決定と観察可能なターゲットから始まります
実用的な質問は: 介入後の面積レベルの表面変化の評価を補える観察ができますか? 屋根の介入評価ゾーンをレポートユニットとして使用し、画像やアルゴリズムを選択する前に観察期間を定義します。 反射率と熱観測は、解像度やタイミングが適切と判断した際に、集計屋根や近接面応答を記述する場合があります。
アーバン衛星解析は、屋根、道路、木、影、ベアグラウンド、複雑な幾何学内の水を混合します。 この混合物は、スケールとクラス定義を集中的に解釈します。 ビルト・サーフェス・クラスでは、物理的なカバーを記述しています。都市指定、入居率、所得、土地のテナントおよびサービス品質は他のソースを必要とします。 それらの属性のショートカットとして出現を使用して避けてください。 傾向を比較する前に、近所または計画単位の識別子と文書境界リビジョンを維持します。 地表面温度、植生の分岐と夜間放射性も異なる観察時間と空間サポートで異なる変数です。 地図は都市の繁殖の交換可能な対策として扱われるべきではありません。 独立市役所の記録と代表的な参照解釈は、観察されたパターンを説明するのに役立ちます。 高層幾何学、狭い機能、または混合された土地の使用が画像のサポートを超える不確実性を保持します。 最終的な計画層は、管理および社会的判断を自ら検証されたソースに添付して残しながら、観察可能な証拠を簡単に検査するべきです。
適切な身体的および気道的なサポートで観察を選択
物理的な変数および空間サポートに熱プロダクトに注意を要求して下さい。 放射度や輝度温度画像は、自動的に土地地表面温度推定値ではなく、地表面推定値は空気温度ではありません。 供給された製品定義、スケーリング、従順な仮定と不確実性フラグを使用します。 Landsat surface-温度製品とECOSTRESSは、そのカバレッジや製品特性が研究に合っているかを評価する価値のある例です。 観察時間、雲の汚染、放射率の相違および混合された土地被覆は比較に影響を与えることができます。 サーマルバンドは、下流測定サポートにより、小型グリッドに再サンプルされます。 よく似た条件下にある場所を比較し、観察されたコントラストが盗用可能なマスキングと集計の選択肢を生き残るかどうかをテストします。 エクスポートされた属性で製品名、単位、取得時間を保管してください。そのため、ユーザーは、クロップ水使用やヒト熱暴露などの不当なプロセスから測定された表面パターンを区別できます。
処理する前に、コンパクトなデータマニフェストを作成してください。 関心、取得時間、製品識別子、処理バージョン、バンドまたは変数、単位、スケール要因および品質基準の領域を録音します。 シーン全体の品質比率だけに依存するのではなく、ターゲットを上回る実際の使用可能なカバレッジを確認してください。 元のマスクを保存し、不足している値が派生したレイヤーにどのように属するかを定義します。 いくつかの日付やセンサーが組み合わされている場合は、プロジェクト内でのサポート情報を保持します。 これらは、測定を繰り返すことができ、製品変更後の変更が経過した理由を説明することを可能にします。 また、環境や観察条件、処理選択から明らかな意見が出てくるかどうかを同僚に決定するのに役立ちます。
検討できる分析ルールの構築
一致した比較区域、文書化された介入の日付および一貫した観察条件を使用して下さい、そして屋根の適用範囲への感受性をテストして下さい。
予測関係は、明確に定義された応答変数、参照測定プロトコル、意図したドメインを必要とします。 ユニットと空間のサポートをフィッティングする前に標準化します。 地域平均や基本的な物理的関係などの簡単な選択肢で、評価とパフォーマンスを比較するための本質的に独立したサンプルを準備します。 ターゲット範囲、土地被覆 コンテキストとシーズンの残留物を調べる。小さな全体的なエラーは、結果的なサブグループで体系的なバイアスを隠すことができます。 動作を明示的に評価することなく、サポート範囲を超えて余計なことを行うことはできません。 正確な真理としてすべてのサンプルを扱いるのではなく、参照データの測定不確実性を保持します。 予測間隔とドメインマスクは、追加の小数点よりも有用である可能性があります。 連続したラスターは、不確実性が値で旅行する必要がある推定された表面です。
