For this large regional assessment

For this large regional assessment 19 Landsat images from five Landsat paths were needed to cover the entire
State of Minnesota. To date we have targeted two time periods ~1990 and ~2000 for statewide assessment. The best
results were obtained when entire Landsat paths of clear imagery were available for the same day. By using paths of
Landsat imagery of two to five Landsat images we are able to increase the available number of observations and
range of water clarity (because water clarity in Minnesota generally increases from south to north) in the dataset
used to calibrate the imagery, which is discussed in the next section. For the ~1990 time period we used August and
early September 1990 and 1991 Landsat TM imagery. For the ~2000 time period we used August and early
September 1999, 2000 and 2001 Landsat TM and ETM imagery.
Images were registered to the Universal Transverse Mercator (UTM) coordinate system using the NAD 83
datum and nearest neighbor resampling. Careful selection of approximately 30 well-defined, and well-distributed
ground control points (GCPs) resulted in positional accuracy (RMSE) equal or smaller than ± 0.25 pixels, or 7.5 m.
We found the Minnesota Department of Transportation highway map (available in ArcInfo GIS format) provides an
efficient and effective means of easily finding a large number of well-distributed GCPs. Atmospheric correction or
normalization of the Landsat data is not necessary for the regression method described herein. However, it may be
necessary if in-situ data are not available for a particular scene.
Classification Procedures
This section summarizes our image classification procedures; more detail is provided by Olmanson et al.
(2001), and the rationale for the procedures is described by Kloiber et al. (2002ab). ERDAS Imagine, image
processing software, and ArcView, geographical information system (GIS) software, are used for the image
processing steps. One of the most important steps is acquiring a representative image sample from each lake.
Ideally, the sample should represent the center portion of the lake in at least 5 m of water (or twice the SDT
measurement), where reflectance from vegetation, the shoreline, or the lake bottom will not affect the spectral
signature.
The first step is to make a “water-only” image by performing an unsupervised classification in ERDAS
Imagine. Because water features have very different spectral characteristics from terrestrial features, water is put
into one or more distinct classes that can be easily identified. Terrestrial features then are masked creating a wateronly
image. A second unsupervised classification is performed on the water-only image. Average brightness values
from the unsupervised classification of this image are graphed to show spectral signatures of each class. These
signatures along with the location where the pixels occur are used to differentiate classes containing clear water,
turbid water, and shallow water (where sediment and/or macrophytes affect spectral response). Based on this
information classes are re-colored so that vegetation, bottom and terrestrial effects can be avoided when selecting
lake sample locations or areas of interest (AOI). AOIs are the locations where brightness values from the Landsat
image are obtained to develop relationships with measured SDT. For this assessment a polygon layer was used to
help automate the process when delineating AOIs and is discussed in Olmanson et al. (2001). ERDAS Imagine’s
signature editor is used to extract the spectral data from the image for each AOI. All available SDT data collected
within a prescribed number of days (3 to 7 days depending on availability of data for a given image or path of
images from same day) of the satellite image are used for calibration purposes. A data set that includes 20 or more
ground observations per image, spanning a wide range of ambient conditions is considered acceptable. A multiple
regression is performed using log-tranformed SDT data as the dependent variable and Landsat Thematic Mapper
Band 1(TM1) and the TM1:TM3 ratio as independent variables.
In our previous work, lake water clarity maps were created from the regression model by two methods. The first
method used the ERDAS modeler to apply the model to each water pixel. This method creates a pixel-level lake
map (Figure 1). With this map all water pixels are classified and intra-lake variability can be evaluated. The other
method used the brightness values from the AOI in a spreadsheet program to calculate water clarity for each lake.
The data were then linked to a lake polygon layer in ArcView or another GIS program to create a lake-level waterclarity
map (Figure 2). The latter method was used in this study and has the advantage of providing a water clarity
number for each lake that can be used in other analyses or used in a water clarity database.

