결정과 관찰 가능한 대상을 시작하십시오.
실제 질문은: 어떤 숲 패치와 복도는 명시된 매핑 규칙에 따라 연결됩니까? 숲 연결 단위와 함께 일보고 단위로 이미지 또는 알고리즘을 선택하기 전에 관측 기간을 정의합니다. 패치 배열은 핵심 지역을 통해 요약될 수 있습니다, 가장자리 및 연결성 미터는 믿을 수 있는 숲 가면 존재합니다.
숲 모니터링은 명시된 생태 및 관리 정의를 필요로 합니다. 나무 닫집, 숲 토지 사용, 재배 관리 및 생태계 조건 관련이지만 다른 속성. 일시적으로 개방된 지역은 특정 보고 프레임워크의 밑에 숲 땅을 유지할 수 있으며, 또는chard는 프레임 워크의 숲 정의를 충족하지 않고 나무 덮개를 갖게 될 수 있습니다. 정의에 대한 기록은 분석과 관리 분류에서 구별되는 관측 기반 속성을 유지한다. 반복된 관측은 잎 변화가 실질적인 동등한 계절 행동을 비교해야 합니다. 의 역사, 지형과 숲 유형은 spectral 출발이 의미인지 결정할 수 있습니다. 필드 플로트가 사용되면 이미지와 문서의 공간 지원을 정렬하여 이진 가장자리 근처의 불확실한 가장자리를 생성합니다. 다른 한 숲 유형의 전송에 모델이 측정되지 않는다는 것을 가정하지 마십시오. 투명 무지지-area 마스크는 실수를 방지하는 데 도움이됩니다. 가장 강력한 모니터링 기록은 각 피스의 소스와 날짜를 유지하면서 canopy 관측, 재고 측정 및 로컬 역사를 연결합니다.
적절한 물리적 및 임시 지원과 관찰을 선택하십시오.
Optical 지표 반사율은 비교하기 전에 대기 효과를 줄이기 때문에 많은 토지 피복 질문을 위한 유용한 시작점입니다. Landsat and Sentinel-2는 일반적인 후보자이지만, 밴드, 품질 정보 및 공간 지원이 대상에 맞는 실제 제품을 선택하십시오. 문서화 된 스케일과 오프셋을 사용하여 값을 해석하고 마스크 클라우드, 크리러스, 그림자 및 기타 잘못된 관찰을 제품 안내에 따라 적용합니다. 재 샘플링 래스터는 새로운 물리적 세부 사항을 얻을 수 없습니다 : 미세 그리드의 코어 밴드를 배치하는 것은 표본 추출, 악기 해상도가 아닙니다. 좁은 경계를 가까이에 이미지 정렬을 확인하고 multitemporal 일을 위한 적합한 일반적인 격자를 사용하십시오. 사용 가능한 명확한 관측이 생물학적으로 또는 작업적으로 중요한 기간을 커버 여부를 검토하십시오. 시각적으로 매력적인 복합물은 실제 상태를 설명하지 않는 날짜를 결합 할 수 있으므로 타이밍이 결정에 영향을 미칠 때 기여 취득 정보를 유지합니다.
처리하기 전에 컴팩트한 데이터가 나타납니다. 관심 분야, 취득 시간, 제품 식별자, 처리 버전, 밴드 또는 변수, 단위, 규모 요소 및 품질 기준을 기록합니다. 씬 넓은 품질 비율에만 의존하는 대상을 통해 실제 사용 가능한 적용을 확인합니다. 원래 마스크를 보존하고 누락 된 값 propagate가 파생 된 레이어로 정의하는 방법을 정의합니다. 몇 날짜 또는 센서가 결합되면 프로젝트에서 지원 정보를 유지하십시오. 이 세부 사항은 측정을 반복하고 제품 개정 후 나중에 변경 사항을 설명하기 위해 가능하다. 또한 동료가 인지 여부를 결정하는 데 도움이되는 것은 환경, 관측 조건 또는 처리 선택에서 온다.
검토 할 수있는 분석 규칙을 구축
최소 패치 및 연결 규칙을 지정하고, 해상도 감도를 테스트하고 언더리딩된 마스크를 유지합니다.
조경 분석은 투명 공간 규칙으로 시작합니다. 대안을 비교하기 전에 네트워크, 버퍼, 이웃 또는 연결 criterion 정의. 좌표 참조 및 사용 거리 또는 지역 계산을 지리에 적합. 무게를 다는 점수는 환경의 직접 관찰 된 속성이 아닌, 선호도와 가정의 모델입니다. 각 입력 요인을 유지하고 백리스 가능한 대안 무게 또는 연결 거리를 비교하십시오. 순위를 구동 할 수있는 병목과 가장자리 효과를 검사합니다. 배수장치, 접근 또는 생태 연결이 인 곳에, 독립적으로 확인된 링크에서 구별합니다. 행동하기 전에 지역 지식과 현장 관측으로 결과를 결합합니다. 유용한 계획 출력은 후보 시나리오와 그 증거를 제시하므로 사용자는 가정 변경 시 위치 변경 순위를 이해할 수 있습니다.
