界定观察和决定
线性解混模型一个像素谱作为端成员谱的加权组合. 小数描述所选模型和支持,不保证物理覆盖. 它们的解释取决于线性混合是否是合适的近似.
对于光谱混合分数估计,从一个精确的问题开始. 在比较软件设置之前, 请说明决定和数量 。 确定谁将使用结果、他们所认识的地理单位以及哪些证据会改变检查或分析。 写下目标条件和可行的其他解释 这使得可以判断该方法的实际观察是否能够回答问题. 当输出代表着一个不同含义的代词时,细微的映射图是不够的. 保留一个简短的假设登记册,以便以后的审查者能够区分所计量的投入、模型选择和解释。
匹配数据支持到方法
光谱混合物分数的测量基础在整个解释过程中都估计出重要的因素。 成像光谱学采用光谱结构作为证据,因此波长身份和信号质量是根本的. 保留信道中心,带宽,传感器响应和处理级别,而不是将立方体作为无名带集. 将目标预期的诊断特征与测量的光谱范围和空间支持相匹配。 实验室谱、场谱和轨道像素因混合物、照明、水分和大气而不同。 分析应说明意见可以支持何种区别,哪些相互竞争的材料或条件可以产生类似的签字。
编写一份可追踪分析
选择代表现实的局部变异性的终端成员以及文件限制,如非负分数或总和对一. 使用兼容波长和质量筛选. 保留残骸,检查模型故障之处.
编制光谱混合物分数估计应保留下列证据。 在安装模型或比较库之前,先检查光谱质量. 应用有文件记载的校正和带宽筛选规则,保持波长顺序,并记录每个被删除的通道. 在可能的情况下通过适当的传感器反应重新模拟参考光谱. 在不假装插图改善光谱信息的情况下,调整空间层。 保留原光谱和残片,用于审查连续除去或解混等变换. 仅适合培训支助的统计预处理,并将保留的转换一致地应用于评价和以后的数据。 当波长或波段顺序不同时,匹配的数组长度就不足.
测试具有代表性的飞行员
光谱混合物分数估计的试点应处理实际收到的工作流程。 首先是一个具有代表性的飞行员,其中包含普通条件和困难的例外。 包括相关边界,混杂表面,缺失的观测和已知的参考位置. 将一些手动检查的数字示例与源元数据一起保存 。 将结果与独立读者或计算结果进行实际比较. 飞行员应当通过导出测试从源选择的完整路径,因为正确的公式仍然可能被错误的单位,带令或有效性处理破坏. 一旦对试点的理解得到保留,作为日后修订的一个参考。
承认特定专题的解释风险
缺少的终端成员可以强迫不相关的材料进入可用的分数. 光谱变异和非线性相互作用可以违反假设. 低残留物是有用的,但单凭它并不能确定正确的材料分数。
应在计算完成后继续审查光谱混合物分数估计值。 利用独立的参考文献和令人信服的混淆者评估光谱解释。 相似性分数,混合物分数,异常或特征预测都有自己的假设,不应重新命名为确定的物质特性. 审查竞争的匹配,剩余和对预处理或库选择的敏感性. 如果打算重复使用,则试验在场地和购置条件之间转移。 包含未知和弱信号的大小写,而不是强制每个像素加入一个自信的标签. 解释表面覆盖或测量噪音在何处妨碍得出有用的结论。 适当的光谱细节可以改进一项任务,但只有独立性能的证据表明这种改进。
通过一个示例开展工作
对于说明性土壤植被混合物,可以将未建模的屋顶材料作为两个选定的最终成员的组合。 因此,即使数字溶液趋同,可视分数也可能是错误的。
光谱混合物分数估计的推理例子,有意的作用有限. 本条中的例子具有说明性,不是所报告的项目结果、准确性索赔或履约保证。 在实际使用推理之前,用已计量的项目值取代其假设。 保持单位,观测日期和相关分母的可见性. 如果合理的替代面具、参考物或参数改变决定,报告这种敏感性,并在可行的情况下获得更好的证据。 额外小数位并不能解决所观察到的不确定性。 明确保留未结案件,而不是选择产生最有说服力的说明的参数。
对照独立证据进行评估
与兼容支持时的独立分数覆盖或物质观测相比. 测试替代的会合器组并检查残余模式. 评估不确定性,而不是以不合理的精确度报告分数。
独立评估应代表成果实际使用的人群或区域及其条件。用于选择参数或训练模型的观测，应与用于评估性能的观测分开。除明显目标外，还应包括难以区分的非目标案例，并保留缺测或无法观测区域的信息。应尽可能匹配参考数据的时间和空间覆盖范围。出现不一致时，应同时检查分析结果与参考证据。参考测量本身也可能存在不确定性，因此强行使其符合地图并不是有效的纠正方法。
报告有用尺度的不确定性
对于光谱混合物分数估计,结果必须保留其显示的范围。 审查所要决定的规模上的不确定性。 像素间隔,有效的传感器支持,处理邻里和管理单位可以有很大的不同. 许多重印的像素并不创建许多独立的观测. 对于一个区域摘要,保留有效的覆盖面和排除;对于一个候选特征,保留检测信心和源日期。 在证据允许的情况下,将系统效应与本地变化分开。 小小的平均误差不排除在罕见的类别、特定物质或代表性不足的区域出现相应的偏差。 报告评价所显示的范围。
提供可用GIS和分析证据
交付品最终成员的来源,限制,分数,剩余和模型范围. ITSensing可以被评价为已准备好的特征分析或自定义模型,其中未混合的假设是明确的.
光谱混合物分数估计数的交接,在作者环境之外仍应可以理解。 提供无障碍概览,同时提供相关地理空间数据和简明数据词典。 保留稳定的识别资料,源参考文献,观测日期,处理版本,协调参考文献和质量字段. 解释未知区域, 并在例外记录中解释下一个有用的检查 。 要求接收分析师找到样本物品,鉴定其证据,并解释其局限性. 这一实际审查可能揭示出文件完整性检查无法发现的缺失上下文。 保留修改的理由,以便以后的修改可以追溯到新的观察或改变的方法.
用实际投入评估ITSensing 工作流程
在评估云遥感软件用于光谱混合物分数估计时,使用有文件记载的飞行员. 利用产品比较法测试一个完整的工作流程与代表性数据. ITSensing介绍了卫星发现、光栅和光谱分析的云工作空间,机器学习、GeoAI、模型建筑和Python基工作。 这些广泛能力并不能确定本文所述的每一种专门方法都是本地按钮,或每个外部服务直接连接。 检查实际的文档工具, 支持的输入和导出路径 。 在选择反复发生的工作流程之前,保留试点证据和独立验证. 产品链接是评价的切入点,而科学解释仍然与数据和方法挂钩。
