È scientificamente corretto mettere in risalto il prodotto di riflettanza del landat con la banda panoramica

Devo sapere se è scientificamente valido fondere / affilare in pan i prodotti Landsat 8 a riflettanza superficiale con la banda pan della rispettiva banda? I dettagli del prodotto di riflettanza Landsat sono disponibili qui . Va detto che è necessario ordinare separatamente il prodotto di riflettanza della superficie per ottenere questo prodotto. Questo prodotto contiene solo 7 bande (30 m), non IR e banda Pan. Quindi, ancora una volta, la mia domanda è valida per fondere 7 bande (30 m) di prodotto a riflettanza superficiale con una banda pan normale (non a riflettanza superficiale) (15 m). Voglio usare questa immagine pansharpened per la segmentazione e seguire la mappatura della copertura del suolo. Quindi devo sapere che esiste qualche pratica consolidata di questo tipo di affilatura di pentole nel mondo accademico con riferimento, se sì, per favore, cita.

— SIslam
fonte

Risposte:

Fondamentalmente la domanda qui è "cosa significa" scientificamente valido ". Se stai cercando di fare una modellazione spettrale sui dati, allora la risposta è probabilmente diversa da quella che stai cercando di fare la classificazione / segmentazione delle immagini. Il pansharpening (a seconda del metodo) cambierà semplicemente l'intervallo di valori in misura abbastanza ridotta e non dovrebbe mettere i valori di riflettanza al di fuori del regno delle possibilità.

Tutto sommato, dipende molto dall'applicazione per cui verranno utilizzati i dati. Inoltre, può valere la pena documentare l'impatto del pansharpening come risultato parziale parziale in qualunque studio tu stia eseguendo. Il risultato potrebbe essere che non aggiunge nulla, tranne quattro volte il numero di pixel, il che significa un tempo di elaborazione quattro volte maggiore, che in alcuni casi è uno spettacolo.

Modifica: il mio database di articoli su questo argomento non è enorme, ma ho questi due in cui vengono utilizzati i dati pansharpend (con risultati ragionevoli) per la segmentazione delle immagini:

Shackelford, AK, e Davis, CH (2003). Un approccio combinato basato su pixel fuzzy e oggetti per la classificazione di dati multispettrali ad alta risoluzione su aree urbane. Transazioni IEEE su geoscienza e telerilevamento, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972

Fernández, I., Aguilar, FJ, Aguilar, MA, & Álvarez, MF (2014). Influenza della fonte dei dati e della dimensione dell'allenamento sulla classificazione delle aree di superficie impervie mediante immagini satellitari e aeree VHR attraverso un approccio basato sugli oggetti. Diario IEEE di argomenti selezionati in Osservazioni della Terra Applicata e Telerilevamento, 7 (12), 4681-4691.

— Mikkel Lydholm Rasmussen
fonte

ha modificato la domanda.

— SIslam,

Il problema non risolto nella risposta è che le bande di riflettanza della superficie sono in unità diverse rispetto ai valori DN della banda 8. Considerando che alcuni algoritmi funzionerebbero indipendentemente (ad es., PCA) l'effetto sui valori risultanti nelle bande di riflettanza della superficie affilate potrebbe essere particolarmente distorto e quindi non "scientificamente valido", qualunque cosa ciò significhi. Tuttavia, da un punto di vista noto delle "proprietà di riflettanza dei materiali" non sono effettivamente validi poiché le curve spettrali sono state modificate in base ai valori DN nella banda 8 che non corrispondono ai valori previsti.

— Jeffrey Evans,

@JeffreyEvans che tutto dipende da quale metodo pansharpening viene utilizzato - un elemento che non fa parte della domanda. Tuttavia, dato che l'argomento è la segmentazione delle immagini, l'obiettivo principale non è quello di modellare materiali noti, ma di consentire un confronto incrociato dei valori - il che significa che la preoccupazione principale non è il pansharpening, ma la coerenza della correzione atmosferica.

— Mikkel Lydholm Rasmussen,

Grazie a tutti per il gentile impegno che avete fatto! In effetti, voglio sapere se è valido se rafforzo il prodotto riflettente con un prodotto non corretto dal punto di vista atmosferico ai fini della classificazione. Se sì, allora dammi il modo stabilito di farlo, poiché la discussione di cui sopra rafforza questo dato che ho bisogno di fare una classificazione a scopo di ricerca. Potresti per favore citare un documento per landsat.

— SIslam,

@SIslam - Non credo che sarà possibile trovare un documento che analizzi specificamente i dati corretti dal punto di vista atmosferico corretti con dati pancromatici non corretti. È un dettaglio molto tecnico, un dettaglio che conta davvero solo per gli utenti tecnici forti e quegli utenti di solito eseguono la propria correzione atmosferica, piuttosto che utilizzare il prodotto di riflettanza superficiale dei terreni piuttosto incline all'errore.

— Mikkel Lydholm Rasmussen,

Prima di tutto, a meno che tu non sappia VERAMENTE cosa stai facendo e cosa stai sperimentando, non puoi convertire correttamente il PAN da DN a riflettanza TOA. Questi dati vengono raccolti esclusivamente a scopo di miglioramento visivo; e nessuna informazione spettrale dovrebbe derivare da essa.

I valori di riflettanza TOA sono un ridimensionamento dal tipo di dati a 16 bit come dichiarato da USGS . Ciò significa che è possibile utilizzare la banda PAN direttamente come input con i dati multispettrali di riflettanza TOA. Soprattutto dal momento che la maggior parte degli algoritmi di pan-sharpening, se non tutti, iniziano con una sorta di normalizzazione dei dati.

Un'altra cosa che puoi fare - solo per rilassarti - è prendere due dati campione (livello 2 e livello 1); applicare il pan-sharpening sui due e fare una valutazione spettrale e spaziale su entrambi i risultati.

PS: riguardo al tema del tuo progetto

L'anno scorso ho lavorato a un progetto sulla valutazione degli effetti di Pan-Sharpening sulla classificazione delle immagini , in cui i dati di input erano le immagini satellitari Quickbird e Landsat 8. Sono stati testati algoritmi e approcci multipli. E i risultati sono stati molto interessanti. Non siamo ancora riusciti a pubblicare l'articolo, quindi non posso rivelare la maggior parte delle cose che abbiamo fatto. Ma una cosa che posso dire è: provare a usare una combinazione di dati originali (bande complete) e immagini segmentate con nitidezza. Poiché la maggior parte degli esperimenti condotti sui dati di Landsat ha mostrato che l'accuratezza complessiva e il coefficiente di Kappa sono diminuiti rispetto alla classificazione dei dati originali.

— Mouad Alami
fonte