บทท 1 บทน ำ

1.1 ทมำและควำมส ำคญ

ยางพารา เปนพชเศรษฐกจทส าคญท ารายไดใหกบประเทศไทย ปจจบนไทยเปนผน าการผลตและสงออกยางธรรมชาตมากทสดของโลก (สถาบนวจยยาง กรมวชาการเกษตร,2553) เนองดวยความตองการของตลาดโลกทเพมมากขน ท าใหรฐบาลมนโยบายสงเสรมและสนบสนนใหมการปลกยางพาราเพมมากขนเพอยกระดบรายไดและความมนคงใหแกเกษตรกร ซงป พ.ศ. 2546 คณะรฐมนตรไดมมตอนมตใหกระทรวงเกษตรและสหกรณด าเนนโครงการปลกยางพาราเพอยกระดบรายไดและความมนคงใหแกเกษตรกรในแหลงปลกยางใหมระยะท 1 เนอท 1,000,000 ไร ท าใหภาคเหนอมพนทปลกยางพาราเพมมากขนโดยมพนททสามารถกรดยางได 14,841ไร (กระทรวงเกษตรและสหกรณ, 2553)

ยางพาราเปนพชทางเลอกใหมส าหรบเกษตรกร เนองจากมราคาดและใหผลตอบแทนดกวาพชชนดอนทปลกอย ดงนนเกษตรกรจงหนมาปลกยางพาราเพมมากขน ผลผลตจากโครงการยางพารา 1 ลานไร ไดรบการตอบรบจากเกษตรกรในภาคเหนอเปนอยางด พนทปลกยางพาราในภาคเหนอสวนใหญเปนยางออนทมอายยางนอยกวา 5 ป และยางพาราอาย 5 ปขนไป ซงเรมใหผลผลตแลวในขณะน เหนไดวายางพาราเปนพชทรฐบาลพยายามผลกดนใหมการปลกอยางตอเนอง

ในอดตการประเมนพนทปลกพชเศรษฐกจนนคอนขางยงยาก เนองจากขอจ ากดในการไดมาของขอมล ซงในปจจบนการน าภาพถายดาวเทยมมาวเคราะหพนทปลกโดยการตความหมายจากภาพถายดาวเทยมเปนวธการทนยม และมประโยชน เนองจากขอมลภาพถายจากดาวเทยมจะใหรายละเอยดสภาพพนทศกษาไดชดเจน และสามารถบนทกขอมลไดบรเวณกวาง รวมถงพนททยากตอการเขาถง นอกจากนยงสามารถบนทกภาพซ าในพนทเดมทตองการได

จากความกาวหนาทางเทคโนโลยอวกาศและภมสารสนเทศ ซงเขามามบทบาทส าคญในการพฒนาประเทศ สงผลใหมการน าขอมลจากดาวเทยมส ารวจทรพยากรมาประยกตใชในการสนบสนนกจกรรมตางๆ ของภาครฐมากขน เชน การวางแผนการจดการทรพยากรธรรมชาตและการใชทดน การส ารวจพชเศรษฐกจ ตลอดจนการวางแผนดานความมนคงของประเทศ ซงรฐบาลไทยไดตระหนกถงความส าคญของการมดาวเทยมส ารวจทรพยากรธรรมชาตเปนของตนเอง จงไดเกดโครงการสงดาวเทยมส ารวจทรพยากรธรรมชาตทชอวา “ไทยโชต” มชอภาษาองกฤษวา

2 “Thaichote” มความหมายวาดาวเทยมทท าใหประเทศไทยรงเรอง ดาวเทยมไทยโชตเปนชอพระราชทานจากพระบาทสมเดจพระเจาอยหว เดมดาวเทยมนมชอวา“ธออส” (THEOS:Thailand Earth Observation System) ซงนบเปนดาวเทยมส ารวจทรพยากรดวงแรกของประเทศไทย ซงมส านกงานพฒนาเทคโนโลยอวกาศและภมสารสนเทศ (องคการมหาชน) เปนหนวยงานกลางของประเทศไทยในการประสานงานรวมกบ บรษท EADS ASTRIUM ของประเทศฝรงเศส

