साक्ष्य छिपाए बिना अप्रत्याशित परावर्तन मूल्यों की समीक्षा करना
विश्लेषणात्मक मूल्यों को बदलने से पहले इकाइयों, स्केलिंग, मेटाडेटा, स्रोत छवियों और गुणवत्ता मास्क के माध्यम से नकारात्मक या असामान्य रूप से उच्च परावर्तन आउटपुट की जांच करें।
पुष्टि करें कि संख्याएँ क्या दर्शाती हैं
जब तक आउटपुट की भौतिक राशि ज्ञात न हो तब तक एक अप्रत्याशित रैस्टर मान की व्याख्या नहीं की जा सकती। जांचें कि परत में डिजिटल नंबर, विकिरणदीप्ति (radiance), परावर्तन अनुपात (reflectance), स्केल किए गए पूर्णांक या कोई डिस्प्ले उत्पाद शामिल है या नहीं। इकाइयाँ, स्केल गुणक और अमान्य डेटा की परंपराएँ दर्ज करें। एक मान जो एक प्रतिनिधित्व में अत्यधिक दिखता है उसका दूसरे में अलग अर्थ हो सकता है। प्रत्येक सेंसर और सॉफ़्टवेयर आउटपुट के लिए एक अनुमानित वैध सीमा लागू करने के बजाय प्रसंस्करण दस्तावेज़ और वास्तविक फ़ाइल मेटाडेटा से शुरुआत करें।
असामान्य अवलोकनों का पता लगाएँ
संदिग्ध मानों को मैप करें और निरीक्षण करें कि क्या वे छाया, सीमाओं, चमकदार वस्तुओं, सीमों या संपूर्ण प्रसंस्करण ब्लॉकों का अनुसरण करते हैं। व्यक्तिगत बैंड और प्रतिनिधि स्रोत छवियों की तुलना करें। समीक्षा के लिए चुनी गई किसी भी सीमा सहित, उम्मीदवारों की पहचान करने के लिए उपयोग की जाने वाली विधि को रिकॉर्ड करें। सभी असामान्य संख्याओं को तुरंत शून्य से न बदलें। उनका स्थानिक पैटर्न नैदानिक साक्ष्य हो सकता है, और जांच से पहले इसे हटाने से अंतर्निहित संग्रह या प्रसंस्करण समस्या को समझाना कठिन हो सकता है।
अंशांकन संबंधों की समीक्षा करें
डिवाइस की पहचान, अंशांकन संदर्भ, एक्सपोज़र मेटाडेटा और वास्तव में उपयोग किए गए सुधार पथ की जाँच करें। MicaSense अपने डेटा के लिए एक प्रलेखित रेडियोमेट्रिक वर्कफ़्लो प्रदान करता है; दूसरे सेंसर को अपने स्वयं के पैरामीटर की आवश्यकता होती है। हिस्टोग्राम को उचित दिखाने के लिए गुणांक उधार न लें। पुष्टि करें कि संदर्भ छवियां प्रासंगिक उपकरण और अवलोकन से संबंधित हैं। यदि कोई एसोसिएशन गायब है, तो उसे स्पष्ट रूप से वर्णित करें और केवल सॉफ़्टवेयर रन पूरा होने को सत्यापित इनपुट का विकल्प मानने के बजाय व्याख्या को सीमित करें।
स्थानांतरण गलतियों से शोर को अलग करें
नकारात्मक या असामान्य आउटपुट के लिए संदर्भ-विशिष्ट व्याख्या की आवश्यकता हो सकती है। NASA की MODIS चर्चा से पता चलता है कि ऐसे मूल्यों को उत्पाद-गुणवत्ता की जानकारी की आवश्यकता क्यों है, लेकिन उपग्रह-विशिष्ट झंडों को सीधे ड्रोन इमेजरी में स्थानांतरित नहीं किया जाना चाहिए। वास्तविक वर्कफ़्लो में रूपांतरण, संख्यात्मक परिशुद्धता, स्केलिंग और अमान्य-डेटा प्रबंधन की समीक्षा करें। स्वीकृत संदर्भ क्षेत्रों की तुलना करें और विरोधाभासी साक्ष्य बनाए रखें। इसका उद्देश्य साक्ष्य से समर्थित स्पष्टीकरण की पहचान करना है, न कि उस सुधार का चयन करना जो सबसे सहज दिखने वाला कृषि मानचित्र तैयार करता है।
प्रलेखित गुणवत्ता निर्णय लागू करें
यदि बहिष्करण या मास्किंग उचित है, तो मूल रेखापुंज रखें और नियम, प्रभावित क्षेत्र और विश्लेषणात्मक परिणाम को रिकॉर्ड करें। वास्तविक शून्य माप से गायब डेटा को अलग करें। परीक्षण करें कि प्रस्तावित उपचार के तहत खेत-खंड सारांश में भौतिक परिवर्तन होता है या नहीं। एक असमर्थित मात्रात्मक दावे को संरक्षित करते हुए केवल एक आकर्षक रंग-कुंजी को फिट करने के लिए मूल्यों को काटने से बचें। जहां कारण अनसुलझा रहता है, चुपचाप निश्चितता का निर्माण करने के बजाय एक स्पष्ट समीक्षा स्थिति या सीमित गुणात्मक व्याख्या का उपयोग करें।
मानचित्र के साथ लेखापरीक्षा प्रस्तुत करें
विश्लेषणात्मक डेटासेट के साथ आउटपुट परिभाषाएँ, निरीक्षण किए गए उदाहरण, स्वीकृत मास्क और शेष सीमाएँ प्रदान करें। एक प्राप्तकर्ता को यह पुनर्निर्माण करने में सक्षम होना चाहिए कि प्रत्येक आँकड़े में कौन सी टिप्पणियाँ दर्ज की गईं। NiVO पेलोड टीम और सेंसर समर्थन के साथ अनसुलझे डिवाइस या मेटाडेटा प्रश्नों पर चर्चा करें। सफल गुणवत्ता समीक्षा माप के अर्थ और बहिष्करण के कारणों को सुरक्षित रखती है; इसके लिए प्रत्येक पिक्सेल को सामान्य दिखने की आवश्यकता नहीं है या यह दिखावा नहीं है कि एक सार्वभौमिक परावर्तन नियम सभी कैमरों पर लागू होता है।
