観察と決定を定義する
NDSIは、比較的明るい可視雪と短波赤外線反射率のコントラストを悪用します。 一般的な式は(緑色のマイナスSWIR)で区切って(緑とSWIR)です。 雪のスクリーニングには便利ですが、雪の深さや水等は独自に測定しません。
NDSIの雪上品候補に、精密な質問から始めましょう。 ソフトウェア設定を比較する前に決定と数量をステータスします。 結果、それらを認識する地理単位および証拠が検査または分析を変更するかどうかを識別します。 ターゲット条件と代替説明を書いてください。 実際の観察が質問に答えることができるかどうかを判断できる。 出力が異なる意味でプロキシを表すとき、細かい地図は十分ではありません。 短期的な前提条件を保持するので、後ほどの審査者は測定された入力、モデルの選択および解釈を区別できます。
方法へのデータサポートの一致
通訳を通してNDSIの雪上候補の計測基準。 スペクトル機能は、その式とそれに供給された観察の両方で定義されます。 バンド番号と波長応答がミッション間で異なるため、バンド名を選択する前にソース製品の説明をお読みください。 処理レベル、反射率のスケーリング、取得時間および質情報を一緒に保って下さい。 運用ユニットがピクセル、フィールド、生息地パッチ、管理領域であるかどうかを決定。 数学的に正しい比率は、混合された表面を結合したり、異なる季節的なステージを比較するときに、まだ間違った質問に答えることができます。 元のバンド観測を保存して、疑わしいインデックスは、その色だけから解釈されるのではなく、その入力に追跡することができます。
トレーサブルな解析を準備する
適切な反射バンドとクラウドスクリーニングを使用して、追加の明るさとコンテキスト情報で候補を評価します。 季節的な雪、氷、そして不快な地形を間近に観察する。 任意のしきい値とサプリメントマスクの役割を文書化します。
NDSIの雪カバー候補の準備は、次の証拠を保持する必要があります。 インデックスやスペクトルのコントラストを計算する前に、互換性のある物理的な量を用意します。 文書化されたスケールおよび付加的なオフセットを丁度加えて下さい。 検証ルールに従って、有効なゼロ、マスククラウド、影から無効な観察を区別し、飽和入力を検査します。 ネイティブ情報サポートを維持しながら、文書化されたグリッド上のバンドをアライメントします。 粗いバンドが再サンプルされると、より細かい出力間隔は細かいスペクトルの細部を作成しません。 いくつかのソースピクセルを手動でテストし、式のデノミネーターまたは他の数値条件を確認します。 プレゼンテーション色が反射率測定ではないため、定量計算の外側に表示を張ってください。
代表的なパイロットをテストする
NDSIのスノーカバー候補のパイロットは実際の受信ワークフローに対処すべきです。 通常の条件と難易度例外を含む代表的なパイロットから始まります。 関連する境界、混合された表面、欠落観察および既知の参照の場所を含んで下さい。 ソースメタデータと一緒に、手動でチェックした数値例をいくつか保存します。 結果と独立した読者や実用的な計算と比較します。 パイロットは、正しい式が間違ったユニット、バンドオーダー、または妥当性処理によって支配される可能性があるため、輸出を通じてソース選択からの完全なパスをテストする必要があります。 パイロットが理解したら、後方修正の参考として保持します。
トピック固有の解釈リスクを認識
雲、陰影雪、混合林雪ピクセルは、単純な比率を複雑にしています。 氷が覆われた氷は、きれいな雪のように振る舞いをしないかもしれません。 地形影も現存する雪を隠すことができるので、明らかに欠如は、自動的に信頼性の高い雪なしの観察ではありません。
NDSIの雪カバー候補の審査は、計算完了後続行する必要があります。 ローカルの質問と独立した証拠を使用して機能を解釈します。 数値は、身体的影響や観察的影響に反応する可能性があるため、診断される前には、通常、強いコントラストがスクリーニング結果である。 盗用された共同創設者を比較し、ソースバンドを調べ、適切な関係が適用される人口を文書化します。 繰り返し監視のために、一般的な有効なサポートを使用して下さいまたは変更の適用範囲を記述して下さい。 平均値とともに有効な観察率を報告し、閾値のマップが配信されると連続した機能層を保持します。 しきい値とは、自在の物理的境界ではなく、省略と誤った警報が評価されるべき決定ルールです。
