3.2. Land use/cover detection and a

3.2. Land use/cover detection and analysis
To work out the land use/cover classification, supervised
classification method with maximum likelihood algorithm
was applied in the ERDAS Imagine 9.3 Software.
Maximum likelihood algorithm (MLC) is one of the most
popular supervised classification methods used with remote
sensing image data. This method is based on the probability
that a pixel belongs to a particular class. The basic theory
assumes that these probabilities are equal for all classes and
that the input bands have normal distributions. However, this
method needs long time of computation, relies heavily on a
normal distribution of the data in each input band and tends
to over-classify signatures with relatively large values in the
covariance matrix. The spectral distance method calculates
the spectral distance between the measurement vector for
the candidate pixel and the mean vector for each signature
and the equation for classifying by spectral distance is based
on the equation for Euclidean distance. It requires the least
computational time among other supervised methods,
however, the pixels that should not be unclassified become
classified, and it does not consider class variability. Ground
verification was done for doubtful areas. Based on the
ground truthing, the misclassified areas were corrected using
recode option in ERDAS Imagine. The error matrix and
Kappa Khat methods were used to assess the mapping
accuracy. Five land use/cover types are identified in the study
area viz., (i) vegetation (ii) agricultural land (iii) barren land
(iv) built-up land (v) water body.

ผลลัพธ์ (ไทย) 1:

3.2 ที่ดินใช้/ครอบคลุมการตรวจสอบและวิเคราะห์การใช้/ปกประเภทที่ดิน ดูแลวิธีการจัดประเภทกับอัลกอริทึมโอกาสสูงสุดถูกนำไปใช้ในซอฟต์แวร์ 9.3 จินตนาการ ERDASโอกาสสูงสุดอัลกอริทึม (MLC) เป็นหนึ่งในสุดประเภทยอดนิยมดูแลวิธีใช้รีโมทจับข้อมูลภาพ วิธีนี้เป็นไปตามความน่าเป็นว่า พิกเซลเป็นแบบเฉพาะ ทฤษฎีพื้นฐานอนุมานว่า เหล่านี้น่าจะไม่เท่ากันสำหรับทุกชั้นโดยสาร และว่า วงการป้อนข้อมูลมีการกระจายปกติ อย่างไรก็ตาม นี้วิธีต้องการเวลานานการคำนวณ อาศัยหนักในการการแจกแจงปกติของข้อมูลในแต่ละวงการป้อนข้อมูล และมีแนวโน้มเพื่อจัดประเภทมากกว่าลายเซ็น มีค่าค่อนข้างมากในการเมทริกซ์การแปรปรวน ระยะทางสเปกตรัมวิธีคำนวณระยะการวัดเวกเตอร์สำหรับสเปกตรัมพิกเซลผู้สมัครและเวกเตอร์หมายถึงลายเซ็นแต่ละและเป็นไปตามสมการสำหรับการจัดประเภทตามระยะทางสเปกตรัมในสมการของระยะทางแบบยุคลิด มันต้องอย่างน้อยครั้งหนึ่งในวิธีการดูแลอื่น ๆอย่างไรก็ตาม พิกเซลที่ไม่ควรไม่ได้แยกประเภทเป็นจัด และไม่ได้พิจารณาว่าความแปรปรวนของชั้น พื้นดินทำการตรวจสอบสำหรับหนี้สงสัยสูญ คะแนนจากการพื้นดิน truthing พื้นที่งานถูกแก้ไขโดยใช้recode ในจินตนาการ ERDAS เมตริกซ์ข้อผิดพลาด และแคปปาขาวสะอาดวิธีใช้ในการประเมินการแม็ปความถูกต้อง มีระบุชนิดใช้/ฝาครอบที่ดินห้าในการศึกษาพื้นที่ viz., (i) พืช (ii) เกษตร (iii) ที่ดินแห้งแล้ง(iv) ร่างกายน้ำที่ดินพื้นที่ใช้สอย (v)

ผลลัพธ์ (ไทย) 2:

3.2 การใช้ที่ดิน / การตรวจสอบฝาครอบและการวิเคราะห์
การทำงานจากการจัดหมวดหมู่การใช้ที่ดิน / ปกดูแล
วิธีการจัดหมวดหมู่ด้วยวิธีโอกาสสูงสุด
ถูกนำมาใช้ใน ERDAS Imagine 9.3 ซอฟแวร์.
อัลกอริทึมโอกาสสูงสุด (แอลซี) เป็นหนึ่งในที่สุด
ที่นิยมวิธีการจำแนกภายใต้การดูแลใช้กับ ระยะไกล
ข้อมูลภาพตรวจจับ วิธีการนี้จะขึ้นอยู่กับความน่าจะเป็น
ที่พิกเซลเป็นชั้นโดยเฉพาะอย่างยิ่ง ทฤษฎีพื้นฐาน
สันนิษฐานว่าน่าจะเป็นเหล่านี้มีค่าเท่ากันสำหรับทุกชั้นและ
ที่วงดนตรีที่มีการป้อนข้อมูลมีการแจกแจงปกติ แต่นี้
วิธีการต้องใช้เวลายาวนานในการคำนวณอาศัยอย่างหนักใน
การกระจายปกติของข้อมูลในแต่ละวงอินพุทและมีแนวโน้ม
ที่จะมากกว่าประเภทลายเซ็นที่มีค่าค่อนข้างใหญ่ใน
เมทริกซ์ความแปรปรวน วิธีการระยะทางสเปกตรัมคำนวณ
ระยะทางรางระหว่างเวกเตอร์วัด
พิกเซลผู้สมัครและเวกเตอร์เฉลี่ยสำหรับแต่ละลายเซ็น
และสมการสำหรับการจำแนกตามระยะทางสเปกตรัมจะขึ้นอยู่
ในสมการสำหรับระยะทางยุคลิด มันต้องมีอย่างน้อย
เวลาในวิธีการคำนวณภายใต้การดูแลอื่น ๆ
แต่พิกเซลที่ไม่ควรรับการจำแนกประเภทกลายเป็น
จัดและมันก็ไม่ได้พิจารณาความแปรปรวนของระดับ พื้นดิน
ตรวจสอบได้ทำสำหรับพื้นที่หนี้สงสัยจะสูญ ขึ้นอยู่กับ
truthing พื้นดินพื้นที่แบ่งมีการแก้ไขโดยใช้
ตัวเลือกใน Recode ERDAS Imagine เมทริกซ์ความผิดพลาดและ
วิธีการแคปป้าคาดถูกนำมาใช้ในการประเมินการทำแผนที่
ความถูกต้อง ห้าการใช้ที่ดิน / ประเภทปกจะมีการระบุในการศึกษา
ได้แก่ พื้นที่. (ฉัน) พืช (ii) ที่ดินเพื่อเกษตรกรรม (iii) ดินแดนที่แห้งแล้ง
(iv) ที่ดินที่สร้างขึ้น (V) ร่างกายของน้ำ

ผลลัพธ์ (ไทย) 3:

3.2 . การวิเคราะห์การใช้ที่ดิน / ปกและในการทำงานจากการใช้ที่ดิน / ครอบคลุมการดูแลการจำแนกด้วยวิธีความควรจะเป็นสูงสุดขั้นตอนวิธีในการประยุกต์ erdas จินตนาการ 9.3 ซอฟต์แวร์วิธี Maximum Likelihood ( MLC ) เป็นหนึ่งใน ที่สุดการใช้วิธีการที่นิยมการจากระยะไกลข้อมูลภาพจาก . วิธีการนี้จะขึ้นอยู่กับความน่าจะเป็นที่พิกเซลเป็นของชั้นโดยเฉพาะ ทฤษฎีพื้นฐานสันนิษฐานว่า น่าจะเป็นเหล่านี้จะเท่ากันทุกชั้น และที่เข้าวง มีการแจกแจงปกติ อย่างไรก็ตามวิธีต้องการเวลานานคณนาอาศัยอย่างมากในการแจกแจงแบบปกติของข้อมูลในแต่ละกลุ่ม และมีแนวโน้มนำเข้าไปจัดลายเซ็นที่มีค่าค่อนข้างมากในความแปรปรวนเมทริกซ์ วิธีการคำนวณระยะทางสเปกตรัมระยะห่างระหว่างการวัดเวกเตอร์สำหรับผู้สมัครแต่ละพิกเซลและเวกเตอร์หมายถึงลายเซ็นและสมการจำแนกประเภทโดยระยะทางจากสเปกตรัมในสมการระยะทางแบบยุคลิด . มันต้องมีอย่างน้อยเวลาการคำนวณในหมู่อื่น ๆ มีวิธีการอย่างไรก็ตาม พิกเซลที่ไม่ควรแยกประเภทเป็นจัด และไม่พิจารณาระดับความแปรปรวน พื้นดินการตรวจสอบถูกทำสำหรับพื้นที่ที่น่าสงสัย ขึ้นอยู่กับระบบนิเวศปะการัง , misclassified พื้นที่การแก้ไขโดยใช้ตัวเลือกในข้อ erdas จินตนาการ ข้อผิดพลาดและเมทริกซ์วิธีการขาดกัปปะถูกใช้เพื่อประเมินการทำแผนที่ความถูกต้อง 5 การใช้ที่ดิน / ฝาชนิดที่ระบุไว้ในการศึกษาได้แก่ พื้นที่ , ( ผม ) พืช ( 2 ) เกษตร ( 3 ) ที่ดินที่แห้งแล้ง( 4 ) การใช้ที่ดิน ( V ) แหล่งน้ำ