작은 시작, 독립적으로 전체 지리의 규칙을 적용하기 전에 하위 세트를 검토. Inspect는 단위, 마스크 및 좌표 정렬을 확인하는 두 개요와 지역 규모에서 입력 및 중간 층을 모두 검사합니다. 분석 구성의 이름을 지키며 모든 컨소시얼 임계값의 간결한 설명을 유지합니다. 워크플로이 다른 지역이나 계절으로 이동하면 성공적인 실행이 과학적 전송을 증명하는 것과 같은 가정을 다시 시작합니다. 반복 가능한 파이프라인은 그것의 선택이 검열되고 개정될 수 있기 때문에 귀중합니다, 자동화가 해석을 자동적으로 정확하기 때문에.
대체 설명없이 결과를 중단
좁은 매핑 브레이크는 위치 오류가 될 수 있으며, 해결되지 않은 도로 또는 정리가 명백한 연결을 배울 수 있습니다.
지원에 사용된 증거에서 표정 해석을 지키십시오. 숲 연결 단위의 경우, 적당한 대안 기본, 질 가면 또는 집계의 밑에 관찰한 본 persists를 요구하십시오. 겉보기 성공과 백악 가능한 카운터 예시를 함께 검토하십시오. 설명이 가능한 관측과 분리 될 수 없다면 조사에 대한 후보로 결과를 기록하십시오. 이 발견은 종종 독립적 인 증거에 따라 결론의 일부가 정확히 보여주는 유용한 공간 정보를 보존합니다. 다음 관찰은 단순히 유사한지도를 재현하기 위해, 불확실한 것을 해결하기 위해 선택되어야한다.
사기 전에 독립적 인 증거로 검증
자주하는 상세한 관찰에 대한 복도 병목과 대표자 가장자리를 확인하십시오.
공간 결론을 구동하는 기하학 및 가정을 확인하십시오. 경계의 대표 샘플, 링크 및 자산 포지션을 기준으로 계산된 값에 맞는 독립적인 소스를 가진 값을 지정합니다. 버퍼, 임계값 또는 네트워크 규칙에 대한 가용성 변경하에 출력을 비교하면 해당 분류가 민감합니다. 클리너 맵을 생성하는 대안을 선택적으로 침묵의 대신에 해결 된 링크 및 경계 사례를 유지합니다. 현장 관측은 실제 배수 연결 또는 사용 가능한 공공 입구와 같은 제안 된 물리적 또는 운영 관계를 테스트해야합니다. 결과가 계획 시나리오 인 경우, 순위를 주장하지 않고 결정 제작자의 요구와 일치 여부를 평가하는 것은 관찰 된 진실입니다. 전달된 데이터셋의 모델링 공간 관계에서 독립적으로 검증된 속성을 유지하십시오.
사용 가능한 GIS 증거 층을 전달
범용 서식지의 특성 점수보다는 스케일 퀄리티 시나리오를 제공합니다.
GIS 배송의 경우 안정적인 기능 식별자, 소스 관측 날짜, 물리적 변수, 단위, 유효한 지원 영역, 불확실성과 검토 상태를 유지합니다. 어떤 지역 또는 거리 계산에 적합한 좌표 참조를 사용하여 외부 레이어에 가입 할 때 변환을 문서화하십시오. 모델 및 필드 확인 속성에서 측정 또는 관찰 된 속성을 분리하여 사용자가 다른 사람을 과도하지 않고 하나의 증거 유형을 업데이트 할 수 있습니다. 비대칭 상태는 물론, 비대칭을 방지하고, 비대기로 인해 비대칭 상태를 유지한다. 지도 전설, concise data dictionary and access source link는 분석이 실행되지 않은 동료들에게 유용하게 만듭니다. 내보내기 형식은 실제 다운스트림 워크플로과 일치해야하며, 속성 인코딩 및 지오메트리가 핸드오프 전에 체크되어 있습니다.
실제 iT Sensing 워크플로로 방법을 켭니다.
iT Sensing은 위성 발견, 래스터 분석, 머신러닝, GeoAI, 시각 모델 워크플로 및 파이썬 실험을 클라우드 원격탐사 작업 공간으로 제공합니다. 입력을 구성하기 위해 문서화 된 도구를 사용하여 적절한 래스터 작업을 테스트하고 프로젝트 인식 GIS 워크플로에 결과를 연결하십시오. 일반 도구의 존재는 여기에 설명 된 모든 전문가의 검색이 가능한 작업으로 사용할 수 없다는 것을 보증하지 않습니다. 문서와 필요한 경우, 독립적으로 처리 및 평가된 제품을 검증된 결과물에 전달합니다. 실제 다음 단계는 대표 지역에 워크플로을 테스트하고 도메인 전문가와 증거를 검토하고 팀의 실제 저장, 협업 및 처리 요구에 맞는 워크스페이스 계획을 선택하십시오.