Create
Learn
Share

GEO333 Final 1-1

rename
crystal1902's version from 2017-11-28 19:08

Section

Question Answer
GEOBIA 全称,我们有很多什么data,但没有什么来分析它。 Remote sensing paradigm shift--什么to什么,科技从pixel spectra based model变成什么scale什么based什么model。 GEOBIA的目的是什么,同时有类似的什么和什么来得到和experienced analyst一样的conclusions和inferences。 GEOBIA的classification work-flow6步。Segmentation: 什么image into什么parts,它和人类organize landscape很像。 Challenge是什么GEOBIA 是geographic object based image analysis,我们有很多geospatial data,但没有geoinformation来分析它。 Remote sensing paradigm shift--pixels to objects,科技从pixel spectra based model变成multiscale geo-object based contextual model。 GEOBIA的目的是emulate(仿真)人类interpret image的方式,同时有类似的context和relationships 来得到和experienced analyst一样的conclusions和inferences。 GEOBIA的classification work-flow:DA-multi,preprocess,classification,accuracy assessment,map generation,clean up。Segmentation: partitioning image into discrete parts,它和人类organize landscape很像。 Challenge是用哪种segmentation method
GEOBIA的六个特点:什么centric,什么capable,什么based,什么scale,什么,什么。 Geoinformatics是什么和什么用什么来解决geography,geoscience和相关工程类的问题。 Geomatics是science的一种,deal with什么,什么和什么与地球表面有关的data。GEOBIA tools需要建立于什么standards上并提供mechanisms来integrate user和domain specific ontologies into the semantic web to globally facilitate,来提高分享,融合新技术和data,发展新的GI市场GEOBIA的六个特点:earth centric,multi-source capable,geo-object based,multiscale,contextual,adaptive。 Geoinformatics是science和technology用information science infrastructure来解决geography,geoscience和相关工程类的问题。 Geomatics是science的一种,deal with 收集,分析和翻译与地球表面有关的data。GEOBIA tools需要建立于existing open geospatial consortium standards上并提供mechanisms来integrate user和domain specific ontologies into the semantic web to globally facilitate,来提高分享,融合新技术和data,发展新的GI市场
Training aids/ feature selection: 目标是evaluate什么和提供guidance for iterative process of什么。有两种形式。 Error accumulation:信息会产生什么和什么errorsTraining aids/ feature selection: 目标是evaluate spectral class separability和提供guidance for iterative process of training set refinement。有两种形式:graphical plots of tranining data或statistical measures of separability。 Error accumulation:信息会产生spatial和thematic errors
Classification Accuracy: 如果什么没有assess,classification就是不完整的。 现在很多report只给single accuracy number是什么。Classification accuracy assessment是用什么来比较哪two data set。他们之间的关系用什么来总结,有哪三种accuracy。分别代表什么Classification Accuracy: 如果accuracy没有assess,classification就是不完整的。 现在很多report只给single accuracy number--overall classification accuracy。 Classification accuracy assessment是用统计来比较two data set:RS derived product和ground truth reference。他们之间的关系用confusion matrix来总结,有三种accuracy:overall,producer和users。分别代表sum,vertical和horizontal
Overall accuracy也叫什么:公式。; Producers accuracy也叫error of 什么:公式。他能展示什么被什么的可能性,analyst对how well a certain area can be classified; User's accuracy也叫error of什么:公式。这体现了什么Overall accuracy也叫diagonal:用错matrix的pixels / 正确的matrix的pixels; Producers accuracy也叫error of omission vertical:category中对的pixels / test data里那个category里的pixels。他能展示particular reference pixel被正确分类的可能性,analyst对how well a certain area can be classified; User's accuracy也叫error of commission horizontal:category里pixels / total number of pixel in category horizontal。这体现了map上的东西是否正确代表了地上的东西
