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:同じ安定した土地の小包のためにどのクロップ順序を支えることができますか。 レポートユニットとして多季節作物の歴史を操作し、画像やアルゴリズムを選ぶ前に観察期間を定義します。 年単位の分類を繰り返して、小包の識別と季節定義が一貫して残っているときだけ回転記録になります。 一時的な制約は、不可能な移行を識別するのに役立ちます。
観察ユニットが決定ユニットにマッチすると、農業監視が最適です。 農業者は、フィールド、灌漑ブロックまたは管理ゾーンを運営しています。 植栽日、作物アイデンティティ、収穫された地域、管理履歴を別々のレジスタに維持し、安定した識別子によって画像測定を接続します。 周囲の緑色の表面が異なる生産段階を表す可能性がある理由を説明します。 農場を比較する前に、季節定義とすべてのパーセンテージに使用されるデノミネーターに同意します。 見えない観察のない領域は、静かにベールの土地、失敗した作物または正常な状態になりてはならない。 選択したピクセルでターゲットが十分に大きいかどうかを確認します。フィールドエッジの混合物は、特に小規模な株主モザイクで重要になります。 問題が作物のアイデンティティ、栄養素の状態、水圧力または最終生産に依存するところ、独立した測定が競合する説明を区別できるか尋ねます。 衛星層は、その測定を指示し、その結果を保存する必要があります。 未明なカラーランキングではなく、便利な運用記録を作成します。
適切な身体的および気道的なサポートで観察を選択
光学地表面反射率は、比較前にいくつかの大気影響を削減するので、多くの土地被覆の質問のための有用な出発点です。 Landsat and Sentinel-2は共通候補ですが、バンド、品質情報、空間サポートがターゲットに合致する実際の製品を選択します。 値の解釈、およびマスククラウド、サイラス、シャドウ、その他の製品ガイダンスに応じて、文書化されたスケールとオフセットを適用します。 再サンプルされたラスターは、新しい物理的詳細を得ることはありません。 より細かいグリッドにコライザーバンドを配置すると、そのサンプリングが変化します。 狭い境界線付近の画像の直線をチェックし、複数の一時的な作業に適した共通グリッドを使用します。 利用可能な明確な観察が生物学的にまたは操作的に重要な期間をカバーするかどうかを確認します。 視覚的に魅力的なコンポジットは、実際の状態を記述しない日付を組み合わせることができるので、タイミングが決定に影響を及ぼすときに、コントリビュート取得情報を保持します。
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
パーセルクロスウォークを作成し、季節ごとに確率を保ち、既知のローカルプラクティスで腐敗したクロップシーケンスを比較します。 秋の季節に欠けているラベルを区別します。
分類は、保存可能なクラス定義と参照ラベルで始まり、画像日付に一致する。 適切な場合、困難な代替品、混合境界、未知のクラスを含める。 バンドを選ぶのではなく、ターゲットプロセスを表現する機能を構築します。 トレーニングと評価の場所を空間的に独立させ、転送が意図した使用時に異なる地域や季節を保存することを検討してください。 全体的な正確さを単独で報告するのではなく、クラス固有の省略と手数料エラーを確認します。 全体スコアが高いと、レアなターゲットは、実用的な精度が悪い可能性があります。 最終的なクラスと並行して確率や他のサポートされていない不確実性測定値を保持し、校正制限を文書化しました。 クラスエリアがレポートを駆動する場合、マップエラーが適切なサンプリングベースのエリア推定器を介して組み込まれる必要があるかどうかを評価します。
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
境界変化、刻印、欠落した季節は偽の回転を生成できます。 地図が単に隠蔽されるとき分類の間違いは蓄積します。
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。 多季節作物の歴史については、合理的な代替ベースライン、品質マスク、凝集の下で観察されたパターンが主張す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
農場の記録と独立小包訪問で多年の歴史を検証します。
意図したマップの使用を表すための参照サンプルを設計します。, 難易度と分類器がフラグをしなかった場所を含みます. 訓練およびしきい値の調節のサンプルを独立して保って下さい。 まれなターゲットクラスが意図的にオーバーサンプリングされると、選択確率を保持し、人口レベルの推定値を適切に計算することができます。 一貫した参照定義とレポートの省略、および手数料エラーを使用して混乱行列を作成。 ラベルが解釈を必要とする観察者同意をチェックする。 パフォーマンスが異なる場合、地形、ターゲットサイズ、季節などの有意義な文脈によるレポート結果。 地図は、シンプルなインテリア例でのみ評価され、狭いエッジや混合された風景についてのクレームを正当化することはできません。 監査のために利用可能な参照証拠を保持し、特定のものではなく、各サンプルを決定的なカテゴリに強制するという参照ラベルを区別します。
使用可能な GIS 証拠層を納入
サポートされているシーケンス、不確実な年と境界変化のメモを公開します。
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。