完全な地理を横断するルールを適用する前に、小さめで独立してサブセットを見直し始めます。 出力と中間層を概観とローカルスケールで調べ、そのユニットをチェックし、マスクを調節し、アライメントを合わせる。 分析設定の名称バージョンを保ち、すべての結果のしきい値の説明を保持します。 ワークフローが他の地域や季節に移行すると、成功した実行が科学的な転送を証明するのを仮定する代わりに、それらの仮定を再訪します。 オートメーションが自動的に解釈を正しいようにしないので、選択は点検され、変更することができるので反復可能なパイプラインは価値があります。
代替説明を隠さない結果の解釈
天候、陰影、混合ピクセルは、個々の屋根のエフェクトを圧倒することができます。 温度は、室内の温度やエネルギー使用ではありません。
ターゲットの解釈を、そのサポートに使用される証拠とは異なるものにしてください。 屋根の介入評価ゾーンについては、観察されたパターンが合理的な代替ベースライン、品質マスク、集計下にあるかどうかを尋ねます。 明らかに成功と申し分のないカウンターを一緒に見直します。 有能な説明が利用可能な観察と分離できない場合は、調査対象の候補として調査結果を記録してください。 これにより、結論のどの部分が独立した証拠に依存するかを正確に示す間、有用な空間情報を保持します。 次の観察は、類似の地図を再現するだけでなく、不確実性を解決するために選択する必要があります。
スケールする前に独立した証拠で検証
独立した屋根のプロパティ、表面測定、および別々に評価されたエネルギー記録を集めて下さい。
衛星変数の空間的および気道的なサポートに一致した独立した測定と推定値を評価します。 偏差や誤差の大きさを報告し、ターゲット範囲の残留物を調べ、シンプルなベースラインで性能を比較します。 一貫して高い値を上回る時に、強い相関性を持つことができるので、相関だけでは不十分です。 参照測定が非常に不確実性を持っている場合、その制限を明示的に記述します。 出力が実際に使用される領域、季節、または管理コンテキストへの転送をテストします。 ドメインの欠落やなくなったりするようなサポートされていないコンテキストを保存します。 予測間隔が供給される場合、その帝国のカバレッジが独立したサンプルで適切かどうかを評価します。 結果とデータ実証、単位、マッチングルールを参照し、後でユーザーが実際にテストしたことを理解できるようにします。
使用可能な GIS 証拠層を納入
未サポートの建築規模の結論で修飾された表面の証拠を除外しました。
GIS 配達のために、安定した機能識別子、ソースの観察日、物理的な変数、単位、有効なサポート区域、不確実性および見直しの状態を保って下さい。 任意の領域または距離計算に適した座標参照を使用して、外部レイヤーに参加するときに変換を文書化します。 測定された属性やフィールド・コンピレーションされた属性を分離して、他の属性を上書きせずに1つの証拠タイプを更新できます。 要約で未知の状態や未サポート状態を含み、パーセンテージに使用されるデノミネーターを保存します。 地図の凡例、簡潔なデータ辞書とアクセス可能なソースリンクは、分析を実行しなかった同僚に有用な結果になります。 エクスポート形式は、実際のダウンストリームワークフローにマッチし、ハンドオフ前にチェックされた属性エンコーディングとジオメトリで一致する必要があります。
実用的iT Sensing ワークフローに方法を回して下さい
iT Sensingは衛星発見、ラスター解析、機械学習、ジオAI、ビジュアルモデルワークフロー、Python実験をクラウドリモートセンシングワークスペースに実現しました。 文書化されたツールを使用して、入力を整理し、適切なラスター操作をテストし、評価された結果をプロジェクトアウェアGIS ワークフローに接続します。 一般的なツールの存在は、ここで説明するすべての専門家の検索が既製の操作として利用可能であることを保証しません。 必要に応じて、文書をチェックし、その実証済みの不当で、プロジェクトに独立して処理および評価された製品を持ってください。 実用的な次のステップは、代表的な領域でワークフローをテストし、ドメインスペシャリストによる証拠を見直し、チームの実際のストレージ、コラボレーション、および処理ニーズに合ったワークスペースプランを選択することです。