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、他のシーベッドクラスからサポートされたシーグラス生息地をイメージできるところですか? レポートユニットとして浅いベニクアットゾーンで作業し、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。 適切な透明水観測は、深さと水列効果が許すときに、ベニシックスペクトルパターンを明らかにすることができます。
海岸の風景は、潮汐、波、電流、風が見える表面を変化させるため、時間内に変化します。 ターゲットに影響を及ぼすと、これらの条件を録音します。 土地と水の間の明らかな境界は観察プロキシであり、生息地の程度は、管理海岸線とエンジニアリング海岸線は異なる定義を必要とするかもしれません。 センサーが水コラムおよび海底信号の混合物を受け取るかもしれないので浅い水は別の複雑化を導入します。 混合物の変化は、生態変化ではなく深さや明快さを反映することができます。 環境のコンテキストが適切である観察を比較し、コンテキストが1つの傾向に強制する代わりに、互換性のない日付を保持します。 オフショア製品には、小さな遊歩道やサンゴ礁のためにあまりにも広いかもしれない空間的なサポートもあります。 GISの合計でこの制限を保存します。 衛星証拠が潮流、生息地観察、局所運用の履歴に接続されると沿岸マッピングがより有用になります。各ソースは最終データセットで識別できます。
適切な身体的および気道的なサポートで観察を選択
アクアティック光学解析は、便利な自然色表示を越えた制御を必要とします。 節水信号は大気および表面効果に小さい相対的なである場合もあります従って水タイプおよびプロダクトに適切な大気の訂正そして質のスクリーニングを評価して下さい。 明るい海岸、底反射率、混合地水ピクセルのサングリントは、標的信号を圧倒する可能性があります。 広域の土地植生分析に適したセンサーバンドは、各水生成分に自動的に最適ではありません。 公開された関係を適用する前に、ユニットとリフレクタンスの定義を一貫して保持します。 粒子や溶解物が異なるため、1湖に校正される気密な方程式の方が、別の湖では失敗する可能性があります。 タイムリーなフィールドサンプルで画像をペアリングし、独立した条件を評価し、サポートされていない範囲のマスクを保持します。 ターゲット水体が汚染されていないピクセルのために狭すぎた場合、衛星ビューを使用してコンテキストを編集し、非調整可能な詳細な集中マップを作成する代わりに測定アプローチを再設計します。
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
比較可能なクリアウォーターウィンドウを選択し、深さを把握し、独立したベニシックラベルに対する分類を評価します。
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
藻類、濃い堆積物、深度差は、シーグラスに似ている可能性があります。 可視性は、不在ではなく、不服を保ち続ける必要があります。
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。 浅い腹部の生息地ゾーンについては、観察されたパターンが合理的な代替ベースライン、品質マスクまたは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
ボート、ダイバー、その他の適切なフィールド生息地観察を使用してください。
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生息地クラスを深さと視認性マスクで公開します。
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。