where l is a correction factor rang

where l is a correction factor ranging from 0 for very high densities to 1 for very low densities. A value of 0.5 was used in this study to produce enhanced vegetation image as the study region has an intermediate vegetation density (Figure 1b and 1f). It is noted in this test that SAVI is really more sensitive than NDVI in detecting vegetation in the low plant-covered areas due largely to the increased data dynamic ranges of the
images (Table 1). The increased dynamic range is 85 when the difference is rescaled between 0 and 255 to provide output as unsigned 8-bit data. The increase in the range can make the discrimination of vegetation from built-up land or water easier. For example, the NDVI difference between vegetation and built-up land in Quanzhou image is 0.61, whereas the SAVI difference between them is 0.92 (Table 2). A 0.31 or 50 percent contrast increase would greatly help in the separation of these two classes.

ผลลัพธ์ (ไทย) 1:

l ตัวแก้ไขตั้งแต่ 0 สำหรับความหนาแน่นสูงมากเป็น 1 ในความหนาแน่นต่ำมาก ค่า 0.5 ถูกใช้ในการศึกษานี้ในการผลิตพืชขั้นสูงภาพภูมิภาคศึกษามีหนาแน่นปานกลางพืช (รูปที่ 1b และ 1f) มันมีระบุไว้ในการทดสอบนี้ว่า SAVI สำคัญจริง ๆ ยิ่งกว่า NDVI ในตรวจพืชพรรณในพื้นที่ครอบคลุมพืชต่ำอิ่มเอมกับช่วงแบบไดนามิกข้อมูลที่เพิ่มขึ้นของการรูปภาพ (ตาราง 1) ช่วงเพิ่มขึ้นเป็น 85 เมื่อต่างมี rescaled ระหว่าง 0 ถึง 255 ให้ผลลัพธ์เป็นข้อมูล 8 บิตไม่ เพิ่มขึ้นในช่วงสามารถทำแบ่งแยกของพืชจากที่ดินเนื้อที่หรือน้ำได้ง่ายขึ้น ตัวอย่าง แตกต่าง NDVI ระหว่างพืชและที่ดินเนื้อที่ในรูปฉวนโจวอยู่ 0.61, SAVI ความแตกต่างระหว่างพวกเขาเป็น 0.92 (ตาราง 2) มากเป็น$ 0.31 หรือเพิ่มความคมชัดร้อยละ 50 จะช่วยในการแยกของชั้นสองเหล่านี้

ผลลัพธ์ (ไทย) 2:

ที่ลิตรเป็นปัจจัยการแก้ไขตั้งแต่ 0 สำหรับความหนาแน่นสูงมากถึง 1 สำหรับความหนาแน่นต่ำมาก มูลค่า 0.5 ที่ใช้ในการศึกษาครั้งนี้ในการผลิตภาพพืชที่เพิ่มขึ้นเป็นพื้นที่การศึกษามีความหนาแน่นของพืชกลาง A (รูปที่ 1b และ 1f) มันเป็นข้อสังเกตในการทดสอบที่ SAVI เป็นจริงไวกว่า NDVI
ในการตรวจสอบพืชในพื้นที่ที่ปกคลุมด้วยพืชต่ำเนื่องจากส่วนใหญ่เป็นข้อมูลที่เพิ่มขึ้นช่วงแบบไดนามิกของภาพ(ตารางที่ 1) ช่วงไดนามิกเพิ่มขึ้นอยู่ที่ 85 เมื่อความแตกต่างที่มีการปรับมาตราส่วนระหว่าง 0 และ 255 เพื่อให้การส่งออกเป็น 8 บิตข้อมูลที่ไม่ได้ลงชื่อ เพิ่มขึ้นในช่วงที่สามารถทำให้การเลือกปฏิบัติของพืชจากดินแดนที่สร้างขึ้นหรือน้ำได้ง่ายขึ้น ตัวอย่างเช่นความแตกต่างระหว่าง NDVI พืชและที่ดินที่สร้างขึ้นในภาพ Quanzhou เป็น 0.61 ในขณะที่ความแตกต่างระหว่างพวกเขา SAVI เป็น 0.92 (ตารางที่ 2) เพิ่มขึ้นร้อยละ 0.31 ความคมชัดหรือ 50 อย่างมากจะช่วยในการแยกของทั้งสองเรียน

ผลลัพธ์ (ไทย) 3:

ที่ผมมีการแก้ไขปัจจัยตั้งแต่ 0 ถึง 1 สำหรับความหนาแน่นสูงและความหนาแน่นต่ำมาก ค่า 0.5 ถูกใช้ในการศึกษาเพื่อผลิตพืชเพิ่มภาพตามที่ศึกษาพื้นที่มีความหนาแน่นพืชกลาง ( 1B รูป และชั้น 1 )มันเป็นข้อสังเกตในการทดสอบนี้ที่แสงอาทิตย์จะละเอียดอ่อนกว่าการเปลี่ยนแปลงด้านพืชพรรณต่างๆในพืชในพืชต่ำครอบคลุมพื้นที่โดยเฉพาะการเพิ่มขึ้นของข้อมูลแบบไดนามิกช่วง
ภาพจริงๆ ( ตารางที่ 1 ) เพิ่ม Dynamic Range คือ 85 เมื่อความแตกต่าง rescaled ระหว่าง 0 และ 255 จะให้ output เป็นข้อมูล 8 บิตไม่ได้ระบุชื่อเพิ่มขึ้นในช่วงที่สามารถทำให้การเลือกปฏิบัติของพืชจากที่ดิน built-up หรือน้ำได้ง่ายขึ้น ตัวอย่างเช่น การเปลี่ยนแปลงด้านพืชพรรณ ความแตกต่างระหว่างพืชและการใช้ประโยชน์ใน Quanzhou รูปเป็น 0.61 และอาร์เอฟไอดี ความแตกต่างระหว่างพวกเขามีดังนี้ ( ตารางที่ 2 ) เป็น 0.31 หรือร้อยละ 50 เพิ่มความคมชัดอย่างมากจะช่วยในการแยกของทั้งสองคลาส