Frequent cloud cover was a limiting

Frequent cloud cover was a limiting factor in the image acquisition process. This resulted in the use
of images that span a five-month range and contain almost the entire phenological and foliage cycle of
the deciduous trees in the study site. Kennedy et al. [25] state that consistency of seasonality trumps
absence of clouds as the highest priority in disturbance mapping, but other images were not available
for this study. Dynamic atmospheric conditions also restricted the study site to only a portion of the
original 185 by 185 km image tile. This resulted in a variable inter-annual interval with two, four and
five year time steps and not annual, anniversary image intervals.
The Thematic Mapper Tasselled Cap Transformation (TCT) [40] reduces the six original Landsat
reflectance bands 1–5 and 7 to three components representative of physical land surface characteristics
known as brightness (TCT1), greenness (TCT2) and wetness (TCT3) [18,41]. These three components
account for most of the variance in an image scene and provide a reduction in data volume with minimal
information loss [36]. The TCT has been demonstrated in the literature as effective for vegetation
mapping and temporal land cover change detection [14,18,42]. In recent research, the TCT performed
significantly better than the original Landsat bands for detecting change in a forested landscape [43].
Forested lands that have recently been disturbed will exhibit a higher brightness, lower greenness and
wetness values than undisturbed mature forest stands [43]. Of particular interest is the wetness
component for its sensitivity to plant and soil moisture, canopy structure and shadow [35,40,44,45].
The Normalized Difference Moisture Index (NDMI) is derived using Landsat bands four (NIR) and
band five (SWIR) [46]. The equation is: NDMI = (Band 4 − Band 5)/(Band 4 + Band 5). The NDMI
algorithm is very similar to the Normalized Difference Vegetation Index (NDVI) that is commonly
used in forest classification and to estimate characteristics such as leaf area, biomass, and canopy
closure [47]. In a direct comparison, NDMI has been shown to be a more accurate measure than the
widely used NDVI for detection of forest harvest activity [35].
A visual investigation was carried out to ensure that all of the selected images were properly
co-registered and correctly aligned prior to analysis. The full Landsat scenes were subset to isolate the
specific study area that included the Nagagamisis Central Plateau Signature Site and surrounding
commercial forest management units. The resulting subset image is 2646 pixels by 2647 lines covering
an area of 6303 km2
.
Although radiometric correction of image time series datasets is recognized as an option for remote
sensing projects [48] to account for variation in atmospheric and sun sensor geometry, no additional
corrections were completed on the Level 1 data products used for this study. Radiometric differences

ผลลัพธ์ (ไทย) 1:

ครอบคลุมเมฆบ่อยเป็นปัจจัยจำกัดในการซื้อภาพ ส่งผลให้การใช้ภาพที่ขยายช่วงเดือนห้า และประกอบด้วยเกือบทั้ง phenological และใบรอบของต้นไม้ผลัดใบในเว็บไซต์การศึกษา ที่สอดคล้องกันของ seasonality trumps รัฐเคนเนดี้ et al. [25]ไม่มีขาดของเมฆเป็นความสำคัญสูงสุดในการแม็ปรบกวน แต่ภาพอื่น ๆสำหรับการศึกษานี้ สภาพอากาศแบบไดนามิกยังจำกัดเว็บไซต์ศึกษาเฉพาะส่วนของการฉบับ 185 โดย 185 km รูปไพ่ ส่งผลให้ในช่วงระหว่างปีที่ตัวแปรมี 2, 4 และปีที่ 5 เวลาขั้นตอน และไม่ประจำ ช่วงภาพครบLandsat เดิม 6 ช่วยลดการเฉพาะเรื่อง Mapper Tasselled หมวกแปลง (TCT) [40]แบบสะท้อนแสงวง 1-5 และ 7 3 คอมโพเนนต์ของตัวแทนของลักษณะพื้นผิวของดินทางกายภาพเรียกว่าความสว่าง (TCT1), greenness (TCT2) และ wetness (TCT3) [18,41] ส่วนประกอบเหล่านี้สามบัญชีสำหรับส่วนใหญ่ของความแปรปรวนในฉากภาพ และให้ลดปริมาณข้อมูลน้อยที่สุดข้อมูลสูญหาย [36] TCT ที่ได้แสดงให้เห็นว่าวรรณคดีเป็นผลสำหรับพืชการแม็ป และขมับที่ดินปะเปลี่ยนตรวจสอบ [14,18,42] งานวิจัยล่าสุด TCT ที่ดำเนินอย่างมีนัยสำคัญดีกว่าวง Landsat ต้นฉบับสำหรับการตรวจสอบการเปลี่ยนแปลงในป่า [43]ดินแดนป่าที่เพิ่งได้รับการรบกวนจะแสดงความสว่างสูง greenness ล่าง และค่า wetness กว่าป่าอีกผู้ใหญ่ยืน [43] สนใจโดยเฉพาะเป็นที่ wetnessส่วนประกอบสำหรับความไวของความชื้นดินและพืช โครงสร้างฝาครอบ และเงา [35,40,44,45]ตามปกติแตกต่างความชื้นดัชนี (NDMI) มาใช้วง Landsat 4 (NIR) และวงห้า (SWIR) [46] สมการคือ: NDMI = (− 4 วงวง 5) / (วงวง 5 + 4) การ NDMIอัลกอริทึมจะคล้ายกับตามปกติแตกต่างพืชดัชนี (NDVI) ที่โดยทั่วไปใช้ ในการจัดประเภทของป่า และประเมินลักษณะใบตั้ง ชีวมวล และฝาครอบปิด [47] ในการเปรียบเทียบโดยตรง NDMI ที่มีการแสดงเป็น การวัดที่แม่นยำยิ่งกว่าการเห NDVI ตรวจป่าเก็บเกี่ยวกิจกรรม [35]ตรวจสอบภาพได้ดำเนินการเพื่อให้แน่ใจว่า เลือกรูปทั้งหมดได้อย่างถูกต้องร่วมลงทะเบียน และจัดตำแหน่งอย่างถูกต้องก่อนที่จะวิเคราะห์ ฉาก Landsat เต็มถูกย่อยเพื่อแยกการศึกษาเฉพาะพื้นที่ที่อยู่ Nagagamisis กลางที่ราบสูงลายเซ็นเว็บไซต์และหน่วยจัดการป่าเชิงพาณิชย์ ผลย่อยรูปเป็นพิกเซล 2646 โดยครอบคลุมเส้น 2647พื้นที่ 6303 km2.แม้ว่าการแก้ไขภาพนับเวลา datasets ชุด รับรู้เป็นตัวเลือกสำหรับรีโมทโครงการ [48] การบัญชีสำหรับการเปลี่ยนแปลงในบรรยากาศ และซันเซ็นเซอร์เรขาคณิต ไม่มีการตรวจเพิ่มเติมแก้ไขได้เสร็จสมบูรณ์ในด้านข้อมูลระดับ 1 ที่ใช้สำหรับการศึกษานี้ ความแตกต่างนับ

ผลลัพธ์ (ไทย) 2:

มีเมฆปกคลุมบ่อยเป็นปัจจัย จำกัด ในกระบวนการควบรวมภาพ นี้ส่งผลในการใช้งานของภาพที่ครอบคลุมช่วงห้าเดือนและมีเกือบรอบ phenological และใบทั้งหมดของต้นไม้ผลัดใบในเว็บไซต์การศึกษา เคนเนดี้, et al [25] รัฐที่สอดคล้องของฤดูกาลสำคัญกว่ากรณีที่ไม่มีเมฆเป็นความสำคัญสูงสุดในการทำแผนที่ความวุ่นวายแต่ภาพอื่น ๆ ที่ไม่สามารถใช้ได้สำหรับการศึกษานี้ สภาพบรรยากาศแบบไดนามิกยัง จำกัด เว็บไซต์การศึกษาเพียงส่วนหนึ่งของเดิม185 จาก 185 กิโลเมตรกระเบื้องภาพ นี้ส่งผลให้ช่วงเวลาระหว่างปีกับตัวแปรสองสี่และห้าขั้นตอนเวลาปี แต่ไม่ประจำปีช่วงเวลาที่ภาพครบรอบ. แมปเปอร์ใจ tasselled Cap เปลี่ยนแปลง (TCT) [40] ลดหก Landsat เดิมวงดนตรีที่สะท้อน1-5 และ 7 สามองค์ประกอบตัวแทนของลักษณะทางกายภาพของพื้นผิวดินแดนที่รู้จักกันเป็นความสว่าง(TCT1) อ่อนหัด (TCT2) และความชื้นแฉะ (TCT3) [18,41] ทั้งสามองค์ประกอบบัญชีสำหรับส่วนมากของความแปรปรวนในฉากภาพและให้การลดลงของปริมาณข้อมูลที่มีน้อยที่สุดการสูญเสียข้อมูล[36] TCT ได้รับการพิสูจน์ในวรรณคดีเป็นพืชที่มีประสิทธิภาพสำหรับการทำแผนที่และที่ดินชั่วคราวปกตรวจจับการเปลี่ยนแปลง[14,18,42] ในงานวิจัยที่ผ่านมา TCT ดำเนินการอย่างดีกว่าวงดนตรีLandsat เดิมสำหรับการตรวจสอบการเปลี่ยนแปลงในภูมิทัศน์ป่า [43]. ดินแดนป่าที่เพิ่งได้รับการรบกวนจะแสดงความสว่างที่สูงขึ้นอ่อนหัดที่ลดลงและค่าความชื้นแฉะกว่าป่าที่ไม่ถูกรบกวนผู้ใหญ่ยืน [43 ] น่าสนใจเป็นพิเศษคือความชื้นแฉะส่วนประกอบสำหรับความไวในการโรงงานและความชื้นในดินโครงสร้างหลังคาและเงา [35,40,44,45]. ปกติดัชนีความชื้นแตกต่าง (NDMI) มาใช้วงดนตรี Landsat สี่ (NIR) และวงห้า(SWIR) [46] สมการคือ: NDMI = (วงที่ 4 - 5 วง) / (วงดนตรีวง 4 + 5) NDMI อัลกอริทึมจะคล้ายกับความแตกต่างดัชนีพืชปกติ (NDVI) ที่เป็นที่นิยมใช้ในการจัดหมวดหมู่ป่าและเพื่อประเมินลักษณะเช่นพื้นที่ใบชีวมวลและหลังคาปิด[47] ในการเปรียบเทียบโดยตรง NDMI ได้รับการแสดงที่จะเป็นวัดที่ถูกต้องมากขึ้นกว่าใช้กันอย่างแพร่หลายNDVI สำหรับการตรวจสอบของกิจกรรมการเก็บเกี่ยวป่า [35]. การตรวจสอบภาพได้ดำเนินการเพื่อให้มั่นใจว่าทุกภาพที่เลือกได้อย่างถูกต้องร่วมลงทะเบียนและสอดคล้องอย่างถูกต้องก่อนที่จะมีการวิเคราะห์ ฉาก Landsat เต็มถูกย่อยจะแยกพื้นที่ศึกษาเฉพาะที่รวมNagagamisis กลางที่ราบสูงเว็บไซต์ลายเซ็นและบริเวณหน่วยจัดการป่าไม้ในเชิงพาณิชย์ ภาพย่อยที่เกิดขึ้นเป็น 2646 พิกเซลโดย 2647 สายครอบคลุมพื้นที่6,303 กิโลเมตร 2. แม้ว่าการแก้ไขดาวเทียมที่บันทึกของชุดข้อมูลอนุกรมเวลาของภาพที่ได้รับการยอมรับเป็นตัวเลือกสำหรับระยะไกลโครงการตรวจจับ [48] บัญชีสำหรับการเปลี่ยนแปลงในชั้นบรรยากาศและดวงอาทิตย์เรขาคณิตเซ็นเซอร์ไม่มีเพิ่มเติม การแก้ไขเสร็จสมบูรณ์ในระดับ 1 ผลิตภัณฑ์ข้อมูลที่ใช้ในการศึกษาครั้งนี้ ความแตกต่าง radiometric

ผลลัพธ์ (ไทย) 3:

มีเมฆคลุมบ่อยเป็นปัจจัยจำกัดในรูปการซื้อกระบวนการ นี้ส่งผลในการใช้ภาพที่ช่วง
5 เดือนช่วง และประกอบด้วยเกือบทั้งหมดของ phenological และใบไม้รอบต้นไม้ผลัดใบในการศึกษา
เว็บไซต์ Kennedy et al . [ 25 ] สถานะความมั่นคงของฤดูกาลมากกว่า
ไม่มีเมฆเป็นสิ่งสำคัญที่สุดในการสร้างความวุ่นวายแต่ภาพอื่น ๆไม่สามารถใช้ได้
สำหรับการศึกษานี้ สภาวะอากาศแบบไดนามิก จํากัด นอกจากนี้ยังศึกษาเว็บไซต์เท่านั้น ส่วนของเดิม 185 จาก 185 กม.
ภาพกระเบื้อง นี้ส่งผลในตัวแปรระหว่างช่วงปี สอง สี่ และ ห้า ปี เวลา ขั้นตอน และไม่ได้

