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、季節的な作物の状態が意味のあるローカルベースラインに異常に悪いところですか? 雨林の農地を通し、レポートユニットとして作業し、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。 植生軌跡、降雨異常および表面熱条件は水制限の異なった眺めを提供します。 統合評価は、持続可能な地域信号から分離された画像のアーティファクトを分離することができます。
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
情報補完や差分をコントロールする際、センサーを組み合わせることは便利です。 光学的画像、レーダー、熱観測、およびコンテキストデータセットは同じプロパティを測定しないため、交換可能な写真があったらそれらをマージしないでください。 各ソースの貢献を定義し、空間サポート、取得時間と欠落データパターンを調べます。 グリッドを非適度に揃え、変数タイプに応じて再サンプリングを選択し、元の品質マスクを保持します。 粗い出力グリッドは、粗い入力から情報流入を回復できません。 ソースが異なる日付を記述する場合、ターゲットがギャップ中に変化する可能性があるかどうかを決定します。 それぞれの単純ソース固有のベースラインに対して、結合されたワークフローを評価します。 融合は、単に機能のカウントを増加させるよりも有用な追加情報を示すべきです。 最終証拠層のソース固有の属性を保存して、アナリストは分類や異常にそれを支持した観察に戻すことができます。
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
作物カレンダーと降雨政権、季節限定の比較、地図の永続性で確認。 歴史的異常を解釈する前に、土地使用の変化を確認します。
異常に定義されたベースラインから出発を記述するので、ベースラインの選択は結果に所属しています。 同じ物理的ターゲットの期待される動作を表す期間と季節ウィンドウを使用します。 土地利用の変化や、歴史上の比較を無効にすることができる変更処理の見直しを点検します。 標準化されたスコアは有用であるが、その仮定はデータ分布とサンプルサイズに合うべきです。 独立した観察を横断して持続性を調べ、近くの安定した参照を比較します。 特定の価値は、品質の問題である可能性があります。, いくつかの凝集した出発は、調査を正当化することができますが、. インデックスのサインからのみ原因を命名することを避け、代替説明を目に見えるようにしてください。 フラグされたパターンが参照期間と品質マスクの合理的な変更下にあるかどうかをテストし、レビューレコードの感度を保持します。
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
平らに播種、作物置換、収穫は干ばつの損傷に似ている可能性があります。 植生異常単独では、その原因を識別しません。
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。 雨林の養殖地区では、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、凝集性下で主張してい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
作物段階の観察、降雨状況および独立した地区の生産情報を収集します。
推論プロセスのタイミングと持続性、およびそのマッピングされた場所を評価します。 独立した観察は、可能な場所の関連した移行を、自分の日付の不確実性が記録されているかをブラケットでブラケットする必要があります。 以前の画像の正確な真実として買収後、フィールド訪問を長く処理しないでください。 季節ごとの観察期間や季節的な移行の時期に異なる方法が行われるか確認してください。 フラグが付けられたイベントのみをレビューするので、評価の明らかに変更されていない場所を含めることは、見逃された変更やベースラインの不安定性を明らかにすることはできません。 時刻が間隔で表されると、その間隔内で独立して知られたイベントが落ちるかどうかを判断します。 参照自体があいまいな文書ケース。 防御可能な一時的な評価は、プロセスが検出される頻度と、その発生率を正確に時間内に配置する方法を説明します。
使用可能な GIS 証拠層を納入
ドラフトスクリーニングレイヤーを代替説明と自信のクラスで発行します。
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。