Ist es wissenschaftlich korrekt, Landsat-Reflexionsmittel mit Pan-Band zu pansharpen?

Ich muss wissen, ob es wissenschaftlich gültig ist, Landsat 8-Oberflächenreflexionsprodukte mit dem Pan-Band des jeweiligen Bandes zu verschmelzen / zu schärfen. Details zum Landsat-Reflexionsvermögen finden Sie hier . Es muss erwähnt werden, dass man das Oberflächenreflexionsprodukt separat bestellen muss, um dieses Produkt zu erhalten. Dieses Produkt enthält nur 7 Band (30 m), kein IR- und Pan-Band. Meine Frage ist also wieder, dass es gültig ist, 7 Bänder (30 m) des Oberflächenreflexionsprodukts mit dem normalen (nicht Oberflächenreflexions-) Pan-Band (15 m) zu verschmelzen. Ich möchte dieses geschärfte Bild für die Segmentierung und die anschließende Kartierung der Landbedeckung verwenden. Ich muss also wissen, dass es in der Wissenschaft eine etablierte Praxis für diese Art des Pfannenschärfens gibt, wenn ja, bitte zitieren.

— Islam
quelle

Antworten:

Grundsätzlich lautet die Frage hier "Was bedeutet" wissenschaftlich gültig "?". Wenn Sie eine spektrale Modellierung der Daten durchführen möchten, ist die Antwort möglicherweise anders als bei einer Klassifizierung / Bildsegmentierung. Durch das Pansharpening (abhängig von der Methode) wird der Wertebereich lediglich um einen relativ kleinen Betrag geändert, und Ihre Reflexionswerte sollten nicht außerhalb des Bereichs der Möglichkeiten liegen.

Alles in allem hängt es stark davon ab, für welche Anwendung Sie die Daten verwenden werden. Darüber hinaus kann es sich lohnen, die Auswirkungen des Pansharpening als Teilnebenergebnis in jeder von Ihnen durchgeführten Studie zu dokumentieren. Das Ergebnis kann sein, dass nichts hinzugefügt wird, außer viermal so viele Pixel, was viermal so lange Verarbeitungszeit bedeutet, was in einigen Fällen ein Showstopper ist.

Bearbeiten: Meine Datenbank mit Artikeln zu diesem Thema ist nicht sehr umfangreich, aber ich habe diese beiden, in denen Pansharpend-Daten (mit angemessenen Ergebnissen) für die Bildsegmentierung verwendet werden:

Shackelford, AK & Davis, CH (2003). Ein kombinierter Fuzzy-Pixel-basierter und Objekt-basierter Ansatz zur Klassifizierung hochauflösender multispektraler Daten über städtischen Gebieten. IEEE-Transaktionen zu Geowissenschaften und Fernerkundung, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972

Fernández, I., Aguilar, FJ, Aguilar, MA und Álvarez, MF (2014). Einfluss von Datenquelle und Trainingsgröße auf die Klassifizierung undurchlässiger Oberflächenbereiche mithilfe von VHR-Satelliten- und Luftbildern durch einen objektbasierten Ansatz. IEEE Journal of Selected Topics in Angewandten Erdbeobachtungen und Fernerkundung, 7 (12), 4681–4691.

— Mikkel Lydholm Rasmussen
quelle

hat die Frage bearbeitet.

— Islam

Das Problem, das in Ihrer Antwort nicht angesprochen wird, besteht darin, dass die Oberflächenreflexionsbänder in anderen Einheiten als die DN-Werte von Band 8 liegen. Während einige Algorithmen unabhängig von der Auswirkung (z. B. PCA) auf die resultierenden Werte in den pan-geschärften Oberflächenreflexionsbändern funktionieren würden könnte insbesondere voreingenommen und daher nicht "wissenschaftlich gültig" sein, was auch immer das bedeutet. Von einem bekannten Standpunkt "Materialreflexionseigenschaften" sind jedoch tatsächlich ungültig, da die Spektralkurven basierend auf den DN-Werten in Band 8 geändert wurden, die nicht mit den erwarteten Werten übereinstimmen.

