लिए, एक सटीक सवाल 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
वर्णक्रमीय कोण समानता मानचित्र के लिए माप का आधार पूरे अनुवाद में मायने रखता है। इमेजिंग स्पेक्ट्रोस्कोपी वर्णक्रमीय संरचना का उपयोग सबूत के रूप में करता है, इसलिए तरंगदैर्ध्य पहचान और संकेत की गुणवत्ता मौलिक हैं। बैंड के अनाम संग्रह के रूप में क्यूब को इलाज करने के बजाय चैनल सेंटर, बैंडविड्थ, सेंसर प्रतिक्रिया और प्रसंस्करण स्तर को बनाए रखें। मापा वर्णक्रमीय रेंज और स्थानिक समर्थन के लिए लक्ष्य की अपेक्षित नैदानिक सुविधा का मिलान करें। एक प्रयोगशाला स्पेक्ट्रम, क्षेत्र स्पेक्ट्रम और कक्षीय पिक्सेल मिश्रण, रोशनी, नमी और वातावरण के कारण भिन्न हो सकते हैं। विश्लेषण का कहना है कि अवलोकन किस प्रकार समर्थन कर सकता है और कौन-सा प्रतियोगी सामग्री या शर्तों को समान हस्ताक्षर उत्पन्न कर सकता है।
एक अनुरेखण विश्लेषण तैयार करना
संगत परावर्तन बैंड तैयार करें और सेंसर के लिए रिसाइब्युलेंस स्पेक्ट्रा को फिर से शुरू करें। अनुपयुक्त चैनलों को छोड़कर उम्मीदवार सामग्री को परिभाषित करें। थ्रेसहोल्ड का मूल्यांकन करें और हर पिक्सेल को मजबूर पहचान के लिए सौंपने के बजाय निकटतम प्रतिस्पर्धी मैचों को बनाए रखें।
वर्णक्रमीय समानता के मानचित्रों की तैयारी निम्नलिखित साक्ष्यों को संरक्षित करना चाहिए। एक मॉडल को फिट करने या पुस्तकालय की तुलना करने से पहले वर्णक्रमीय गुणवत्ता का निरीक्षण करें। दस्तावेज सुधार और बैंड स्क्रीनिंग नियमों को लागू करें, तरंगदैर्ध्य आदेश को संरक्षित करें और हर हटाए गए चैनल को रिकॉर्ड करें। उपयुक्त सेंसर प्रतिक्रिया के माध्यम से जहां संभव हो, उदाहरण संदर्भ स्पेक्ट्रा। यह दिखाने के बिना कि अंतर्विभाज्यता वर्णक्रमीय जानकारी को बेहतर बनाती है, स्थानिक परतों को संरेखित करें। मूल स्पेक्ट्रा और शेष को ऐसे निरंतर हटाने या मिश्रण के रूप में परिवर्तन की समीक्षा करने के लिए रखें। केवल प्रशिक्षण समर्थन पर सांख्यिकीय प्रीप्रोसेसिंग फिट करें और मूल्यांकन और बाद में डेटा के लिए लगातार बनाए रखा परिवर्तन लागू करें। जब तरंग दैर्ध्य या बैंड ऑर्डर अलग हो जाता है तो एक मिलान सरणी की लंबाई अपर्याप्त होती है।
प्रतिनिधि पायलट का परीक्षण करें
वर्णक्रमीय कोण समानता मानचित्र के लिए एक पायलट को 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
वायुमंडलीय अवशिष्ट, मिश्रण और वर्णक्रमीय शोर कोण बदल सकते हैं। इसी तरह की सामग्री अस्वस्थ रह सकती है, और एक डार्क शोर पिक्सेल अस्थिर परिणाम उत्पन्न कर सकता है। चमक-invariant तुलना हर रोशनी प्रभाव को दूर नहीं करती है।
वर्णक्रमीय कोण समानता मानचित्र की समीक्षा को गणना पूरा होने के बाद जारी रखना चाहिए। स्वतंत्र संदर्भों और plausible confounders का उपयोग करके वर्णक्रमीय व्याख्या का मूल्यांकन करें। समानता स्कोर, मिश्रण भिन्न, विसंगत या विशेषता भविष्यवाणी की अपनी धारणा है और इसे एक निश्चित सामग्री पहचान का नाम नहीं दिया जाना चाहिए। प्रतिस्पर्धा मैचों की समीक्षा, अवशिष्ट और पूर्व प्रसंस्करण या पुस्तकालय पसंद के प्रति संवेदनशीलता। यदि आवर्ती उपयोग का इरादा है तो साइटों और अधिग्रहण की स्थिति में परीक्षण हस्तांतरण। प्रत्येक पिक्सेल को एक आत्मविश्वास लेबल में बदलने के बजाय अज्ञात और कमजोर संकेतन मामले शामिल हैं। समझाओ कि सतह का आवरण या माप शोर एक उपयोगी निष्कर्ष को रोकता है। उपयुक्त वर्णक्रमीय विस्तार एक कार्य में सुधार कर सकता है, लेकिन स्वतंत्र प्रदर्शन के केवल सबूत उस सुधार को दर्शाता है।
उदाहरण के माध्यम से काम करना
एक उदाहरण पिक्सेल जिसकी सबसे अच्छी कोण दो खनिज संदर्भों के करीब है कल्पना करें। केवल विजेता नाम की रिपोर्ट अस्पष्टता को छिपाती है। एक उम्मीदवार या अज्ञात वर्ग प्रमाण को ईमानदारी से सूचित कर सकता है।
वर्णक्रमीय कोण समानता मानचित्र 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
स्वतंत्र संदर्भ स्थानों और संभावित confounding सामग्री का उपयोग करें। वर्ग-विशिष्ट त्रुटियों और सीमा संवेदनशीलता का आकलन करें। चमक और मिश्रण की स्थिति में प्रदर्शन की जाँच करें।
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
वर्णक्रमीय समानता के नक्शे 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
वर्णक्रमीय तैयारी, संदर्भ पुस्तकालय, थ्रेसहोल्ड और प्रतिस्पर्धी मैच सबूत निर्यात करें। ITSensing उपलब्ध मल्टीबैंड या कस्टम कार्यप्रवाह के माध्यम से मूल्यांकन का समर्थन कर सकता है जबकि अंतिम पहचान स्वतंत्र सत्यापन के अधीन बनी हुई है।
वर्णक्रमीय कोण समानता मानचित्र 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 स्पेक्ट्रल-कोण समानता मानचित्र 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।