É cientificamente correto ampliar o produto de refletância landsat com banda de pan

11

Preciso saber se é cientificamente válido fundir / afiar os produtos de refletância de superfície Landsat 8 com uma banda de pan dessa respectiva banda? Os detalhes do produto de refletância Landsat podem ser encontrados aqui . É necessário mencionar que é necessário solicitar o produto de refletância de superfície separadamente para obter esse produto. Este produto contém apenas 7 bandas (30m) e não banda IR e Pan. Então, novamente, minha pergunta é válida para fundir 7 bandas (30m) de produto de refletância de superfície com uma faixa de pan normal (não refletância de superfície) (15m). Eu quero usar esta imagem ampliada para segmentação e após o mapeamento da cobertura do solo.

SIslam
fonte

Respostas:

9

Fundamentalmente, a questão aqui é "o que significa 'cientificamente válido'". Se você está procurando fazer modelagem espectral nos dados, a resposta é possivelmente diferente do que se você estiver olhando para fazer uma classificação / segmentação de imagem. O afiação em profundidade (dependendo do método) simplesmente mudará o intervalo dos valores em uma quantidade bastante pequena e não deve colocar seus valores de refletância fora do campo de possibilidade.

Em suma, depende muito de qual aplicativo você usará os dados. Além disso, também pode valer a pena documentar o impacto da afiação de afiação como resultado parcial em qualquer estudo que você esteja realizando. O resultado pode ser que ele não adicione nada, exceto quatro vezes mais pixels, o que significa um tempo de processamento quatro vezes maior, o que, em alguns casos, é um limitador de exibição.

Edit: Meu banco de dados de artigos sobre este tópico não é enorme, mas eu tenho esses dois onde os dados de pansharpend são usados ​​(com resultados razoáveis) para a segmentação de imagens:

Shackelford, AK; Davis, CH (2003). Uma abordagem combinada baseada em pixel difuso e baseada em objeto para classificação de dados multiespectrais de alta resolução sobre áreas urbanas. Transações IEEE sobre Geociência e Sensoriamento Remoto, 41 (10), 2354-2364. http://doi.org/10.1109/TGRS.2003.815972

Fernández, I., Aguilar, FJ, Aguilar, MA, & Álvarez, MF (2014). Influência da fonte de dados e do tamanho do treinamento na classificação de áreas de superfície impermeáveis ​​usando imagens de satélite e aéreas VHR por meio de uma abordagem baseada em objetos. Jornal do IEEE de tópicos selecionados em observações aplicadas da terra e sensoriamento remoto, 7 (12), 4681–4691.

Mikkel Lydholm Rasmussen
fonte
editou a pergunta.
SIslam
2
O problema não abordado em sua resposta é que as bandas de refletância de superfície estão em unidades diferentes dos valores DN da faixa 8. Enquanto alguns algoritmos funcionariam independentemente (por exemplo, PCA) do efeito sobre os valores resultantes nas bandas de refletância de superfície afiadas em pan poderia ser notavelmente tendencioso e, portanto, não "cientificamente válido", o que quer que isso signifique. No entanto, de um ponto de vista conhecido das "propriedades de refletância dos materiais" é realmente inválido porque as curvas espectrais foram alteradas com base nos valores de DN na banda 8 que não correspondem aos valores esperados.
11137 Jeffrey Evans
1
@ JeffreyEvans: tudo depende de qual método de afiação está sendo usado - um elemento que não faz parte da pergunta. No entanto, dado que o tópico é segmentação de imagens, o objetivo principal não é modelar materiais conhecidos, mas permitir a comparação entre valores dos cenários - o que significa que a principal preocupação não é o afiação, mas a consistência da correção atmosférica.
Mikkel Lydholm Rasmussen
Obrigado a todos pelo esforço que vocês deram! Na verdade, eu quero saber se é válido se eu afiar o produto de refletância com um produto que não seja corrigido atmosférica para fins de classificação. Se sim, dê-me a maneira estabelecida de fazê-lo, pois a discussão acima reforça isso, pois eu preciso fazer uma classificação para fins de pesquisa. Você poderia citar um artigo para landsat?
SIslam
@SIslam - Não acho que seja possível encontrar um artigo que analise especificamente os dados corrigidos atmosféricos com nitidez acentuada com dados panromáticos não corrigidos. Trata-se de um detalhe muito técnico, um detalhe que realmente importa apenas para usuários técnicos fortes, e esses usuários usualmente faziam sua própria correção atmosférica, em vez de usar o produto de refletância da superfície do terreno bastante propenso a erros.
Mikkel Lydholm Rasmussen
0

Primeiro de tudo - a menos que você REALMENTE saiba o que está fazendo e com o que está experimentando - não é possível converter corretamente o PAN de refletância DN para TOA. Esses dados são feitos apenas para fins de aprimoramento visual; e nenhuma informação espectral deve derivar dela.

Os valores de refletância TOA são redimensionados a partir do tipo de dados de 16 bits, conforme declarado pelo USGS . O que significa que você pode usar a banda PAN diretamente como entrada com os dados de refletância TOA multiespectral. Especialmente porque a maioria dos algoritmos de nitidez de pan, se não todos, começa com algum tipo de normalização de dados.

Outra coisa que você pode fazer - apenas para acalmar sua mente - é pegar dois dados de amostra (nível 2 e nível 1); aplique nitidez de pan nos dois e faça avaliações espectrais e espaciais em ambos os resultados.

PS: Sobre o tema do seu projeto

No ano passado, trabalhei em um projeto referente à avaliação dos efeitos de nitidez de pan na classificação de imagens , onde os dados de entrada eram imagens de satélite Quickbird e Landsat 8. Vários algoritmos e abordagens foram testados. E os resultados foram muito interessantes. Ainda não conseguimos publicar o artigo, então não posso divulgar a maioria das coisas que fizemos. Mas uma coisa que posso dizer é: tentar usar uma combinação dos dados originais (faixas completas) e imagens segmentadas e nítidas. Como a maioria dos experimentos realizados com dados do Landsat mostrou que a precisão geral e o coeficiente Kappa caíram em comparação com a classificação dos dados originais.

Mouad Alami
fonte