ดาวเทยมไดถกสงขนสวงโคจรในพ.ศ.2550 รฐบาลไทยไดเลงเหนประโยชนของขอมลดาวเทยม ท าใหเกดโครงการในการสงและรบสญญาณขอมลดาวเทยมเปนของตนเอง ประกอบกบคณสมบตทโดดเดนของดาวเทยมไทยโชต จงมความส าคญในการพฒนาเทคโนโลยและการน าขอมลดาวเทยมไทยโชตไปใชประโยชนในงานตางๆ

ในดานการเกษตรกรรมนนสามารถน าเอาคณสมบตดานรายละเอยดจดภาพของขอมลดาวเทยมไทยโชต มาประยกตใชในการศกษาจ าแนกพนทเกษตรกรรมประเภทตางๆ และยงสามารถน ามาใชในการตดตามความเปลยนแปลงทางพนทของการเกษตรกรรมประเภทนนๆ ไดอกทางหนง ซงอาจชวยใหการประเมนผลผลตทางการเกษตรในเบองตนมความสะดวกและรวดเรวมากขน ส าหรบภาคการเกษตรของพนทในเขตภาคเหนอ พบวายางพาราไดรบความนยมมากขนเรอยๆ มการขยายพนทปลกอยางตอเนอง รวมถงมการบกรกพนทสงวนตางๆ ของทางราชการเพอปลกยางพารา

การวเคราะหขอมลจากภาพดาวเทยม มกจะพบปญหาวตถหลายชนดทปะปนกนภายในจดภาพ (Mixed-pixel) ได และการปลกยางพาราแบบกระจดกระจายอยท วไป ท าใหการแปลภาพดาวเทยมดวยเครองคอมพวเตอรแบบก ากบดแล (Supervised Classification) นนยากทจะไดผลลพธทถกตองเพราะพนทปลกยางพาราอาจถกกลนเขากบพนทปาและสวนผลไมอนๆ ทมขอบเขตกวางกวาไดดงนนงานวจยนจงมงเนนทจะศกษาเทคโนโลยทน ามาแกปญหาดงทกลาวขางตน ซงเรยกเทคนคนวาเทคนคการจ าแนกประเภทขอมลแบบละเอยดกวาจดภาพ (Subpixel Classificaion) เทคนคนมการค านวณอตราสวนของวตถแตละชนดทผสมอยในจดภาพเดยวและแสดงผลอยในรปของอตราสวนรอยละ สามารถแกปญหาวตถหลายชนดทปะปนกนภายในจดภาพ โดยการก าหนดคณลกษณะเฉพาะของวตถทสนใจกอน จากการศกษาเกยวกบการจ าแนกประเภทขอมลพช นกวเคราะหดานการส ารวจระยะไกล มกพบปญหาในเรอง Mixed-pixel อกทงเทคนคนสามารถแยกแยะความแตกตางระหวางวตถทมความคลายคลงในดานของคาสะทอน ตวอยางเชน การจ าแนกพนธกรรมของพช หรอการจ าแนกประเภทของแหลงน า เปนตน ดงนนเทคนคการจ าแนกประเภทขอมลแบบละเอยดกวาจดภาพ อาจเปนวธการหนงซงเปนประโยชนกบหนวยงานเพอการวางแผน หรอวางมาตรการตางๆในการจดการพนทเพาะปลกตอไป

3 1.2 วตถประสงคกำรศกษำ

1.2.1 เพอวเคราะหพนทปลกยางพาราจากขอมลภาพถายดาวเทยมไทยโชต ดวยเทคนคการจ าแนกขอมลแบบละเอยดกวาจดภาพ 1.2.2 เพอเปรยบเทยบความถกตองของการจ าแนกขอมลดวยเทคนคการจ าแนกขอมลแบบละเอยดกวาจดภาพกบวธจ าแนกขอมลแบบความนาจะเปนไปไดสงสด 1.3 ขอบเขตกำรศกษำ

1.3.1 ขอบเขตดานพนทศกษา พนทศกษาอยในเขตของอ าเภอภซาง จงหวดพะเยา ซงเปนพนทปลกยางพาราด งเดม

ปจจบนจงหวดพะเยามพนทปลกยางพาราทก าลงใหผลผลตมากทสดในภาคเหนอ(กระทรวงเกษตรและสหกรณ,2553) อ าเภอภซาง จงหวดพะเยา เรมปลกยางพาราอยางตอเนองนบจากป พ.ศ. 2532 จนถงปจจบน มพนทปลกทมชวงอายทหลากหลาย ลกษณะของพนทมภมสณฐานหลากหลาย เชนพนทภเขา เชงเขาและทราบ มปรมาณน าฝนสงกวา 1400 มม. ตอป