ผลลัพธ์ (ไทย) 1:

สำหรับการประเมินระดับภูมิภาคขนาดใหญ่นี้ 19 Landsat ภาพจาก Landsat 5 เส้นถูกต้องครอบคลุมทั้งหมดรัฐมินนิโซตา วันที่ เรามีเป้าหมายสองรอบระยะเวลา ~ 1990 และ ~ 2000 สำหรับประเมิน statewide ดีที่สุดผลลัพธ์ที่ได้รับเมื่อ Landsat เส้นทางที่ทั้งหมดของภาพถ่ายชัดเจนมีวันเดียว โดยใช้เส้นทางของLandsat ราวสองถึงห้า Landsat ภาพเราจะสามารถเพิ่มหมายเลขของข้อสังเกต และของน้ำความชัดเจน (เนื่องจากความชัดเจนน้ำในมินเนโซต้าโดยทั่วไปเพิ่มขึ้นจากใต้ไปเหนือ) ในชุดข้อมูลใช้การถ่าย ที่กล่าวถึงในส่วนถัดไป ระยะเวลา ~ 1990 เราใช้สิงหาคม และช่วงเดือน 1990 กันยายนและ 1991 Landsat TM ถ่าย สำหรับรอบระยะเวลา ~ 2000 เราใช้สิงหาคม และช่วง1999 กันยายน 2000 และ 2001 ถ่าย Landsat TM และ ETMภาพที่ได้ลงทะเบียนกับระบบพิกัด Universal Transverse Mercator (UTM) ใช้ 83 และวันที่โพสและ ใกล้บ้านเปลี่ยนความละเอียดของการ เลือกสรรประมาณ 30 ห้องกำหนด และห้องจำหน่ายจุดควบคุมภาคพื้นดิน (GCPs) ส่งผลให้ตำแหน่งแม่นยำ (RMSE) เท่ากับ หรือน้อยกว่าพิกเซล± 0.25 หรือ 7.5 mเราพบแผนที่ทางหลวงแผนกขนส่งมินเนโซต้ามี (มีในรูปแบบ ArcInfo GIS) มีการหมายถึงประสิทธิภาพ และประสิทธิผลได้อย่างง่ายดายค้นหาห้องพักกระจาย GCPs บรรยากาศการแก้ไขจำนวนมาก หรือฟื้นฟูข้อมูล Landsat ไม่จำเป็นสำหรับวิธีการถดถอยที่กล่าวถึงนี้ อย่างไรก็ตาม อาจจะจำเป็นถ้าไม่มีข้อมูลในการวิเคราะห์สำหรับฉากเฉพาะขั้นตอนการจัดประเภทส่วนนี้สรุปวิธีการจัดประเภทของเรารูป รายละเอียดเพิ่มเติมให้โดย Olmanson et al(2001), และเหตุผลสำหรับกระบวนงานอธิบายไว้โดย Kloiber et al. (2002ab) ERDAS จินตนาการ ภาพซอฟต์แวร์ประมวลผล และ ArcView ข้อมูลทางภูมิศาสตร์ (GIS) ระบบซอฟต์แวร์ ใช้สำหรับรูปภาพขั้นตอนการประมวลผล หนึ่งในขั้นตอนที่สำคัญที่สุดคือหาตัวอย่างรูปภาพตัวแทนจากแต่ละเชิญ ตัวอย่างควรเป็นตัวแทนส่วนกลางของทะเลสาบในน้ำอย่างน้อย 5 เมตร (หรือสอง SDTวัด), ซึ่งแบบสะท้อนแสงจากพืช ชายฝั่ง หรือด้านล่างของทะเลสาบจะไม่มีผลต่อการสเปกตรัมลายเซ็นขั้นตอนแรกคือการ ทำให้รูปแบบ "น้ำเดียว" โดยการจัดประเภทการ unsupervised ใน ERDASจินตนาการ เนื่องจากน้ำมีลักษณะแตกต่างกันมากสเปกตรัมจากคุณลักษณะภาคพื้น ใส่น้ำเข้าเรียนแตกต่างกันอย่าง น้อยหนึ่ง ที่สามารถได้ระบุไว้ ลักษณะการทำงานภาคพื้นแล้วจะหลอกลวงสร้าง wateronly การรูปภาพของ ประเภท unsupervised สองดำเนินการในรูปน้ำเดียว ค่าความสว่างเฉลี่ยจากการจัดประเภทรูปนี้ unsupervised จะใช้สร้างกราฟเพื่อแสดงลายเซ็นสเปกตรัมของแต่ละคลาส เหล่านี้ลายเซ็นพร้อมกับสถานที่ซึ่งการเกิดขึ้นของพิกเซลที่ใช้ในการแบ่งแยกชนชั้นที่ประกอบด้วยน้ำใสน้ำ turbid