Landsat 8 표면 반사 제품을 해당 밴드의 팬 밴드와 융합 / 팬 샤프닝하는 것이 과학적으로 유효한지 알아야합니까? Landsat 반사 제품 세부 사항은 여기 에서 찾을 수 있습니다 . 이 제품을 얻기 위해서는 표면 반사 제품을 별도로 주문해야합니다. 이 제품에는 IR 및 팬 밴드가 아닌 7 밴드 (30m) 만 포함되어 있습니다. 다시, 내 질문은 표면 반사 제품의 7 밴드 (30m)를 일반 (표면 반사가 아닌) 팬 밴드 (15m)와 융합하는 것이 유효하다는 것입니다. 이 pansharpened 이미지를 분할 및 랜드 커버 매핑에 사용하고 싶습니다. 그래서 참고로 학계 에서이 유형의 pan sharpening에 대한 확립 된 관행이 있음을 알아야합니다. 그렇다면 인용하십시오.
답변:
근본적으로 여기서의 문제는 " '과학적으로 유효한'의 의미"입니다. 데이터에서 스펙트럼 모델링을 수행하려는 경우 분류 / 이미지 분할을 수행하는 경우와 대답이 다를 수 있습니다. Pansharpening (방법에 따라 다름)은 단순히 값의 범위를 상당히 적은 양으로 변경하므로 반사 범위 값을 가능성의 범위 밖에 두지 않아야합니다.
대체로 데이터를 사용할 응용 프로그램에 따라 다릅니다. 또한, pansharpening의 영향은 수행중인 모든 연구에서 부분적인 결과로 문서화 할 가치가 있습니다. 결과적으로 처리 시간보다 4 배 긴 4 배 많은 픽셀을 제외하고는 아무 것도 추가하지 않을 수 있습니다. 일부 경우에는 쇼 토퍼입니다.
편집 :이 주제에 관한 기사 데이터베이스는 크지 않지만 이미지 세분화에 pansharpend 데이터가 (합리적인 결과로) 사용되는 두 가지가 있습니다.
Shackelford, AK, & Davis, CH (2003). 도시 지역의 고해상도 다중 스펙트럼 데이터 분류를위한 퍼지 픽셀 기반 및 객체 기반의 결합 된 접근 방식입니다. 지구과학과 원격 탐사에 관한 IEEE 거래, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972
Fernández, I., Aguilar, FJ, Aguilar, MA 및 Álvarez, MF (2014). 객체 기반 접근법을 통한 VHR 위성 및 항공 이미지를 사용하여 불 투수 표면 영역 분류에 대한 데이터 소스 및 교육 크기의 영향 응용 지구 관측 및 원격 감지에서 선정 된 주제의 IEEE 저널, 7 (12), 4681–4691.
무엇을하고 있는지, 무엇을 실험하고 있는지 전혀 알지 못한다면 PAN을 DN에서 TOA 반사로 올바르게 변환 할 수는 없습니다. 이 데이터는 시각적 향상 목적으로 만 만들어졌습니다. 스펙트럼 정보는이 정보에서 파생되지 않습니다.
TOA 반사율 값은 USGS에 명시된 16 비트 데이터 유형에서 리 스케일됩니다 . 이는 다중 스펙트럼 TOA 반사 데이터를 사용하여 PAN 대역을 입력으로 직접 사용할 수 있음을 의미합니다. 특히 Pan-sharpening 알고리즘의 대부분은 전부는 아니지만 일종의 데이터 정규화로 시작하기 때문입니다.
마음을 편하게하기 위해 할 수있는 또 다른 일은 두 개의 샘플 데이터 (레벨 2 및 레벨 1)를 취하는 것입니다. 두 가지에 팬 샤프닝을 적용하고 두 결과에 대한 스펙트럼 및 공간 평가를 수행합니다.
추신 : 프로젝트의 주제에 대하여
작년에 나는 입력 데이터가 Quickbird와 Landsat 8 위성 이미지 인 이미지 분류에 대한 팬 샤프닝 효과 의 평가에 관한 프로젝트를 진행했습니다 . 여러 알고리즘과 접근법이 테스트되었습니다. 그리고 결과는 매우 흥미로웠다. 아직 기사를 게시하지 않았으므로 대부분의 작업을 공개 할 수 없습니다. 그러나 내가 말할 수있는 한 가지는 : 원본 데이터 (풀 밴드)와 세그먼트 팬 샤프닝 이미지의 조합을 시도하고 사용하는 것입니다. Landsat 데이터에 대해 수행 된 대부분의 실험에서 원래 데이터의 분류와 비교하여 전체 정확도 및 Kappa 계수가 감소한 것으로 나타났습니다.