1.3.2 ขอบเขตดานเนอหา/ประเดนหลกในการศกษา

ในการศกษาครงนศกษาโดยการวเคราะหวธการจ าแนกแบบละเอยดกวาจดภาพและประเมนผลความถกตองเปรยบเทยบกบวธจ าแนกแบบก ากบดแลโดยใชความเปนไปไดสงสด(Maximum Likelhood Classification)วามความแตกตางกนมากนอยโดยวเคราะหวธการจ าแนกภาพแบบละเอยดกวาจดภาพดวยซอฟตแวรเชงพาณชย

เทคนคการวเคราะหวธการจ าแนกแบบละเอยดกวาจดภาพกลาวไดวาดวยเทคนคนสามารถทจะจ าแนกหรอบงชวตถตางๆทปรากฏอยภายในจดภาพแตละจดภาพได อกทงค านวณอตราสวนของวตถแตละชนดทผสมอยในจดภาพเดยวและแสดงผลอยในรปของอตราสวนรอยละ สามารถแกปญหา Mixed-pixelโดยการก าหนดคณลกษณะเฉพาะของวตถทสนใจกอน จากการศกษาเกยวกบการจ าแนกประเภทขอมลพช นกวเคราะหดานการส ารวจระยะไกล มกพบปญหาในเรอง Mixed-pixel เชน มจดภาพทจ าแนกเปน ตนสน70 % และเปน Tupelo 30 % ซงจดภาพนนจะถกจ าแนกเปน Mixed Cypress-tupelo เพราะไมสามารถแยกแยะสวนประกอบทสนใจในแตละจดภาพ โดยใชวธการจ าแนกแบบก ากบดแลได เพราะการจ าแนกดวยวธดงกลาวเหมาะกบการจ าแนกชนดของพชทมเอกลกษณ และพนทขนาดใหญ (Robert L.Huguenin, Mark A. Karaska,Donald Van Blaricam, and John R.Jensen ,1997) อกทงเทคนคนสามารถแยกแยะความแตกตางระหวางวตถทม

4 ความคลายคลงในดานของคาสะทอน ตวอยางเชน การจ าแนกพนธกรรมของพช หรอการจ าแนกประเภทของแหลงน า เปนตน

รป 1.1 พนทศกษำ

5 1.4 นยำมศพท

Subpixel Classification วธการจ าแนกขอมลแบบละเอยดกวาจดภาพ Maximum Likelihood Classification การจ าแนกประเภทแบบความนาจะเปนไปไดสงสด Mixed-pixel คาสะทอนทเกดจากการผสมกนของวตถหลายๆชนด Training Area พนทตวอยางทใชในการจ าแนกประเภทขอมลแบบก ากบดแล Ground Control Point จดควบคมพกดภาคพนดน Environmental Correction การปรบแกความคลาดเคลอนทเกดจากปจจยในชน

บรรยากาศ Atmospheric Correction การปรบแกความคลาดเคลอนทเกดจากปจจยในชน

บรรยากาศ Sun Factor คอปจจยทเกดจากคาสะทอนของแสงอาทตย MOI ยอมาจากค าวา Material Of Interest การจ าแนกวตถทสนใจ AOI ยอมาจากค าวา Area of Interest มความหมายวา เปนพนทท

สนใจศกษา ตองการเกบขอมล

1.5 แนวควำมคดเกยวกบกำรวเครำะหภำพจำกดำวเทยมส ำรวจทรพยำกร การวเคราะหภาพจากดาวเทยมส ารวจทรพยากรสามารถแบงได 2 วธ คอ การแปลดวย