และน้ำตื้น (ที่ตะกอน/ macrophytes ผลสเปกตรัมการตอบสนอง) ตามนี้ชั้นข้อมูลเป็นสีใหม่เพื่อให้พืช ด้านล่าง และผลภาคพื้นสามารถหลีกเลี่ยงเมื่อเลือกสถานที่เก็บตัวอย่างเลหรือพื้นที่น่าสนใจ (AOI) AOIs จะตั้งค่าที่ความสว่างจาก Landsatภาพจะได้รับการพัฒนาความสัมพันธ์กับวัด SDT สำหรับแบบประเมินนี้ ใช้ชั้นรูปหลายเหลี่ยมในการช่วยให้กระบวนการเมื่อ delineating AOIs และจะกล่าวถึงใน Olmanson et al. (2001) ERDAS จินตนาการของแก้ไขลายเซ็นถูกใช้เพื่อแยกข้อมูลสเปกตรัมจากภาพสำหรับแต่ละ AOI ข้อมูล SDT ทั้งหมดที่รวบรวมภายในจำนวนวัน (3-7 วันขึ้นอยู่กับความพร้อมของข้อมูลสำหรับกำหนดภาพหรือเส้นทางของการกำหนดภาพจากวันเดียวกัน) ของภาพดาวเทียมที่ใช้สำหรับการปรับเทียบ ชุดข้อมูลที่มี 20 หรือมากกว่าสังเกตที่พื้นต่อภาพ รัฐหลากหลายของสภาพแวดล้อมจะถือว่ายอมรับได้ ตัวคูณถดถอยจะดำเนินการโดยใช้ข้อมูล SDT tranformed ล็อกขึ้นอยู่กับตัวแปรและ Landsat Mapper เฉพาะเรื่องวง 1(TM1) และอัตราส่วน TM1:TM3 เป็นตัวแปรอิสระในการทำงานของเราก่อนหน้านี้ แผนที่ชัดเจนน้ำทะเลสาบมีสร้างจากแบบจำลองถดถอย โดยวิธีสองวิธี ครั้งแรกวิธีใช้ ERDAS modeler จะใช้แบบจำลองแต่ละพิกเซลของน้ำ วิธีการนี้สร้างทะเลสาบระดับเซลแผนที่ (รูปที่ 1) กับแผนที่นี้ จัดทั้งหมดน้ำพิกเซล และสามารถประเมินความแปรผันภายในทะเลสาบ อื่น ๆวิธีใช้ค่าความสว่างจาก AOI ในโปรแกรมกระดาษคำนวณเพื่อคำนวณความคมชัดของน้ำในทะเลสาบแต่ละการเชื่อมโยงข้อมูลชั้นรูปหลายเหลี่ยมเป็นทะเลสาบใน ArcView หรือโปรแกรม GIS อื่นเพื่อสร้าง waterclarity เลระดับแล้วแผนที่ (รูปที่ 2) วิธีหลังถูกใช้ในการศึกษานี้ และมีประโยชน์ให้ชัดเจนน้ำหมายเลขสำหรับแต่ละทะเลสาบที่สามารถใช้ในการวิเคราะห์อื่น ๆ หรือใช้ในฐานข้อมูลความชัดเจนน้ำ

ผลลัพธ์ (ไทย) 2:

สำหรับวันนี้การประเมินในระดับภูมิภาคที่มีขนาดใหญ่ 19 ภาพ Landsat จากห้าเส้นทาง Landsat เป็นสิ่งที่จำเป็นเพื่อให้ครอบคลุมทั้ง
รัฐมินนิโซตา ในวันที่เราได้กำหนดเป้าหมายสองช่วงเวลา ~ 1990 ~ 2000 และสำหรับการประเมินโจเซฟ ที่ดีที่สุดของ
ผลที่ได้รับเมื่อทั้งเส้นทาง Landsat ของภาพที่ชัดเจนได้สำหรับในวันเดียวกัน โดยใช้เส้นทางของ
ภาพ Landsat ของ 2-5 ภาพ Landsat เราสามารถที่จะเพิ่มจำนวนที่มีอยู่ของการสังเกตและ
ช่วงของความชัดเจนน้ำ (เพราะความชัดเจนน้ำในมินนิโซตาโดยทั่วไปเพิ่มขึ้นจากใต้สู่เหนือ) ในชุดข้อมูลที่
ใช้ในการสอบเทียบภาพที่ มีการกล่าวถึงในส่วนถัดไป สำหรับช่วงเวลาที่ ~ 1990 ที่เราใช้ในเดือนสิงหาคมและ
ต้นเดือนกันยายนปี 1990 และ 1991 Landsat TM ภาพ สำหรับ ~ 2000 ช่วงเวลาที่เราใช้ในเดือนสิงหาคมและต้น
กันยายน 1999, 2000 และ 2001 Landsat TM และภาพ ETM.
