Уровень обработки Aster для задач классификации

[syroezhka]

Уважаемые коллеги!
Стоит задача провести автоматическую классификацию данных астера. Какой уровень обработки для этого выбрать?
Логичным, казалось бы, взять уровень 1А, в который коррекциями не внесены искажения. Но при таком уровне совпадают (по количеству пикселов и по контурам) только VIR каналы. С SWIR каналами ерунда: в матрице разное количество столбцов/строк и, к тому же, они неравномерно смещены относительно друг друга. Так что свести их вместе (хотя бы SWIR) представляется проблематичным. И, к тому же, такое сведение будет невозможно без ресемплинга, который внесет искажения в данные.
Уровень 1В обработан, и количество столбцов/строк совпадает, месторасположение контуров - тоже. Но, как я поняла из метаданных, при обработке для ресемплинга использовался CubicConvolution, который накрутить мог с данными все что угодно.
В общем, что какой из этих уровней будет меньшим злом? Может кто-то занимался этим, или просто встречал материалы по этому вопросу.
Спасибо

[Максим Дубинин]

Я думаю, что отсутствие вот этих самых коррекций в L1A гораздо более серьезная проблема, чем CC при ресэмплинге. С L1A очень сложно работать, я бы брал L1B.



(иллюстрация отсюда)

[syroezhka]

На Swir я таких полос не наблюдаю, только на TIR`ах. А они, далеко не самые важные в задаче классификации растительности.

С L1A очень сложно работать.

А вот это 100%, я прочувствовала. Просто думалось, что результат будет стоить затраченных сил