Überprüfung unerwarteter Reflexionswerte, ohne die Beweise zu verbergen
Untersuchen Sie negative oder ungewöhnlich hohe Reflexionsausgaben anhand von Einheiten, Skalierung, Metadaten, Quellbildern und Qualitätsmasken, bevor Sie analytische Werte ändern.
Bestätigen Sie, was die Zahlen bedeuten
Ein unerwarteter Rasterwert ist erst interpretierbar, wenn die ausgegebene Messgröße bekannt ist. Überprüfen Sie, ob die Ebene digitale Zahlen, Strahldichte, Reflexionsgrad, skalierte Ganzzahlen oder ein Anzeigeprodukt enthält. Zeichnen Sie Einheiten, Skalierungsfaktoren und Konventionen für ungültige Daten auf. Ein Wert, der in einer Darstellung übertrieben erscheint, kann in einer anderen Darstellung eine andere Bedeutung haben. Beginnen Sie mit der Verarbeitung der Dokumentation und der tatsächlichen Dateimetadaten, anstatt einen vermeintlich gültigen Bereich auf jeden Sensor und jede Softwareausgabe anzuwenden.
Suchen Sie die ungewöhnlichen Beobachtungen
Ordnen Sie verdächtige Werte zu und prüfen Sie, ob sie Schatten, Grenzen, hellen Objekten, Nähten oder ganzen Verarbeitungsblöcken folgen. Vergleichen Sie einzelne Bänder und repräsentative Quellbilder. Notieren Sie die zur Kandidatenidentifizierung verwendete Methode, einschließlich aller zur Überprüfung gewählten Schwellenwerte. Ersetzen Sie nicht alle ungewöhnlichen Zahlen sofort durch Null. Ihr räumliches Muster kann ein diagnostischer Beweis sein, und wenn es vor der Untersuchung gelöscht wird, kann das zugrunde liegende Erfassungs- oder Verarbeitungsproblem schwieriger zu erklären sein.
Überprüfen Sie die Kalibrierungszuordnungen
Überprüfen Sie die Geräteidentität, Kalibrierungsreferenzen, Belichtungsmetadaten und den tatsächlich verwendeten Korrekturpfad. MicaSense bietet einen dokumentierten radiometrischen Arbeitsablauf für seine Daten; Ein anderer Sensor benötigt seine eigenen Parameter. Leihen Sie keine Koeffizienten aus, um ein Histogramm vernünftig aussehen zu lassen. Bestätigen Sie, dass Referenzbilder zum entsprechenden Gerät und zur entsprechenden Beobachtung gehören. Wenn eine Zuordnung fehlt, beschreiben Sie sie explizit und beschränken Sie die Interpretation, anstatt zuzulassen, dass ein abgeschlossener Softwarelauf als Ersatz für verifizierte Eingaben dient.
Unterscheiden Sie Lärm von Übertragungsfehlern
Negative oder ungewöhnliche Ergebnisse können eine kontextspezifische Interpretation erfordern. Die MODIS-Diskussion der NASA zeigt, warum solche Werte Informationen zur Produktqualität benötigen, aber satellitenspezifische Flaggen nicht direkt auf Drohnenbilder übertragen werden dürfen. Überprüfen Sie die Konvertierung, numerische Präzision, Skalierung und den Umgang mit ungültigen Daten im tatsächlichen Arbeitsablauf. Vergleichen Sie akzeptierte Referenzbereiche und bewahren Sie widersprüchliche Beweise auf. Der Zweck besteht darin, eine vertretbare Erklärung zu finden, und nicht darin, die Korrektur auszuwählen, die die am besten aussehende landwirtschaftliche Karte ergibt.
Wenden Sie dokumentierte Qualitätsentscheidungen an
Wenn ein Ausschluss oder eine Maskierung gerechtfertigt ist, behalten Sie das ursprüngliche Raster bei und notieren Sie die Regel, den betroffenen Bereich und die analytische Konsequenz. Trennen Sie fehlende Daten von einer echten Nullmessung. Testen Sie, ob sich die Parzellenzusammenfassungen unter der vorgeschlagenen Behandlung wesentlich ändern. Vermeiden Sie das Abschneiden von Werten, nur um sie in eine attraktive Legende zu integrieren und gleichzeitig eine nicht unterstützte quantitative Aussage beizubehalten. Wenn die Ursache ungelöst bleibt, verwenden Sie einen expliziten Überprüfungsstatus oder eine begrenzte qualitative Interpretation, anstatt stillschweigend Gewissheit herzustellen.
Führen Sie das Audit zusammen mit der Karte durch
Geben Sie Ausgabedefinitionen, geprüfte Beispiele, akzeptierte Masken und verbleibende Einschränkungen mit dem analytischen Datensatz an. Ein Empfänger sollte in der Lage sein, nachzuvollziehen, welche Beobachtungen in welche Statistik eingegangen sind. Besprechen Sie ungelöste Fragen zu Geräten oder Metadaten mit dem NiVO-Payload-Team und dem Sensor-Support. Eine erfolgreiche Qualitätsprüfung bewahrt die Bedeutung der Messungen und die Gründe für Ausschlüsse; Es ist nicht erforderlich, dass jedes Pixel normal aussieht, und man muss auch nicht so tun, als ob eine universelle Reflexionsregel für alle Kameras gilt.