ภาพจะถูกลงทะเบียนกับยูนิเวอร์แซขวาง Mercator (UTM) ระบบพิกัดโดยใช้ NAD 83
ตัวเลขและเพื่อนบ้านที่ใกล้ที่สุด resampling คัดเลือกประมาณ 30 ดีที่กำหนดและมีการกระจาย
จุดควบคุมภาคพื้นดิน (GCPs) ส่งผลให้เกิดความถูกต้องตำแหน่ง (RMSE) เท่ากับหรือน้อยกว่า± 0.25 พิกเซลหรือ 7.5 ม..
เราพบมินนิโซตากรมการขนส่งแผนที่ทางหลวง (ที่มีอยู่ใน รูปแบบ GIS ArcInfo) ให้
วิธีที่มีประสิทธิภาพและมีประสิทธิภาพได้อย่างง่ายดายหาจำนวนมากของ GCPs ดีกระจาย บรรยากาศการแก้ไขหรือ
ฟื้นฟู Landsat ข้อมูลที่ไม่จำเป็นสำหรับวิธีการถดถอยที่อธิบายไว้ในที่นี้ แต่มันอาจจะเป็น
สิ่งที่จำเป็นถ้าข้อมูลในแหล่งกำเนิดจะไม่สามารถใช้ได้สำหรับฉากโดยเฉพาะอย่างยิ่ง.
ขั้นตอนการจำแนก
ส่วนนี้จะสรุปขั้นตอนการจัดหมวดหมู่ภาพของเรา รายละเอียดอื่น ๆ ที่ให้บริการโดย Olmanson et al.
(2001), และเหตุผลสำหรับขั้นตอนการอธิบายโดย Kloiber และคณะ (2002ab) ERDAS จินตนาการภาพ
ซอฟต์แวร์ประมวลผลและ ArcView ระบบสารสนเทศทางภูมิศาสตร์ (GIS) ซอฟแวร์ที่ใช้สำหรับภาพ
ขั้นตอนการประมวลผล หนึ่งในขั้นตอนที่สำคัญที่สุดคือการซื้อตัวอย่างภาพตัวแทนจากทะเลสาบแต่ละ.
จะเป็นการดีตัวอย่างควรจะเป็นตัวแทนส่วนศูนย์กลางของทะเลสาบในเวลาอย่างน้อย 5 เมตรน้ำ (หรือสองครั้ง SDT
วัด) ที่สะท้อนจากพืชชายฝั่ง หรือก้นทะเลสาบจะไม่ส่งผลกระทบต่อสเปกตรัม
ลายเซ็น.
