urban-suburban-agricultural landsca

urban-suburban-agricultural landscape surrounding Gettysburg,
Pennsylvania. They noted that OBIA has at least four components
not typically used in per-pixel classification: (1) the segmentation
procedure, (2) the nearest neighbour classifier, (3) the integration
of expert knowledge, and (4) feature space optimisation. They
evaluated each of these components individually and found that
the combination of segmentation into image objects, use of
the nearest neighbour classifier, and the integration of expert
knowledge yielded substantially improved classification accuracy
for the scene, compared to a per-pixel method.
OBIA applications focussing on the identification and classification
of urban features are too numerous to be listed here. Most
notably, Thomas et al. (2003) assessed the accuracy of three different
methods for extracting urban land-cover/land-use information
from high-resolution imagery for the city of Scottsdale, Arizona,
for storm-water runoff estimation. They demonstrated that the
increased amount of spatial information in one meter or less resolution
imagery strains the resources of image classification using
traditional supervised and unsupervised spectral classification
algorithms. Similarly, Carleer et al. (2005) compared four segmentation
algorithms from the two main groups of segmentation algorithms
(boundary-based and region-based), applied on very high
spatial resolution images for different landscapes, and differentiated
urban areas into residential, urban administrative zones and
urban dwelling zones. In recent applications, research has been expanded
into the characterisation of urban structures, the incorporation
of ancillary geospatial information and socio-economic
data (Lemp and Weidner, 2005; Liu et al., 2005; Nobrega et al.,
2008; Kux and Araujo, 2008; Hofmann et al., 2008; Aubrecht et al.,
2008; Kressler and Steinnocher, 2008), and into subsequently tackling
dynamic aspects of urban change, especially urban sprawl (An
et al., 2007; Jacquin et al., 2008; Durieux et al., 2008). Based on Airborne
Laser Scanning and optical imagery, Aubrecht et al. (2008)
analysed land cover and urban function types on the basis of their
relative heights and integrated socioeconomic data. Durieux et al.
(2008) successfully applied OBIA methods in urban environments
and for mapping urban sprawl. Jacquin et al. (2008) proved OBIA
capacities and revealed an improved capacity to delineate urban
extent at regional scales and to quantify urban objects at local
scales through a comparison with an urban database realised using
a computer assisted photo interpretation. Lang et al. (2006) applied
OBIA methods to the classification of refugee camps and the quantification
of houses and tents while Ebert et al. (2009) applied OBIA
methods for the definition and estimation of variables from optical
and LiDAR data in combination with elevation information and existing
hazard information, aiming to estimate social vulnerability
indicators through the use of physical characteristics.
Zhou et al. (2008) showed that OBIA methods to model lawn
characteristics, such as parcel lawn area and parcel lawn greenness,
combined with household characteristics, could be used to
predict household lawn fertilisation practices on private residential
lands in the Baltimore area, Maryland. Walker and Briggs
(2007) developed an object based classification approach for
high resolution, true-colour aerial photography for the Phoenix
Metropolitan area, and isolated vegetation patches ranging from
shrubs to large trees for further analysis, while Walker and
Blaschke (2008) adapted this classification method into transferable
rule-sets. Schöpfer and Möller (2006) demonstrated the
transferability of OBIA methods for several metropolitan areas.
Berberoglu and Akin (2009) used detection techniques including
image differencing, image rationing, image regression and change
vector analysis, to assess their effectiveness for detecting land
use/cover change in a Mediterranean environment.
