Imagery analysisImage data were geo

Imagery analysis
Image data were geo-coded using Ordnance Survey maps (root
mean square error < width of a single image pixel) and radio-
metrically corrected to account for sensor calibration, time of year
and atmospheric conditions (see Price 1987; Tanre et al. 1990).
One of the most commonly cited diculties with remote sensing
of underwater environments is the confounding in¯uence of vari-
able depth on bottom re¯ectance (e.g. Cracknell et al. 1987). For
example, the spectra (spectral signature) of sand at 20 m may be
similar to that of seagrass at (say) 3 m. The e€ects of variable depth
were compensated using the model derived by Lyzenga (1978, 1981).
For the ®rst ®eld survey, 180 ®eld sites were located on the
imagery. At each site (pixel), ®eld data identi®ed the habitat type
and the overall extent of the habitat. A spectral signature was
created from the image data at each site using the software Erdas
Imagine 8.2. Signatures were developed using the region-growing
tool, which allows neighbouring pixels to be incorporated into the
signature. A geographic constraint was set on this process so that
only those pixels found within the overall extent of each habitat
were selected. For example, if the habitat at a site was considered to
have a diameter of at least 100 m (7860 m2) and a signature was
created for SPOT XS imagery whose pixels cover 400 m2 each, up
to 20 (7860 ¸ 400) pixels were allowed to contribute to the sig-
nature for that site. Pixels further from the ®eld site could not be
expected to represent the same habitat type reliably.
The habitat type at each site was de®ned to its ®nest descriptive
resolution. Individual signatures for each habitat type were then
progressively merged to provide characteristic habitat spectra.
Spectra were then used to train a supervised image classi®cation
which is a multivariate discriminant function (Mather 1987). Pixels
were assigned to habitat classes using the maximum-likelihood
decision rule (Mather 1987). The resulting thematic map of habitats
was evaluated visually and obvious areas of pixel mis-assignment
were identi®ed (e.g. pixels classi®ed as Montastrea spp. reef which
were situated in known seagrass beds). The spectra of habitats
which had over-classi®ed (in this example, Montastrea spp. reef)
were then down-weighted and the supervised image classi®cation
was repeated. All habitat spectra had equal weighting in the ®rst
classi®cation (P ˆ 1). Down-weighting was achieved by reducing
the probability that pixels would be assigned to speci®c habitat
classes (in this example, the new probability, P, for Montastrea spp.
was 0.7). This heuristic procedure was repeated and re®ned up to
six times, beyond which no further improvements were noticed by
visual inspection.
The success of a supervised image classi®cation is dependent on
the separability of spectra for di€erent habitats in the imagery.
Similar spectra may lead to confusion in the supervised classi®ca-
tion and misclassi®cations in the output-image map. If the sources
of misclassi®cation are known, it is possible to improve map
accuracy by contextual editing (Groom et al. 1996). This process is
perhaps best thought of as ``the application of common sense to
habitat mapping''. Contextual rules may be applied to pairs of
habitats which have similar spectra but exist in di€erent, yet pre-
dictable, physical environments, such as seagrass beds and forereef
escarpments. Pixels which classi®ed as seaward patches of seagrass
were reclassi®ed to the appropriate reef categories. Similar reclas-
si®cation was carried out for fringing reef pixels which had been
incorrectly classi®ed as sheltered communities of calci®ed rho-
dophytes with sponge (Class F7, Table 2).

