界定观察和决定
红尖指数使用反射,接近从红色吸收到近红外散射的过渡. 它们可以对与叶绿素有关的树冠性质作出反应,但树冠结构,叶角和土壤混合也都具有物质作用. 所选波长定义了实际的测量.
对于红尖冠指标,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
红尖树冠指标的衡量基础在整个解释过程中都很重要。 光谱特征由它的方程和提供给它的观测结果来定义. 在选择一个波段名称之前先读取源产品描述,因为波段数字和波长响应因任务不同而不同. 将处理水平,反射尺度,获取时间和质量信息保持在一起. 决定运营单位是像素,场景,栖息地补丁还是行政区域. 数学正确的比例在结合混合表面或比较不同的季节阶段时,仍然可以回答错误的问题. 保留原带观测,这样一个可疑的索引可以追溯到其输入,而不是仅从其颜色来解释.
编写一份可追踪分析
确定传感器的具体红尖和近红外波段,而不是转移另一个传感器的波段号。 一种常见的常态红尖对比用法(NIR减红尖)除以(NIR加红尖). 保留本地分辨率和文档对齐或聚合。
编制红尖树冠指标应当保存下列证据. 在计算指数或光谱对比之前,先准备相容物理量。 适用文件记录的尺度和任何添加剂抵消一次。 按照评价规则区分无效观测与有效零,遮罩云和阴影,检查饱和输入. 在文件网格上对齐带,同时保留其本土信息支持. 当一个较短的波段被重新标注时,较细的输出间隔不会产生较细的光谱细节. 手动测试一些源像素,并审查表达式的分母或其他数值条件. 保持显示伸展在定量计算之外,因为演示颜色不是反射测量.
测试具有代表性的飞行员
红尖树冠指标试点应针对实际收到的工作流程项. 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
不同的红尖带是不可互换的. 与某一作物阶段相适应的关系在另一作物阶段可能失败,树冠指数不是实验室叶绿素的直接浓度。 恢复后的更细的像素不应作为独立的新的化学观测结果处理.
红尖树冠指标的审查工作应在计算完成后继续进行。 使用本地问题和独立证据解释特性。 指数可以对几个物理和观测影响作出反应,因此强烈对比一般是成为诊断前的筛选结果. 比较可能存在的开局者,检查源带,并记录适用某种关系的人口。 对于重复监测,使用共同的有效支持或解释改变覆盖范围。 报告有效观测分数和平均值,并在交付阈值地图时保留连续特征层。 门槛是决定规则,其遗漏和虚假警报应加以评估,而不是一个普遍的物理边界。
通过一个示例开展工作
假设假设一项假设的作物研究将两种红尖配方与叶子测量进行比较. 与训练地的更好关联可能在另一个种植日期消失。 这种差异促使进行独立的日期测试,而不是从适合单独培训的指数中挑选。
红尖树冠指标的推理例子具有故意的有限作用. 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
收集适当的叶片或树冠参考测量,并有明确的取样支持。 保留田地或日期,并按生长阶段评估业绩。 将暴露的土壤和含沙质植物视为困难条件,而不是不加解释地排除它们。
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
对于红边树冠指标,结果必须保留其已显示的范围。 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
输出波段中心、公式、校准范围和预测不确定性,其中使用定量模型。 将原始指数与任何推断的作物财产分开。 ITSensing可以被评价为专题编制和建模,并有适当文件的参考文献。
移交红边树冠指标,在撰写环境之外,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
在评估红尖冠指标的云遥感软件时,使用有文件记载的试点. 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。
