Насколько правильно с научной точки зрения откорректировать продукт отражения земли с панорамированием


11

Мне нужно знать, является ли научно обоснованным, чтобы плавить / подвергать резкости продукты Landsat 8 для поверхностного отражения с панорамированием этой соответствующей полосы? Подробную информацию о продукте отражающей способности Landsat можно найти здесь . Следует отметить, что для получения этого продукта необходимо отдельно заказать изделие с отражающей поверхностью. Этот продукт содержит только 7 полос (30 м), а не ИК и панорамирование. Итак, еще раз, мой вопрос, является ли правильным объединение 7 полос (30 м) продукта поверхностного отражения с нормальной (не поверхностной отражательной способностью) панорамирующей полосой (15 м). Я хочу использовать это заостренное изображение для сегментации и последующего картирования земного покрова. Поэтому мне нужно знать, существует ли какая-либо общепринятая практика такого типа заточки в научном сообществе со ссылкой, если да, приведите, пожалуйста.

Ответы:


9

По сути, вопрос здесь заключается в том, что означает «научно обоснованный». Если вы хотите провести спектральное моделирование данных, то, возможно, ответ будет другим, чем если бы вы занялись классификацией / сегментацией изображения. Сглаживание (в зависимости от метода) просто изменит диапазон значений на довольно небольшую величину и не должен выводить значения отражательной способности за пределы возможного.

В общем, это во многом зависит от того, для какого приложения вы собираетесь использовать данные. Кроме того, влияние паншарпинга может также стоить документировать как частичный побочный результат в любом исследовании, которое вы проводите. Результатом может быть то, что он ничего не добавляет, кроме четырехкратного количества пикселей, что означает в четыре раза больше времени обработки, что в некоторых случаях является показателем времени.

Изменить: Моя база данных статей по этой теме невелика, но у меня есть две, где данные pansharpend используются (с разумными результатами) для сегментации изображения:

Shackelford, AK & Davis, CH (2003). Комбинированный нечеткий пиксельный и объектный подход для классификации мультиспектральных данных высокого разрешения по городским районам. IEEE Труды по геонаукам и дистанционному зондированию, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972

Фернандес И., Агилар Ф.Д., Агилар М.А. и Альварес М.Ф. (2014). Влияние источника данных и размера обучения на классификацию непроницаемых поверхностей с использованием VHR спутниковых и аэрофотоснимков с помощью объектно-ориентированного подхода. Журнал IEEE по отдельным темам в прикладных исследованиях Земли и дистанционном зондировании, 7 (12), 4681–4691.


отредактировал вопрос.
SIslam

2
Проблема, не затронутая в вашем ответе, состоит в том, что полосы отражения поверхности находятся в разных единицах, чем значения DN полосы 8. Тогда как некоторые алгоритмы будут работать независимо от того, влияют ли (например, PCA) на результирующие значения в панелях отражения поверхности с панорамированием. может быть заметно предвзятым и, следовательно, не "научно обоснованным", что бы это ни значило. Однако с известной точки зрения «свойства отражения материалов» фактически недействительны, потому что спектральные кривые были изменены на основе значений DN в полосе 8, не соответствующих ожидаемым значениям.
Джеффри Эванс

1
@JeffreyEvans, все зависит от того, какой метод панширования используется - элемент, который не является частью вопроса. Однако, учитывая, что тема - сегментация изображения, основная цель состоит не в том, чтобы смоделировать известные материалы, а в том, чтобы обеспечить возможность сравнения значений между сценами, что означает, что основной проблемой является не резкость, а согласованность атмосферной коррекции.
Миккель Лидхольм Расмуссен

Спасибо всем за ваши добрые усилия, которые вы дали! На самом деле, я хочу знать, действительно ли это правильно, если я перефокусирую продукт рефракции с продуктом, не подвергнутым атмосферной коррекции, для целей классификации. Если да, то дайте мне установленный способ сделать это, так как вышеупомянутое обсуждение поддерживает это, так как мне нужно сделать классификацию для исследовательских целей. Не могли бы вы привести статью для Landsat.
SIslam

@Sslam - я не думаю, что можно будет найти статью, в которой конкретно рассматривается панхроматическая коррекция атмосферных данных с некорректными панхроматическими данными. Это очень техническая деталь, деталь, которая действительно имеет значение только для сильных технических пользователей, и эти пользователи обычно делают свою собственную атмосферную коррекцию, а не используют довольно подверженный ошибкам продукт отражения поверхности земли.
Миккель Лидхольм Расмуссен

0

Прежде всего - если вы ДЕЙСТВИТЕЛЬНО не знаете, что делаете и с чем экспериментируете, - вы не сможете правильно преобразовать PAN из DN в коэффициент отражения TOA. Эти данные сделаны исключительно с целью визуального улучшения; и никакая спектральная информация не должна быть получена из этого.

Значения отражательной способности TOA представляют собой масштабирование из 16-битного типа данных, как указано в USGS . Это означает, что вы можете использовать полосу PAN непосредственно в качестве входных данных для многоспектральных данных отражения TOA. Тем более, что большинство - если не все - алгоритмов панхроматики начинаются с некоторой нормализации данных.

Еще одна вещь, которую вы можете сделать - просто успокоить свой разум - это взять два образца данных (уровень 2 и уровень 1); примените к ним резкое панорамирование и проведите спектральную и пространственную оценку обоих результатов.

PS: По поводу темы вашего проекта

В прошлом году я работал над проектом, касающимся оценки эффектов панхарпинга при классификации изображений , где входными данными были спутниковые изображения Quickbird и Landsat 8. Несколько алгоритмов и подходов были протестированы. И результаты были очень интересными. Мы еще не удосужились опубликовать статью, поэтому я не могу раскрыть большинство вещей, которые мы сделали. Но я могу сказать одно: попытаться использовать комбинацию исходных данных (полные полосы) и сегментированных панхроматических изображений. Поскольку большинство экспериментов, проведенных на данных Landsat, показали, что общая точность и коэффициент Каппа снизились по сравнению с классификацией исходных данных.

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.