결정과 관찰 가능한 대상을 시작하십시오.
실제 질문은: 어떤 catchments가 impervious surface fraction에서 변경을 지원했습니까? 도시 런오프 평가가 보고 단위로 잡을 수 있으며 이미지 또는 알고리즘을 선택하기 전에 관측 기간을 정의합니다. 스펙트럼 혼합물과 공간 컨텍스트는 적절한 참조에 대해 측정 할 때 impervious cover를 추정 할 수 있습니다.
도시 위성 분석은 지붕, 도로, 나무, 그림자, 벌거 벗은 배경과 물을 복잡한 기하학 내 혼합합니다. 이 혼합물은 해석에 가늠자와 종류 정의 중앙을 만듭니다. 내장 표면 클래스는 물리적 커버를 설명합니다. 도시 지정, 점령, 소득, 토지 tenure 및 서비스 품질은 다른 소스가 필요합니다. 그 속성에 대한 단축으로 외관을 사용하지 마십시오. 이웃이나 계획 단위 식별자 및 문서 경계 개정을 유지하십시오. 지표 온도, 채권 분수 및 야간 레이디션은 다른 관측 시간과 공간 지원과 다른 변수입니다. 그들의지도는 도시 웰빙의 교환 가능한 측정으로 처리되지 않아야한다. 독립 시정 기록 및 대표 참조 해석은 관찰 된 패턴을 설명 할 수 있습니다. 고층 기하학, 좁은 특징 또는 혼합 토지 사용은 이미지의 지원을 초과하지 않는 불확실한. 최종 계획 층은 자신의 검증 된 소스에 첨부 된 관리 및 사회 판결을 떠나하면서 검사하는 데 쉽게 관찰 가능한 증거를해야합니다.
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
사용 캐치먼트 단위, 유효한 분수 추정을 확인하고 지원되는 곳에 따로따로 수송 또는 지붕 표면을 유지합니다.
예측 관계는 명확하게 정의된 응답 변수, 참조 측정 프로토콜 및 의도 된 도메인을 필요로 합니다. 적합하기 전에 단위와 공간 지원을 표준화하십시오. 평가를 위한 진짜로 독립적인 표본을 예약하고 지역 평균과 기본적인 물리적 관계와 같은 간단한 대안으로 성과를 비교하십시오. 대상 범위, 토지 피복 컨텍스트 및 시즌에 걸쳐 재시동을 검사합니다. 작은 전체 오류는 정적 하위 그룹에서 체계적인 바이어를 은폐 할 수 있습니다. 해당 동작을 명시적으로 평가하지 않고 지원된 범위를 넘어 추가하지 마십시오. 정확한 진실로 각 표본을 대우하는 대신 참고 자료에 있는 측정 uncertainty를 포함합니다. 사전 간격과 out-of-domain 마스크는 추가 소수점 장소보다 더 유용 할 수 있습니다. 연속 래스터는 값으로 여행할 필요가 없는 예상된 표면입니다.
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
벌거 벗은 토양과 반사 표면은 유사할지도 모릅니다. 임의 영역은 배수장치 및 강우 상황에 따라 직접 runoff를 결정하지 않습니다.
지원에 사용된 증거에서 표정 해석을 지키십시오. 도시 런오프 평가 catchments를 위해, 적당한 대안 기본, 질 가면 또는 집계의 밑에 관찰한 본 persists가 있는지 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
독립적인 상세한 덮개 표본 및 배수장치 관측을 비교하십시오.
위성 변수의 공간과 temporal 지원과 일치하는 독립적 인 측정으로 평가됩니다. bias와 오류 크기, 대상 범위의 잔여를 검사하고 간단한 기본으로 성능을 비교합니다. 모델은 일관성있게 높은 값을 과도하게 overestimating하면서 강력한 상관관계가있을 수 있으므로 상관 관계는 충분합니다. 참고 측정은 실질적으로 불확실한 존재가, 그 한계를 명시적으로 설명합니다. 출력이 실제로 사용될 곳, 계절 또는 관리 상황에 대한 전송을 테스트합니다. 도메인의 누락되거나 아웃으로 지원되지 않은 상황에 대한 보존. 예측 간격이 공급되면, 그들의 empirical 적용이 독립적인 표본에 적합하다는 것을 평가하십시오. 참고 자료 검증, 단위 및 일치 규칙을 결과적으로 유지하십시오. 나중에 사용자는 평가가 정말 테스트했는지 이해합니다.
사용 가능한 GIS 증거 층을 전달
별도의 평가된 runoff 모델에 입력된 impervious cover evidence를 전달합니다.
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.