관찰 및 결정 정의
좁은 밴드 반사는 안료 또는 물 관련 재산과 같은 vegetation 특색짓기의 모형을 지원할 수 있습니다. 모델은 정의된 조건 하에서 참조 측정에 닫힌 신호를 연결합니다. 잎 측정과 혼합 위성 발자국 사이에 잡히지 않습니다.
spectral vegetation-trait 견적을 위해 정확한 질문을 시작합니다. 소프트웨어 설정을 비교하기 전에 결정과 수량을 주십시오. 결과를 사용할 수 있는 식별, 그들이 인식하고 증거가 검사 또는 분석 변경하는 지리적 단위. 대상 조건과 백악성 대안 설명 아래. 이 방법은 실제 관측이 질문에 답할 수 있는지 판단 할 수 있습니다. 출력이 다른 의미로 프록시를 나타냅니다 때 잘 보이는지도가 충분하지 않습니다. 짧은 가정 등록을 유지하므로 나중에 검토자는 측정 된 입력, 모델 선택 및 해석을 구별 할 수 있습니다.
방법의 일치 데이터 지원
spectral vegetation-trait의 측정 기준은 해석에 걸쳐 문제들을 추정합니다. 화상 검사는 증거로 스펙트럼 구조를 이용합니다, 그래서 파장 ID 및 신호 질은 근본적입니다. 채널 센터, 대역폭, 센서 응답 및 처리 수준은 대역의 익명 컬렉션으로 큐브를 치료하는 것보다 오히려. 측정된 spectral 범위와 공간 지원에 대상의 예상 진단 특징을 일치시킵니다. 실험실 스펙트럼, 필드 스펙트럼 및 궤도 픽셀은 혼합물, 조명, 습기 및 대기 때문에 다를 수 있습니다. 분석은 관찰이 지원할 수 있고 재료 또는 조건을 준수하는 것은 유사한 서명을 일으킬 수 있는지 여부를주의해야합니다.
추적 가능한 분석
trait, 참조 프로토콜 및 공간 지원 정의. 파장, 품질 및 기하학을 지속적으로 준비하십시오. 물리적으로 식별되거나 통계적 모델과 독립적 인 필드 및 날짜 평가, 보존 교정 범위.
spectral vegetation-trait 견적은 다음 증거를 보존해야 합니다. 모델에 맞게 spectral 품질을 검사하거나 라이브러리를 비교하기 전에. 문서화 및 밴드 스크린 규칙을 적용하고, 파장 순서를 보존하고 각 제거한 수로를 기록하십시오. 적절한 센서 응답을 통해 Resample 참조 spectra. 의외로 인한 의외적인 의외 층은 의외 정보의 의외를 개선합니다. continuum 제거 또는 혼합과 같은 변환을 검토하는 본래 spectra 및 잔여를 지킵니다. 교육 지원에 적합한 통계적 사전 처리는 평가 및 나중에 데이터에 지속적으로 유지 된 변환을 적용합니다. 어울리는 배열 길이는 파장 또는 밴드 순서가 다를 때 충분합니다.
대표 파일럿 시험
spectral vegetation-trait 견적의 파일럿은 실제 수신을 워크플로에 지정해야 합니다. 일반 조건과 어려운 예외를 포함하는 대표 파일럿과 함께 시작하십시오. 관련 경계, 혼합 표면, 누락 된 관측 및 알려진 참조 위치를 포함. 소스 메타데이터와 함께 몇 가지 수동으로 누름 예제를 저장합니다. 독립적 인 리더 또는 실제 계산과 결과 비교하십시오. 파일럿은 수출을 통해 소스 선택에서 완전한 경로를 테스트해야, 올바른 수식이 여전히 잘못된 단위로 종료 될 수 있기 때문에, 밴드 주문 또는 유효성 취급. 파일럿이 이해되면 나중에 개정을 참고로 유지하십시오.
주제별 해석 위험 인식
닫집 구조, 토양 및 종 구성은 trait 관계를 혼란시킬 수 있습니다. 한 생태계 또는 계절에 훈련 된 모델은 다른 곳에서 실패 할 수 있습니다. 강력한 교육 상관 관계는 글로벌 정량적 인 retrieval에 대한 충분한 증거입니다.
spectral vegetation-trait 견적의 검토는 계산 완료 후 계속되어야 합니다. 독립적 인 참조 및 plausible confounders를 사용하여 spectral 해석을 평가합니다. 유사점 점수, 혼합물 분수, anomaly 또는 trait 예측은 자체 가정을 가지고 있으며 definitive 재료 정체성을 이름을 변경하지 않아야합니다. 경기, 재시동 및 민감성, 사전 처리 또는 라이브러리 선택에 대한 검토. 사이트 및 인수 조건을 통해 전송을 테스트하면 재발송이가 의도됩니다. 모든 픽셀을 confident 라벨로 강제로 강제하지 않고 알 수없는 약한 서명 케이스를 포함하십시오. 표면 커버 또는 측정 소음이 유용한 결론을 방지하는 설명. 적절한 스펙트럼 세부 사항은 작업을 개선 할 수 있지만 독립적 인 성능의 증거는 그 개선을 보여줍니다.
