LOESS radiometric correction for contiguous scenes (LORACCS): Improving the consistency of radiometry in high-resolution satellite image mosaics
Notice bibliographique
Résumé
Analyses of Planet Dove (CubeSat) satellite imagery can prove challenging when radiometric consistency among contiguous scenes is necessary to apply algorithms across mosaics or through time. While temporal resolution is excellent due to the high number of Dove satellites, the radiometric consistency between scenes can be a limiting factor in the utility of the imagery when creating mosaics. To date, methods of addressing the radiometric consistency problem have focused on radiometric correction in a time-series stack, but do not address how to achieve seamless mosaics within that stack. We demonstrate a method to correct Planet Dove radiometric inconsistencies in mosaics using locally estimated scatterplot smoothing (LOESS). LOESS is a non-parametric regression technique that is more flexible to fitting a line to data than ordinary least squares regression (OLS), and better conforms to the nonlinearities in spectral responses among Dove sensors across brightness levels. A straightforward application of LOESS uses overlap areas between contiguous scenes, enabling correction independent of outside data sources. We demonstrate the effectiveness of the method to improve the quality of mosaics by reducing spectral discontinuities between overlapping images in multiple locations across multiple biome and landcover types. Further, the LOESS Radiometric Correction for Contiguous Scenes, or LORACCS, is able to be integrated with methods previously developed to normalize Dove imagery with sensors such as Landsat or Sentinel-2, typically for use in time series analysis. Written in Python, this method offers an open-source solution to a significant challenge when working with Dove data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».