1. INTRODUCTIONThe limited spectral

1. INTRODUCTION
The limited spectral bands of a traditional sensor such as Landsat TM offer a clear example of
how opportunities to exploit spectral responses linked to the physical-chemical properties of
plants are lost (Curran, 1989, Elvidge, 1987, 1990, Himmelsbach et al., 1988, Kumar et al.,
2001, Williams and Norris, 1987). This problem can be resolved using more delicate methods
such as hyperspectral technology. Additionally, there is already a couple of evidence to show
that using hyperspectral data helps to improve the study of mangroves at a finer level. Demuro
and Chisholm (2003) give a good example of how a hyperspectral sensor (HYPERION) handles
the task of discriminating 8-class mangrove communities in Australia - a task considered
difficult for any multispectral sensors (Green et al., 2000). Moreover, the AVIRIS sensor
performed just as well in mapping the mangrove communities of the Everglades, Florida
(Hirano et al., 2003). So far no conclusion has been reached as to whether or not hyperspectral
information can be used to study mangroves at the species level (i.e. for species discrimination).
Consequently, this study aims to test and quantify the capability of hyperspectral data based on
laboratory mangrove spectra recorded from 16 Thai tropical mangrove species.

ผลลัพธ์ (ไทย) 1:

1. บทนำตัวอย่างที่ชัดเจนของการนำเสนอวงสเปกตรัมจำกัดของเซนเซอร์แบบดั้งเดิมเช่น Landsat TMวิธีโอกาสใช้สเปกตรัมการตอบสนองที่เชื่อมโยงกับคุณสมบัติทางกายภาพเคมีของพืชจะสูญเสีย (Curran, 1989, Elvidge, 1987, 1990, Himmelsbach et al., 1988, Kumar et al.,2001 วิลเลียมส์และนอร์ริส 1987) ปัญหานี้สามารถแก้ไขได้โดยใช้วิธีที่ละเอียดอ่อนมากขึ้นเช่น hyperspectral เทคโนโลยี นอกจากนี้ มีอยู่สองหลักฐานเพื่อแสดงที่ใช้ข้อมูล hyperspectral ช่วยในการปรับปรุงการศึกษาของโกรฟส์ในระดับปลีกย่อย DemuroChisholm (2003) ให้เป็นตัวอย่างที่ดีของวิธีจัดการเซ็นเซอร์ hyperspectral (ไฮเพอร์เรียน)งานของชุมชนป่าชายเลน 8 ชั้นรับการจำแนกในออสเตรเลีย - งานพิจารณายากสำหรับเซ็นเซอร์ใด ๆ multispectral (Green et al., 2000) นอกจากนี้ เซ็นเซอร์ AVIRISทำดีเช่นในการแม็ปชุมชนป่าชายเลนของรีเนซองค์ ฟลอริด้า(โน่และ al., 2003) จนมาถึงข้อสรุปแล้วเป็นหรือไม่ hyperspectralสามารถใช้ข้อมูลเพื่อศึกษาโกรฟส์ระดับชนิด (เช่นการแบ่งแยกสายพันธุ์)ดังนั้น การศึกษานี้มีวัตถุประสงค์เพื่อทดสอบ และกำหนดปริมาณความสามารถของ hyperspectral ข้อมูลตามห้องปฏิบัติการป่าชายเลนแรมสเป็คตราบันทึกจากป่าเขตร้อนไทย 16 ชนิด

ผลลัพธ์ (ไทย) 2:

1. บทนำ
วงสเปกตรัม จำกัด ของเซ็นเซอร์แบบดั้งเดิมเช่น Landsat TM มีตัวอย่างที่ชัดเจนของ
วิธีการใช้ประโยชน์จากโอกาสที่จะตอบสนองสเปกตรัมที่เชื่อมโยงกับคุณสมบัติทางกายภาพและทางเคมีของ
พืชจะหายไป (เคอร์แร 1989 Elvidge, 1987, 1990, และ Himmelsbach al., 1988 Kumar et al.,
2001, วิลเลียมส์และนอร์ริ, 1987) ปัญหานี้สามารถแก้ไขได้โดยใช้วิธีการที่ละเอียดอ่อนมากขึ้น
เช่นเทคโนโลยี hyperspectral นอกจากนี้ยังมีอยู่แล้วคู่ของหลักฐานแสดงให้เห็น
ว่าการใช้ข้อมูล hyperspectral ช่วยในการปรับปรุงการศึกษาของป่าชายเลนในระดับปลีกย่อย Demuro
และชิสโฮล์ (2003) ให้เป็นตัวอย่างที่ดีของการเซ็นเซอร์ hyperspectral (HYPERION) จัดการ
งานของการแบ่งแยกชุมชนป่าชายเลน 8 ชั้นในออสเตรเลีย - งานถือว่าเป็น
เรื่องยากสำหรับเซ็นเซอร์ multispectral ใด ๆ (. กรีนและคณะ, 2000) นอกจากนี้เซ็นเซอร์ AVIRIS
ดำเนินการเช่นเดียวกับที่ดีในการทำแผนที่ชุมชนป่าชายเลนของ Everglades, ฟลอริด้า
(Hirano et al., 2003) เพื่อให้ห่างไกลไม่มีข้อสรุปที่ได้รับถึงเป็นไปได้ว่าหรือไม่ hyperspectral
ข้อมูลที่สามารถใช้ในการศึกษาป่าชายเลนในระดับสปีชีส์ (เช่นสำหรับการเลือกปฏิบัติชนิด).
ดังนั้นการศึกษาครั้งนี้มีวัตถุประสงค์เพื่อทดสอบความสามารถและปริมาณของข้อมูล hyperspectral ขึ้นอยู่กับ
สเปกตรัมป่าชายเลนห้องปฏิบัติการ การบันทึกจาก 16 ชนิดป่าชายเลนเขตร้อนของไทย

ผลลัพธ์ (ไทย) 3:

1 . จำกัดวงของการแนะนำ
เซ็นเซอร์แบบดั้งเดิมเช่น Landsat TM มีตัวอย่างที่ชัดเจนของวิธีการที่จะใช้ประโยชน์จากการตอบสนองสเปกตรัม
โอกาสที่เกี่ยวข้องกับสมบัติทางกายภาพ เคมี ของ
พืชหลงทาง ( เคอร์แรน , 1989 , elvidge , 1987 , 1990 , himmelsbach et al . , 1988 , Kumar et al . ,
2001 วิลเลียมส์และ นอร์ริส , 1987 ) ปัญหานี้สามารถแก้ไขได้โดยใช้วิธีการ
ละเอียดอ่อนมากขึ้นเช่นเทคโนโลยี hyperspectral . นอกจากนี้ยังมีคู่ของหลักฐานที่จะแสดง
ที่ใช้ข้อมูล hyperspectral ช่วยปรับปรุงการศึกษาของป่าชายเลนในระดับละเอียด demuro
ชิสโฮล์ม ( 2003 ) และให้ตัวอย่างที่ดีของวิธีการเซ็นเซอร์ hyperspectral ( Hyperion ) จับ
งานจำแนก 8-class ป่าชายเลนชุมชนในออสเตรเลีย - งานถือว่า
ยากสำหรับหลายเซ็นเซอร์ ( สีเขียว et al . , 2000 ) นอกจากนี้ aviris เซ็นเซอร์
แสดงได้ดีเช่นในแผนที่ป่าชายเลนชุมชนของ Everglades , ฟลอริดา
( Hirano et al . , 2003 ) จนไม่สามารถสรุปได้ถึงถึงหรือไม่ hyperspectral
ข้อมูลที่สามารถใช้เพื่อศึกษาป่าชายเลนที่ระดับชนิด ( เช่น ชนิดเลือกปฏิบัติ ) .
จากนั้นการศึกษานี้มีวัตถุประสงค์เพื่อทดสอบวัดความสามารถของ hyperspectral โดยใช้
ปฏิบัติการป่าชายเลนสเปกตรัมบันทึกจาก 16 ไทยร้อน ป่าชายเลน ชนิด