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、遠隔に意味のある予測者は、明示的にサンプルされた森林ドメイン内のバイオマスを推定することができますか? 森林バイオマス推定ストラタ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。 レーダー、キャノピー構造および光学情報は、防御可能なフィールド測定と組み合わせたバイオマスモデルをサポートすることができます。
森林監視は、明示的な環境と管理の定義を必要とします。 樹木キャノピー、森林土地利用、植林管理、生態系条件が関連しているが、異なる属性です。 一時的に開いているエリアは特定の報告枠の下に森林の土地を維持することができます。, 果樹園は、フレームワークの森林定義を満たしていない密なツリーカバーを持つことができます. 定義が解析を管理し、管理分類から区別できる観察型属性を保持するレコード。 繰り返し観察は、葉が変化する季節的な行動を大きく比較する必要があります。 経理歴、地形、林型は、分光の出発が有意義であるかどうかを判断できます。 フィールドプロットが使用されると、ヘテロ遺伝子のエッジ付近にある画像や文書の地理位置不確実性で空間的なサポートを整列します。 別の森型にモデルを移すことは想定しないでください。 透明で支えないエリアマスクは、その間違いを防ぐことができます。 最強の監視記録は、各証拠のソースと日付を保持しながら、キャノピーの観察、在庫測定、およびローカル履歴を接続します。
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
マッチプロットは、モデル評価のための独立した領域をイメージし、全対称的な仮定を保持し、予約します。
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
センサーの飽和、地理位置をプロットし、代表的な森林タイプは、自信に満ちた偏見予測を生成することができます。
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。 森林バイオマス推定ストラタは、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、凝集に基づいて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
品質管理の目録のプロットを使用して下さい、別々のレポートの測定およびモデルの不確実性。
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
予測サポートマスクとバイアス診断でバイオマスの見積もりを発行します。
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。