A brief look at damage analysis, disaster management and
risk management (excluding the wide range of security or geointelligence
applications) is also warranted. Myint et al. (2008)

ผลลัพธ์ (ไทย) 1:

ในเมืองชานเมืองเกษตรภูมิทัศน์โดยรอบเกตตีสเบิร์กเพนซิลวาเนีย พวกเขาตั้งข้อสังเกตว่า OBIA มีส่วนประกอบน้อยสี่โดยทั่วไปไม่ใช้ในการจำแนกต่อพิกเซล: (1) การแบ่งกลุ่มขั้นตอน, (2) ลักษณนามเพื่อนบ้านที่ใกล้ที่สุด, (3) การบูรณาการความเชี่ยวชาญ และ (4) คุณลักษณะพื้นที่เพิ่มประสิทธิภาพ พวกเขาประเมินส่วนประกอบเหล่านี้แต่ละแต่ละรายการ และพบว่าชุดแบ่งเป็นภาพวัตถุ การใช้ลักษณนามเพื่อนบ้านที่ใกล้ที่สุด และการรวมกลุ่มของผู้เชี่ยวชาญความรู้ที่ให้ผลถูกต้องเพิ่มการจัดประเภทสำหรับฉาก เมื่อเทียบกับวิธีต่อพิกเซลการใช้งาน OBIA ที่มุ่งเน้นการระบุและการจำแนกสิ่งอำนวยความสะดวกในเมืองมีมากมายเกินกว่าที่จะถูกแสดงที่นี่ มากที่สุดยวด โทมัส et al. (2003) ประเมินความถูกต้องของแตกต่างกันสามวิธีสำหรับการดึงข้อมูลหน้าปก/ที่ดินใช้ที่ดินในเมืองจากภาพความละเอียดสูงสำหรับเมืองสก็อตเดล อริโซนาสำหรับการประเมินพายุน้ำไหลบ่า พวกเขาแสดงให้เห็นว่าการเพิ่มจำนวนข้อมูลในหนึ่งเมตรหรือน้อยกว่าความละเอียดภาพสายพันธุ์ทรัพยากรของรูปภาพโดยใช้การจัดประเภทแบบดั้งเดิมภายใต้การดูแล และคอยกำกับสเปกตรัมการจัดประเภทอัลกอริทึม ในทำนองเดียวกัน Carleer et al. (2005) เปรียบเทียบแบ่งสี่ส่วนอัลกอริทึมจากสองกลุ่มหลักของอัลกอริทึมการแบ่งเซกเมนต์(ตามขอบเขต และ ตามภูมิภาค), กับสูงมากความละเอียดเชิงพื้นที่ภาพสำหรับภาพทิวทัศน์ที่แตกต่างกัน และแตกต่างพื้นที่เขตเมืองเป็นที่อยู่อาศัย เมืองโซนดูแล และโซนที่อยู่อาศัยในเมืองนี้ ในการใช้งานนาน งานวิจัยที่มีการขยายเป็นการตรวจลักษณะเฉพาะของโครงสร้างในเมือง จดทะเบียนข้อมูลเชิงพื้นที่พิเศษ และเศรษฐกิจข้อมูล (Lemp และ Weidner, 2005 Liu et al. 2005 Nobrega et al.,2008 Kux และ Araujo, 2008 Hofmann et al. 2008 Aubrecht et al.,2008 Kressler และ Steinnocher, 2008), และ เข้ามาแก้ปัญหาเปลี่ยนแปลงเมือง โดยเฉพาะอย่างยิ่งเมืองนั่น (เป็นด้านไดนามิกet al. 2007 Jacquin et al. 2008 Durieux et al. 2008) คะแนนจากอากาศเลเซอร์สแกนและภาพออปติคอล Aubrecht et al. (2008)ฝาครอบที่ดินและเมืองฟังก์ชันชนิดบนพื้นฐานของวิเคราะห์ของพวกเขาสัมพัทธ์สูงและข้อมูลเศรษฐกิจแบบครบวงจร Durieux et alOBIA วิธีใช้เสร็จเรียบร้อยแล้ว (2008) ในสภาพแวดล้อมในเมืองและสำหรับการแม็ปเมืองนอนแผ่ Jacquin et al. (2008) พิสูจน์ OBIAความจุ และความสามารถในการปรับปรุงการ delineate เมืองเปิดเผยขอบเขตภูมิภาคเครื่องชั่ง และวัดปริมาณวัตถุในเมืองในท้องถิ่นเครื่องชั่งผ่านการเปรียบเทียบกับฐานข้อมูลเมืองตระหนักโดยใช้คอมพิวเตอร์ช่วยตีความภาพ ทองหลาง et al. (2006) นำไปใช้OBIA วิธีการจัดประเภทของค่ายผู้ลี้ภัยและเศรษฐของบ้านและเต็นท์ขณะ Ebert et al. (2009) ใช้ OBIAวิธีการนิยามและการประมาณค่าของตัวแปรจากออปติคอลและข้อมูลจาก LiDAR ร่วมกับข้อมูลความสูงและที่มีอยู่ข้อมูลอันตราย การประเมินช่องโหว่ทางสังคมตัวชี้วัดโดยใช้ลักษณะทางกายภาพโจว et al. (2008) พบว่า OBIA วิธีการรูปแบบสนามหญ้าลักษณะ เช่นพื้นที่สนามหญ้าพัสดุและพัสดุสนามหญ้าไวน์รวมกับลักษณะครัวเรือน สามารถนำไปใช้ทายผลปฏิบัติการปฏิสนธิสนามหญ้าบ้านพักอาศัยส่วนตัวดินแดนในบัลติมอร์ แมรี่แลนด์ สหรัฐ วอล์คเกอร์และบริกส์(2007) ได้พัฒนาแนวทางการจัดประเภทวัตถุที่ใช้สำหรับความละเอียดสูง ภาพถ่ายทางอากาศสี true สำหรับ Phoenixปริมณฑล และซอฟต์แวร์แยกพืชตั้งแต่พุ่มไม้ต้นไม้ขนาดใหญ่เพื่อการวิเคราะห์ ขณะวอล์คเกอร์ และBlaschke (2008) ดัดแปลงจากวิธีการจัดประเภทนี้สามารถโอนได้ตั้งค่ากฎ Schöpfer และ Möller (2006) แสดงให้เห็นการคุณสมบัติถ่ายโอนของวิธี OBIA สำหรับหลายปริมณฑลBerberoglu และ Akin (2009) ตรวจจับที่ใช้เทคนิคการภาพ differencing ปันส่วนภาพ ภาพถดถอย และการเปลี่ยนแปลงการวิเคราะห์เวกเตอร์ การประเมินประสิทธิภาพของพวกเขาสำหรับการตรวจสอบที่ดินใช้/ปกการเปลี่ยนแปลงในสภาพแวดล้อมแบบเมดิเตอร์เรเนียนวิเคราะห์ความเสียหาย การจัดการภัยพิบัติ และการบริหารความเสี่ยง (ยกเว้นช่วงกว้างของความปลอดภัยหรือ geointelligenceการใช้งาน) นอกจากนี้คุณได้รับ Myint et al. (2008)

ผลลัพธ์ (ไทย) 2:

ภูมิทัศน์เมืองชานเมืองเกษตรรอบ Gettysburg,
เพนซิล พวกเขาตั้งข้อสังเกตว่า OBIA มีอย่างน้อยสี่องค์ประกอบ
ไม่ได้มักจะใช้ในการจำแนกต่อพิกเซล (1) การแบ่งส่วน
ขั้นตอน (2) ลักษณนามเพื่อนบ้านที่ใกล้ที่สุด (3) บูรณาการ
ความรู้จากผู้เชี่ยวชาญและ (4) การเพิ่มประสิทธิภาพคุณลักษณะพื้นที่ พวกเขา
ได้รับการประเมินแต่ละองค์ประกอบเหล่านี้เป็นรายบุคคลและพบว่า
การรวมกันของการแบ่งส่วนเป็นวัตถุภาพการใช้
ลักษณนามเพื่อนบ้านที่ใกล้ที่สุดและบูรณาการความเชี่ยวชาญ
ความรู้ให้ผลความถูกต้องของการจัดหมวดหมู่ที่ดีขึ้นอย่างมีนัยสำคัญ
สำหรับฉากที่เมื่อเทียบกับวิธีการต่อพิกเซล.
การใช้งาน OBIA มุ่งเน้นการระบุและการจัดหมวดหมู่
ของคุณสมบัติในเมืองเป็นจำนวนมากเกินไปที่จะอยู่ที่นี่ ส่วนใหญ่
สะดุดตาโทมัส, et al (2003) การประเมินความถูกต้องของสามที่แตกต่างกัน
วิธีการสกัดข้อมูลที่ดินปก / การใช้ประโยชน์ที่ดินในเขตเมือง
จากภาพความละเอียดสูงสำหรับเมือง Scottsdale, แอริโซนา
สำหรับพายุน้ำไหลบ่าประมาณค่า พวกเขาแสดงให้เห็นว่า
จำนวนเงินที่เพิ่มขึ้นของข้อมูลเชิงพื้นที่ในหนึ่งเมตรหรือความละเอียดน้อย
ภาพดึงทรัพยากรของการจัดหมวดหมู่ภาพโดยใช้
ภายใต้การดูแลและใกล้ชิดจำแนกสเปกตรัมแบบดั้งเดิม
ขั้นตอนวิธีการ ในทำนองเดียวกัน Carleer et al, (2005) เมื่อเทียบกับสี่แบ่งส่วน
ขั้นตอนวิธีการจากทั้งสองกลุ่มหลักของขั้นตอนวิธีการแบ่งส่วน
(เขตแดนตามและภูมิภาค-based) นำมาใช้ในที่สูงมาก
ภาพอวกาศความละเอียดของภูมิประเทศที่แตกต่างกันและแตกต่าง
พื้นที่เขตเมืองลงในที่อยู่อาศัยโซนการบริหารเมืองและ
โซนที่อยู่อาศัยในเมือง . ในการใช้งานที่ผ่านมาการวิจัยได้รับการขยาย
เข้าไปในลักษณะของโครงสร้างเมือง, การรวมตัวกัน
ของข้อมูลเชิงพื้นที่เสริมและทางเศรษฐกิจและสังคม
ข้อมูล (Lemp และ Weidner 2005; หลิว et al, 2005;.. Nobrega, et al,
2008; Kux และ Araujo 2008; Hofmann et al, 2008;.. Aubrecht, et al,
2008; Kressler และ Steinnocher, 2008) และในเวลาต่อมาการแก้ปัญหา
ด้านพลวัตของการเปลี่ยนแปลงในเมืองโดยเฉพาะอย่างยิ่งแผ่กิ่งก้านสาขา (เป็น
et al, 2007;.. Jacquin, et al, 2008. Durieux et al, 2008) ขึ้นอยู่กับอากาศ
เลเซอร์สแกนและภาพแสง Aubrecht et al, (2008)
การวิเคราะห์สิ่งปกคลุมดินและประเภทฟังก์ชั่นในเมืองบนพื้นฐานของพวกเขา
ความสูงญาติและบูรณาการข้อมูลทางเศรษฐกิจและสังคม Durieux et al.
