The kappa statistical value of the

The kappa statistical value of the automated analysis techniques used showed varying levels of agreement. The SVM algorithm exhibited the highest kappa value of 0.64, indicating a substantial level of agreement. The RF algorithm fell within a moderate range of agreement. The remaining algorithms, namely supervised classification, k-NN, and GMM, all exhibited fair levels of agreement. Notably, the visual interpretation technique displayed an exceptionally high level of agreement, with a kappa value greater than 0.81, indicating almost perfect agreement. This shows that the accuracy of the visual interpretation technique in classifying land use was higher than that of all the automated analysis techniques employed in this study.

ผลลัพธ์ (ไทย) 1:

ค่าสถิติคัปปาของเทคนิคการวิเคราะห์อัตโนมัติที่ใช้แสดงให้เห็นระดับข้อตกลงที่แตกต่างกัน อัลกอริธึม SVM แสดงค่าคัปปาสูงสุดที่ 0.64 ซึ่งบ่งชี้ถึงข้อตกลงในระดับที่มีนัยสำคัญ อัลกอริธึม RF อยู่ในช่วงข้อตกลงปานกลาง อัลกอริธึมที่เหลือ ได้แก่ การจำแนกประเภทภายใต้การดูแล k-NN และ GMM ล้วนแสดงข้อตกลงในระดับที่ยุติธรรม น่าสังเกตที่เทคนิคการตีความด้วยภาพแสดงให้เห็นข้อตกลงในระดับสูงเป็นพิเศษ โดยมีค่าคัปปามากกว่า 0.81 ซึ่งบ่งชี้ว่าเกือบจะสมบูรณ์แบบ นี่แสดงให้เห็นว่าความแม่นยำของเทคนิคการตีความด้วยภาพในการจำแนกการใช้ประโยชน์ที่ดินนั้นสูงกว่าเทคนิคการวิเคราะห์อัตโนมัติทั้งหมดที่ใช้ในการศึกษานี้

ผลลัพธ์ (ไทย) 2:

ค่าสถิติ kappa ของเทคโนโลยีการวิเคราะห์อัตโนมัติที่ใช้แสดงให้เห็นถึงระดับที่แตกต่างกันของความสอดคล้อง อัลกอริทึม SVM แสดงค่า kappa สูงสุด 0.64 ซึ่งบ่งชี้ถึงความสอดคล้องขั้นพื้นฐาน อัลกอริทึม RF อยู่ในช่วงที่สม่ำเสมอปานกลาง ส่วนอัลกอริทึมที่เหลืออยู่ คือ การกำกับดูแลการจำแนกประเภท k-NN และ GMM แสดงให้เห็นถึงความสม่ำเสมอพอสมควร เป็นที่น่าสังเกตว่าเทคนิคการตีความด้วยภาพแสดงให้เห็นถึงความสอดคล้องที่สูงผิดปกติโดยมีค่า kappa มากกว่า 0.81 ซึ่งบ่งชี้ถึงความสอดคล้องเกือบทั้งหมด แสดงให้เห็นว่าเทคโนโลยีการตีความด้วยภาพมีความแม่นยำในการจำแนกการใช้ประโยชน์ที่ดินสูงกว่าเทคโนโลยีการวิเคราะห์อัตโนมัติทั้งหมดที่ใช้ในการศึกษานี้

ผลลัพธ์ (ไทย) 3:

สถิติkappaของเทคนิคการวิเคราะห์อัตโนมัติที่ใช้แสดงระดับความสอดคล้องที่แตกต่างกัน อัลกอริทึมSVMแสดงค่าkappaสูงสุด0.64ซึ่งแสดงถึงความสอดคล้องกันโดยทั่วไป อัลกอริทึมRFอยู่ในช่วงกลางของความสอดคล้อง อัลกอริทึมที่เหลือการจัดหมวดหมู่การกํากับดูแลk-NNและGMMแสดงให้เห็นถึงความสอดคล้องกันอย่างมาก เป็นที่น่าสังเกตว่าเทคนิคการตีความภาพแสดงให้เห็นถึงความสอดคล้องที่สูงมากโดยมีค่าkappaมากกว่า0.81ซึ่งแสดงถึงความสอดคล้องกันเกือบทั้งหมด ซึ่งแสดงให้เห็นว่าความถูกต้องของเทคนิคการตีความภาพในการจําแนกประเภทการใช้ประโยชน์ที่ดินสูงกว่าเทคนิคการวิเคราะห์อัตโนมัติทั้งหมดที่ใช้ในการศึกษานี้