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:衛星機能は、校正サンプルの外側の農場のための収穫見積もりを向上させることができますか? 収穫報告ユニット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。 季節的なキャノピー開発は、一貫した地上測定、管理記録、気象と組み合わせて収穫を相関することができます。 作物および生産システムのために関係は推定されなければなりません。
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
収穫単位と水分量を標準化し、収穫単位の集計機能と、農場全体や季節ごとの評価を予約します。 シンプルなベースラインでモデルを比較します。
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
ランダムピクセル分割は、隣接する情報を検証に漏れることができます。 穀物の水分と収穫面積は農場によって異なります。
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。 収穫報告ユニットは、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、凝集の下に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
文書化された区域およびサンプル手順の独立した収穫の重量を使用して下さい。
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
予測間隔と、普遍的な収量式ではなく、宣言されたドメインの使用を実現します。
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。