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、季節ごとに水筒を観察できる水を保持しているか? 池やタンクオブジェク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。 オブジェクトベースのウォーターマスクは、位置、観察された範囲および季節的な持続によって池やタンクを整理することができます。
水質評価は、水質学の状態やセンサーが実際に観察できるものに依存します。 開水、植生、湿った土壌と浅い底の反射率の下水は、異なる信号を生成することができます。 管理質問がその区別を必要とするときにそれらを分離してください。 河川の排出、貯水池操作、降雨量および風は衛星の過渡とフィールド訪問の間の条件を変えるかもしれません、従って観察のタイミングは足音のよりむしろ分析で属します。 水体境界も測定選択です:恒久的な監視封筒、現在の水端と管理湖のポリゴンは異なる意味を持っています。 エリアやトレンドの計算に適切な1つを使用します。 選択された光学特性を支えても、汚染物質が分かち合えることはできません。 化学的または生物学的結論のために、フィールド測定は不可欠です。 雲、影、植生、または大気の補正が悪い領域を観察します。 認定された不完全な水地図は、サポートされていない値を含むシームレスな表面よりも有用です。
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
最小限の支持対象サイズを設定し、湿式およびドライシーズンの観察を比較し、未確認の検出を保存します。
オブジェクトマッピングは、どの数のカウントを1つの機能として使うかの明示的なルールが必要です。 最小の検出可能なサイズ、分割およびマージ動作と不確実な境界がどのように処理されるかを指定します。 接続されたイメージパッチは複数の管理単位を表すことができますが、 1つの物理的特徴はシャドウや不足しているデータによって分けることができます。 オブジェクトのカウントとエリアを別々にチェックします。メソッドは、在庫を誤って分割しながら合理的な合計領域を達成することができます。 更新を通して安定した識別子を保持し、ソースの観察へのリンクを保存します。 候補オブジェクトの代表的なサンプルと周囲の非候補者を見直し、偽の検出と見逃しの機能を両方表示できます。 正確な境界がサポートされていない場合、対象ゾーンまたは位置を測るよりも、幾何学が守れない正確なポリゴンを描画する代わりに検査のポイントを使用してください。
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
小さな池は、影や暗い屋根が水に似ている間、解散されるかもしれません。 水のプレゼンスは、効力のある品質を確立しません。
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。 池やタンクオブジェクトについては、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、集計下にあ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
フィールド内の池や候補の偽陽性の stratified サンプルを確認します。
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
季節ごとの観察範囲で、サイズ指定の在庫を届けます。
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。