Fundamentalmente, la pregunta aquí es "qué significa" científicamente válido ". Si está buscando hacer un modelo espectral en los datos, entonces la respuesta es posiblemente diferente de si está buscando hacer una clasificación / segmentación de imágenes. Pansharpening (dependiendo del método) simplemente cambiará el rango de los valores en una cantidad bastante pequeña y no debería colocar sus valores de reflectancia fuera del ámbito de la posibilidad.
En general, depende mucho de la aplicación para la que va a utilizar los datos. Además, también puede valer la pena documentar el impacto de la nitidez de pansas como un resultado secundario parcial en cualquier estudio que esté realizando. El resultado puede ser que no agrega nada, excepto cuatro veces la cantidad de píxeles, lo que significa un tiempo de procesamiento cuatro veces mayor, que en algunos casos es espectacular.
Editar: Mi base de datos de artículos sobre este tema no es enorme, pero tengo estos dos donde se usan datos de pansharpend (con resultados razonables) para la segmentación de imágenes:
Shackelford, AK y Davis, CH (2003). Un enfoque combinado basado en píxeles difusos y en objetos para la clasificación de datos multiespectrales de alta resolución en áreas urbanas. IEEE Transactions on Geoscience and Remote Sensing, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972
Fernández, I., Aguilar, FJ, Aguilar, MA y Álvarez, MF (2014). Influencia de la fuente de datos y el tamaño del entrenamiento en la clasificación de áreas de superficie impermeables usando imágenes satelitales y aéreas de VHR a través de un enfoque basado en objetos. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7 (12), 4681–4691.
En primer lugar, a menos que REALMENTE sepa lo que está haciendo y con lo que está experimentando, no puede convertir correctamente PAN de DN a TOA reflectancia. Estos datos se hacen únicamente con el propósito de mejorar visualmente; y no se supone que se derive información espectral de ella.
Los valores de reflectancia de TOA son una reescala del tipo de datos de 16 bits según lo establecido por USGS . Lo que significa que puede usar la banda PAN directamente como entrada con los datos de reflectancia TOA multiespectrales. Especialmente porque la mayoría, si no todos, de los algoritmos de nitidez panorámica comienzan con algún tipo de normalización de datos.
Otra cosa que puede hacer, solo para tranquilizarse, es tomar dos datos de muestra (nivel 2 y nivel 1); aplique una nitidez panorámica en los dos y realice evaluaciones espectrales y espaciales en ambos resultados.
PD: sobre el tema de tu proyecto
El año pasado, trabajé en un proyecto relacionado con la Evaluación de los efectos de Pan-Sharpening en la clasificación de imágenes , donde los datos de entrada fueron imágenes de satélite Quickbird y Landsat 8. Se probaron múltiples algoritmos y enfoques. Y los resultados fueron muy interesantes. Todavía no hemos llegado a publicar el artículo, así que no puedo revelar la mayoría de las cosas que hicimos. Pero una cosa que puedo decir es: tratar de usar una combinación de los datos originales (bandas completas) y las imágenes con nitidez segmentada. Como la mayoría de los experimentos realizados con datos de Landsat mostraron que la precisión general y el coeficiente de Kappa disminuyeron en comparación con la clasificación de los datos originales.
fuente