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ภาพถ่ายข้อมูลภาพได้แก้วแบบใช้แผนที่สำรวจสรรพาวุธ (รากข้อผิดพลาดของค่าเฉลี่ยกำลังสอง < ความกว้างของพิกเซลรูปเดียว) และวิทยุ -metrically แก้ไขบัญชีสำหรับการปรับเทียบเซ็นเซอร์ ช่วงเวลาของปีและสภาพอากาศ (ดู 1987 ราคา Tanre et al. 1990)Culties di มักอ้างอิงด้วยแชมพูอย่างใดอย่างหนึ่งสภาพแวดล้อมใต้น้ำเป็น in¯uence confounding วารี-ความลึกที่สามารถบนล่าง re¯ectance (เช่น Cracknell et al. 1987) สำหรับตัวอย่าง แรมสเป็คตรา (ลายเซ็นสเปกตรัม) ทราย 20 เมตรอาจคล้ายกับที่ของหญ้าทะเลที่ (พูด) 3 m Ects อีของความลึกของตัวแปรถูกชดเชยโดยใช้แบบจำลองที่ได้มา โดย Lyzenga (1978 แชมป์ร่วม 1981)สำหรับ ® rst ® eld สำรวจ 180 ® eld ไซต์ถูกตั้งอยู่ภาพถ่าย ในแต่ละไซต์ (พิกเซล), ® identi eld ข้อมูล ® ed ชนิดอยู่อาศัยและขอบเขตของอยู่อาศัยโดยรวม มีลายเซ็นสเปกตรัมสร้างจากข้อมูลภาพที่แต่ละไซต์ที่ใช้ซอฟต์แวร์ Erdasลองนึกภาพที่ 8.2 ลายเซ็นถูกพัฒนาใช้ในภูมิภาคเติบโตเครื่องมือ ให้พิกเซลที่เพื่อนจะรวมอยู่ในการลายเซ็น ข้อจำกัดทางภูมิศาสตร์ถูกตั้งค่าในกระบวนการนี้เพื่อให้พิกเซลเท่าที่พบภายในขอบเขตโดยรวมแต่ละถิ่นที่อยู่ถูกเลือก ตัวอย่างเช่น ถ้าอยู่อาศัยที่ถูกถือว่ามีเส้นผ่าศูนย์กลางอย่างน้อย 100 เมตร (7860 m2) และมีลายเซ็นสร้างภาพ XS จุดพิกเซลที่มีครอบคลุม 400 m2 ขึ้นกับ 20 (7860 ¸ 400) พิกเซลได้รับอนุญาตให้นำไปสู่ sig -ธรรมชาติสำหรับเว็บไซต์ พิกเซล further จาก ® eld ไซต์ไม่สามารถคาดว่าจะแสดงชนิดอยู่อาศัยเดียวกันได้ชนิดอยู่อาศัยในแต่ละไซต์มีเด ® โดยการของ ® รังอธิบายความละเอียด ลายเซ็นแต่ละชนิดแต่ละชนิดอยู่อาศัยได้แล้วผสานความก้าวหน้าให้อยู่อาศัยลักษณะแรมสเป็คตราแรมสเป็คตราแล้วใช้รถไฟ classi มีรูป ® cationซึ่งเป็นฟังก์ชัน discriminant ตัวแปรพหุ (แมเธอร์ 1987) พิกเซลถูกกำหนดให้เรียนอยู่อาศัยที่ใช้โอกาสสูงสุดกฎการตัดสินใจ (แมเธอร์ 1987) แผนที่เฉพาะเรื่องผลของการอยู่อาศัยมีค่าสายตา และชัดเจนพื้นที่กำหนดต่อพิกเซลมี identi ® ed (เช่นพิกเซล classi ® ed เป็น Montastrea โอรีฟซึ่งมีห้องเตียงหญ้าทะเลทราบ) แรมสเป็คตราของอยู่อาศัยซึ่งมีมากกว่า classi ® ed (ในตัวอย่างนี้ Montastrea โอรีฟ)มีแล้วลงถ่วงน้ำหนัก และ classi มีรูป ® cationไม่ซ้ำกัน แรมสเป็คตราอยู่อาศัยทั้งหมดมีน้ำหนักเท่า ® rstclassi ® cation (P 1) สำเร็จ โดยลดน้ำหนักลงความเป็นไปได้ที่จะกำหนดพิกเซล speci ® c อยู่อาศัยเรียน (ในตัวอย่างนี้ น่าใหม่ P สำหรับโอ Montastreaได้ 0.7) มีการทำซ้ำขั้นตอนนี้แล้ว และเรื่อง ® เราถึงครั้งที่ 6 ซึ่งปรับปรุงเพิ่มเติมไม่ถูกสังเกตเห็นโดยการตรวจสอบภาพความสำเร็จของ classi มีรูป ® cation จะขึ้นอยู่กับseparability ของแรมสเป็คตราสำหรับอยู่อาศัย erent di ในภาพที่แรมสเป็คตราคล้ายกันอาจทำให้สับสนใน classi มี ® ca -สเตรชัน และ misclassi ® เป็นของหายากในแผนที่แสดงผลภาพ ถ้าแหล่งมาของ misclassi ® cation เป็นที่รู้จัก สามารถปรับปรุงแผนที่ความถูกต้อง โดยการแก้ไขตามบริบท (บ่าวร้อยเอ็ด al. 1996) กระบวนการนี้ทีสุดคิดเป็น '' สามัญสำนึกไปประยุกต์ใช้การแม็ปอยู่อาศัย '' กฎบริบทอาจนำไปใช้กับคู่ของอยู่อาศัยที่มีแรมสเป็คตราคล้ายกัน แต่มีดี erent แต่ก่อนdictable ทางกายภาพสภาพแวดล้อม เตียงหญ้าทะเลและ forereefescarpments พิกเซลที่ classi ® ed เป็นแพทช์ seaward ของหญ้าทะเลมี reclassi ® ed ประเภทปะการังที่เหมาะสม คล้าย reclas-ซี ® cation ถูกดำเนินการสำหรับพิกเซล fringing reef ซึ่งถูก classi ® ed เป็นชุมชนกำบังของ calci ® ed ครอ -dophytes กับฟองน้ำ (คลาส F7 ตารางที่ 2)

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์การสร้างจินตภาพ
ข้อมูลภาพเป็นภูมิศาสตร์รหัสการใช้แผนที่อาวุธยุทโธปกรณ์สำรวจ (ราก
หมายถึงข้อผิดพลาดตาราง <ความกว้างของพิกเซลภาพเดียว) และวิทยุ
แก้ไข metrically บัญชีสำหรับการสอบเทียบเซ็นเซอร์ช่วงเวลาของปี
และสภาพบรรยากาศ (ดูราคา 1987; Tanre และคณะ . 1990).
หนึ่งอ้างกันมากที่สุดดิ culties ?? กับการสำรวจระยะไกล
ของสภาพแวดล้อมใต้น้ำเป็นin¯uenceรบกวนของตัวแปร
เชิงลึกสามารถในre¯ectanceด้านล่าง (เช่น Cracknell et al. 1987) สำหรับ
ตัวอย่างเช่นสเปกตรัม (ลายเซ็นสเปกตรัม) ของทรายที่ 20 ม. อาจจะ
คล้ายกับที่ของหญ้าทะเลที่ (พูด) 3 เมตร อี ?? สะท้อนของความลึกตัวแปร
ถูกชดเชยโดยใช้แบบจำลองที่ได้มาโดย Lyzenga (1978, 1981).
สำหรับการสำรวจ®eld®rst 180 เว็บไซต์®eldตั้งอยู่บน
ภาพ ในแต่ละเว็บไซต์ (พิกเซล) ข้อมูล®eldidenti®edประเภทที่อยู่อาศัย
และขอบเขตโดยรวมของที่อยู่อาศัย ลายเซ็นสเปกตรัมถูก
สร้างขึ้นจากข้อมูลภาพที่แต่ละเว็บไซต์โดยใช้ซอฟแวร์ ERDAS
Imagine 8.2 ลายเซ็นได้รับการพัฒนาโดยใช้ภูมิภาคที่เติบโต
เครื่องมือที่ช่วยให้พิกเซลเพื่อนบ้านจะรวมอยู่ใน
ลายเซ็น ข้อ จำกัด ทางภูมิศาสตร์ที่ตั้งอยู่บนกระบวนการนี้เพื่อให้
เพียงพิกเซลที่พบภายในขอบเขตโดยรวมของที่อยู่อาศัยแต่ละ
ได้รับการคัดเลือก ตัวอย่างเช่นหากที่อยู่อาศัยในบริเวณที่ได้รับการพิจารณาให้
มีขนาดเส้นผ่าศูนย์กลางไม่น้อยกว่า 100 เมตร (7,860 m2) และลายเซ็นที่ถูก
สร้างขึ้นสำหรับจุด XS ภาพที่มีพิกเซลครอบคลุม 400 m2 แต่ละขึ้น
ถึง 20 (? 7860 ¸ 400) พิกเซล ได้รับอนุญาตให้นำไปสู่การลายมือชื่อ
ธรรมชาติสำหรับเว็บไซต์ที่ พิกเซลเพิ่มเติมจากเว็บไซต์®eldไม่สามารถ
คาดหวังว่าจะเป็นตัวแทนของประเภทที่อยู่อาศัยเดียวกันได้อย่างน่าเชื่อถือ.
