Here we describe a new spectral ind

Here we describe a new spectral index that we refer to as the spectral
variability vegetation index. It was developed through exploratory analysiswith the Landsat 7 ETM+data and found to provide useful and
unique information for discriminating and classifying patches of natural
vegetation types of interest (Forest, Secondary Forest, and Savanna) and
agricultural fields within the southern Ghana study area. During development
of the SVVI, we sought to identify an image product that could
be composited, provide radiometric normalization beyond that of the
LEDAPS reflectance values (which exhibited problematic radiometric
differences between multi-date images when composited, as shown in
Fig. 4a), and which could be used to discriminate small and often informal
agriculture fields from other LCLU units within the study area.We
found that the standard deviation (SD) of NIR and shortwave infrared
(SWIR) bands (Landsat 7 bands 4, 5, and 7) calculated on a per-pixel
basis (indicating spectral variability per-pixel) greatly enhanced identification
of agriculture fields during the growing season, as pixels associated
with individual fields exhibited a wide range of SD values relative
to natural vegetation. This spectral SD product was also found to have
high utility for discriminating between and classifying Forest, Secondary
Forest, and Savanna. Through further exploration we found that
subtracting the SD of bands 4, 5, and 7 from the SD of all ETM+ reflective
bands (bands 1–5 and 7),whichwe define as the SVVI in Eq. (1), effectively
normalized multidate differences in spectral reflectance
magnitude (caused by incomplete LEDAPS normalization), improved
identification of classes such as Forest by including information from
the visible wavebands, and yielded an intuitive MVC product where
forests have low values and savanna areas high values. The SVVI MVC
product was found to consistently provide (over time and space) a
range of brightness and/or texture values that are effective at differentiating
Forest, Secondary Forest, Savanna and Agriculture. A large-scale
view of the 2000 SVVI product along with a color Landsat image from
April 2001 are shown in Fig. 5.

ผลลัพธ์ (ไทย) 2:

ที่นี่เราจะอธิบายดัชนีสเปกตรัมใหม่ที่เราจะเรียกว่าสเปกตรัม
ดัชนีพืชแปรปรวน มันถูกพัฒนาผ่าน analysiswith สอบสวน Landsat 7 ETM + ข้อมูลและพบว่าจะให้ประโยชน์และ
ข้อมูลที่ไม่ซ้ำกันสำหรับแพทช์แบ่งแยกและการจำแนกประเภทของธรรมชาติ
ประเภทพืชผักที่น่าสนใจ (ป่า, ป่ามัธยมศึกษาและ Savanna) และ
ทุ่งเกษตรในภาคใต้ของพื้นที่ศึกษาประเทศกานา ในระหว่างการพัฒนา
ของ SVVI เราพยายามที่จะระบุภาพผลิตภัณฑ์ที่สามารถ
นำมาผสมให้ฟื้นฟู radiometric ที่เหนือกว่าของ
ค่า LEDAPS สะท้อน (ซึ่งแสดง radiometric ปัญหา
ความแตกต่างระหว่างภาพหลายวันเมื่อ composited ดังแสดงใน
รูปที่. 4A) และสามารถนำมาใช้ในการแยกแยะขนาดเล็กและมักจะเป็นทางการ
สาขาการเกษตรจากหน่วยงานอื่น ๆ ภายใน LCLU ศึกษา area.We
พบว่าค่าเบี่ยงเบนมาตรฐาน (SD) ของ NIR และอินฟาเรดเอฟเอ็ม
(SWIR) วงดนตรี (Landsat 7 วงดนตรีที่ 4, 5 และ 7 ) คำนวณในแต่ละพิกเซล
พื้นฐาน (ระบุความแปรปรวนสเปกตรัมต่อพิกเซล) บัตรประจำตัวเพิ่มขึ้นอย่างมาก
ของเขตข้อมูลการเกษตรในช่วงฤดูปลูกเป็นพิกเซลที่เกี่ยวข้อง
กับแต่ละเขตข้อมูลแสดงความหลากหลายของ SD ค่าเปรียบเทียบ
เพื่อพืชพรรณธรรมชาติ สินค้า SD นี้ผียังพบว่ามี
ยูทิลิตี้สูงสำหรับการแบ่งแยกระหว่างการจำแนกประเภทและป่ามัธยมศึกษา
ป่าและ Savanna ผ่านการสำรวจต่อไปเราพบว่า
การลบ SD ของวงดนตรีที่ 4, 5 และ 7 จาก SD ทุก ETM + สะท้อน
วงดนตรี (วงดนตรีที่ 1-5 และ 7) whichwe กำหนดเป็น SVVI สม (1) ได้อย่างมีประสิทธิภาพ
แตกต่าง multidate ปกติในสเปกตรัมสะท้อน
ขนาด (ที่เกิดจากการฟื้นฟู LEDAPS สมบูรณ์), การปรับปรุง
บัตรประจำตัวของชั้นเรียนเช่นป่าโดยการรวมข้อมูลจาก
wavebands ที่มองเห็นได้และส่งผลให้สินค้า MVC ที่ใช้งานง่ายที่
ป่าไม้มีค่าที่ต่ำและพื้นที่หญ้าสะวันนาสูง ค่า SVVI MVC
สินค้าพบว่าสม่ำเสมอให้ (ในช่วงเวลาและพื้นที่บริการ)
ช่วงความสว่างและ / หรือค่าพื้นผิวที่มีประสิทธิภาพที่แตกต่าง
ป่า, ป่ามัธยมศึกษาสะวันนาและการเกษตร ขนาดใหญ่
มุมมองของสินค้า SVVI 2000 พร้อมกับภาพ Landsat สีจาก
เดือนเมษายนปี 2001 จะมีการแสดงในรูป 5

