从决定和可观察到的目标开始
实际问题是:哪些灌溉区一再表明有理由进行供水审查? 与作为报告单位的灌溉管理区合作,在选择图像或算法之前确定观测期。 热对比、植被反应和估计蒸发现象可以揭示地表水利用的空间差异。 解读需要作物阶段和大气条件.
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
热产品需要注意物理变量及其空间支持。 光度或亮度-温度图像不是自动的陆地-地表温度估计,地面估计不是空气温度. 使用所提供的产品定义,缩放,发射假设和不确定性标记. Landsat surface种温度产品和ECOSTRESS种产品是值得评价的范例,它们的范围和产品特性适合研究。 观测时间,云污染,发射差异和混合土地覆盖可以影响比较. 重新取样到较小电网的热波段仍然受到其基本测量支持的限制。 在足够相似的条件下比较位置,然后检验观察到的对比是否还能够维持合理的遮掩和聚合选择。 在输出属性中保留产品名称、单位和获取时间,以便以后的用户能够区分一个测量的表面模式与诸如作物用水或人类热接触等推断过程。
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
比较作物和阶段,检查热质量旗,将温度异常与交付记录相结合. 在总结每个区域时保留只保留作物支持区域。
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
排间热土可以支配一个稀疏的树冠,卫星地表温度不是叶温或直接灌溉指令.
使目标解释与用来佐证的目标解释区分开来。 对于灌溉管理区,请询问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
检查土壤湿度、灌溉时间和相关过河期间具有代表性的作物状况。
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
提供持续的调查区和灌溉队的辅助日期。
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。