— Jeffrey Evans

@ JeffreyEvans, dass alles davon abhängt, welche Pansharpening-Methode verwendet wird - ein Element, das nicht Teil der Frage ist. Da es sich bei dem Thema jedoch um die Bildsegmentierung handelt, besteht das Hauptziel nicht darin, bekannte Materialien zu modellieren, sondern einen szenenübergreifenden Vergleich von Werten zu ermöglichen. Dies bedeutet, dass das Hauptanliegen nicht das Pansharpening ist, sondern die Konsistenz der atmosphärischen Korrektur.

— Mikkel Lydholm Rasmussen

Vielen Dank für Ihre freundliche Anstrengung! Tatsächlich möchte ich wissen, ob es gültig ist, wenn ich das Reflactance-Produkt mit einem nicht atmosphärisch korrigierten Produkt zu Klassifizierungszwecken pan-schärfe. Wenn ja, geben Sie mir die etablierte Vorgehensweise, da die obige Diskussion dies unterstützt, da ich zu Forschungszwecken eine Klassifizierung vornehmen muss. Könnten Sie bitte Papier für Landsat zitieren.

— Islam

@SIslam - Ich glaube nicht, dass es möglich sein wird, ein Papier zu finden, das sich speziell mit dem Pansharpening atmosphärisch korrigierter Daten mit nicht korrigierten panchromatischen Daten befasst. Es ist ein sehr technisches Detail, ein Detail, das nur für starke technische Benutzer wirklich wichtig ist, und diese Benutzer würden normalerweise ihre eigene atmosphärische Korrektur durchführen, anstatt das ziemlich fehleranfällige Landsat-Oberflächenreflexionsprodukt zu verwenden.

— Mikkel Lydholm Rasmussen

Erstens können Sie PAN nicht korrekt von DN in TOA-Reflexionsvermögen konvertieren, es sei denn, Sie wissen WIRKLICH, was Sie tun und womit Sie experimentieren. Diese Daten werden ausschließlich zum Zwecke der visuellen Verbesserung erstellt. und keine spektrale Information soll daraus abgeleitet werden.

TOA-Reflexionswerte sind eine Neuskalierung des von USGS angegebenen 16-Bit-Datentyps . Dies bedeutet, dass Sie das PAN-Band direkt als Eingabe für die multispektralen TOA-Reflexionsdaten verwenden können. Zumal die meisten - wenn nicht alle - Pan-Sharpening-Algorithmen mit einer Art Datennormalisierung beginnen.

Eine andere Sache, die Sie tun können, um sich zu beruhigen, ist die Entnahme von zwei Beispieldaten (Stufe 2 und Stufe 1). Wenden Sie Pan-Sharpening auf beide an und führen Sie eine spektrale und räumliche Auswertung beider Ergebnisse durch.

PS: Zum Thema Ihres Projekts

Letztes Jahr arbeitete ich an einem Projekt zur Bewertung von Pan-Sharpening-Effekten auf die Bildklassifizierung, bei dem es sich bei den Eingabedaten um Quickbird- und Landsat 8-Satellitenbilder handelte. Es wurden mehrere Algorithmen und Ansätze getestet. Und die Ergebnisse waren sehr interessant. Wir sind noch nicht dazu gekommen, den Artikel zu veröffentlichen, daher kann ich die meisten Dinge, die wir getan haben, nicht offenlegen. Aber eines kann ich sagen: Versuchen Sie, eine Kombination aus den Originaldaten (Vollbänder) und den segmentierten pan-geschärften Bildern zu verwenden. Da die meisten Experimente mit Landsat-Daten zeigten, dass die Gesamtgenauigkeit und der Kappa-Koeffizient im Vergleich zur Klassifizierung der Originaldaten abnahmen.

— Mouad Alami
quelle