สายตาและการวเคราะหภาพดวยเครองคอมพวเตอร ความส าเรจและความถกตองของการวเคราะหภาพดาวเทยมดวยสายตานนขนอยกบคณสมบตเฉพาะตวของผวเคราะหเองวามประสบการณและความช านาญในการเรยนรลกษณะพนทศกษา รปแบบ ลกษณะ สของวตถทปรากฏบนภาพ ส าหรบการวเคราะหภาพดวยเครองคอมพวเตอรนน ตองอาศยความรความเขาใจเฉพาะดานและการใชเครองมอเฉพาะชวยการแปลภาพเพอจ าแนกวตถไดดและถกตอง ขนอยกบองคประกอบตางๆ ดงกลาวขางตนอยางใดอยางหนงหรอหลายอยางพรอมกนไปตามความยากงาย ซงอาจไมแนนอนเสมอไป แตการแปลภาพดวยสายตานนคอนขางใชเวลานานกวาจะแสดงออกมาเปนผลลพธทงภาพ เนองจากมนษยมขดจ ากดในการท างาน ดงนนจงเกดมการจ าแนกประเภทขอมลจากดาวเทยมดวยเครองคอมพวเตอรเกดขน เพอทดแทนการแปลของมนษย

1.5.1 การวเคราะหภาพจากดาวเทยมดวยเครองคอมพวเตอร ขอมลภาพจากดาวเทยมเปนขอมลเชงตวเลข (Digital Image Data) ถกจดเกบใน

รปของเทป หรอ ซด สามารถน าไปวเคราะหและประมวลผลดวยเครองคอมพวเตอรได ภาพจากดาวเทยมในแตละแบนดประกอบดวยจดภาพ (Pixel) ขนาดเทาๆ กน เรยงตวเปน

6

แถวเปนแนว ขนาดของจดภาพจะแตกตางกนตามความละเอยดของภาพ การวเคราะหภาพดวยเครองคอมพวเตอรมหลกคลายการวเคราะหดวยสายตา คอ มการตรวจด (Detection) การบอกลกษณะหรอชนด(Identification) การวด (Measurement) และการแกปญหา (Problem Solving) หรออาจเรยกวาStatistical Pattern Recognition ขนตอนการวเคราะหภาพดวยคอมพวเตอร สรปไดดงน

1.5.1.1 การเตรยมขอมลเบองตน (Pre-processing) เปนขบวนการสรางภาพกลบคนหรอปรบปรงขอมล ทมขอบกพรองในคณสมบตตางๆใหมความถกตองตรงตามความเปนจรงและใหมความละเอยดชดเจนตามเปาหมายเพอเตรยมพรอมในการวเคราะหตอไปซงประกอบดวย

1.5.1.2 การแกระดบความเขมสเทา (Radiometric Correction) คอ การปรบแกระดบสเทาอาจผดพลาดจากอปกรณบนทกภาพ หรอจากมมแสงอาทตย (Sun Angle) หรอจากการแผกระจายพลงแมเหลกไฟฟาผานชนบรรยากาศท าใหไดขอมลครบถวนสมบรณ และเปนการปรบคาขอมลบรเวณเดยวกน แตบนทกในตางวนตางฤด ใหเปนมาตรฐานเดยวกน

1.5.1.3 การแกไขความผดพลาดเชงเรขาคณต (Geometric Correction) คอการบดเบอนของต าแหนงในภาพ เนองจากความผดพลาดของการโคจรและระบบการบนทกภาพของดาวเทยม โดยอาศยจดโยงยดขอมลจะไดรบการแกไขใหอยในต าแหนงทถกตองและสอดคลองกบต าแหนงบนผวโลกตามระบบ UTM ของแผนท

1.5.1.4 การเนนคณภาพขอมล (Image Enhancement) คอ การปรบปรงคาระดบความเขมสเทาของขอมล โดยการเลอกวธเนนคณภาพใหเหมาะสมกบวตถประสงค เพอใหไดขอมลใหมตามทตองการศกษา ท าใหการวเคราะหถกตองยงขน โดยทวไปนยมใชวธยดความเขมสเทาเดมทอยในชวงแคบๆใหกระจายกวางขนโดยเชงคณตศาสตร ซงท าไดหลายวธ คอ

1. Linear Contrast Stretch เปนการขยายพสย (Range) ของความเขมสเทาเดมใหมคามากยงขน ตามสมการเสนตรง

2. Histogram Equalization เปน Non-linear Contrast Stretch โดยการกระจายคาความเขมสเทาใหเปนการกกระจายแบบปกต คอใหจ านวนจดภาพในแตละคาความเขมมจ านวนใกลเคยงกน

7

1.5.2 การประมวลผลขอมล (Processing) เปนขนตอนการจ าแนกประเภทขอมล (Classification) จากภาพดาวเทยม