일하는 일
그림 같은 잎-트라이트 연구에 대한, 하나의 나무의 샘플은 여러 종과 토양을 포함하는 픽셀과 결합됩니다. 명백한 예측 오류는 부분적으로 지원 mismatch를 반영하고, 모델 품질은 아닙니다.
spectral vegetation-trait 견적의 이유가 deliberately limited 역할이 있습니다. 이 문서의 예는 설명되어 있지 않으며, 프로젝트 결과, 정확성 청구 또는 성능 보증이 아닙니다. 측정된 프로젝트 값으로 assumption를 대신하여 작업의 이유를 사용해서 교체합니다. 단위, 관측 날짜 및 관련 디노미네이터를 가리킵니다. 합리적인 대안 마스크, 참조 또는 매개 변수가 결정, 그 감도를 변경하고 실용적인 증거를 얻을 수 있는지. 추가 소수점은 어떤 것을 관찰 한 것에 불확실하지 않습니다. 가장 큰 persuasive narrative를 생산하는 매개 변수를 선택 대신 명시적으로 해결되지 않은 경우를 유지합니다.
독립적인 증거에 대하여 Evaluate
사이트 및 날짜를 파악하고 Canopy 유형에 의해 불확실성을 평가하십시오. 간단한 기본 사항과 비교. 참고 샘플링 디자인을 유지하고 측정이 실제로 픽셀 풋프린트를 나타냅니다.
독립 평가는 결과가 사용될 모집단과 조건을 대표해야 합니다. 매개변수 선택이나 모델 훈련에 사용한 관측은 성능 평가에 사용하는 관측과 분리해야 합니다. 명확한 표적뿐 아니라 구별하기 어려운 비표적 사례도 포함하고, 자료가 없거나 관측할 수 없는 영역에 대한 정보를 유지해야 합니다. 기준 자료의 시간과 공간적 관측 범위를 가능한 한 맞추십시오. 불일치가 발생하면 분석과 기준 근거를 모두 조사해야 합니다. 기준 측정에도 불확실성이 있으므로 이를 지도에 억지로 맞추는 것은 유효한 보정 방법이 아닙니다.
유용한 스케일에서 uncertainty 보고
spectral vegetation-trait 견적을 위해 결과가 설명된 범위를 유지해야합니다. 의도한 결정의 규모에 불확실한 검토. 화소 간격, 효과적인 감지기 지원, 가공 이웃 및 관리 단위는 실질적으로 다를 수 있습니다. 많은 재 샘플링 픽셀은 많은 독립적 인 관찰을 만들지 않습니다. 지역 요약을 위해, 유효한 적용과 예외를 보존하십시오; 후보자 특징을 위해, 탐지 신뢰 및 근원 날짜를 보존하십시오. 지역 변이에서 분리된 체계적인 효과는 증거가 허용하는 곳에. 작은 평균 오류는 희귀 한 클래스, 특정 재료 또는 대표 된 지역에서 비정상적인 bias를 규칙하지 않습니다. 평가에 의해 입증된 범위를 보고하십시오.
usable GIS 및 분석 증거 제공
trait 정의, 단위, 참고 입증 및 적용 한계를 전달하십시오. ITSensing은 기능 준비 및 모델링 평가를 지원할 수 있으며, 정량적 생태 해석은 적절한 교정 및 검증 연구에 따라 다릅니다.
spectral vegetation-trait 견적의 수로는 저자 환경 밖에 이해해야 합니다. 관련 지리 공간 데이터와 concise data dictionary와 함께 접근 가능한 개요를 전달합니다. 안정적인 식별자, 소스 참조, 관측 날짜, 처리 버전, 좌표 참조 및 품질 필드를 유지. 예외적인 영역과 예외 등록시 다음 유용한 체크를 설명합니다. 샘플 항목을 찾을 수 있도록 수신 분석가 요청, 그것의 증거를 확인하고 제한을 해석. 이 실용적인 리뷰는 파일에 대한 체크가 감지 될 수 없다는 것을 누락된 상황에 대해 알 수 있습니다. 개정의 이유를 보존하기 때문에 나중에 변경은 새로운 관측 또는 변경 방법에 추적 할 수 있습니다.
ITSensing 워크플로를 실제 입력으로 평가
spectral vegetation-trait 견적을 위한 클라우드 원격탐사 소프트웨어를 평가할 때, 문서화 된 파일럿을 사용합니다. 제품 비교를 사용하여 전체 워크플로을 테스트하여 대표 데이터. ITSensing은 위성 발견, 래스터 및 스펙트럼 분석, 머신러닝, GeoAI, 모델 빌딩 및 Python 기반 작업을 위한 클라우드 작업 공간을 제공합니다. 이러한 광범위한 기능은 여기에 설명 된 모든 전문 방법을 설정하지 않습니다. 기본 버튼 또는 모든 외부 서비스는 직접 연결됩니다. 실제 문서화 도구, 지원된 입력 및 수출 경로 확인. 재발급 워크플로를 선택하기 전에 파일럿 증거와 독립적 인 검증을 유지하십시오. 제품 링크는 평가의 항목 포인트입니다, 과학 해석은 데이터와 방법에 묶여 남아.
