从决定和可观察到的目标开始
实际问题是:在确定的农业季节,哪些田地种植目标作物? 与作为报告单位的作物包裹合作,在选择图像或算法之前确定观测期. 作物特征通过建立、树冠发展和收获时间来表达,而不是一种普遍独特的绿色。 季节性的轨迹和包裹上下文使得推论更具有辨证性.
观察单位与决策单位相匹配时,农业监测效果最好. 农民经营农田,灌溉区或管理区,而不是孤立的图像像素. 将种植日期、作物特征、收获面积和管理历史保存在一个单独的登记册中,然后通过稳定的识别资料连接图像测量。 这些记录解释了为什么邻近的绿色表面可能代表不同的生产阶段. 在比较农场之前,就季节定义和每个百分比使用的分母达成一致. 没有可用观察的区域不得沉默地变成空地、作物歉收或正常状况。 审查目标是否足够像素;实地的混合物在小农镶嵌中变得特别重要。 如果问题取决于作物特性、营养状况、水压力或最终生产,则询问何种独立的衡量方法可以区分相互竞争的解释。 卫星层应指导这种测量并保持其结果。 这创造了有用的操作记录,而不是一个无法解释的颜色排名.
选择有适当物理和时间支持的观测
光学地表反射率是许多土地覆盖个问题的有用起点,因为它在比较前会减少一些大气效应. Landsat and Sentinel-2是常见的候选产品,但选择了一个其波段,质量信息和空间支持符合目标的实际产品. 在解释数值之前应用文件的缩放和抵消,以及根据产品指导的遮盖云、圆圈、阴影和其他无效观测。 重新加印的光栅不会获得新的物理细节:在更细的格子上放置一个较宽的波段会改变它的采样,而不是仪器分辨率. 检查窄边界附近的图像对齐,并使用适当的通用网格进行多时段工作. 审查现有明确观测是否涵盖生物学或业务上重要的时期。 视觉上吸引人的复合材料可以将不描述一个真实状态的日期合并在一起,因此在时间影响决定时保留贡献的获取信息.
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
对应于本地日历的观测,保留包裹标识符,并对一个多时态特性堆栈进行分类. 在汇总作物面积之前,对早期种植和晚期种植的预测进行比较。
分类从可观测类定义和与图像日期相符的参考标签开始. 酌情包括困难的替代品、混合边界和未知类别。 构建表达目标过程的特性,而不是仅仅因为有这些特性而选择带. 保持培训和评价地点在空间上的独立性,并在转让是预定用途时考虑保留不同的区域或季节。 审查具体类别遗漏和佣金错误,而不是仅报告总体准确性。 稀有的目标即使总体得分看起来很高,也可能实际准确度差. 保留概率或支持的另一种不确定性措施,连同最后一类,并记录其校准限制。 当类区域将驱动报告时,评价是否需要通过一个适当的采样区估计器来纳入地图错误。
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
种植日期变化的邻近作物可遵循类似的轨迹。 混合田地和灌溉差异使显然干净的阶级界限复杂化。
使目标解释与用来佐证的目标解释区分开来。 对于作物包裹,请询问所观察到的模式是否在合理的替代基线、质量遮盖或聚合下持续存在。 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
使用独立调查的作物标签,覆盖品种、灌溉系统和种植窗口。
设计参考样本,以表示预期地图用途,包括难度界限和分类器未标出的位置。 将样本独立于培训和门槛调整。 如果故意对罕见的目标类别进行过度抽样,则保留选择概率,以便适当计算人口水平估计数。 使用一致的参考定义构建一个混淆矩阵,报告遗漏以及佣金错误。 检查标签需要解释的观察者协议. 报告结果按有意义的背景,如地形,目标大小或季节,表现不同时. 仅以简单内部实例评价的地图不能成为对狭长边缘或混合景观提出主张的理由。 保留可供审计的参考证据,区分不确定的参考标签和某些参考标签,而不是强迫每个样本都归入一个确定类别。
提供GIS个可用证据层
提供作物概率、支持的包裹区和混合或无人观察田地的单独一层。
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。