โดยทวไปแยกไดเปน 2 ลกษณะ คอ 1.5.2.1 Unsupervised Classification การจ าแนกประเภทขอมลโดยอาศย

คาสถตของการสะทอนแสงชวงคลนแสงของวตถตางๆ โดยไมใชขอมลภาคพนดนมาชวยในการจ าแนกเรยกวา Clustering สามารถก าหนดจ านวนกลมประเภทขอมล การจ าแนกวธนมกใชกบพนททไมคนเคย และเปนขนตอนแรกในการจ าแนกประเภทขอมล กอนทจะด าเนนงานจ าแนกแบบท 2ตอไป

1.5.2.2 Supervised Classification การจ าแนกประเภทขอมลโดยอาศยพนทตวอยาง (Training Area) ของขอมลภาคพนดนเปนตวแทนของลกษณะตางๆ ทปรากฏในภาพจากดาวเทยมเพอค านวณคาสถต เชน คาเฉลย (Mean) คาเบยงเบนมาตรฐาน (Standard Deviation) คา Covariance Matrix ของแตละประเภทขอมล คาสถตดงกลาวเปนตวแทนส าหรบการจ าแนกประเภทขอมลของพนททงหมด วธการจ าแนกประเภทขอมลดวยคอมพวเตอรทนยมใช คอ

• Minimum Distance to Means Classifier คอ การจ าแนกประเภทขอมล โดยพจารณาคาสะทอนชวงคลนของแตละจดภาพวามความหางนอยทสดจากคาจดศนยกลาง (Mean) ของประเภทขอมล

• Parallelepiped Classifier คอ การจ าแนกประเภทขอมลโดยก าหนดชวงผนแปร (Variance) ของประเภทขอมลจากคาสะทอนชวงคลนต าสดและสงสดภายในพนทขอมลตวอยางแตละแบนด

• Maximum Likelihood Classification คอ การจ าแนกประเภทขอมลโดยพจารณาคา Mean Vector และ Covariance Matrix ของขอมลแตละประเภท โดยต งสมมตฐานวา แตละประเภทขอมลมการกระจายแบบปกต (Normal Distribution) แลวค านวณคาความนาจะเปน (Probability) ของแตละจดภาพ วาถกจ าแนกในประเภทขอมลใด โดยทวไปแลว วธนใหความถกตองมากทสดและใชตองเวลาค านวณมาก

การจ าแนกขอมลดาวเทยมดวยเครองคอมพวเตอรในปจจบนเปนทนยมมาก เนองจากสามารถใชกบการจ าแนกขอมลในพนทขนาดใหญ ใชเวลาในการท างานส นกวาและสามารถจ าแนกประเภทขอมลไดมากกวาในระยะเวลาส นกวาการแปลความดวยสายตา ปจจบนขอมลดาวเทยมทใชในการจ าแนกประเภทโดยทวไป เปนขอมลดาวเทยมทมความละเอยดจดภาพขนาด

8 ปานกลาง เชน ดาวเทยมแลนดแซต เปนตน เนองจากสามารถจดหาขอมลคอนขางงาย มหนวยงานใชกนอยางแพรหลาย และราคาไมแพง แตเนองจากความละเอยดจดภาพประมาณ 30 เมตรจงท าใหไมสามารถแปลความไดตามตองการ อยางไรกด การใชขอมลประเภทนกเปนทางเลอกหนงทยงมการใชอยในปจจบน

ส าหรบทางเลอกใหมในการใชขอมลดาวเทยมเพอการจ าแนกหรอการแปลความแลว ยงมขอมลดาวเทยมอกประเภททเรยกวา ดาวเทยมรายละเอยดสง (High Resolution Satellite Imagery) ทมความละเอยดจดภาพทดมาก สามารถมองเหนและแปลความขอมลไดชดเจน และถกตองกวาขอมลดาวเทยมประเภทแรก ความละเอยดจดภาพประมาณ 1 เมตร กลาวไดวาสามารถเหนขอมลเทยบเทากบภาพถายทางอากาศทเดยว แตเนองจากดาวเทยมรายละเอยดสงนยงไมคอยชดเจนในดานองคประกอบภายในของตวขอมล รวมทงมราคาคอนขางสง จงท าใหปจจบนยงไมมการใชขอมลกนอยางแพรหลายเทาทควรดงนนหากงานทางดานการจ าแนกขอมลดวยเครองคอมพวเตอรยงด าเนนตอไปและผด าเนนการยงจ าเปนตองเลอกขอมลดาวเทยมทมรายละเอยดปานกลางซง สามารถสงซอครอบคลมพนทขนาดใหญได รวมกบกระบวนการจ าแนกประเภทขอมลแบบดงเดม ทผวเคราะหตองมความรในการแปลความหมายของคาสะทอนทแสดงออกมาในรปแบบของโทนสทน ามาผสมกนทง 3 ชวงคลน

