The SVVIMVC product developed and u

The SVVIMVC product developed and utilized as a part of this study
played an important role in the classification of Natural Vegetation and
Agriculture classes. The index is particularly effective in enabling MVC
compositing from a large number of images with substantial data
gaps, and providing coherent images having high informational value.
Further, the SVVI MVC utilizes all cloud-free pixels available during
the compositing period in order to detect the presence of agriculture.
Spectral and texture values from this product enabled the discrimination
of Forest, Secondary Forest, Savanna, and Agriculture classes.
While the Hansen et al. (2013) global forest cover product is found to
be substantially affected by SLC-off data gaps within our study area,
the SVVI MVC brightness and texture products are less influenced by
SLC-off data gaps and yielded map products with little SLC-off patterning
inmost areas. However, clouds have high SVVI values, so it is necessary
to ensure that all cloud-masking procedures are completed
successfully before creating MVC products from SVVI images. We observed
a few instances where no clouds were indicated in the Fmask
product but substantial cloud cover was present in the image. Further,
the Fmask procedure often failed to detect very small clouds (e.g.,
20 ha in size or smaller) and this initially caused misclassification of Forest
as Agriculture, among other errors. Image scenes containing undetected
clouds in the Fmask products were identified by an analyst and
removed from the MVC process.

ผลลัพธ์ (ไทย) 1:

ผลิตภัณฑ์ SVVIMVC พัฒนา และนำมาใช้เป็นส่วนหนึ่งของการศึกษานี้มีบทบาทสำคัญในการจำแนกประเภทของพืชธรรมชาติ และเรียนเกษตร ดัชนีมีประสิทธิภาพในการ MVCเปลี่ยนจากภาพที่มีข้อมูลสำคัญจำนวนมากช่องว่าง และภาพที่เชื่อมโยงกันให้มีมูลค่าสูงให้ข้อมูลต่อไป SVVI MVC ใช้คลาวด์ฟรีพิกเซลทั้งหมดพร้อมใช้งานในระหว่างระยะเวลาจัดเพื่อตรวจหาการเกษตรค่าสเปกตรัมและเนื้อจากผลิตภัณฑ์นี้เปิดใช้งานการเลือกปฏิบัติเรียนป่า ป่ารอง ซาวัน และการเกษตรพบว่าในขณะแฮนเซน et al. (2013) ป่าทั่วโลกครอบคลุมสินค้าได้รับผลกระทบอย่างมาก โดยข้อมูล SLC ปิดช่องว่างภายในพื้นที่ของเราSVVI MVC ความสว่างและพื้นผิวผลิตภัณฑ์น้อยได้รับอิทธิพลจากช่องว่าง SLC-ข้อมูลและแผนที่ให้ผลผลิตภัณฑ์ มีน้อย SLC ออกแบบinmost พื้นที่ อย่างไรก็ตาม เมฆมีค่า SVVI สูง ดังนั้นจึงจำเป็นเพื่อให้แน่ใจว่า กระบวนงานกาวระบบคลาวด์ทั้งหมดเสร็จสมบูรณ์เสร็จเรียบร้อยก่อนที่จะสร้างผลิตภัณฑ์ MVC จากภาพ SVVI เราสังเกตเห็นกี่กรณีที่เมฆไม่ได้ระบุไว้ใน Fmaskผลิตภัณฑ์แต่พบเมฆปกถูกนำเสนอในภาพ เพิ่มเติมกระบวนการ Fmask ล้มเหลวในการตรวจหาเมฆขนาดเล็กมาก (เช่น มักจะ20 ฮา ขนาด หรือเล็กกว่า) และการจัดประเภทป่านี้เริ่มแรกเกิดจากเป็นเกษตร หนึ่งในข้อผิดพลาดอื่น ๆ ตรวจไม่พบภาพฉากที่ประกอบด้วยระบุไว้ในผลิตภัณฑ์ Fmask โดยนักวิเคราะห์ และออกจากกระบวนการ MVC

ผลลัพธ์ (ไทย) 2:

ผลิตภัณฑ์ SVVIMVC การพัฒนาและนำมาใช้เป็นส่วนหนึ่งของการศึกษานี้
มีบทบาทสำคัญในการจำแนกประเภทของพืชพรรณธรรมชาติและ
เกษตรชั้นเรียน ดัชนีมีประสิทธิภาพโดยเฉพาะอย่างยิ่งในการทำให้ MVC
คอมโพสิตจากจำนวนมากของภาพที่มีข้อมูลที่สำคัญ
ช่องว่างและให้ภาพที่สอดคล้องกันมีค่าข้อมูลสูง.
นอกจากนี้ SVVI MVC ใช้ทุกพิกเซลเมฆฟรีที่มีอยู่ในช่วง
ระยะเวลาที่คอมโพสิตในการสั่งซื้อในการตรวจสอบ การปรากฏตัวของการเกษตร.
เงาและพื้นผิวค่าจากผลิตภัณฑ์นี้เปิดใช้งานการเลือกปฏิบัติ
ของป่า, ป่ามัธยมศึกษา Savanna และชั้นเรียนเกษตร.
ในขณะที่แฮนเซน, et al (2013) ผลิตภัณฑ์ป่าปกคลุมทั่วโลกพบว่า
ได้รับผลกระทบอย่างมากจากช่องว่างข้อมูล SLC-ออกภายในพื้นที่ศึกษาของเรา
SVVI MVC สว่างและเนื้อผลิตภัณฑ์ที่มีอิทธิพลน้อยลงโดย
SLC-ปิดช่องว่างของข้อมูลและผลผลิตภัณฑ์แผนที่มีน้อยบรรเลง SLC-ปิด
พื้นที่ก้นบึ้ง แต่เมฆมีค่า SVVI สูงดังนั้นจึงเป็นสิ่งที่จำเป็น
เพื่อให้มั่นใจว่าทุกขั้นตอนเมฆกำบังจะเสร็จสมบูรณ์
เรียบร้อยแล้วก่อนที่จะสร้างผลิตภัณฑ์ MVC จากภาพ SVVI เราสังเกต
ไม่กี่กรณีที่ไม่มีเมฆที่ถูกระบุไว้ใน fMask
สินค้า แต่เมฆปกคลุมมากถูกนำเสนอในภาพ นอกจากนี้
ขั้นตอน fMask มักจะล้มเหลวในการตรวจสอบเมฆมีขนาดเล็กมาก (เช่น
20 ไร่ในขนาดหรือขนาดเล็ก) และจำแนกที่เกิดแรกของป่า
เป็นเกษตรในหมู่ผิดพลาดอื่น ๆ ฉากที่มีภาพที่ไม่สามารถตรวจพบ
เมฆในผลิตภัณฑ์ของ fMask ถูกระบุโดยนักวิเคราะห์และ
ออกจากกระบวนการ MVC