Error matrices的biases和issues: 三个conservative:errors in 什么,什么error,minimum什么。 三个optimistic:用什么for testing,什么reference sampling,sampling from什么area。Error matrix stats总是什么的。Advanced error matrix statistics也叫什么stats是用来measure什么和什么之间的不同。 公式Error matrices的biases和issues: 三个conservative:errors in reference data,positional error,minimum mapping unit area。 三个optimistic:用training data for testing,non-dependent reference sampling,sampling from homogeneous area。 Error matrix stats总是有错的。Advanced error matrix statistics也叫KHAT stats是用来measure classification和random assignment of pixels之间的不同。 公式:observed accuracy - change agreement / 1- chance agreement
Compute ROI separability: value的range多少,能告诉你什么。数值越高,越什么。 如果不够separate就要什么or什么。 如果真的value很低,可以考虑什么。Signature extension remedies:有两种。 Class stratification在什么上分类。 Normalization 用什么or什么来减少什么。Map lineage and metadata:可以保护什么,什么(FGDC)给出了标准Compute ROI separability: value的range从0-2,能告诉你ROI有多stats separate。数值越高,越separate。 如果不够separate就要improve by edit or 重新选择。 如果真的value很低,可以考虑combine变成single ROI。 Signature extension remedies:有两种 class stratification和normalization。 Class stratification在地理或环境的边界上分类。 Normalization 用image correction or normalization来减少heterogeneity。Map lineage and metadata:可以保护geo info的质量,federal geographic data committe metadata (FGDC)给出了标准
三种sampling的方法是什么。 Sampling unit是什么里最basic element。 Simple random sampling是population中的每个sampling unit都有什么。 两个好处是有足够的sample来产生什么以及足够的info来什么,computer能很好的perform这个sampling。 三个坏处是需要有和什么的system,什么,会忽略什么。Cluster sampling是什么被放到一起形成sampling unit。 两个好处是减少了什么且增加了什么,只用在什么or什么的地方。 坏处是不够什么,不能产生很好的result。 Stratified random sampling是什么。有两种allocations。 Proportional是to什么,optimum是to什么。好处是什么不会miss且result更准确,也能分别generate。 坏处是需要basis,需要谁来分层,过程会什么。Nonrandom sampling的一种是什么,它是谁选择。好处是很好的strategies,坏处是依靠人来选择。 Population mean取决于三点。三种sampling的方法:random,cluster 和stratified random。 Sampling unit是carry out的measurement里最basic element。 Simple random sampling是population中的每个sampling unit都有相同被选择的机会。 两个好处是有足够的sample来产生unbiased mean以及足够的info来assess error,computer能很好的perform这个sampling。 三个坏处是需要有和sampling unit consistent的system,贵且在宽广地区很难locate,会忽略小群体。 Cluster sampling是更小的recording unit被放到一起形成sampling unit。 两个好处是减少了travel time且增加了sampling size,只用在很大or很难到达的地方。 坏处是不够random,不能产生很好的result。 Stratified random sampling是把区域分块,在每个小区域里random sample。有两种allocations:proportional和optimum。 Proportional是to size,optimum是to std。 好处是small group不会miss且result更准确,也能分别generate。 坏处是需要basis,需要人来分层,过程会subjective。 Nonrandom sampling的一种是selective sampling,它是人为选择。好处是很好的strategies,坏处是依靠人来选择。 Population mean取决于三点:variance of population,sample size和probability
Research和development overview: 5个步骤。 Heat spot可以做什么。 Myheat heat loss asset management可以让你知道什么。 Smart cities platform可以用什么的方式提供信息。 Thermal based energy efficiency metrics可以比较什么并evaluate什么。Machine learning roof pattern diagnostics可以帮你什么。Research和development overview: 5个步骤:heat spot detection,building asset management,smart city platform,TIR based energy efficiency metrics和machine learning。 Heat spot可以比较不同的hot roof locations。 Myheat heat loss asset management可以让你知道哪里需要heat recovery system。 Smart cities platform可以用各种mapping的方式提供信息。 Thermal based energy efficiency metrics可以比较building heat loss to energy efficiency model并evaluate heat loss over time。 Machine learning roof pattern diagnostics可以帮你找到家里heat loss的地方。
memorize

Recent badges