ประเภทที่อยู่อาศัยที่เว็บไซต์แต่ละde®nedที่จะพรรณนา®nestของ
ความละเอียด ลายเซ็นส่วนบุคคลสำหรับแต่ละประเภทที่อยู่อาศัยที่ได้รับแล้ว
รวมความก้าวหน้าที่จะให้สเปกตรัมที่อยู่อาศัยลักษณะ.
Spectra ถูกนำมาใช้ในการฝึกอบรมแล้วclassi®cationภาพภายใต้การดูแล
ซึ่งเป็นฟังก์ชั่นการจำแนกหลายตัวแปร (ท้อง 1987) พิกเซล
ได้รับมอบหมายให้ชั้นเรียนที่อยู่อาศัยโดยใช้โอกาสสูงสุด
กฎการตัดสินใจ (ท้อง 1987) แผนที่ใจที่เกิดจากแหล่งที่อยู่อาศัย
ถูกประเมินสายตาและพื้นที่ที่เห็นได้ชัดของพิกเซลได้รับมอบหมายผิดพลาด
ถูกidenti®ed (พิกเซลเช่นclassi®edเป็น Montastrea spp. แนวปะการังที่
ได้รับการตั้งอยู่ในที่รู้จักกันในหญ้าทะเล) สเปกตรัมของแหล่งที่อยู่อาศัย
ที่ได้มากกว่าclassi®ed (ในตัวอย่างนี้ Montastrea แนว spp.)
ได้แล้วลงน้ำหนักและภาพภายใต้การดูแลclassi®cation
ซ้ำ สเปกตรัมที่อยู่อาศัยทั้งหมดมีน้ำหนักเท่ากันใน®rst
classi®cation (P ?? 1) ลงน้ำหนักก็ประสบความสำเร็จโดยการลดความ
น่าจะเป็นที่พิกเซลจะได้รับมอบหมายให้speci®cที่อยู่อาศัย
ชั้นเรียน (ในตัวอย่างนี้น่าจะเป็นใหม่ P สำหรับ Montastrea spp.
0.7) ขั้นตอนนี้แก้ปัญหาซ้ำและre®nedถึง
หกครั้งเกินกว่าที่ไม่มีการปรับปรุงเพิ่มเติมถูกสังเกตเห็นโดย
การตรวจสอบภาพ.
ความสำเร็จของภาพภายใต้การดูแลclassi®cationขึ้นอยู่กับการ
แยกตัวของสเปกตรัมสำหรับดิ ?? แหล่งที่อยู่อาศัย erent ในภาพ .