ขั้นตอนแรกคือการทำให้ "น้ำเท่านั้น" ภาพโดยการดำเนินการจัดหมวดหมู่หากินใน ERDAS
Imagine เพราะน้ำมีลักษณะสเปกตรัมแตกต่างกันมากจากคุณสมบัติบกน้ำจะถูกใส่
เข้าไปในหนึ่งหรือมากกว่าหนึ่งชั้นเรียนที่แตกต่างที่สามารถระบุได้อย่างง่ายดาย คุณสมบัติบกแล้วจะสวมหน้ากากสร้าง wateronly
ภาพ จำแนกใกล้ชิดที่สองจะดำเนินการในภาพน้ำเท่านั้น ค่าความสว่างเฉลี่ย
จากการจัดหมวดหมู่ของภาพใกล้ชิดนี้เป็นกราฟที่จะแสดงลายเซ็นสเปกตรัมของแต่ละชั้นเรียน เหล่านี้
ลายเซ็นพร้อมกับสถานที่ที่เกิดขึ้นพิกเซลที่ใช้ในการแยกความแตกต่างชั้นเรียนที่มีน้ำใส,
น้ำขุ่นและน้ำตื้น (ซึ่งตะกอนและ / หรือมีผลกระทบต่อการตอบสนอง macrophytes สเปกตรัม) จากนี้
เรียนข้อมูลเป็นอีกสีเพื่อให้พืชด้านล่างและผลกระทบบกสามารถหลีกเลี่ยงได้เมื่อเลือก
สถานที่ตัวอย่างทะเลสาบหรือพื้นที่ที่น่าสนใจ (AOI) Aois เป็นสถานที่ที่ค่าความสว่างจาก Landsat
ภาพจะได้รับการพัฒนาความสัมพันธ์กับวัด SDT สำหรับการประเมินนี้ชั้นรูปหลายเหลี่ยมถูกใช้ในการ
ช่วยทำให้กระบวนการเมื่อโทบี้ Aois และเป็นที่กล่าวถึงใน Olmanson และคณะ (2001) ERDAS Imagine ของ
บรรณาธิการลายเซ็นจะใช้ในการดึงข้อมูลสเปกตรัมจากภาพสำหรับแต่ละ AOI ข้อมูล SDT ทั้งหมดที่มีอยู่เก็บ
ภายในจำนวนที่กำหนดของวัน (3-7 วันขึ้นอยู่กับความพร้อมของข้อมูลสำหรับภาพที่กำหนดหรือเส้นทางของ
ภาพจากวันเดียวกัน) ของภาพจากดาวเทียมที่มีการใช้เพื่อวัตถุประสงค์ในการสอบเทียบ ข้อมูลชุดที่มี 20 หรือมากกว่า
การสังเกตพื้นดินต่อภาพทอดหลากหลายของสภาพแวดล้อมที่ถือว่าเป็นที่ยอมรับ หลาย
ถดถอยจะดำเนินการโดยใช้การเข้าสู่ระบบ tranformed ข้อมูล SDT เป็นตัวแปรตามและ Landsat ใจแมปเปอร์
วงที่ 1 (TM1) และ TM1. สัดส่วน TM3 เป็นตัวแปรอิสระ
ในการทำงานของเราก่อนหน้านี้ทะเลสาบแผนที่ความชัดเจนน้ำถูกสร้างขึ้นจากตัวแบบการถดถอยโดย สองวิธี ครั้งแรก
ที่ใช้วิธีการสร้างแบบจำลอง ERDAS ที่จะใช้รูปแบบการแต่ละพิกเซลน้ำ วิธีการนี้จะสร้างทะเลสาบในระดับพิกเซล
แผนที่ (รูปที่ 1) ด้วยแผนที่นี้ทุกพิกเซลน้ำจะถูกจัดและความแปรปรวนภายในทะเลสาบสามารถประเมินได้ อื่น ๆ
วิธีการที่ใช้ค่าความสว่างจาก AOI ในโปรแกรมสเปรดชีตในการคำนวณความชัดเจนน้ำทะเลสาบแต่ละ.
