Fondamentalement, la question ici est de savoir ce que signifie «scientifiquement valable». Si vous cherchez à faire de la modélisation spectrale sur les données, la réponse est peut-être différente de celle que vous cherchez à faire une classification / segmentation d'image. Le pansharpening (selon la méthode) va simplement changer la plage des valeurs assez peu et ne devrait pas mettre vos valeurs de réflectance en dehors du domaine des possibilités.
Dans l'ensemble, cela dépend beaucoup de l'application pour laquelle vous allez utiliser les données. De plus, l'impact de l'aiguisage peut également valoir la peine d'être documenté en tant que résultat secondaire partiel dans n'importe quelle étude que vous effectuez. Le résultat peut être qu'il n'ajoute rien, sauf quatre fois plus de pixels, ce qui signifie un temps de traitement quatre fois plus long, ce qui dans certains cas est un showstopper.
Edit: Ma base de données d'articles sur ce sujet n'est pas énorme, mais j'ai ces deux là où les données de pansharpend sont utilisées (avec des résultats raisonnables) pour la segmentation de l'image:
Shackelford, AK et Davis, CH (2003). Une approche combinée basée sur les pixels flous et basée sur les objets pour la classification des données multispectrales à haute résolution dans les zones urbaines. Transactions de l'IEEE sur les géosciences et la télédétection, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972
Fernández, I., Aguilar, FJ, Aguilar, MA, et Álvarez, MF (2014). Influence de la source de données et de la taille de la formation sur la classification des zones de surface imperméables à l'aide d'imagerie satellite et aérienne VHR par le biais d'une approche basée sur les objets. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7 (12), 4681–4691.