イラストの一例を通した作業
幻の山盆地では、晴れた開放的な斜面が、森と陰の坂が残らないまま、澄んだ雪信号を生成します。 従って、バウンス全体でパーセントは、雪の降雪や有効な観察可能面積を除雪剤として扱うのではなく、両方表示するべきである。
NDSIの雪上敷候補の推論例は、意図的に限られた役割を持っています。 本記事の一例は、イラストであり、報告されたプロジェクト結果、精度要求、パフォーマンス保証ではありません。 運用上の理由をつかまえて、測定したプロジェクト値で仮定を置換します。 単位、観察日および関連するデノミネーターを目に見える保ちます。 合理的な代替マスク、参照またはパラメータが決定を変更する場合、感度を報告し、実用的な証拠を得る。 異常な場所は、観察されたものの不確実性を解決しません。 最も説得力のある物語を生成するパラメータを選択することではなく、未解決のケースを明示的に保持します。
独立した証拠に対する評価
雪の観測と関連性、側面、キャノピークラスを横断したサンプルの検査と比較します。 取得日が異なる場合は、独自にイメージを慎重に使用してください。 陰影地に漏れ、雲のエッジを経由して誤った検出を認める。
独立した評価は、結果が利用される母集団や地域、その条件を代表する必要があります。パラメータ選択やモデル訓練に使う観測と、性能評価に使う観測を分けてください。明確な対象だけでなく、判別が難しい非対象例も含め、欠測または観測不能な領域の情報を保持します。参照データの時刻と空間的な観測範囲は、実行可能な限り一致させます。不一致が生じた場合は、解析と参照証拠の両方を調べてください。参照測定にも不確かさがあるため、地図に無理に合わせることは妥当な修正方法ではありません。
有用なスケールで不確実性を報告する
NDSIの雪上候補では、その実演範囲を保持しなければなりません。 意図した決定のスケールで不確実性を見直します。 ピクセル間隔、有効なセンサー サポート、処理の近傍および管理の単位は実質的に異なる場合があります。 再サンプルされたピクセルは、多くの独立した観察を生成しません。 エリアの要約のために、有効なカバレッジと除外を保存します。候補機能では、検出の自信とソースの日付を保存します。 証拠が許可するローカルの変化から別の系統的な効果。 小さな平均誤差は、まれなクラス、特定の材料または代表的な領域で、結果的な偏差を除外しません。 評価で示したスコープを報告する。
使用可能な GIS および分析の証拠を提供して下さい
雪の候補、有効エリアの亜辞、地形コンテキスト、および正確なインデックス定義をエクスポートします。 深さと水価推定が他の証拠やモデルを必要とする状態。 ITSensing raster 解析は、スクリーニング ワークフロー をサポートし、バウン GIS 層への接続を支持できます。
NDSIの雪上が降る候補者は、作者の環境の外で理解できるままであるべきです。 関連する地理空間データと簡潔なデータ辞書とともにアクセス可能な概要を配信します。 安定した識別子、ソース参照、観察日、処理バージョン、調整基準および品質フィールドを保持します。 未知の領域と、例外レジスタで次の有用なチェックを記述します。 受取アナリストにサンプル項目を見つけるよう依頼し、証拠を特定し、その制限を解釈します。 実用的なレビューは、ファイルインテグレーションチェックが検出できない状態を明らかにすることができます。 変更の理由を保存し、後で変更した方法は新しい観察や変更方法に追跡することができます。
ITSensing ワークフローを実入で評価
NDSIのスノーカバー候補にクラウドリモートセンシングソフトウェアを評価する場合、ドキュメント化されたパイロットを使用してください。 製品の比較を使用して、代表的なデータで完全なワークフローをテストします。 ITSensingは衛星発見、ラスターおよびスペクトル分析のためのクラウドワークスペースを提示します, 機械学習, GeoAI, モデル構築とPythonベースの作業. これら広範な機能は、ここに記述するすべての専門的方法がネイティブボタンであるか、またはすべての外部サービスが直接接続することを確立しません。 実際の文書化されたツール、サポートされた入力およびエクスポートパスを確認してください。 パイロット証拠と独立した検証を保持し、再発を選択する前に ワークフロー. 製品リンクは評価のエントリーポイントであり、科学的解釈はデータとメソッドに縛られたままです。
