관찰 및 결정 정의
수정 된 토양 조정 vegetation 인덱스는 고정 된 토양 매개 변수를 선택해야합니다. 한 가지 공통 MSAVI2 양식은 ((2 번 NIR 플러스 1 분)의 평방 루트 (2 번 NIR 플러스 1) 평방 광부 8 회 (NIR 민스 레드))입니다. 사용 된 변형.
MSAVI 개의 비소 캐노피 레이어를 들어 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
MSAVI 개의 비소 침착 층의 측정 기준은 해석에 걸쳐 중요합니다. spectral 특징은 방정식과 그 관측 모두에 의해 정의됩니다. 밴드명 선택하기 전에 소스 제품 설명을 읽으십시오. 밴드 번호와 파장 응답은 임무 중 다릅니다. 처리 수준, 반사 스케일링, 취득 시간 및 품질 정보를 함께 유지하십시오. 조작 단위가 화소, 분야, 서식지 패치 또는 관리 영역인지 결정하십시오. 수학적으로 정확한 비율은 아직도 혼합 표면 또는 다른 계절 단계를 비교할 때 잘못된 질문에 응답 할 수 있습니다. 원래 밴드 관측을 보존하기 때문에 의심스러운 인덱스는 혼자서 색상을 해석하는 것보다 입력으로 추적 할 수 있습니다.
추적 가능한 분석
물리적 반사를 준비하고 사각형 루트에서 표현을 검사합니다. 잘못된 입력으로 인한 부정적인 인수는 침묵적으로 클립을 깎아지지 않아 떨어뜨릴 수 있습니다. source-band scatterplots와 같은 출력을 비교하고, 대표 오픈 캐노피 위치에 간단한 채점 색인.
MSAVI 개의 비소 침착 층 준비는 다음과 같은 증거를 보존해야합니다. 인덱스 또는 스펙트럼 대비 계산하기 전에 호환 가능한 물리적 수량을 준비하십시오. 문서화 된 스케일과 모든 첨가제 오프셋을 즉시 한번에 적용하십시오. 검증된 규칙에 따라 유효 제로, 마스크 클라우드 및 그림자로부터 무효 관측을 분산시키고 포화 입력을 검사합니다. 문서화된 그리드에 Align 밴드는 기본 정보 지원을 유지하면서. coarser 밴드가 재 샘플화 될 때, 더 정밀한 출력 간격은 더 정밀한 스펙트럼 세부 사항을 만들지 않습니다. 몇 소스의 픽셀을 수동으로 테스트하고 표현의 디노미네이터 또는 기타 수치 조건을 검토합니다. 표시는 quantitative 계산 밖에서 뻗어, 발표 색깔이 반영되지 않기 때문에 측정을 계속합니다.
대표 파일럿 시험
MSAVI 개의 비소 침수 층의 파일럿은 실제 수신을 워크플로해야합니다. 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
자동 토양 조정은 혼합 픽셀, 그림자 또는 다른 토양 spectra를 제거하지 않습니다. 숫자 행동은 반사를 대체하는 경우 혼란을 초래할 수 있습니다. 적응형식은 또한 값과 작물의 조합을 수립하지 않습니다.
MSAVI 개의 비소 침수 층의 검토는 계산 완료 후 계속되어야합니다. 지역 문제 및 독립적 인 증거를 사용하여 기능을 해석하십시오. 인덱스는 여러 물리적 및 관측적 영향에 반응할 수 있으므로 강한 대조는 일반적으로 진단되기 전에 심사 결과입니다. 백악관을 비교하고, 소스 밴드를 검사하고 적절한 관계가 적용되는 인구를 문서화합니다. 반복된 감시를 위해, 일반적인 유효한 지원 또는 설명하는 변경 적용. 평균과 함께 유효 보수 작업을 보고 임계지도가 전달될 때 연속 기능 레이어를 유지하십시오. 임계 값은 공증 및 거짓 경보가 평가되어야하는 결정 규칙입니다.
일하는 일
설명된 스파우트나chard의 경우, MSAVI을 합산하기 전에 나무 크라운에서 별도로 맵 인터로우 토양을 분리합니다. 전체 블록 평균은 열이 샘플 영역의 더 많은 것을 차지하기 때문에 감소 할 수 있습니다. 심지어 개별 크라운이 변하지 않을 때. 크라운 레벨 비교 및 지역 수준의 비교는 다른 질문에 답합니다.
MSAVI 개의 비소 캐노피 레이어의 이유가 deliberately limited role을 가지고 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
독립적 인 채권 덮개 관측과 토양 밝기에 의해 결과를 stratify. vegetation-soil transition의 값은 혼합 픽셀 도미니트가 됩니다. 낮은 품질 때문에 제외된 관측을 유지하므로, 리뷰는 선택적 데이터 제거에서 메서드 성능을 구별할 수 있습니다.
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
MSAVI개의 비소 캐노피 레이어를 위해, 결과는 그것의 시료된 범위를 유지해야 합니다. 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
MSAVI개의 표현, 반사 단위 및 마스크를 필드 요약으로 내보내기. 크라운, 행 및 블록 식별자를 유지하십시오. ITSensing는 유효한 래스터와 모델링 도구를 통해 조사를 지원할 수 있지만, 선택한 구현 및 채권에 대한 현지 관계는 검증을 요구합니다.
MSAVI 개의 비소 침엽 층의 수로는 저자 환경 밖에 이해해야합니다. 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
MSAVI 스파우트 캐노피 레이어에 대한 클라우드 원격탐사 소프트웨어를 평가할 때 문서화 된 파일럿을 사용합니다. 제품 비교를 사용하여 전체 워크플로을 테스트하여 대표 데이터. ITSensing는 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 워크플로을 선택하기 전에 파일럿 증거와 독립적 인 검증을 유지하십시오. 제품 링크는 평가의 항목 포인트입니다, 과학 해석은 데이터와 방법에 묶여 남아.
