결정과 관찰 가능한 대상을 시작하십시오.
실제 질문은: 증거가 다른 해안 채권 종류 보다는 오히려 mangrove 덮개를 지원합니까? mangrove 서식지 패치를 보고 단위로 작업하고 이미지 또는 알고리즘을 선택하기 전에 관측 기간을 정의합니다. Tidal 위치, 지속적 인 woody 덮개 및 multitemporal spectral 또는 radar 패턴은 후보자 mangroves를 구별합니다.
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.
센서를 결합하면 정보를 보완하고 차이점이 제어됩니다. 광학적인 이미지, 레이다, 열 관측 및 컨텍스트 데이터셋은 동일한 재산을 측정하지 않습니다, 그래서 그들이 교환할 수 있는 사진인 경우에 그(것)들을 합병하지 마십시오. 각 소스의 기여를 정의하고 공간 지원, 취득 시간과 누락 데이터 패턴을 검사합니다. Align grids deliberately, 변수 유형에 따라 재 샘플링을 선택하고 원래 품질 마스크를 유지합니다. 정밀한 출력 그리드는 coarse 입력에서 정보 absent를 복구 할 수 없습니다. 소스가 다른 날짜를 설명하면 대상이 간격 중에 변경 될 수 있는지 결정합니다. 각 단순한 소스 별 기본에 대한 결합 워크플로을 평가; fusion은 기능 조사를 증가하는 것보다 오히려 유용한 추가 정보를 설명해야합니다. 최종 증거 층의 소스 별 속성을 보존하기 때문에 분석가들은 분류 또는 불균형을 지원 한 관찰으로 추적 할 수 있습니다.
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
estuary 및 open-coast 설정, tidal context를 검사하고 명시적으로 혼합 된 해안선 픽셀을 평가합니다.
Classification는 이미지 날짜와 일치하는 Observable class 정의 및 참고 상표로 시작합니다. 적절한 경우 어려운 대안, 혼합 경계 및 알 수없는 클래스를 포함. 선택 밴드보다 대상 프로세스를 표현하는 기능을 구축하여 사용할 수 있기 때문에. 교육 및 평가 위치는 독립적으로 유지하고 이동이 의도한 사용일 때 다른 지역이나 계절을 보존하는 것을 고려합니다. 전체 정확도를 보고 대신 클래스별 공시 및 수수료 오류를 검토합니다. 희귀 대상은 전체 점수가 높은 경우에도 실용적인 정밀도를 가질 수 있습니다. Probabilities 또는 다른 지원된 불확실한 측정을 통해 최종 클래스와 함께 교정 제한이 문서화됩니다. 클래스 영역이 보고서를 구동 할 때, 맵 오류가 적합한 샘플링 기반 영역 estimator를 통해 통합 될 필요가 있는지 평가합니다.
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
Aquaculture 가장자리, 다른 상록색 채권 및 tidal inundation complicate 분류. 캐노피 커버는 모든 종을 식별하지 않습니다.
지원에 사용된 증거에서 표정 해석을 지키십시오. mangrove 서식지 패치의 경우, 적절한 대안 기본, 품질 마스크 또는 집계 아래 관찰 패턴을 참조하십시오. 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
생태 참고 관찰을 수집하는 sparse 마진과 내부는 서 있습니다.
어드벤처를 포함한 어드벤쳐 맵 사용을 나타내는 참조 샘플 설계 및 클래스터가 플래그가 아닙니다. 훈련과 임계값 조정의 독립적 인 샘플을 유지하십시오. 드문 대상 클래스가 deliberately oversampled 인 경우, 선택 확률을 유지하므로 인구 수준 추정은 적절하게 계산 될 수 있습니다. 일관된 참조 정의 및 보고서 배출 및 수수료 오류를 사용하여 혼란 매트릭스 구축. 라벨이 해석해야 할 관찰자 계약 확인. terrain, Target size 또는 season과 같은 의미있는 상황에 의해 결과를보고 성능이 다릅니다. 쉬운 내부 예시에만 평가 된지도는 좁은 가장자리 또는 혼합 풍경에 대한 주장을 정당화 할 수 없습니다. 감사를 위해 유효한 참고 증거를 지키고 특정한 것에서 불확실한 참고 상표를 definitive 종류로 forcing 보다는 오히려 구별합니다.
사용 가능한 GIS 증거 층을 전달
지원되는 저어 넓, 혼합 가장자리 및 해안 조정에 의해 불확실한 전달하십시오.
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.