ผลลัพธ์ (ไทย) 3:

ที่นี่เราจะอธิบายดัชนีสเปกตรัมใหม่ที่เราเรียกว่าสเปกตรัมดัชนีพืชพรรณความผันแปร มันถูกพัฒนาโดยประเภทมีการสำรวจจาก 7 ETM + ข้อมูล และพบว่าให้ประโยชน์และข้อมูลที่ไม่ซ้ำกันสำหรับจำแนกและจัดประเภทแพทช์ของธรรมชาติพืชชนิดที่น่าสนใจ ( ป่าป่าทุติยภูมิ และทุ่งหญ้าสะวันนา ) และด้านการเกษตรในภาคใต้ กานา พื้นที่ศึกษา ในระหว่างการพัฒนาของ svvi ที่เราพยายามที่จะระบุผลิตภัณฑ์ที่สามารถภาพจะ composited ให้เกินกว่าที่บรรทัดฐานของของledaps ค่าการสะท้อนแสง ( ซึ่งมีปัญหาของความแตกต่างระหว่างหลายภาพวันที่ composited ดังแสดงในรูปที่ 4 ) , และซึ่งสามารถใช้เพื่อแบ่งแยกขนาดเล็กและมักจะเป็นทางการการเกษตรเขตข้อมูลจากหน่วย lclu อื่นภายในเขตการศึกษา เราพบว่า ค่าส่วนเบี่ยงเบนมาตรฐาน ( SD ) และของเนียร์อินฟราเรดคลื่นสั้น( Sheikh ) วง ( Landsat 7 วง 4 , 5 , และ 7 ) คำนวณต่อพิกเซลพื้นฐาน ( ระบุระยะเวลาการต่อพิกเซล ) เพิ่มมากระบุด้านการเกษตรในช่วงฤดูเพาะปลูก เป็นพิกเซลที่เกี่ยวข้องข้อมูลแต่ละตัวมีช่วงกว้างของ SD ค่าสัมพัทธ์กับพืชธรรมชาติ สเปกตรัม SD นี้ยังพบว่ามีผลิตภัณฑ์ยูทิลิตี้สำหรับจำแนกระหว่างกลุ่มสูงและป่าทุติยภูมิป่าและทุ่งหญ้าสะวันนา . จากการสำรวจพบว่า เพิ่มเติมการลบ SD วง 4 , 5 , และ 7 จาก SD ทั้งหมด ETM + สะท้อนวงดนตรี ( วง 1 – 5 และ 7 ) , whichwe กำหนดเป็น svvi ในอีคิว ( 1 ) ได้อย่างมีประสิทธิภาพรูปความแตกต่าง multidate ในสเปกตรัมการสะท้อนแสงขนาด ( ที่เกิดจากความไม่สมบูรณ์ ledaps ) ดีขึ้นการจำแนกชนิดของชั้นเรียน เช่น ป่าไม้ โดยรวมข้อมูลจากการ wavebands มองเห็นและเปรียบเทียบผลิตภัณฑ์ MVC ง่ายที่ไหนป่าที่มีค่าต่ำและบริเวณทุ่งหญ้าสะวันนาค่านิยมสูง การ svvi MVCพบว่า การให้บริการอย่างต่อเนื่อง ( เกินเวลาและพื้นที่ ) เป็นช่วงของค่าความสว่างและ / หรือพื้นผิวที่มีประสิทธิภาพที่แตกต่างป่าไม้ทุติยภูมิป่า ทุ่งหญ้า และการเกษตร ขนาดใหญ่ดูสินค้า 2000 svvi พร้อมกับสีจากภาพจากเมษายน 2544 ที่แสดงในรูปที่ 5