ช่วงปีครบรอบภาพThematic Mapper tasselled หัวหน้าแปลง ( TCT ) [ 40 ] ลดหกต้นฉบับภาพ
สะท้อนวง 1 – 5 และ 7 ให้ตัวแทนสามองค์ประกอบของลักษณะพื้นผิวที่ดินทางกายภาพ
ที่เรียกว่า ความสว่าง ( tct1 ) , เขียว ( tct2 ) และความชื้นแฉะ ( tct3 ) [ 18,41 ] ทั้งสามองค์ประกอบ
บัญชีสำหรับส่วนใหญ่ของความแปรปรวนในฉากที่ภาพและให้มีการลดปริมาณข้อมูลที่น้อยที่สุด
การสูญหายของข้อมูล [ 36 ] ในการวิจัยได้แสดงในวรรณคดีที่มีประสิทธิภาพสำหรับการทำแผนที่พืช
และเวลาที่ดินครอบคลุมการเปลี่ยนแปลง [ 14,18,42 ] ในการวิจัยล่าสุด , TCT ดำเนินการ
อย่างมีนัยสำคัญดีกว่าวงภาพต้นฉบับสำหรับการตรวจหาการเปลี่ยนแปลงในภูมิทัศน์ป่า [ 43 ] .
ป่าไม้ที่ดินที่เพิ่งถูกรบกวนจะให้ความสว่างสูงความอ่อนหัดที่ลดลงและค่าความเป็นผู้ใหญ่กว่า
โดยป่าไม้ [ 43 ] ที่น่าสนใจโดยเฉพาะเป็นส่วนประกอบความชื้นแฉะ
สำหรับความไวในการปลูกและความชื้นดิน , หลังคาโครงสร้างและเงา [ 35,40,44,45 ] .
ค่าดัชนีความแตกต่างของความชื้น ( สพร. ) โดยใช้ภาพวงดนตรีสี่ ( NIR )
วงดนตรีห้า ( Sheikh ) [ 46 ] สมการ : สถาบันพิพิธภัณฑ์การเรียนรู้แห่งชาติ = ( −วงดนตรี 4 วง 5 ) / ( วงดนตรี 4 วง 5 )ที่สถาบันพิพิธภัณฑ์การเรียนรู้แห่งชาติ
ขั้นตอนวิธีจะคล้ายกับความแตกต่างค่าดัชนีพืชพรรณ ที่นิยมใช้ในการจำแนกป่าไม้
และประเมินคุณลักษณะ เช่น พื้นที่ใบ มวลชีวภาพ และหลังคา
ปิด [ 47 ] ในการเปรียบเทียบโดยตรง สถาบันพิพิธภัณฑ์การเรียนรู้แห่งชาติ ได้ถูกแสดงเป็น วัดที่ถูกต้องมากกว่า
ใช้กันอย่างแพร่หลาย การเปลี่ยนแปลงด้านพืชพรรณตรวจหากิจกรรมการเก็บเกี่ยวป่า [ 3 ] .
การสอบสวนและดำเนินการเพื่อให้มั่นใจว่าทุกภาพที่เลือกถูก
ร่วมลงทะเบียนและชิดอย่างถูกต้องก่อนการวิเคราะห์ เต็มภาพฉากที่ถูกเซตย่อยเพื่อแยก
ศึกษาเฉพาะพื้นที่รวม nagagamisis กลางที่ราบสูง ลายเซ็นต์ไซต์ และโดยรอบ
หน่วยการจัดการป่าเชิงพาณิชย์ ผลย่อยรูป 2646 พิกเซลโดยสายครอบคลุม
/ / 109738พื้นที่ 6303 ตารางกิโลเมตร
.
ถึงแม้ว่าการแก้ไขของข้อมูลอนุกรมเวลาของภาพที่ได้รับการยอมรับว่าเป็นทางเลือกสำหรับระยะไกล
- [ 48 ] โครงการไปยังบัญชีสำหรับการเปลี่ยนแปลงในชั้นบรรยากาศและเรขาคณิตเซนเซอร์แสงแดด ไม่มีการแก้ไข เพิ่มเติม
เสร็จสมบูรณ์ในระดับที่ 1 ข้อมูล ผลิตภัณฑ์ที่ใช้สำหรับการศึกษานี้ ความแตกต่างของ