ड्रोन लैंड-कवर इन्वेंटरी: क्लास परिभाषाओं से लेकर फील्ड जांच तक

दृश्यमान आवरण को भूमि उपयोग से अलग करें

भूमि आवरण बताता है कि किसी सतह को क्या ढकता है; भूमि उपयोग का संबंध उसके कार्य या गतिविधि से है। इमेजरी किसी भवन के कार्य या प्रबंधन की स्थिति को साबित किए बिना छत, वनस्पति, नंगी मिट्टी या पानी दिखा सकती है। इन अवधारणाओं को एक सूची में अलग रखें। यदि उपयोग विशेषताओं की आवश्यकता है, तो फ़ील्ड जांच या प्रबंधन रिकॉर्ड जैसे अतिरिक्त स्रोतों की योजना बनाएं। केवल रंग और आकार से कार्य का अनुमान न लगाएं। कार्य पैमाने और इच्छित निर्णयों को परिभाषित करें ताकि श्रेणियां वास्तविक सूचना आवश्यकताओं को प्रतिबिंबित करें। यह दृश्य मानचित्र को उन विशेषताओं के बारे में साक्ष्य के रूप में मानने से रोकता है जिन्हें सर्वेक्षण ने कभी सीधे तौर पर नहीं देखा।

अलग-अलग श्रेणियों को परिभाषित करें

वर्गों में उपयोगकर्ता की ज़रूरतें और उपलब्ध साक्ष्य दोनों प्रतिबिंबित होने चाहिए। देखने में समान दिखने वाली बहुत सी श्रेणियां अनिश्चितता बढ़ा सकती हैं, जबकि अत्यधिक व्यापक समूह महत्वपूर्ण अंतर छिपा सकते हैं। विवरण, उदाहरण और सीमा नियम प्रदान करें। मिश्रित क्षेत्रों, विरल वनस्पतियों, छायाओं और अस्थायी वस्तुओं के उपचार की व्याख्या करें। जहां पदानुक्रम का उपयोग किया जाता है, वहां विस्तृत और सारांश श्रेणियों के बीच संबंध बनाए रखें। प्रोजेक्ट-व्यापी डिजिटलीकरण या वर्गीकरण से पहले नियमों का परीक्षण करें। साझा किए गए उदाहरण कई ऑपरेटरों को किसी अस्पष्ट स्थान का सामना करने पर व्यक्तिगत निर्णय पर भरोसा करने के बजाय लगातार काम करने में मदद करते हैं। अपर्याप्त साक्ष्य पर सटीक लेबल लगाने के बजाय अनिश्चितता को कैसे संभाला जाता है, इसे रिकॉर्ड करें।

प्रासंगिक विशेषताओं के लिए अवलोकन चुनें

RGB इमेजरी बनावट, रंग और आकार संदर्भ प्रदान करती है। डेटा संग्रह और प्रसंस्करण उपयुक्त होने पर मल्टीस्पेक्ट्रल अवलोकन प्रासंगिक वर्णक्रमीय जानकारी जोड़ सकते हैं। जहां आवश्यक हो, LiDAR संरचनात्मक ऊंचाई या सतह भेद का समर्थन कर सकता है। कोई भी सेंसर नियमों और मूल्यांकन के बिना स्वचालित रूप से प्रत्येक कवर लेबल प्रदान नहीं करता है। उन विशेषताओं की पहचान करें जो वास्तव में अलग-अलग श्रेणियों में मदद करती हैं, फिर प्रतिनिधि स्थितियों का परीक्षण करें। वृक्षावरण के नीचे या ऊंची इमारतों के आसपास, बताएं कि क्या वर्ग दृश्यमान ऊपरी सतह का वर्णन करती हैं। छिपी हुई जानकारी को केवल इसलिए नहीं जोड़ा जाना चाहिए क्योंकि एल्गोरिदम एक विश्वसनीय दिखने वाला लेबल प्रदान करता है। सेंसर का चुनाव उस चीज़ से जुड़ा होना चाहिए जिसे वास्तव में देखा और सत्यापित किया जा सकता है।

