Apakah benar secara ilmiah untuk produk pansharpen landsat reflektansi dengan pan band

Saya perlu tahu apakah secara ilmiah valid untuk mem-fuse / pan-sharpen produk reflektansi permukaan Landsat 8 dengan pan band dari masing-masing band? Detail produk reflektan Landsat dapat ditemukan di sini . Perlu disebutkan bahwa seseorang perlu memesan produk pemantulan permukaan secara terpisah untuk mendapatkan produk ini. Produk ini hanya mengandung 7 band (30m) bukan IR dan Pan band. Jadi, sekali lagi, pertanyaan saya apakah valid untuk memadukan 7 band (30m) produk permukaan pantulan dengan pita pan normal (bukan permukaan pantulan) (15m). Saya ingin menggunakan gambar pansharpened ini untuk segmentasi dan mengikuti pemetaan tutupan lahan. Jadi saya perlu tahu bahwa apakah ada praktik yang dilakukan dari penajaman wajan jenis ini di akademia dengan referensi, jika ya silakan kutip.

— SIslam
sumber

Jawaban:

Pada dasarnya pertanyaan di sini adalah "apa yang 'secara ilmiah sah' artinya". Jika Anda ingin melakukan pemodelan spektral pada data, maka jawabannya mungkin berbeda dari jika Anda ingin melakukan klasifikasi / segmentasi gambar. Pansharpening (tergantung pada metode) hanya akan mengubah rentang nilai dalam jumlah yang cukup kecil dan tidak seharusnya menempatkan nilai reflektansi Anda di luar bidang kemungkinan.

Semua dalam semua, itu sangat tergantung pada aplikasi apa yang akan Anda gunakan untuk data. Selain itu, dampak pansharpening juga layak didokumentasikan sebagai hasil samping parsial dalam studi apa pun yang Anda lakukan. Hasilnya mungkin itu tidak menambahkan apa pun, kecuali empat kali lebih banyak piksel, yang berarti empat kali lebih lama waktu pemrosesan, yang dalam beberapa kasus adalah showstopper.

Sunting: Basis data artikel saya tentang topik ini tidak besar, tetapi saya memiliki keduanya di mana data pansharpend digunakan (dengan hasil yang masuk akal) untuk segmentasi gambar:

Shackelford, AK, & Davis, CH (2003). Gabungan berbasis fuzzy pixel dan pendekatan berbasis objek untuk klasifikasi data multispektral resolusi tinggi di wilayah perkotaan. Transaksi IEEE pada Geoscience dan Remote Sensing, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972

Fernández, I., Aguilar, FJ, Aguilar, MA, & Álvarez, MF (2014). Pengaruh Sumber Data dan Ukuran Pelatihan pada Klasifikasi Daerah Permukaan yang Tidak Mudah Menggunakan Satelit VHR dan Citra Udara Melalui Pendekatan Berbasis Objek. Jurnal IEEE Topik Terpilih dalam Pengamatan Terapan Bumi dan Penginderaan Jauh, 7 (12), 4681-4691.

— Mikkel Lydholm Rasmussen
sumber

mengedit pertanyaan.

— SIslam

Masalah yang tidak dibahas dalam jawaban Anda adalah bahwa pita pantulan permukaan berada di unit yang berbeda dari nilai DN pita 8. Sedangkan beberapa algoritma akan bekerja terlepas (mis., PCA) efek pada nilai yang dihasilkan dalam pita pantulan permukaan yang ditajamkan. bisa sangat bias dan dengan demikian tidak "valid secara ilmiah", apa pun artinya. Namun, dari titik berdiri "sifat reflektansi bahan" sebenarnya tidak valid karena kurva spektral telah diubah berdasarkan nilai-nilai DN pada pita 8 tidak sesuai dengan nilai yang diharapkan.

— Jeffrey Evans

@JeffreyEvans bahwa semua tergantung pada metode pansharpening mana yang sedang digunakan - elemen yang bukan bagian dari pertanyaan. Namun, mengingat bahwa topiknya adalah segmentasi gambar, tujuan utamanya bukan untuk memodelkan materi yang diketahui, tetapi untuk memungkinkan perbandingan lintas-nilai nilai - yang berarti bahwa perhatian utama bukanlah pansharpening, tetapi konsistensi koreksi atmosfer.

— Mikkel Lydholm Rasmussen

Terima kasih semua atas upaya baik yang telah Anda berikan! Sebenarnya saya ingin tahu apakah itu valid jika saya menajamkan produk reflaktansi dengan produk yang tidak dikoreksi secara atmosfer untuk keperluan klasifikasi. Jika ya maka beri saya cara yang mapan untuk melakukannya karena diskusi di atas mendukung ini karena saya perlu melakukan klasifikasi untuk tujuan penelitian. Bisakah Anda mengutip kertas untuk landsat.

— SIslam

@ SIslam - Saya tidak berpikir bahwa itu akan mungkin untuk menemukan kertas yang secara khusus melihat pansharpening data yang dikoreksi atmosfer dengan data pankromatik yang tidak dikoreksi. Ini adalah detail yang sangat teknis, detail yang hanya benar-benar penting bagi pengguna teknis yang kuat dan para pengguna tersebut biasanya akan melakukan koreksi atmosfer sendiri, daripada menggunakan produk reflektansi permukaan tanah yang cukup rentan terhadap kesalahan.

— Mikkel Lydholm Rasmussen

Pertama-tama - kecuali jika Anda BENAR-BENAR tahu apa yang Anda lakukan dan apa yang Anda coba - Anda tidak dapat dengan benar mengkonversi PAN dari DN ke TOA reflektansi. Data ini dibuat semata-mata untuk tujuan peningkatan visual; dan tidak ada informasi spektral yang seharusnya diturunkan darinya.

Nilai reflektansi TOA adalah skala ulang dari tipe data 16bit seperti yang dinyatakan oleh USGS . Yang berarti bahwa Anda dapat menggunakan PAN band secara langsung sebagai input dengan data pantulan TOA multispektral. Terutama karena sebagian besar - jika tidak semua - dari algoritma Pan-sharpening mulai dengan semacam normalisasi data.

Hal lain yang dapat Anda lakukan - hanya untuk menenangkan pikiran Anda - adalah mengambil dua sampel data (level 2 & level 1); menerapkan pan-sharpening pada keduanya, dan lakukan evaluasi spektral dan spasial pada kedua hasil.

PS: Mengenai tema proyek Anda

Tahun lalu, saya mengerjakan sebuah proyek tentang Evaluasi efek Pan-Sharpening pada klasifikasi gambar , di mana data inputnya adalah citra satelit Quickbird dan Landsat 8. Berbagai algoritma dan pendekatan diuji. Dan hasilnya sangat menarik. Kami belum sempat menerbitkan artikel sehingga saya tidak bisa mengungkapkan sebagian besar hal yang kami lakukan. Tapi satu hal yang bisa saya katakan adalah: untuk mencoba dan menggunakan kombinasi data asli (band penuh) dan citra pan-sharpen. Karena sebagian besar percobaan yang dilakukan pada data Landsat menunjukkan bahwa akurasi keseluruhan dan koefisien Kappa turun dibandingkan dengan klasifikasi data asli.

— Mouad Alami
sumber