从决定和可观察到的目标开始
实际问题是:遥感预测器能否在明确取样的森林范围内估计生物量? 与作为报告单位的森林生物量估计层合作,在选择图像或算法之前确定观测期。 雷达、树冠结构和光学信息可以支持与可防御场测量配套的生物量模型。
森林监测需要明确生态和行政定义。 树冠、林地使用、种植园管理和生态系统状况是相关但又不同的属性。 暂时开放的地区在某一特定报告框架下仍可保持森林土地,而果园则可以树皮密集,而不符合该框架的森林定义。 记录哪个定义可以指导分析,并保持基于观察的属性与管理分类的区别. 重复观测应比较叶子变化大时的同等季节行为。 扰动历史,地形和森林类型可以决定光谱的离开是否有意义. 当使用实地地块时,使其空间支持与图像一致,并记录不同边缘附近的地理定位不确定性。 不要假设一个模型在一种森林类型中被校准,转移到另一种类型。 透明无支持的区域面具有助于防止这一错误。 最强的监测记录连接了树冠观测、清单测量和当地历史,同时保留了每件证据的来源和日期。
选择有适当物理和时间支持的观测
组合传感器在信息互补,差异得到控制时有用. 光学图像、雷达、热观测和背景数据集不测量同一属性,因此避免将它们合并起来,仿佛它们是可互换的照片。 界定每个来源的贡献,并审查其空间支持、获取时间和缺失数据模式。 刻意对齐网格,根据可变类型选择重新加样,并保留原质量口罩. 细输出网格无法从粗粗输入中回收信息。 如果来源描述不同日期,则决定目标在差距期间是否可改变. 对照每个更简单的源特定基线评估工作流程综合数据;聚变应显示有用的补充信息,而不仅仅是增加特征计数。 在最终证据层中保留源特定属性,以便分析师可以追溯到支持它的观测结果的分类或异常.
处理前建立一份紧凑的数据表。 记录利益领域,收购时间,产品识别标志,加工版本,频段或变量,单位,比例因素和质量标准. 检查目标的实际可用覆盖率,而不是仅仅依靠全场质量百分比。 保存原始的口罩,并定义缺失值如何传播到衍生的层中. 如果将若干日期或传感器合并,则在项目中保留其支持信息。 这些细节使得可以重复测量,并解释产品修订后为何进行后期运行的改变. 这些数据还有助于同事确定明显的分歧是来自环境、观察条件还是处理选择。
建立可审查的分析规则
将图案支持区域与图像匹配,保留对等假设,并保留独立区域进行模型评价。
预测性关系需要明确界定的响应变量,参考度量协议和预期域. 装配前将单位和空间支持标准化. 保留真正独立的样本以供评价,并将业绩与区域平均值或基本物理关系等简单替代品进行比较。 检查目标范围的残留物,土地覆盖个上下文和季节;一个小的整体错误可以掩盖一个相应的分组的系统性偏差. 不在不明确评价该行为的情况下, 推断超出支持的范围 。 保留参考数据的计量不确定性,而不是将每个样本作为准确的真理对待. 预测间隔和一个域外的面具比一个额外的小数位更有用. 连续光栅是一个估计的表面,其不确定性需要随数值一起移动。
首先从一个小的,独立审查的子集开始,然后将规则应用于整个地理范围. 检查总体和局部尺度的投入和中间层,检查单位,遮盖和协调对齐情况如意. 保留命名版本的分析配置,并保留每个相应阈值的简洁解释. 当工作流程号卫星移向另一个区域或季节时,应重新审视这些假设,而不是假设成功执行证明是科学转移。 可重复的管道之所以有价值,是因为其选择可以检查和修改,而不是因为自动化使解释自动正确。
在不隐藏其他解释的情况下解释结果
感应饱和,地块地理定位和无代表性的森林类型可以产生自信的偏颇预测.
使目标解释与用来佐证的目标解释区分开来。 对于森林生物量估计层,请询问观察到的模式是否在合理的替代基线、质量遮挡或汇总下持续存在。 共同审查明显的成功和可信的反例子。 如果相互矛盾的解释不能与现有意见分开,则将调查结果作为调查候选人记录在案。 这保存了有用的空间信息,同时表明结论的准确部分仍然取决于独立证据。 选择下一个观察应解决这种不确定性,而不是简单地重复一张类似的地图。
在缩放前先用独立证据验证
采用质量控制的库存地块,并单独报告测量和模型不确定性。
利用与卫星变量的空间和时间支持相匹配的独立测量方法评估估计数。 报告偏差和误差程度,检查目标范围的残存,并将性能与简单的基线进行比较。 一个模型可以具有很强的关联性,同时始终高估高值,因此仅靠关联性是不够的. 如果参考测量有很大的不确定性,请明确说明这一限制。 测试转移到实际使用产出的区域,季节或管理背景. 保留不支持的上下文为缺失或域外 。 如果提供预测间隔,评估其经验覆盖范围是否适合独立样本。 保持参考数据来源,单位和规则与结果的匹配,以便后来的用户了解评价真正测试的内容.
提供GIS个可用证据层
发布生物量估计,并配有预测支持罩和偏差诊断.
对于GIS的交付,保留稳定的特征识别符,源观测日期,物理变量,单位,有效支持区域,不确定性和审查状态. 使用合适的坐标引用来进行任意区域或距离计算,并记录加入外部层时的变换. 与模型化和场确认属性分离的测量或观测属性,这样用户就可以在不覆盖其他属性的情况下更新一个证据类型. 在摘要中包含一个未知或不支持的状态,并保留用于百分比的分母。 地图传说,简明数据词典和可访问的源链接使得该结果对没有运行分析的同事们有用. 导出格式应匹配实际下游工作流程,在交接前检查属性编码和几何.
将方法变成实用的iT Sensing 工作流程
iT Sensing将卫星发现,光栅分析,机器学习,GeoAI,视觉模型工作流程和Python实验带入云遥感工作空间. 使用其记录工具组织投入,测试适当的光栅操作,并将评价的结果与项目知识GIS 工作流程连接起来。 存在一般工具并不能保证本文所述的所有专家检索都可以作为现成操作提供。 检查文件,必要时将独立加工和评价的产品带入项目,其来源完整. 下一步实际的做法是在代表性领域测试工作流程号,与域专家审查证据,选择适合小组实际储存、协作和处理需要的工作空间计划。