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.
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.
quelle