मानचित्रण इकाइयाँ और न्यूनतम आकार के नियम तय करें

छवि रिज़ॉल्यूशन आवश्यक रूप से इच्छित बहुभुज विवरण नहीं है। न्यूनतम क्षेत्रों या वस्तुओं और सामान्यीकरण नियमों को परिभाषित करें। अन्यथा, एक ऑपरेटर हर छोटे अंतर को मैप कर सकता है, जबकि दूसरा इसे एक प्रमुख वर्ग को सौंप सकता है, क्षेत्र के कुल योग और ऑब्जेक्ट गणना को बदल सकता है। मिश्रित उदाहरणों का परीक्षण करें जैसे कि पेड़ों, पटरियों और छोटी इमारतों वाले यार्ड। रैस्टर उत्पादों के लिए, सेल आकार और वर्ग-सीमा उपचार निर्दिष्ट करें। वैक्टर के लिए, ज्यामिति और टोपोलॉजी की समीक्षा करें। सुसंगत मानचित्रण इकाइयाँ ड्राइंग अभ्यास या प्रदर्शन विवरण में अंतर के साथ वास्तविक परिवर्तन को भ्रमित किए बिना ब्लॉक और दोहराव की अवधि को तुलनीय बनाती हैं।

प्रशिक्षण और परीक्षण को अलग रखें

एल्गोरिदम-सहायता वर्गीकरण के लिए, मॉडल बनाने के लिए उपयोग किए गए उदाहरण इसके आउटपुट का आकलन करने वाले नमूनों से अलग होने चाहिए। प्रशिक्षण उदाहरणों पर परीक्षण प्रदर्शन को बढ़ा-चढ़ाकर बता सकता है। विश्वसनीय संदर्भ लेबल के साथ श्रेणियों और स्थितियों का प्रतिनिधित्व करने वाले स्वतंत्र नमूने चुनें। दस्तावेज़ चयन, अवलोकन समय और लेबल अनिश्चितता। मैन्युअल व्याख्या से किसी अन्य समीक्षक या फ़ील्ड नमूनों से भी लाभ मिलता है। केवल प्रमुख और आसान श्रेणियों का आकलन न करें। उपयोगकर्ता के निर्णय के लिए महत्वपूर्ण छोटी वर्गों पर ध्यान देने की आवश्यकता है, अन्यथा समग्र प्रदर्शन का आंकड़ा उन त्रुटियों को छिपा सकता है जो मानचित्र की उपयोगिता को महत्वपूर्ण रूप से प्रभावित करती हैं। बताएं कि मूल्यांकन में कठिन संदर्भों को कैसे संभाला गया।

छाया और मौसमी अंतर की समीक्षा करें

छायाएं एक ही सतह को अलग दिखा सकती हैं, जबकि नमी और मौसम वनस्पति और मिट्टी की उपस्थिति को बदल देते हैं। दोहराई जाने वाली सूची के लिए, श्रेणी अंतर को भौतिक परिवर्तन मानने से पहले कैप्चर स्थितियों को रिकॉर्ड करें। जहां आवश्यक हो, उचित अतिरिक्त साक्ष्य के साथ अस्पष्ट क्षेत्रों की समीक्षा करें। एक परिभाषित अज्ञात श्रेणी किसी विशिष्ट वर्ग को मजबूर करने की तुलना में अधिक ईमानदार और उपयोगी हो सकती है। पुन: निरीक्षण की आवश्यकता वाले स्थानों को चिह्नित करें। इमेजरी एक विशेष समय में स्थितियों को रिकॉर्ड करती है, और वर्गीकरण के लिए अभी भी एक उड़ान से अनुपलब्ध संदर्भ की आवश्यकता होती है। यह अंतर प्राप्तकर्ताओं को प्रत्येक मैप किए गए लेबल को समान रूप से प्रत्यक्ष और स्पष्ट साक्ष्य समझने से रोकता है।

