Начните с решения и наблюдаемой цели.

Практический вопрос: где изображения могут отличить среду обитания морских трав от других классов морского дна? Работа с зонами мелкой бентической среды обитания в качестве единицы отчетности и определение периода наблюдения перед выбором изображения или алгоритма. Подходящие наблюдения с чистой водой могут выявить бентические спектральные паттерны, когда позволяют эффекты глубины и водяного столба.

Прибрежные ландшафты меняются в течение нескольких часов, поскольку приливы, волны, течения и ветры изменяют видимую поверхность. Записывайте эти условия, когда они влияют на цель. Очевидная граница между сушей и водой является наблюдательным показателем, в то время как протяженность среды обитания, административная береговая линия и инженерная береговая линия могут потребовать различных определений. Мелкая вода создает еще одно осложнение, потому что датчик может принимать смесь сигналов водяного столба и морского дна. Изменение в этой смеси может отражать глубину или ясность, а не экологические изменения. Сравните наблюдения, экологический контекст которых подходит, и сохраните несовместимые даты для контекста вместо того, чтобы заставлять их в одну тенденцию. Оффшорные продукты также имеют пространственную поддержку, которая может быть слишком широкой для небольшого устья или рифа. Сохраните этот предел в GIS резюме. Прибрежное картирование становится более полезным, когда спутниковые данные связаны с записями о приливах, наблюдениями за средой обитания и локальными эксплуатационными историями, причем каждый источник все еще идентифицируется в конечном наборе данных.

Выберите наблюдения с подходящей физической и временной поддержкой

Водный оптический анализ требует контроля за пределами удобного отображения естественного цвета. Сигналы опускания воды могут быть небольшими по отношению к атмосферным и поверхностным воздействиям, поэтому следует оценить коррекцию атмосферы и качество скрининга, соответствующее типу воды и продукту. Sunglint, сцепление с яркими берегами, отражение дна и смешанные пиксели наземной воды могут перегружать целевой сигнал. Датчики, подходящие для анализа растительности на суше, не являются автоматически оптимальными для каждого водного компонента. Сохраняйте согласованность определений единиц и отражения перед применением опубликованных отношений. Эмпирическое уравнение, откалиброванное в одном озере, может не сработать в другом, поскольку частицы и растворенные материалы отличаются друг от друга. Сопоставьте изображение со своевременными образцами полей, оцените независимые условия и сохраните маску с неподдерживаемым диапазоном. Когда объект слишком узок для незагрязненных пикселей, используйте спутниковый обзор для контекста и перепроектируйте подход к измерению вместо того, чтобы создавать неоправданно подробную карту концентрации.

Создайте компактный манифест данных перед обработкой. Запись области интереса, времени приобретения, идентификаторов продуктов, версий обработки, полос или переменных, единиц, факторов масштаба и критериев качества. Проверьте фактическое полезное покрытие по цели, а не полагаясь только на процент качества сцены. Сохраните оригинальные маски и определите, как недостающие значения распространяются в производные слои. Если несколько дат или датчиков объединены, сохраняйте их информацию в проекте. Эти детали позволяют повторить измерение и объяснить, почему после пересмотра продукта происходит более поздний запуск. Они также помогают коллеге решить, является ли очевидное несогласие результатом окружающей среды, условий наблюдения или выбора обработки.

Создайте правило анализа, которое можно пересмотреть

Выберите сопоставимые окна с прозрачной водой, расслоьте глубину и оцените классификацию по независимым бентическим этикеткам.

Классификация начинается с наблюдаемых определений классов и эталонных меток, которые соответствуют дате изображения. Включите сложные альтернативы, смешанные границы и неизвестный класс, когда это необходимо. Создавайте функции, которые выражают целевой процесс, а не выбирают полосы только потому, что они доступны. Держите учебные и оценочные места пространственно независимыми и подумайте о резервировании другого региона или сезона, когда передача предназначена для использования. Проанализируйте ошибки в упущениях и комиссиях, а не сообщайте только об общей точности. Редкие цели могут иметь плохую практическую точность, даже если общий балл выглядит высоким. Сохранение вероятностей или другой поддерживаемой меры неопределенности наряду с конечным классом, с его калибровочными ограничениями, задокументированными. Когда классные области будут управлять отчетом, оцените, должна ли ошибка карты быть включена через подходящий оценщик области на основе выборки.

