¿Es científicamente correcto pansharpen el producto de reflectancia landsat con la banda pan

Question

Necesito saber si es científicamente válido fusionar/panificar los productos de reflectancia de la superficie del Landsat 8 con la banda pan de esa banda respectiva? Los detalles de los productos de reflectancia de Landsat se pueden encontrar en aquí . Es necesario mencionar que uno necesita pedir el producto de reflectancia de la superficie por separado para obtener este producto. Este producto contiene sólo 7 bandas (30m) no la banda IR y Pan. Así que, de nuevo, mi pregunta es si es válido fusionar 7 bandas (30m) del producto de reflectancia de la superficie con la banda normal (no reflectancia de la superficie) pan (15m). Quiero utilizar esta imagen con nitidez panorámica para la segmentación y el siguiente mapeo de la cobertura del suelo, por lo que necesito saber si hay alguna práctica establecida de este tipo de nitidez panorámica en el mundo académico con referencia, si es así, por favor cite.

Answer 1

La cuestión fundamental aquí es "qué significa 'científicamente válido'". Si lo que se busca es hacer un modelado espectral de los datos, la respuesta es posiblemente diferente a si se busca hacer una clasificación / segmentación de la imagen. El enfoque panorámico (dependiendo del método) simplemente va a cambiar el rango de los valores en una cantidad bastante pequeña y no debería poner sus valores de reflectancia fuera del ámbito de lo posible.

En definitiva, depende mucho de la aplicación para la que vayas a utilizar los datos. Además, también puede valer la pena documentar el impacto de la pansharpening como un resultado secundario parcial en cualquier estudio que esté realizando. El resultado puede ser que no añada nada, excepto cuatro veces más píxeles, lo que significa un tiempo de procesamiento cuatro veces mayor, lo que en algunos casos es un obstáculo.

Edición: Mi base de datos de artículos sobre este tema no es enorme, pero tengo estos dos en los que se utilizan datos pansharpend (con resultados razonables) para la segmentación de imágenes:

Shackelford, A. K., y Davis, C. H. (2003). A combined fuzzy pixel-based and object-based approach for classification of high-resolution multispectral data over urban areas. IEEE Transactions on Geoscience and Remote Sensing, 41(10), 2354-2364. http://doi.org/10.1109/TGRS.2003.815972

Fernández, I., Aguilar, F. J., Aguilar, M. A., & Álvarez, M. F. (2014). Influencia de la fuente de datos y del tamaño del entrenamiento en la clasificación de superficies impermeables utilizando imágenes satelitales y aéreas VHR mediante un enfoque basado en objetos. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(12), 4681-4691.

Answer 2

En primer lugar - a menos que realmente sepas lo que estás haciendo y con lo que estás experimentando - no puedes convertir correctamente PAN de DN a reflectancia TOA. Estos datos están hechos únicamente con el propósito de mejorar la visión; y no se supone que se derive ninguna información espectral de ellos.

Los valores de reflectancia del TOA son un reescalado del tipo de datos de 16 bits, tal y como indica USGS . Lo que significa que se puede utilizar la banda PAN directamente como entrada con los datos de reflectancia multiespectral TOA. Sobre todo porque la mayoría -si no todos- de los algoritmos de Pan-sharpening comienzan con algún tipo de normalización de los datos.

Otra cosa que puedes hacer -para tranquilizarte- es tomar dos datos de muestra (nivel 2 y nivel 1); aplicar la nitidez panorámica a los dos, y hacer una evaluación espectral y espacial de ambos resultados.

P.D: Con respecto al tema de su proyecto

El año pasado, trabajé en un proyecto sobre la Evaluación de los efectos del Pan-Sharpening en la clasificación de imágenes donde los datos de entrada eran imágenes de satélite Quickbird y Landsat 8. Se probaron múltiples algoritmos y enfoques. Y los resultados fueron muy interesantes. Todavía no hemos llegado a publicar el artículo, así que no puedo revelar la mayoría de las cosas que hicimos. Pero una cosa que puedo decir es: intentar utilizar una combinación de los datos originales (bandas completas) y de las imágenes segmentadas y afiladas. La mayoría de los experimentos realizados con los datos del Landsat mostraron que la precisión general y el coeficiente Kappa se redujeron en comparación con la clasificación de los datos originales.