Mi ricordo infatti che, quando nel lontano autunno del 1997 feci la mia prima georeferenziazione con ER Mapper, un Sergio Samarelli molto meno morbido di adesso enunciò quella che sarebbe poi diventata una delle mie discutibili certezze:
"quando fai una geocodifica, devi ricampionare il dato".
Il fatto è che quando si acquista un dato satellitare, spesso bisogna scegliere quale metodo di ricampionamento applicare al dato. E la scelta spesso è proprio tra i due metodi citati, Cubic Convolution o Nearest Neighbour.
Per un approfondimento tecnico sulle differenze tra i due metodi suggerisco di consultare il Wiki del GFOSS oppure il sito di Enrico Bonino (che ho scoperto mentre scrivevo questo post e che trovo molto ben fatto, complimenti!).
Qui porto degli esempi che in parole povere aiutano a capire le differenze tra i due metodi.
Come si vede in queste figure d'esempio, nel Nearest Neighbour (a destra) i contorni
delle features sono molto più irregolari a causa delle forti differenze nei valori spettrali dei pixel che risultano visibili.
Nel Cubic Convolution invece (a sinistra) la qualità "estetica" del dato è migliore.
Non esiste una regola assoluta, tuttavia, per la scelta del metodo migliore di ricampionamento: ai nostri clienti, che acquistano immagini satellitari ad alta risoluzione dei sensori QuickBird o WorldView, suggeriamo il Cubic Convolution quando ci viene richiesto il dato in colori naturali, il cosiddetto pansharpened, risultato della combinazione del dato pancromatico con i colori delle bande multispettrali. In questo caso, infatti, si presume che l'obiettivo sia la fotointerpretazione o comunque che interessi maggiormente la qualità "estetica" del dato.
A chi invece richiede il dataset completo, quello che chiamiamo "bundle", ovvero la banda pancromatica + le quattro (o otto, per WorldView-2) bande multispettrali separate, consigliamo il ricampionamento Nearest Neighbour se l'obiettivo è l'analisi spettrale dei dati.
E' importante sapere che, se si acquista un dato ricampionato con il metodo Nearest Neighbour, è comunque possibile effettuare delle semplici elaborazioni con software tipo ERDAS Imagine, per ottenere un risultato simile a quello del Cubic Convolution (che però, attenzione, non sarà lo stesso risultato che se si fosse applicato il ricampionamento Cubic Convolution sul dato d'origine!!). Mentre non vale il contrario.
Ringrazio i colleghi Claudio La Mantia e Giulio Ceriola per avermi dato lo spunto e le immagini d'esempio per questo post.
