where l is a correction factor rang

where l is a correction factor ranging from 0 for very high
densities to 1 for very low densities. A value of 0.5 was
used in this study to produce enhanced vegetation image
as the study region has an intermediate vegetation density
(Figure 1b and 1f).
It is noted in this test that SAVI is really more sensitive
than NDVI in detecting vegetation in the low plant-covered
areas due largely to the increased data dynamic ranges of the
images (Table 1). The increased dynamic range is 85 when
the difference is rescaled between 0 and 255 to provide
output as unsigned 8-bit data. The increase in the range can
make the discrimination of vegetation from built-up land or
water easier. For example, the NDVI difference between
vegetation and built-up land in Quanzhou image is 0.61,
whereas the SAVI difference between them is 0.92 (Table 2).
A 0.31 or 50 percent contrast increase would greatly help in
the separation of these two classes.

ผลลัพธ์ (ไทย) 1:

l ตัวแก้ไขตั้งแต่ 0 สำหรับสูงมากความหนาแน่น 1 สำหรับความหนาแน่นต่ำมาก มีค่าเท่ากับ 0.5ใช้ในการศึกษานี้ในการผลิตพืชขั้นสูงภาพเป็นการศึกษา พื้นที่ที่มีความหนาแน่นเป็นพืชกลาง(รูปที่ 1b และ 1f)มันจะตั้งข้อสังเกตในการทดสอบนี้ว่า SAVI จริง ๆ อ่อนไหวกว่า NDVI ในตรวจพืชในพืชครอบคลุมต่ำสุดพื้นที่ช่วงแบบไดนามิกข้อมูลเพิ่มของอิ่มเอมกับการรูปภาพ (ตาราง 1) ช่วงเพิ่มขึ้นเป็น 85 เมื่อความแตกต่างมี rescaled ระหว่าง 0 ถึง 255 ให้แสดงผลเป็นข้อมูล 8 บิตไม่ สามารถเพิ่มขึ้นในช่วงทำการแบ่งแยกของพืชจากเนื้อที่ที่ดิน หรือน้ำง่ายขึ้น ตัวอย่าง NDVI แตกต่างกันพืชพรรณและที่ดินเนื้อที่ในรูปฉวนโจวเป็น 0.61SAVI ความแตกต่างระหว่างพวกเขาเป็น 0.92 (ตาราง 2)เพิ่มความคมชัดร้อยละ 50 หรือ$ 0.31 จะมากช่วยในการแบ่งแยกชนชั้นเหล่านี้สอง

ผลลัพธ์ (ไทย) 2:

ที่ลิตรเป็นปัจจัยการแก้ไขตั้งแต่ 0
สูงมากสำหรับความหนาแน่น1 สำหรับความหนาแน่นต่ำมาก มูลค่า 0.5 เป็นนำมาใช้ในการศึกษาครั้งนี้ในการผลิตภาพพืชที่เพิ่มขึ้นเป็นพื้นที่การศึกษามีความหนาแน่นของพืชกลาง(รูปที่ 1b และ 1f). มันเป็นข้อสังเกตในการทดสอบที่ SAVI เป็นจริงความสำคัญมากขึ้นกว่าNDVI ในการตรวจสอบพืชในที่ต่ำ ปกคลุมไปด้วยพืชพื้นที่ส่วนใหญ่จะเกิดจากข้อมูลที่เพิ่มขึ้นช่วงแบบไดนามิกของภาพ(ตารางที่ 1) ช่วงไดนามิกเพิ่มขึ้นอยู่ที่ 85 เมื่อความแตกต่างที่มีการปรับมาตราส่วนระหว่าง0 และ 255 เพื่อให้การส่งออกเป็น 8 บิตข้อมูลที่ไม่ได้ลงชื่อ เพิ่มขึ้นในช่วงที่สามารถทำให้การเลือกปฏิบัติของพืชจากดินแดนที่สร้างขึ้นหรือน้ำได้ง่ายขึ้น ตัวอย่างเช่นความแตกต่างระหว่าง NDVI พืชและที่ดินที่สร้างขึ้นในภาพ Quanzhou เป็น 0.61 ในขณะที่ความแตกต่างระหว่างพวกเขา SAVI เป็น 0.92 (ตารางที่ 2). เพิ่มขึ้นร้อยละ 0.31 ความคมชัดหรือ 50 อย่างมากจะช่วยในการแยกของทั้งสองเรียน

ผลลัพธ์ (ไทย) 3:

ที่ผมมีการแก้ไขปัจจัยตั้งแต่ 0
) สูงมากถึง 1 สำหรับความหนาแน่นต่ำมาก ค่า 0.5 คือ
ที่ใช้ในการศึกษาครั้งนี้ เพื่อผลิตพืชเพิ่มภาพ
การศึกษาพื้นที่มีความหนาแน่นปานกลางพืช
( 1B รูป และชั้น 1 ) .
มันเป็นข้อสังเกตในการทดสอบนี้ว่า ซาวี่ มันอ่อนไหวมากในการเปลี่ยนแปลงด้านพืชพรรณ
กว่าพืชในพืชปกคลุม
น้อยพื้นที่โดยเฉพาะการเพิ่มขึ้นของข้อมูลแบบไดนามิกช่วง
ภาพ ( ตารางที่ 1 ) เพิ่ม Dynamic Range คือ 85 เมื่อ
ความแตกต่างคือ rescaled ระหว่าง 0 และ 255 ให้
ผลผลิตเป็นข้อมูล 8 บิตไม่ได้ระบุชื่อ เพิ่มขึ้นในช่วงที่สามารถทำให้การเลือกปฏิบัติของพืช

น้ำจากที่ดินขึ้นหรือง่ายขึ้น ตัวอย่างเช่น การเปลี่ยนแปลงด้านพืชพรรณ
ความแตกต่างระหว่างพืชและการใช้ประโยชน์ใน Quanzhou รูปเป็น 0.61
ส่วนซาวี ความแตกต่างระหว่างพวกเขามีดังนี้ ( ตารางที่ 2 ) : 0.31 หรือร้อยละ 50 เพิ่มความคมชัดอย่างมากจะช่วยใน
แยกของทั้งสองชั้น