สเปกตรัมที่คล้ายกันอาจนำไปสู่ความสับสนในการclassi®ca-ภายใต้การดูแล
และการmisclassi®cationsในแผนที่ผลผลิตภาพ หากแหล่งที่มา
ของmisclassi®cationเป็นที่รู้จักกันก็เป็นไปได้ที่จะปรับปรุงแผนที่
ความถูกต้องโดยการแก้ไขตามบริบท (เจ้าบ่าว et al. 1996) กระบวนการนี้เป็น
ที่ดีที่สุดอาจจะคิดว่าเป็น `` แอพลิเคชันของสามัญสำนึกที่จะ
ทำแผนที่ที่อยู่อาศัย '' กฎบริบทอาจจะนำไปใช้กับคู่ของ
แหล่งที่อยู่อาศัยที่มีสเปกตรัมคล้ายกัน แต่อยู่ในดิ ?? erent แต่ก่อน
dictable สภาพแวดล้อมทางกายภาพเช่นหญ้าทะเลและ forereef
หน้าผา พิกเซลซึ่งclassi®edเป็นแพทช์ออกสู่ทะเลของหญ้าทะเล
ถูกreclassi®edกับประเภทแนวปะการังที่เหมาะสม ที่คล้ายกัน reclas-
si®cationได้รับการดำเนินการสำหรับฝั่งพิกเซลแนวปะการังที่ได้รับการ
classi®edไม่ถูกต้องเป็นชุมชนที่กำบังของcalci®ed rho-
dophytes ด้วยฟองน้ำ (ชั้น F7, ตารางที่ 2)

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ข้อมูลภาพเป็นภาพ
กอรหัสโดยใช้แผนที่สำรวจอาวุธยุทโธปกรณ์ ( ราก
หมายถึงความกว้างของข้อผิดพลาด < ตารางพิกเซลภาพเดียว ) และวิทยุ -
ชั่งตวงวัดแก้ไขบัญชีสำหรับเซ็นเซอร์การสอบเทียบ , เวลาของปีและสภาพบรรยากาศ
( เห็นราคา 1987 ; tanre et al . 1990 ) .
ที่อ้างถึงโดยทั่วไปดี ? culties กับระยะไกล
สภาพแวดล้อมใต้น้ำ คือ เพิ่มโอกาสเสี่ยงใน¯ uence ของวารี -
ความลึกสามารถด้านล่างอีกครั้ง¯ ectance ( เช่น cracknell et al . 1987 ) สำหรับ
ตัวอย่างนี้ ( ลายเซ็นสเปกตรัม ) ทราย 20 M อาจ
คล้ายกับที่ของหญ้าทะเลที่ ( บอกว่า ) 3 M . E €ผลของความลึกตัวแปร
ได้รับการชดเชยโดยใช้แบบจำลองที่ได้มาโดย lyzenga ( 1978 , 1981 ) .
สำหรับ® RST ®สาขาสำรวจ , 180 ®เว็บไซต์ละมั่ง ตั้งอยู่บน
จินตภาพ ที่แต่ละเว็บไซต์ ( พิกเซล ) , ®ละมั่ง ข้อมูล identi ®เอ็ดที่อยู่อาศัยประเภท
และโดยรวม ขอบเขตของสิ่งแวดล้อม ลายเซ็นสเปกตรัมคือ
ที่สร้างขึ้นจากข้อมูลภาพที่แต่ละเว็บไซต์โดยใช้ซอฟต์แวร์ erdas
จินตนาการ 8.2 . ลายเซ็นถูกพัฒนาโดยใช้ภูมิภาคเติบโต
เครื่องมือที่ช่วยให้พิกเซลเพื่อนบ้านที่จะรวมอยู่ใน
ลายเซ็น ข้อจำกัดทางภูมิศาสตร์ ที่ตั้ง ในกระบวนการนี้เพื่อให้
พิกเซลเท่านั้นที่พบภายในขอบเขตโดยรวมของแต่ละแหล่งที่อยู่อาศัย
ได้รับเลือก ตัวอย่างเช่น ถ้าที่อยู่อาศัยที่เว็บไซต์ได้รับการพิจารณา

มีเส้นผ่าศูนย์กลางอย่างน้อย 100 เมตร ( 7860 m2 ) และลายเซ็นคือ
สร้างภาพที่มีพิกเซลครอบคลุมจุด XS 400 ตารางเมตร แต่ละคนขึ้น
20 (  7860 ¸ 400 ) พิกเซลได้รับอนุญาตให้มีส่วนร่วมใน Sig -
ธรรมชาติสำหรับ ที่เว็บไซต์ พิกเซล เพิ่มเติมจาก®ละมั่ง เว็บไซต์ไม่สามารถ
คาดว่าจะแสดงชนิดเดียวกัน
ที่อยู่อาศัยได้ที่อยู่อาศัยประเภทในแต่ละไซต์ เดอ ®เน็ดของ®รังบรรยาย
ความละเอียด ลายเซ็นส่วนบุคคลสำหรับแต่ละประเภทที่อยู่อาศัยแล้ว
ผู้ผสานเพื่อให้ที่อยู่อาศัยลักษณะสเปกตรัมสเปกตรัม .