उचित सन्दर्भों के साथ क्षेत्रफल की गणना करें

क्षेत्र गणना के लिए उपयुक्त संदर्भ या माप पद्धति और स्पष्ट इकाइयों की आवश्यकता होती है। पूर्ण सीमाओं, अनपेक्षित ओवरलैप्स और अंतरालों की जाँच करें। रेखापुंज परिणामों के लिए, सुनिश्चित करें कि NoData चुपचाप एक कवर श्रेणी न बन जाए। कवरेज भिन्न होने पर मैप किए गए क्षेत्र को संपूर्ण प्रशासनिक क्षेत्र से अलग करें। क्लास-कोड नामों को सुरक्षित रखें ताकि सारांश एप्लिकेशन स्टाइल के बिना भी समझ में आ सके। डेटा गुणवत्ता और मैपिंग इकाइयों के अनुपात में गोल आंकड़े। बहुत सटीक क्षेत्र संख्याएँ असत्यापित सीमाओं या लेबलों में अनिश्चितता को दूर नहीं करती हैं। क्षेत्र तालिका उस श्रेणी परिभाषाओं और डेटासेट संस्करण से जुड़ी रहनी चाहिए जिसने इसे तैयार किया है।

श्रेणी के अनुसार गुणवत्ता की रिपोर्ट करें

बताएं कि कौन से वर्ग आसानी से अलग हो जाते हैं और कौन से आमतौर पर भ्रमित होते हैं। त्रुटि पैटर्न दिखाने के लिए परीक्षण नमूनों और स्थान उदाहरणों का उपयोग करें। मूल्यांकन कुछ परिस्थितियों तक सीमित हो तो उसकी सीमाएँ बताएँ। परिभाषाएँ, स्रोत, तिथि, विधि, मानचित्रण इकाइयाँ और ज्यामिति जाँच शामिल करें। एक समग्र प्रतिशत प्रत्येक श्रेणी के लिए समान गुणवत्ता की गारंटी नहीं देता है। श्रेणी-स्तरीय जानकारी उपयोगकर्ताओं को उचित विश्लेषण या अतिरिक्त सत्यापन चुनने में मदद करती है। अपनी सीमाओं को समझाने वाला एक मानचित्र एक विस्तृत संकेत-सूची की तुलना में अधिक उपयोगी है, जिसमें इस बारे में कोई सबूत नहीं है कि लेबल कैसे सौंपे गए या परीक्षण किए गए, खासकर जब एक दुर्लभ श्रेणी एक महत्वपूर्ण प्रबंधन निर्णय लेती है।

एक मिश्रित-परिदृश्य सूची उदाहरण

वृक्षारोपण, इमारतों, सड़कों और खाली जमीन के लिए, प्रबंधन आवश्यकताओं और अवलोकन योग्य भेदों के विरुद्ध वर्गों को परिभाषित करें। वृक्षों से आच्छादित यार्डों और छोटे ट्रैकों के उपचार पर सहमति व्यक्त करें, फिर हर चीज़ का मानचित्रण करने से पहले कई भूखंडों का परीक्षण करें। उपयुक्त तस्वीरों या फ़ील्ड अवलोकनों के साथ अस्पष्ट स्थानों को सत्यापित करें। क्षेत्रों की गणना करने के बाद, आकलन करें कि क्या श्रेणियों को रिपोर्टिंग के लिए संयोजित किया जाना चाहिए। उन परीक्षणित आवश्यकताओं का उपयोग करके NiVO RGB या मल्टीस्पेक्ट्रल विकल्पों पर चर्चा करें। प्रौद्योगिकी अवलोकनों का समर्थन करती है, जबकि परिभाषाएँ, स्वतंत्र नमूने और सुसंगत मानचित्रण अवधियों के बीच सूची को तुलनीय रखते हैं। विधि में परिवर्तन उस परिदृश्य में परिवर्तन से अलग रहना चाहिए जिसे उपयोगकर्ता मॉनिटर करने का प्रयास कर रहा है।