อยางไรกตามปจจบนมการพฒนาซอฟตแวรทางดานการส ารวจระยะไกลสามารถแปลและวเคราะหขอมลดาวเทยมอยางมประสทธภาพมากขน แตประเดนส าคญยงขนอยกบทกษะและ ประสบการณของผด าเนนการแปล ซงผลลพธของการจ าแนกประเภทขอมลระหวางแบบก ากบดแล และไมก ากบดแลอาจจะคอนขางใกลเคยงกน ทงนขนอยกบปจจยหลายประการเชน การหาขอบเขตพนทตวอยางไมดพอ หรอขาดการตรวจสอบขอมลทดพอ เปนตนดวยสาเหตนปจจบนจงมแนวทางและกระบวนการจ าแนกประเภทขอมลดาวเทยมเพมขนเพอเปนเครองมอในการจ าแนกขอมลไดสะดวกและมประสทธภาพสงขน เชน การจ าแนกดวยเทคนคทเรยกวา Subpixel Classification หรอการจ าแนกแบบระดบละเอยดกวาจดภาพขน และดวยเทคนคนสามารถทจะจ าแนกหรอบงชวตถตางๆทปรากฏอยภายในจดภาพแตละจดภาพไดอกทงค านวณอตราสวนของวตถทสนใจทอยภายในจดภาพเดยว และแสดงผลอยในรปของอตราสวนรอยละ สามารถแกปญหาวตถหลายชนดทปะปนกนภายในจดภาพ (Mixed-pixel) ไดอกดวย

1.5.3 การจ าแนกประเภทขอมล (Classification) โดยทวไปจะแยกเปน 2 วธคอ

1.5.3.1 การจ าแนกขอมลแบบไมก ากบดแล (Unsupervised Classification) คอการจ าแนกโดยอาศยคาสถตของการสะทอนแสงของวตถตางๆ

9

โดยไมใชขอมลภาคพนดนมาชวยสามารถก าหนดกลมประเภทขอมล การจ าแนกประเภทนมกใชกบพนททไมคนเคย หรอเปนขนตอนแรกในการจ าแนกประเภทขอมล

1.5.3.2 การจ าแนกขอมลแบบก ากบดแล (Supervised Classification) คอ การจ าแนกโดยอาศยพนทตวอยาง (Training Area) ของขอมลภาคพนดน ทปรากฏในภาพจากดาวเทยมเพอค านวณคาทางสถต เชน คาเฉลย (Mean) คาเบยงเบนมาตรฐาน (Standard Deviation)ของขอมล เปนตน คาสถตดงกลาวจะเปนตวแทนส าหรบการจ าแนกประเภทใหกบพนททงหมดซงเทคนควธทใชในการจ าแนกขอมลแตละแบบมขดจ ากดในการจ าแนกดงน

1. ตองท าการส ารวจภาคพนดน โดยมพนทตวอยางเพยงพอ เพอจะไดขอมลเพยงพอทจะประมาณคาเฉลย และเมทรกซความแปรปรวน

2. หากตองการจ าแนกขอมลทมคณลกษณะการสะทอนทใกลเคยงกน โดยมากจะพบปญหาการจ าแนกคาสะทอนนนไมสามารถจ าแนกวตถทมขนาดเลกกวาความละเอยดของจดภาพได

