Forest was classified for 2000 and

Forest was classified for 2000 and 2010 using three data products: 1)
SVVI MVC images, 2) SVVI texture MVC images, and 3) tree canopy
cover/change products by Hansen et al. (2013) (Fig. 6). The SVVI texture
MVC products from the 2000 or 2010 time series were derived by: 1)
computing 3 × 3 focal SD (i.e., texture) for each SVVI image of the
time series, 2) stacking the texture images from the time series and
computing the maximum time series value for each pixel (stack max),
and smoothing the stack max image using a 5 × 5 focal mean filter
(making texture values more consistent for classification). For 2000, a
given pixel was classified as Forest if: 1) the SVVI texture MVC was
less than or equal to 40 or the Hansen et al. (2013) tree canopy cover
product value was greater than or equal to 66% and 2) the SVVI MVC
image value was less than or equal to 150. The smoothed SVVI texture
MVC well discriminated Forest in most cases. However, some areas
characterized as Savanna had similar smooth (low) texture, and therefore
it was necessary to separate those savanna type areas using the
SVVI MVC which has moderately high values for Savanna, and low
values for Forest (≤150). For 2010, the same procedure was utilized.
However, forest gain or loss (Hansen et al., 2013) was added or
subtracted, respectively, from the 2000 tree cover product so that
2010 conditions would be represented in the updated tree cover
product.

ผลลัพธ์ (ไทย) 1:

ป่าถูกจัดสำหรับ 2000 และ 2010 โดยใช้ข้อมูลผลิตภัณฑ์ 3: 1)ภาพ SVVI MVC, 2) SVVI เนื้อภาพ MVC และ 3) ต้นไม้หลังคาฝาครอบ/เปลี่ยนผลิตภัณฑ์โดยแฮนเซน et al. (2013) (6 รูป) เนื้อ SVVIMVC ผลิตภัณฑ์จากชุดเวลา 2000 หรือ 2010 ได้มาโดย: 1)3 × 3 โฟกัส SD (เช่น เนื้อ) การใช้งานสำหรับแต่ละรูป SVVI ของการเวลาชุดที่ 2) ซ้อนภาพเนื้อจากอนุกรมเวลา และคำนวณค่าชุดระยะเวลาสูงสุดสำหรับแต่ละพิกเซล (สูงสุดซ้อน),และปรับภาพสูงสุดกองโดยใช้ 5 × 5 โฟกัสหมายถึง กรอง(ทำให้ค่าเนื้อสอดคล้องกันสำหรับการจัดประเภทมาก) สำหรับ 2000 การกำหนดเซลถูกจัดเป็นป่าถ้า: 1) MVC เป็นเนื้อ SVVIน้อยกว่า หรือเท่ากับ 40 หรือครอบหลังคาต้นไม้ (2013) แฮนเซน et alมูลค่าผลิตภัณฑ์ได้มากกว่า หรือเท่ากับ 66% และ 2) SVVI MVCภาพค่ามีค่าน้อยกว่า หรือเท่ากับ 150 เนื้อ SVVI เรียบMVC discriminated ป่าส่วนใหญ่ดี อย่างไรก็ตาม บางพื้นที่ลักษณะเป็นซาวันมีเนื้อเนียน (ต่ำ) คล้าย และดังนั้นก็จำเป็นต้องแยกพื้นที่ชนิดซาวันเหล่านั้นโดยใช้การMVC SVVI ซึ่งมีค่าค่อนข้างสูงสำหรับซาวัน และต่ำค่าสำหรับป่า (≤150) สำหรับ 2010 กระบวนการเดียวกันถูกนำมาใช้อย่างไรก็ตาม ป่ากำไรหรือขาดทุน (แฮนเซน et al. 2013) เพิ่ม หรือลบออก ตามลำดับ จากผลิตภัณฑ์ครอบต้นไม้ 2000 ดังนั้นในฝาครอบต้นไม้ปรับปรุงจะแทนสภาวะ 2010ผลิตภัณฑ์

ผลลัพธ์ (ไทย) 2:

ป่าถูกจัดสำหรับปี 2000 และ 2010 โดยใช้ข้อมูลที่สามผลิตภัณฑ์: 1)
ภาพ SVVI MVC 2) เนื้อ SVVI ภาพ MVC และ 3) หลังคาต้นไม้
ผลิตภัณฑ์ปก / เปลี่ยนโดยแฮนเซน, et al (2013) (รูปที่. 6) เนื้อ SVVI
ผลิตภัณฑ์ MVC จากอนุกรมเวลา 2000 หรือ 2010 ได้มาโดย: 1)
การคำนวณ 3 × 3 SD โฟกัส (เช่นเนื้อ) สำหรับแต่ละภาพ SVVI ของ
อนุกรมเวลา 2) การซ้อนภาพพื้นผิวจากอนุกรมเวลาและ
คอมพิวเตอร์ ค่าอนุกรมเวลาสูงสุดสำหรับแต่ละพิกเซล (สแต็คแม็กซ์)
และการปรับให้เรียบภาพสแต็คแม็กซ์โดยใช้ 5 × 5 โฟกัสกรองเฉลี่ย
(ทำให้ค่าเนื้อสอดคล้องกันมากขึ้นสำหรับการจำแนกประเภท) สำหรับปี 2000
พิกเซลที่กำหนดถูกจัดเป็นป่าในกรณีที่: 1) เนื้อ MVC SVVI เป็น
น้อยกว่าหรือเท่ากับ 40 หรือแฮนเซน, et al (2013) หลังคาต้นไม้ปก
มูลค่าผลิตภัณฑ์มากกว่าหรือเท่ากับ 66% และ 2) SVVI MVC
ค่าภาพน้อยกว่าหรือเท่ากับ 150 เรียบ SVVI เนื้อ
MVC เลือกปฏิบัติดีป่าในกรณีส่วนใหญ่ แต่บางพื้นที่
มีลักษณะเป็น Savanna มีเรียบ (ต่ำ) เนื้อคล้ายกันและดังนั้น
มันเป็นสิ่งจำเป็นที่จะแยกพื้นที่ประเภทผู้ใช้หญ้าสะวันนา
SVVI MVC ซึ่งมีค่าสูงปานกลาง Savanna และต่ำ
ค่าป่า (≤150) สำหรับปี 2010 ขั้นตอนเดียวกันถูกใช้.
แต่กำไรป่าหรือการสูญเสีย (แฮนเซน et al., 2013) ได้รับการเพิ่มหรือ
ลบออกตามลำดับจากปกสินค้า 2000 ต้นไม้เพื่อให้
ปี 2010 เงื่อนไขจะได้รับการแสดงในต้นไม้ปกคลุมการปรับปรุง
ผลิตภัณฑ์

ผลลัพธ์ (ไทย) 3:

ป่า 4 ปี 2000 และ 2010 โดยใช้สามผลิตภัณฑ์ : 1 ) ข้อมูลภาพ svvi MVC , 2 ) svvi พื้นผิวการทำงานภาพและ 3 ) ทรงพุ่มต้นไม้ปก / เปลี่ยนสินค้าโดย Hansen et al . ( 2013 ) ( ภาพที่ 6 ) การ svvi พื้นผิวการประเมินผลิตภัณฑ์จาก 2000 หรือ 2010 เวลาชุดได้โดย 1 .คอมพิวเตอร์ 3 × 3 โฟกัส SD ( เช่น , เนื้อ ) สำหรับแต่ละ svvi ภาพลักษณ์ของอนุกรมเวลา ( 2 ) ซ้อนเนื้อภาพจากเวลา ชุด และการคำนวณเวลาสูงสุดชุดค่าสำหรับแต่ละพิกเซล ( Stack Max )เรียบกองแม็กซ์ภาพโดยใช้ 5 ×กรองหมายถึง 5 โฟกัส( ทำให้ค่าพื้นผิวมากขึ้นสอดคล้องกับการจำแนก ) สำหรับ 2000 ,ให้พิกเซลตามป่า ถ้า 1 ) svvi พื้นผิวการทำงาน คือน้อยกว่าหรือเท่ากับ 40 หรือ Hansen et al . ( 2013 ) ครอบคลุมท้องฟ้า ต้นไม้สินค้ามีมูลค่ามากกว่าหรือเท่ากับ 66 ล้านบาท และ 2 ) svvi MVCภาพมีมูลค่าน้อยกว่าหรือเท่ากับ 150 svvi เรียบ เนื้อการทำงานคือการแบ่งแยกป่าในกรณีส่วนใหญ่ อย่างไรก็ตาม บางพื้นที่มีลักษณะเป็นทุ่งหญ้าเรียบเหมือนกัน ( น้อย ) เนื้อ และดังนั้นจึงมันเป็นสิ่งที่จำเป็นเพื่อแยกประเภทพื้นที่ป่าโดยใช้svvi MVC ที่มีค่าสูงพอสมควรสำหรับสะวันนา และต่ำค่าของป่า ( ≤ 150 ) 2010 , ขั้นตอนเดียวกันคือใช้อย่างไรก็ตาม ป่าได้รับหรือสูญเสีย ( Hansen et al . , 2013 ) คือการเพิ่ม หรือหักออก ตามลำดับ จากปี 2000 ผลิตภัณฑ์ที่ครอบคลุมเพื่อให้ต้นไม้2010 เงื่อนไขจะแสดงในการปรับปรุงต้นไม้ใบผลิตภัณฑ์