उदाहरणात्मक परिदृश्य: वृक्षों से आच्छादित आँगन में आवरण को परिभाषित करना

एक काल्पनिक परिसर की सूची पर विचार करें जहां एक यार्ड में बिखरे हुए पेड़, छोटे शेड, नंगे पैच और पक्की पहुंच शामिल है। दो मानचित्र व्याख्याकार एक ही ऑर्थोमोज़ेक से अलग-अलग मानचित्र तैयार करते हैं। एक प्रत्येक दृश्यमान उद्घाटन को खींचता है, जबकि दूसरा प्रमुख आवरण को मिश्रित क्षेत्र निर्दिष्ट करता है। कुल क्षेत्रफल की तुलना करने से पहले, समन्वयक जाँचता है कि क्या उनकी वर्ग परिभाषाएँ और न्यूनतम मानचित्रण इकाइयाँ कभी सहमत थीं। अंतर को सॉफ़्टवेयर त्रुटि का लेबल नहीं दिया गया है। पेड़ों से ढके आंगनों, छोटी संरचनाओं, अस्पष्ट छायाओं और अस्थायी वस्तुओं के लिए एक साझा उदाहरण पत्र तैयार किया जाता है। टीम दृश्यमान भूमि आवरण को सुविधा उपयोग से भी अलग करती है, जिसके लिए जानकारी के अन्य स्रोत की आवश्यकता होती है।

मानचित्र व्याख्याकार उसी प्रतिनिधि क्षेत्र में संशोधित नियम लागू करते हैं और जारी रखने से पहले असहमति की समीक्षा करते हैं। यदि एल्गोरिथम वर्गीकरण का उपयोग किया जाता है, तो विधि को फिट करने वाले उदाहरण स्वतंत्र परीक्षण नमूनों से अलग रहते हैं। उपयोगकर्ता के निर्णय के लिए महत्वपूर्ण दुर्लभ श्रेणियां आसान वर्गों के वर्चस्व वाले समग्र सारांश में गायब होने के बजाय ध्यान आकर्षित करती हैं। जहां इमेजरी किसी सीमा या लेबल को हल नहीं कर सकती है, एक अज्ञात स्थिति या उपयुक्त फ़ील्ड जांच पर विचार किया जाता है। टीम आश्वस्त दिखने वाले वर्ग के रंग या स्रोत छवि के स्पष्ट विवरण से यह अनुमान नहीं लगाती है कि प्रत्येक कैनोपी गैप के नीचे क्या है।

हैंडओवर क्षेत्र तालिका के पीछे श्रेणी शब्दकोश, मैपिंग-यूनिट नियम, स्रोत तिथियां, परीक्षण की गई स्थितियां और वास्तविक डेटासेट संस्करण को संरक्षित करता है। ज्यामिति जांच अनपेक्षित ओवरलैप और अंतराल की पहचान करती है, जबकि NoData को मैप किए गए कवर से अलग रखा जाता है। प्राप्तकर्ता समझ सकते हैं कि क्या बाद का अंतर बदले हुए भूमि कवर या संशोधित मानचित्रण नियम को दर्शाता है। यह काल्पनिक उदाहरण दिखाता है कि केवल सभी को समान इमेजरी का उपयोग करने के लिए कहने से इन्वेंट्री स्थिरता क्यों हासिल नहीं की जाती है। इसमें क्या मैप किया जा रहा है, किस स्तर का विवरण सार्थक है, और अनिश्चित प्रेक्षणों का प्रतिनिधित्व और मूल्यांकन कैसे किया जाता है, इसकी एक साझा परिभाषा की आवश्यकता है।