แล้วใช้เพื่อฝึกควบคุมภาพ classi ®ไอออนบวก
ซึ่งเป็นแบบฟังก์ชันจำแนก ( มาเธอร์ 1987 ) พิกเซล
ได้รับมอบหมายเพื่อที่อยู่อาศัยที่เรียนโดยใช้
ความน่าจะเป็นสูงสุดกฎการตัดสินใจ ( มาเธอร์ 1987 ) ผลของการประเมินราคาที่อยู่อาศัย
ใจสายตาและชัดเจน พื้นที่ของพิกเซล MIS งาน
ถูก identi ®เอ็ด ( เช่นพิกเซล classi ®เอ็ดเป็น montastrea spp . ซึ่งตั้งอยู่ในแนวปะการัง
ได้รู้จักแหล่งหญ้าทะเล ) สเปกตรัมของที่อยู่อาศัย
ซึ่งมีกว่า classi ®เอ็ด ( ในตัวอย่างนี้ montastrea ( แนว )
) จากนั้นลงหนัก และมีภาพการ classi ®
มันซ้ำกัน แสงที่อยู่อาศัยทั้งหมดมีน้ำหนักเท่ากับใน®น่ะ
classi ®ไอออนบวก ( P ˆ 1 ) ลงโดยการลดน้ำหนักได้สำเร็จ
ความน่าจะเป็นที่พิกเซลก็จะได้รับมอบหมายให้กา® C สิ่งแวดล้อม
เรียน ( ในตัวอย่างนี้ใหม่ความน่าจะเป็น P สำหรับ montastrea spp .
คือ 0.7 ) ขั้นตอนการแก้ปัญหานี้ซ้ำและ®เน็ดขึ้น

6 ครั้ง เกินกว่าที่ไม่มีการปรับปรุงเพิ่มเติมถูกสังเกตเห็นโดย
การตรวจสอบภาพ .
ความสำเร็จของภาพ การดูแล classi ®ขึ้นอยู่กับ
separability Spectra DI € erent ที่อยู่อาศัยในจินตภาพ
คล้าย Spectra อาจมีความสับสนในการ classi ® CA -
tion และ misclassi ®ไอออนบวกในการแสดงผลภาพแผนที่ ถ้าแหล่งที่มาของการ misclassi
®เป็นที่รู้จักกัน มันเป็นไปได้เพื่อปรับปรุงแผนที่
ความถูกต้องโดยการแก้ไขบริบท ( เจ้าบ่าว et al . 1996 )กระบวนการนี้คือ
บางทีที่ดีที่สุดคิดเป็น ' การใช้สามัญสำนึกของที่อยู่อาศัยแผนที่

' ' กฎบริบทอาจจะใช้กับคู่ของที่อยู่อาศัยซึ่งมีสเปคตรัม
คล้ายกัน แต่อยู่ใน € erent ยัง pre -
dictable ทางกายภาพ สภาพแวดล้อม เช่น แหล่งหญ้าทะเล และ forereef
คอ . พิกเซล ซึ่ง classi ®เอ็ดเช่น Seaward แพทช์ของหญ้าทะเล
ถูก reclassi ®เอ็ดประเภททรัพยากรที่เหมาะสมที่คล้ายกัน reclas -
ศรี®ไอออนบวกพบว่า fringing แนวพิกเซลซึ่งมี
ไม่ถูกต้อง classi ®เอ็ดเป็นซุ้มของชุมชน calci ®เอ็ดโร -
dophytes ด้วยฟองน้ำ ( คลาส F7 ตารางที่ 2 )