ข้อมูลที่มีการเชื่อมโยงจากนั้นไปที่ชั้นรูปหลายเหลี่ยมทะเลสาบใน ArcView GIS หรือโปรแกรมอื่นเพื่อสร้างทะเลสาบระดับ waterclarity
แผนที่ (รูปที่ 2) . วิธีหลังถูกนำมาใช้ในการศึกษาครั้งนี้และมีความได้เปรียบในการให้ความคมชัดของน้ำ
จำนวนทะเลสาบแต่ละตัวที่สามารถนำมาใช้ในการวิเคราะห์อื่น ๆ หรือใช้ในฐานข้อมูลความชัดเจนน้ำ

ผลลัพธ์ (ไทย) 3:

นี้ขนาดใหญ่ในภูมิภาคประเมิน 19 ภาพจากดาวเทียม Landsat จากห้าเส้นทางต้องครอบคลุมทั้งรัฐ
ของมินเนโซต้า วันที่เราได้เป้าหมายสองช่วงปี 1990 และ 2000 ~ ~ ) มลรัฐ ผลลัพธ์ที่ดีที่สุด
ได้เมื่อทั้งเส้นทางที่ชัดเจนจากภาพที่มีอยู่ในวันเดียวกัน โดยใช้เส้นทางของ
ภาพจากดาวเทียมสองถึงห้าภาพจากดาวเทียม เราสามารถเพิ่มจำนวนของการสังเกตและ
ช่วงน้ำชัดเจน ( เพราะความชัดเจนน้ำในมินนิโซตาโดยทั่วไปเพิ่มขึ้นจากทิศเหนือ ) ใน DataSet
ใช้ปรับภาพ ซึ่งจะกล่าวถึงในหัวข้อถัดไป สำหรับช่วงเวลาที่เราใช้ ~ 1990 สิงหาคมและต้นเดือนกันยายน 1990 และ 1991
Landsat TM จินตภาพสำหรับ ~ 2000 ระยะเวลาที่เราใช้ในเดือนสิงหาคมและต้นเดือน
กันยายน 1999 , 2000 และ 2001 TM และภาพถ่ายดาวเทียม ETM .
ภาพลงทะเบียนไปขวาง Mercator ( UTM ) ระบบพิกัดสากลใช้ NAD 83
ตัวเลขสุ่มซ้ำ และเพื่อนบ้านที่ใกล้ที่สุด . ระมัดระวังเลือกไว้ประมาณ 30 และกระจายดี
พื้นดินจุดควบคุม ( gcps ) ส่งผลให้เกิดความถูกต้องตำแหน่ง ( RMSE ) เท่ากันหรือเล็กกว่า± 0.25 พิกเซล หรือ 7.5 M .
เราพบมินนิโซตากรมแผนที่ทางหลวงการขนส่ง ( ที่มีอยู่ในรูปแบบ arcinfo GIS ) ให้มีประสิทธิภาพและประสิทธิผลได้อย่างง่ายดาย
หมายถึงการหาจํานวนกระจายกัน gcps . แก้ไขบรรยากาศหรือ
การฟื้นฟูของข้อมูลดาวเทียมไม่จําเป็นสําหรับการวิธีที่อธิบายไว้ในที่นี้ อย่างไรก็ตาม มันอาจถูก
จำเป็นถ้าข้อมูลไม่พร้อมใช้งานสำหรับควบคู่ฉากโดยเฉพาะ ขั้นตอนการจำแนก

ส่วนนี้สรุปขั้นตอนการจำแนกภาพของเรา รายละเอียดเพิ่มเติม โดย olmanson et al .
( 2001 ) , และเหตุผลในกระบวนการที่อธิบายไว้โดย kloiber et al . ( 2002ab )erdas จินตนาการภาพ
การประมวลผลซอฟต์แวร์ และโปรแกรม Arcview , ระบบสารสนเทศทางภูมิศาสตร์ ( GIS ) ซอฟต์แวร์ ที่ใช้สำหรับภาพ
กระบวนการขั้นตอน หนึ่งในขั้นตอนที่สำคัญที่สุดคือ การเป็นตัวแทนภาพตัวอย่างจากแต่ละทะเลสาบ
ใจกลาง ตัวอย่างควรเป็นตัวแทนของศูนย์ ส่วนของทะเลสาบในอย่างน้อย 5 เมตรของน้ำ ( หรือสองครั้ง sdt
การวัด ) ที่สะท้อนจากพืชชายฝั่ง , หรือทะเลสาบด้านล่างจะไม่ส่งผลกระทบต่อลายเซ็นสเปกตรัม
.
