Revendo valores de refletância inesperados sem ocultar as evidências
Investigue saídas de refletância negativas ou incomumente altas por meio de unidades, escalas, metadados, imagens de origem e máscaras de qualidade antes de alterar os valores analíticos.
Confirme o que os números representam
Um valor raster inesperado não pode ser interpretado até que a grandeza de saída seja conhecida. Verifique se a camada contém números digitais, radiância, refletância, números inteiros escalonados ou um produto de exibição. Registre as unidades, os fatores de escala e as convenções de dados inválidos. Um valor que parece excessivo em uma representação pode ter um significado diferente em outra. Comece com a documentação de processamento e os metadados reais do arquivo, em vez de aplicar um intervalo supostamente válido a cada sensor e saída de software.
Localize as observações incomuns
Mapeie valores suspeitos e inspecione se eles seguem sombras, limites, objetos brilhantes, costuras ou blocos inteiros de processamento. Compare bandas individuais e imagens de origem representativas. Registre o método usado para identificar os candidatos, incluindo qualquer limite escolhido para análise. Não substitua imediatamente todos os números incomuns por zero. Seu padrão espacial pode ser uma evidência diagnóstica, e excluí-lo antes da investigação pode dificultar a explicação do problema subjacente de coleta ou processamento.
Revise as associações de calibração
Verifique a identidade do dispositivo, as referências de calibração, os metadados de exposição e o caminho de correção realmente utilizado. O MicaSense fornece um fluxo de trabalho radiométrico documentado para seus dados; outro sensor requer seus próprios parâmetros. Não peça coeficientes emprestados para fazer um histograma parecer razoável. Confirme se as imagens de referência pertencem ao dispositivo e observação relevantes. Se uma associação estiver faltando, descreva-a explicitamente e limite a interpretação, em vez de permitir que uma execução completa do software substitua entradas verificadas.
Distinguir ruído de erros de transferência
Resultados negativos ou incomuns podem exigir interpretação específica do contexto. A discussão MODIS da NASA mostra por que tais valores precisam de informações sobre a qualidade do produto, mas as bandeiras específicas de satélite não devem ser transferidas diretamente para imagens de drones. Revise a conversão, a precisão numérica, o dimensionamento e o tratamento de dados inválidos no fluxo de trabalho real. Compare áreas de referência aceitas e retenha evidências contraditórias. O objectivo é identificar uma explicação defensável e não seleccionar a correcção que produza o mapa agrícola com aspecto mais suave.
Aplicar decisões de qualidade documentadas
Se a exclusão ou mascaramento for justificado, mantenha o raster original e registre a regra, a área afetada e a consequência analítica. Separe os dados faltantes de uma medição zero genuína. Teste se os resumos das parcelas mudam materialmente sob o tratamento proposto. Evite recortar valores simplesmente para caber em uma legenda atraente, preservando ao mesmo tempo uma afirmação quantitativa sem suporte. Quando a causa permanece por resolver, utilize um estatuto de revisão explícito ou uma interpretação qualitativa limitada, em vez de fabricar silenciosamente a certeza.
Entregue a auditoria junto com o mapa
Forneça definições de saída, exemplos inspecionados, máscaras aceitas e limitações restantes com o conjunto de dados analíticos. Um destinatário deve ser capaz de reconstruir quais observações entraram em cada estatística. Discuta questões não resolvidas sobre dispositivos ou metadados com a equipe de carga útil do NiVO e o suporte do sensor. Uma revisão de qualidade bem-sucedida preserva o significado das medições e os motivos das exclusões; não exige que cada pixel pareça comum ou finja que uma regra universal de refletância se aplica a todas as câmeras.