(2008) ประสบความสำเร็จใช้วิธี OBIA ในสภาพแวดล้อมของเมือง
และสำหรับการทำแผนที่แผ่กิ่งก้านสาขา Jacquin et al, (2008) ได้รับการพิสูจน์ OBIA
สามารถและเปิดเผยความจุที่เพิ่มขึ้นในการวาดภาพเมือง
ขอบเขตในระดับภูมิภาคและปริมาณวัตถุเมืองที่ท้องถิ่น
เครื่องชั่งน้ำหนักผ่านการเปรียบเทียบกับฐานข้อมูลในเมืองตระหนักถึงการใช้
การตีความภาพคอมพิวเตอร์ช่วย Lang, et al (2006) ใช้
วิธีการ OBIA การจัดหมวดหมู่ของค่ายผู้ลี้ภัยและการหาปริมาณที่
บ้านและเต็นท์ขณะที่เบิร์ท, et al (2009) ใช้ OBIA
วิธีการสำหรับความหมายและการประมาณค่าของตัวแปรจากแสง
ข้อมูลและ LiDAR ร่วมกับข้อมูลที่มีอยู่ระดับความสูงและ
ข้อมูลความเป็นอันตรายมีวัตถุประสงค์เพื่อประเมินความเปราะบางทางสังคม
ตัวชี้วัดที่ผ่านการใช้งานของลักษณะทางกายภาพ.
โจว, et al (2008) แสดงให้เห็นว่าวิธีการ OBIA การจำลองสนามหญ้า
ลักษณะเช่นพื้นที่สนามหญ้าและพัสดุอ่อนหัดพัสดุสนามหญ้า
รวมกับลักษณะครัวเรือนสามารถใช้ในการ
คาดการณ์การปฏิบัติที่สนามหญ้าของใช้ในครัวเรือนการปฏิสนธิในที่อยู่อาศัยภาคเอกชน
ดินแดนในพื้นที่บัลติมอร์ วอล์คเกอร์และบริกส์
(2007) การพัฒนาตามวัตถุวิธีการจำแนกประเภท
ความละเอียดสูงจริงสีถ่ายภาพทางอากาศสำหรับฟีนิกซ์
ปริมณฑลและแพทช์พืชบางแห่งตั้งแต่
พุ่มไม้กับต้นไม้ขนาดใหญ่สำหรับการวิเคราะห์ต่อไปในขณะที่วอล์คเกอร์และ
Blaschke (2008) ดัดแปลงมานี้ วิธีการจัดหมวดหมู่ออกเป็นโอนเปลี่ยนมือ
กฎชุด SchöpferและMöller (2006) แสดงให้เห็นถึง
การถ่ายโอนวิธี OBIA สำหรับพื้นที่นครบาลหลาย.
Berberoglu และ Akin (2009) ที่ใช้เทคนิคการตรวจสอบรวมถึง
ความแตกต่างของภาพปันส่วนภาพถดถอยภาพและการเปลี่ยนแปลง
การวิเคราะห์เวกเตอร์เพื่อประเมินประสิทธิภาพของพวกเขาสำหรับการตรวจสอบที่ดินที่
ใช้ / ปก การเปลี่ยนแปลงในสภาพแวดล้อมเมดิเตอร์เรเนียน.
ดูสั้นที่การวิเคราะห์ความเสียหายของการจัดการภัยพิบัติและ
การบริหารความเสี่ยง (ไม่รวมความหลากหลายของการรักษาความปลอดภัยหรือ Geointelligence
โปรแกรม) นอกจากนี้ยังมีการรับประกัน Myint, et al (2008)