ขั้นตอนแรกคือเพื่อให้ " น้ำ " โดยมีภาพแสดงการจำแนก unsupervised ใน erdas
จินตนาการ เพราะน้ำมีลักษณะสเปกตรัมที่แตกต่างกันมากจากคุณสมบัติ บก น้ำใส่
ในหนึ่งหรือมากกว่าหนึ่งชั้นเรียนที่แตกต่างกันที่สามารถระบุได้อย่างง่ายดายคุณสมบัติบกแล้วมีการสร้างภาพ wateronly

ที่สอง unsupervised หมวดหมู่แสดงบนภาพเดียวที่น้ำ ความสว่างเฉลี่ยค่า
จากการจำแนก unsupervised ของภาพนี้เป็นกราฟแสดงการลายเซ็นของแต่ละคลาส เหล่านี้
ลายเซ็นพร้อมกับสถานที่ที่พิกเซลที่เกิดขึ้นจะใช้ในการแยกแยะชนชั้นที่มีน้ําใส
ขุ่นน้ำและน้ำตื้น ( ที่ดินตะกอน และ / หรือพืชมีผลต่อการตอบสนองสเปกตรัม ) ตามข้อมูลนี้
เรียนจะเป็นสีดังนั้นพืชผลด้านล่างและบกสามารถหลีกเลี่ยงได้เมื่อเลือกสถานที่หรือพื้นที่ของทะเลสาบ
ตัวอย่างที่น่าสนใจ ( อาโออิ ) สัญชาติเป็นสถานที่ที่ความสว่างค่าจากดาวเทียม
ภาพที่ได้พัฒนาความสัมพันธ์กับวัด sdt . สำหรับการประเมินรูปหลายเหลี่ยมชั้นนี้ใช้
ช่วยกระบวนการอัตโนมัติเมื่ออธิบายสัญชาติ และกล่าวถึงใน olmanson et al . ( 2001 ) erdas จินตนาการของ
แก้ไขลายเซ็นจะใช้สารสกัดจากข้อมูลสเปกตรัมจากภาพสำหรับแต่ละ อาโออิ ข้อมูลทั้งหมดที่มีอยู่ sdt
ภายในที่กำหนดจำนวนวัน ( 3 - 7 วัน ขึ้นอยู่กับความพร้อมของข้อมูล เพื่อให้ภาพ หรือเส้นทางของ
ภาพจากวันเดียวกัน ) จากภาพถ่ายดาวเทียมจะถูกใช้เพื่อวัตถุประสงค์ในการสอบเทียบ ชุดข้อมูลที่มี 20 หรือมากกว่า
พื้นดินสังเกตต่อภาพครอบคลุมช่วงกว้างของเงื่อนไขซึ่งเป็นที่ยอมรับ หลาย
การบันทึกข้อมูล sdt จะดําเนินการใช้ tranformed เป็นตัวแปรข้อมูล mapper ใจและ
วง 1 ( TM1 ) และ TM1 : tm3 อัตราส่วนเป็นตัวแปรอิสระ .
ในงานครั้งก่อน แผนที่ชัดเจน น้ำในทะเลสาบที่ถูกสร้างขึ้นจากแบบจำลองการถดถอยโดยสองวิธี วิธีแรกใช้โมเดล erdas
ใช้แบบน้ำแต่ละพิกเซล วิธีนี้จะสร้างระดับพิกเซลทะเลสาบ
แผนที่ ( รูปที่ 1 ) กับแผนที่นี้ทุกพิกเซลน้ำจะแบ่งและภายในทะเลสาบซึ่งสามารถประเมิน วิธีอื่น ๆที่ใช้ความสว่าง
ค่าจากอาโออิในสเปรดชีตโปรแกรมคำนวณน้ำที่ชัดเจนสำหรับแต่ละทะเลสาบ .
ข้อมูลแล้วเชื่อมโยงไปยังทะเลสาบใน ArcView GIS รูปหลายเหลี่ยมชั้นหรือโปรแกรมอื่นเพื่อสร้างทะเลสาบระดับ waterclarity
แผนที่ ( รูปที่ 2 )วิธีการหลังถูกใช้ในการศึกษานี้ ได้ประโยชน์จากการให้น้ำชัดเจน
จำนวนสำหรับแต่ละทะเลสาบที่สามารถใช้ในการวิเคราะห์หรือใช้ในน้ำชัดเจน
ฐานข้อมูล .