Начните с небольшого, независимо рассмотренного подмножества, прежде чем применять правило по всей географии. Проверяйте входы и промежуточные слои как в общем, так и в локальном масштабе, проверяя, что блоки, маски и выравнивание координат ведут себя так, как задумано. Сохраните именованную версию конфигурации анализа и сохраните краткое объяснение каждого последующего порога. Когда рабочий процесс переезжает в другой регион или сезон, пересмотрите эти предположения вместо того, чтобы предполагать, что успешное выполнение доказывает научную передачу. Повторяемый трубопровод ценен тем, что его выбор может быть проверен и пересмотрен, а не потому, что автоматизация автоматически исправляет интерпретацию.

дистанционное зондирование анализ в рабочем пространстве iT Sensing
Контекстное изображение; не вывод из миссии или метода, рассмотренного здесь. Источник изображения: TechnoGIS / iT Sensing · iT Sensing remote sensing workspace

Интерпретировать результат, не скрывая альтернативных объяснений.

Водоросли, темные осадки и различия глубин могут напоминать морскую траву. Плохая видимость должна оставаться незамеченной, а не отсутствовать.

Держите целевую интерпретацию отличной от доказательств, используемых для ее поддержки. В случае зон мелкой придонной среды обитания спросите, сохраняется ли наблюдаемая картина в разумных альтернативных исходных условиях, качественной маске или агрегации. Проанализируйте очевидные успехи и правдоподобные контрпримеры вместе. Если конкурирующие объяснения не могут быть отделены от имеющихся наблюдений, запишите находку в качестве кандидата для исследования. Это позволяет сохранить полезную пространственную информацию, показывая, какая часть заключения все еще зависит от независимых доказательств. Следующее наблюдение должно быть выбрано для разрешения этой неопределенности, а не просто для воспроизведения карты, похожей на карту.

Проверка с независимыми доказательствами перед масштабированием

Используйте лодку, дайвера или другие соответствующие наблюдения за средой обитания.

Спроектируйте эталонный образец для представления предполагаемого использования карты, включая сложные границы и местоположения, которые классификатор не отметил. Держите выборку независимой от обучения и корректировки порога. Если редкие целевые классы намеренно переизбираются, сохраняйте вероятности отбора, чтобы оценки уровня населения могли быть рассчитаны соответствующим образом. Создайте матрицу путаницы, используя последовательное определение ссылки и отчет об упущении, а также ошибку комиссии. Проверяйте соглашение об наблюдателе, если этикетки требуют интерпретации. Результаты отчета по содержательному контексту, такому как рельеф местности, размер цели или сезон, когда производительность отличается. Карта, оцениваемая только на простых внутренних примерах, не может оправдать утверждения о узких краях или смешанных ландшафтах. Держите справочные доказательства доступными для аудита и отличайте неопределенные эталонные метки от определенных, а не заставляйте каждый образец в определенную категорию.

Поставить GIS улику

Опубликовать поддерживаемые классы среды обитания с масками глубины и видимости.

Для доставки GIS сохраняют стабильные идентификаторы признаков, даты наблюдения источника, физическую переменную, единицы, действительную область поддержки, неопределенность и статус обзора. Используйте подходящую координатную ссылку для расчета любой области или расстояния и документируйте преобразование при соединении внешних слоев. Отдельные измеренные или наблюдаемые атрибуты от смоделированных и подтвержденных полем атрибутов, чтобы пользователи могли обновлять один тип доказательств без перезаписи других. Включите неизвестное или неподдерживаемое состояние в резюме и сохраните знаменатель, используемый для процентов. Легенда карты, краткий словарь данных и доступные ссылки на источники делают результат полезным для коллег, которые не проводили анализ. Форматы экспорта должны соответствовать фактическому нисходящему потоку рабочий процесс, с кодированием атрибутов и геометрией, проверенной перед передачей.

Превратить метод в практичный iT Sensing рабочий процесс

iT Sensing выводит спутниковое открытие, растровый анализ, машинное обучение, GeoAI, визуальную модель рабочий процесс и эксперименты Python в облако дистанционное зондирование рабочего пространства. Используйте документированные инструменты для организации входов, тестирования соответствующих растровых операций и подключения оцениваемых результатов к проектному коду GIS рабочий процесс. Наличие общего инструмента не гарантирует, что каждый специалист, описанный здесь, доступен в качестве готовой операции. Проверяйте документацию и, при необходимости, вносите в проект самостоятельно обработанные и оцененные продукты с их происхождением. Следующим практическим шагом является тестирование рабочий процесс на репрезентативной области, анализ доказательств с помощью специалистов по доменам и выбор плана рабочего пространства, который соответствует реальным потребностям команды в хранении, совместной работе и обработке.

Источники и техническое чтение