In the past, most LULC classificati

In the past, most LULC classifications have been created using
a pixel-based analysis of remotely sensed imagery. They used
either a supervised classification, unsupervised classification or
some combination (Enderle and Weih, 2005). These pixelbased
procedures
analyze
the spectral
properties
of
every
pixel

within
the
area
of
interest,
without
taking
into
account
the

spatial
or
contextual
information
related
to
the
pixel
of
interest.
With
the growing availability
of
higher
resolution
imagery,
this

spatial
information
could
be
used
to
produce
more
accurate

LULC
classifications
(De Jong
et al.,
2001;
Dwivedi
et al.,

2004).

ผลลัพธ์ (ไทย) 1:

ในอดีตที่ผ่านมาการจำแนกประเภท lulc ส่วนใหญ่ได้รับการสร้างขึ้นโดยใช้การวิเคราะห์
พิกเซลตามความฝันรู้สึกจากระยะไกล พวกเขาจะใช้อย่างใดอย่างหนึ่ง
การจำแนกหมวดหมู่ภายใต้การดูแลใกล้ชิดหรือการรวมกัน
(Enderle และ weih, 2005) บางส่วน ขั้นตอนเหล่านี้

pixelbased วิเคราะห์
ข้อมูลที่เกี่ยวข้อง


ไป

พิกเซลที่สนใจ
.

ที่มีการเจริญเติบโต jong
, et al, 2001
...

Dwivedi et al,

2004)

ผลลัพธ์ (ไทย) 2:

ในอดีต จัดประเภท LULC ส่วนใหญ่ได้ใช้
วิเคราะห์ตามพิกเซลของภาพ sensed จากระยะไกล พวกเขาใช้
ใดมีประเภท ประเภท unsupervised หรือ
ชุดบาง (Enderle และ Weih, 2005) Pixelbased เหล่านี้
ตอน
วิเคราะห์
ที่สเปกตรัม
คุณสมบัติ
ของ
ทุก
พิกเซล

ภายใน
การ
ตั้ง
ของ
สนใจ,
โดย
การ
เป็น
บัญชี


ปริภูมิ
หรือ
บริบท
ข้อมูล
ที่เกี่ยวข้อง
การ

พิกเซล
ของ
สนใจได้
กับ
พร้อมเติบโต
ของ
สูง
ความละเอียด
ภาพ,
นี้

ปริภูมิ
ข้อมูล
สามารถ
จะ
ใช้
การ
ผลิต
เพิ่มเติม
ถูกต้อง

LULC
จัดประเภท
(De Jong
et al.,
2001;
Dwivedi
et al.,

2004) ได้

ผลลัพธ์ (ไทย) 3:

ในอดีตการแบ่ง ประเภท lulc มากที่สุดได้รับการสร้างสรรค์ขึ้นด้วยการใช้การวิเคราะห์
พิกเซลของ ภาพ จากระยะไกลได้ทรหด เขาใช้
ทั้งการแบ่ง ประเภท การตรวจสอบที่ไม่มีการตรวจสอบหรือการแบ่ง ประเภท
การผสมผสานบางส่วน( Enderle Group แบ่งปันมุมมองเกี่ยวกับและ weih 2005 )

pixelbased ขั้นตอนวิเคราะห์

ซึ่งจะช่วยให้ความยาวคลื่นคุณสมบัติ

ซึ่งจะช่วยในทุกจุด



เหล่านี้ ภายใน พื้นที่ที่


ของดอกเบี้ย

ไม่มี
การเข้าสู่บัญชี


ซึ่งจะช่วย ให้

ช่องหรือ

ตามมาตรฐานตามบริบทข้อมูลที่เกี่ยวข้องกับ


ซึ่งจะช่วยในการ
ที่พิกเซลของ

ดอกเบี้ย.

ซึ่งจะช่วยให้การเติบโตด้วย availability
of
higher
resolution
imagery,
this

spatial
information
could
be
used
to
produce
more
accurate

LULC
classification ทราเบลซี
et al .,
2001 ;

dwivedi et al .,

2004 )