The aim of the study was to (1) exa

The aim of the study was to (1) examine the classification of forest land using airborne laser scanning (ALS) data, satellite images and sample plots of the Finnish National Forest Inventory (NFI) as training data and to (2) identify best performing metrics for classifying forest land attributes. Six different schemes of forest land classification were studied: land use/land cover (LU/LC) classification using both national classes and FAO (Food and Agricultural Organization of the United Nations) classes, main type, site type, peat land type and drainage status. Special interest was to test different ALS-based surface metrics in classification of forest land attributes. Field data consisted of 828 NFI plots collected in 2008–2012 in southern Finland and remotely sensed data was from summer 2010. Multinomial logistic regression was used as the classification method. Classification of LU/LC classes were highly accurate (kappa-values 0.90 and 0.91) but also the classification of site type, peat land type and drainage status succeeded moderately well (kappa-values 0.51, 0.69 and 0.52). ALS-based surface metrics were found to be the most important predictor variables in classification of LU/LC class, main type and drainage status. In best classification models of forest site types both spectral metrics from satellite data and point cloud metrics from ALS were used. In turn, in the classification of peat land types ALS point cloud metrics played the most important role. Results indicated that the prediction of site type and forest land category could be incorporated into stand level forest management inventory system in Finland.

ผลลัพธ์ (ไทย) 1:

จุดมุ่งหมายของการศึกษาคือ (1) ตรวจสอบการจัดประเภทของป่าโดยใช้เลเซอร์สู่การสแกน (ยัง) ข้อมูล ภาพดาวเทียม และตัวอย่างผืนของฟินแลนด์ป่าแห่งชาติสินค้าคงคลัง (NFI) เป็นข้อมูลการฝึกอบรม และ (2) ระบุวัดประสิทธิภาพดีที่สุดสำหรับการจัดประเภทคุณลักษณะที่ดินป่า มีศึกษาแผนงานต่าง ๆ 6 จัดประเภทที่ดินป่า: ที่ดินประเภทปก (LU LC) ใช้/ที่ดินใช้ทั้งชาติเรียน และเรียน FAO (อาหารและองค์กรเกษตรของสหประชาชาติ) ชนิดหลัก ชนิดไซต์ พรุดินชนิดและระบายน้ำสถานะ ประโยชน์คือการ ทดสอบต่าง ๆ ยังตามผิววัดในการจัดประเภทของแอตทริบิวต์ที่ดินป่า ข้อมูลของเขตข้อมูลประกอบด้วยผืน NFI 828 ใน 2008-2012 ในประเทศฟินแลนด์ และข้อมูลเหตุการณ์จากระยะไกลได้จากฤดูร้อน 2010 ถดถอยโลจิสติก multinomial ถูกใช้เป็นวิธีการจัดประเภท การจัดประเภทชั้นเรียน ลู/LC มีความถูกต้องสูง (กัปปะค่า 0.90 และ 0.91) แต่ยัง จัดประเภทชนิดไซต์ พรุที่ดินราคาชนิดระบายสถานะและประสบความสำเร็จค่อนข้างดี (กัปปะค่า 0.51, 0.69 และ 0.52) วัดพื้นผิวที่ใช้ยังพบเป็น ตัวแปรจำนวนประตูสำคัญในการจัดประเภท ของ ลู/LC ชนิดหลักสถานะการระบายน้ำ ในการจัดประเภทรูปแบบที่สุดของป่า ไซต์ชนิดทั้งวัดสเปกตรัมจากข้อมูลดาวเทียม และใช้จุดวัดเมฆจากยัง ใช้ ในการจัดประเภทของพรุ ชนิดที่ดินยังชี้วัดเมฆเล่นบทบาทสำคัญ ผลระบุว่า การคาดเดาของไซต์ชนิดและป่าประเภทที่ดินสามารถรวมอยู่ในยืนป่าระดับสินค้าคงคลังระบบการจัดการในฟินแลนด์

ผลลัพธ์ (ไทย) 2:

จุดมุ่งหมายของการศึกษาคือ (1) ตรวจสอบการจัดหมวดหมู่ของพื้นที่ป่าไม้โดยใช้เลเซอร์สแกนอากาศ (ALS) ข้อมูลภาพถ่ายดาวเทียมและแปลงตัวอย่างของสินค้าคงคลังป่าสงวนแห่งชาติฟินแลนด์ (NFI) เป็นข้อมูลการฝึกอบรมและ (2) ระบุมีประสิทธิภาพที่ดีที่สุด ตัวชี้วัดสำหรับการจำแนกคุณลักษณะที่พื้นที่ป่าไม้ หกรูปแบบที่แตกต่างกันของการจำแนกพื้นที่ป่าไม้การศึกษา: การใช้ที่ดิน / สิ่งปกคลุมดิน (LU / LC) การจัดหมวดหมู่โดยใช้การเรียนทั้งในระดับชาติและ FAO (องค์การอาหารและการเกษตรแห่งสหประชาชาติ) เรียนประเภทหลักประเภทเว็บไซต์ประเภทที่ดินพรุและการระบายน้ำ สถานะ น่าสนใจเป็นพิเศษคือการทดสอบที่แตกต่างกันตัวชี้วัดพื้นผิว ALS ที่ใช้ในการจำแนกประเภทของคุณลักษณะที่ดินป่าไม้ ข้อมูลภาคสนามประกอบไปด้วย 828 แปลง NFI เก็บใน 2008-2012 ในภาคใต้ของประเทศฟินแลนด์และข้อมูลจากระยะไกลได้รู้สึกจากฤดูร้อนปี 2010 การถดถอยโลจิสติกพหุถูกนำมาใช้เป็นวิธีการจัดหมวดหมู่ การจำแนกประเภทของ LU / คลาส LC มีความแม่นยำสูง (คัปปาค่า 0.90 และ 0.91) แต่ยังมีการจำแนกประเภทของเว็บไซต์ประเภทที่ดินพรุและสถานะการระบายน้ำได้ดีประสบความสำเร็จในระดับปานกลาง (คัปปาค่า 0.51, 0.69 และ 0.52) ตัวชี้วัดพื้นผิว ALS ตามที่พบจะเป็นตัวแปรที่สำคัญที่สุดในการจัดหมวดหมู่ของ LU / ระดับ LC, ประเภทหลักและสถานะการระบายน้ำ ที่ดีที่สุดในรูปแบบการจำแนกประเภทของเว็บไซต์ผีป่าตัวชี้วัดทั้งจากข้อมูลดาวเทียมและตัวชี้วัดที่จุดเมฆจาก ALS ถูกนำมาใช้ ในทางกลับกันในการจำแนกประเภทที่ดินพรุประเภทตัวชี้วัดจุดเมฆ ALS เล่นบทบาทที่สำคัญที่สุด ผลการศึกษาพบว่าการคาดการณ์จากประเภทเว็บไซต์และหมวดหมู่ที่ดินป่าไม้อาจจะรวมอยู่ในระดับขาตั้งระบบสินค้าคงคลังการจัดการป่าไม้ในฟินแลนด์

ผลลัพธ์ (ไทย) 3:

วัตถุประสงค์ของการศึกษาเพื่อ ( 1 ) ศึกษาการใช้ที่ดินป่าไม้อากาศเลเซอร์สแกน ( ALS ) ข้อมูลภาพดาวเทียม และแปลงของฟินแลนด์ป่าไม้แห่งชาติ ( NFI ) เป็นข้อมูลการฝึกอบรมและ ( 2 ) ศึกษาประสิทธิภาพที่ดีที่สุดสำหรับคุณลักษณะการจัดที่ดินป่าไม้ หกรูปแบบที่แตกต่างกันของการจำแนกที่ดินป่าไม้ ได้แก่ :การใช้ที่ดิน / สิ่งปกคลุมดิน ( ลู่ / LC ) การจำแนกโดยใช้ทั้งระดับชาติ คลาส และ องค์การอาหารและเกษตรแห่งสหประชาชาติ ( องค์การอาหารและเกษตรแห่งสหประชาชาติ ) คลาสหลัก ประเภท ประเภท เว็บไซต์ ประเภทที่ดินพรุ น้ำและสถานะ ความสนใจพิเศษคือการทดสอบที่แตกต่างกันและพื้นผิวที่ใช้ในการวัดคุณลักษณะของที่ดินป่าข้อมูลภาคสนาม จำนวน 828 NFI แปลงรวบรวมในพ.ศ. 2551 – 2555 ในฟินแลนด์ และข้อมูลจากระยะไกลจากฤดูร้อน 2010 Multinomial Logistic Regression ใช้เป็นประเภทวิธีการ การจำแนกชั้นลู่ / LC มีความแม่นยำสูง ( แคปปาค่า 0.90 และ 0.91 ตามลำดับ ) แต่ยังจัดประเภทเว็บไซต์ประเภทที่ดิน และการระบายน้ำพรุสถานะประสบความสำเร็จดีปานกลาง ( ค่าแคปปา 0.51 , 0.69 และ 0.52 ) ถ้าวัดจากพื้นผิวที่พบเป็นสำคัญที่สุดทำนายตัวแปรในการจำแนกลู่ / LC รุ่น ประเภทหลักและการระบายน้ำในสถานะ ในการจำแนกรูปแบบของเว็บไซต์ที่ดีที่สุดป่าทั้งสองประเภทสเปกตรัมเมตริกจากข้อมูลดาวเทียม และชี้วัดจากเมฆและการใช้ ในการเปิดในการจัดหมวดหมู่ของพรุที่ดินประเภท ALS เมฆจุดวัดมีบทบาทสำคัญที่สุด ผลการศึกษาพบว่า การทำนายของเว็บไซต์ประเภทและที่ดินป่าไม้ประเภท สามารถใช้เป็นขาตั้งระดับการจัดการป่าไม้ในฟินแลนด์