Untuk gambar dari lokasi yang sama tetapi tanggal yang berbeda, saya lebih suka berbicara tentang pengomposisian daripada mosaicing (yang menggabungkan gambar dari luasan berbeda menjadi gambar yang lebih besar). Anda akan menemukan banyak detail jika Anda mencari kata kunci "compositing", tetapi di sini adalah ringkasan singkat:
Ada dua pendekatan utama untuk penyusunan deret waktu:
Pendekatan piksel terbaik yang tersedia (pilih piksel "terbaik" di setiap lokasi berdasarkan kriteria yang diberikan, mis. Gunakan piksel dengan nilai NDVI maksimum atau piksel bukan awan terdekat dengan tanggal pusat periode pengomposisian). Contoh dengan Landsat dapat ditemukan di sini
Pendekatan piksel gabungan (mis., Ambil rata-rata semua piksel di lokasi yang sama ( rata-rata pengomposisian ) atau gunakan regresi temporal untuk menginterpolasi piksel "hilang" di beberapa tanggal ( mengisi celah )). Perhatikan bahwa pengisian celah berpotensi menciptakan satu gambar pada tanggal berapa pun (dan Anda memutuskan yang Anda simpan), sementara pengomposisian hanya memberikan satu gambar per periode pengomposisian (Anda dapat menggunakan jendela temporal geser, tetapi kurang "tepat" untuk sementara).
"Mean compositing" telah digunakan dalam beberapa proyek yang berhasil dengan MERIS dan SPOT VGT (lihat di sini ). Komposisi "Max NDVI" digunakan untuk komposit MODIS. Interpolasi pada beberapa tanggal yang menarik telah dilakukan di sini dengan gambar Sentinel-2. Secara pribadi, saya lebih suka pendekatan tipe "pixel gabungan".
Sekarang Anda harus sadar bahwa kualitas pengomposisian Anda sangat tergantung pada kualitas input Anda, terutama jika Anda tidak memiliki sejumlah besar data input (sentinel-2 adalah "hanya" setiap 5 hari, tidak setiap hari seperti Sentinel-3):
cloud mask yang baik (termasuk deteksi cloud, deteksi kabut, deteksi cirrus (cloud ketinggian tinggi) dan deteksi cloud shadow.
atas kanopi pantulan: mengubah Angka Digital dari satelit menjadi nilai pantulan yang berarti, termasuk koreksi dari BRDF (cahaya tidak tercermin secara homogen di semua arah dan ada dampak permukaan pada perbedaan), koreksi atmosfer dan koreksi topografi.
pendaftaran yang baik antara gambar yang berbeda. piksel harus mewakili lokasi yang sama sebanyak mungkin.
terkadang juga: deteksi kejadian sementara (banjir dan salju)
Perhatikan bahwa perangkat lunak telah dikembangkan dalam kerangka proyek ESA ( SEN2AGRI ) untuk membuat komposit bebas awan.
Bonus: contoh komposit global