1.5.3.3 การจ าแนกประเภทขอมลแบบละเอยดกวาจดภาพ เนองจากภาพดาวเทยมไทยโชตมขดจ ากดในแงของความละเอยดจดภาพ (Resolution) ปานกลาง ท าใหการจ าแนกประเภทขอมลมความคลาดเคลอน ประกอบกบเทคโนโลยในปจจบนมความกาวหนาขน เปนเหตใหมการพฒนาวธการทใชในการจ าแนกประเภทขอมลใหมประสทธภาพมากยงขน เชน การจ าแนกประเภทขอมลแบบละเอยดกวาจดภาพสามารถชวยในการพฒนาความถกตองของงานทท าดวยการอ านวยเครองมอตรวจหาทสมบรณขน พรอมกบจดเตรยมระดบการแบงแยกคาสะทอน และการจ าแนกประเภทขอมลโดยการตรวจหาวตถทสนใจ(Material of Interest หรอ MOIs) แมวาในหนงจดภาพนนจะแสดงคาสะทอนของวตถอนๆ ทปะปนกนอย ทงกระบวนการท างานจะแตกตางจากการจ าแนกประเภทขอมลแบบเดมทใชกน คอมขนตอนการก าจดพนหลง (Background Removal) เพอลดจ านวนขอมลทไมเกยวของออกไปนอกจากนยงสามารถตรวจหาและจ าแนกวตถเลกๆ ทจดวาเปน Isolated MOIs จากภาพทมความละเอยดคอนขางต าได โดยทเครองมอตรวจจบ (Sensor) เองไมสามารถตรวจหา MOIsเหลานไดจากปญหาของ Spatial Mixture สามารถน าเทคนค Linear Mixing Model มาใชในการพจารณาไดดงตอไปน

10

รป 1.2 แสดงวตถทผสมผสานภายในหนงจดภาพ ซงการจ าแนกแบบก ากบดแล

ไมสามารถตรวจหาวตถทประกอบอยในสดสวนนอยได ทมา : Robert L. Huguenin, Mark A. Karaska, Donald Van Blaricom, and John R. Jensen 2540

ใน 1 จดภาพอาจมวตถผสมผสานอยจ านวน 3 ชนด ซงการพจารณาตองท าแยกแต

ละแบนด ดงนนคาสะทอนหรอ Spectral ทไดจากแบนด 1 สามารถเขยนเปนสมการ คอ

S1 = a * c1(1)+ b * c2(1)+ c * c3(1)

โดยท c1 c2 c3 คอ คา radiometry ของแตละ class ในแตละแบนดคา Radiometry ของแตละclassจะเปน pure signatureของวตถ 1.5.4 แนวคดการจ าแนกแบบละเอยดกวาจดภาพ

1.5.4.1 Hyperspectral Remote Sensing หลกการจ าแนกแบบละเอยดกวาจดภาพมาจากทฤษฏของ Hyperspectral Remote Sensing โดยแนวความคด Hyperspectral เกดจากการทนกธรณวทยาใชเค รองตรวจคณลกษณะเชงคลน (spectral characteristic)หรอทเ รยกวา Spectroscopy ในการพสจนทราบวาวตถตองสงสยเปนแรชนดใด เพราะธรรมชาตของแรแตละชนดจะมการสะทอน ดดซบ กระจายแสงไมเหมอนกน เทคโนโลย Hyperspectral Remote Sensing กคอการน าเอาเทคโนโลยภาพถายดาวเทยม(imaging) และ เทคโนโลย spectroscopy มารวมเปนระบบเดยวกน ฉะนนภาพ Hyperspectral Remote Sensing จงเนนการเกบขอมลใหมากกวาภาพ Multispectral ในชวงคลนทเทากน ภาพ Hyperspectral จะม band 100-200 band ในขณะทภาพ Multispectral จะม 5-10 band ในขนาดความกวางของชวงคลนเดยวกน

11

การทจะไดภาพ Hyperspectral ทเปนการสะทอนแสงจากวตถลวนๆ ปราศจากผลจากลกษณะภมประเทศและภมอากาศ นนอาศยหลกการทวา คาการสะทอนแสง หรอพลงงานทตว sensor รบ (Radiance) ไดมคาเทากบ พลงงานทสะทอนแสงจากผวโลก (Reflectance) คณดวยผลจากลกษณะภมประเทศ ภมอากาศ ฉะนนถาเราไดคาการสะทอนแสงทมผลจากลกษณะภมประเทศและภมอากาศ แลวน าไปหารคาการสะทอนแสง หรอพลงงานทตว sensor รบ จะไดพลงงานทสะทอนแสงจากผวโลกทแทจรง

รป 1.3 มมสะทอนของภาพทท าใหเกดแสงเงา

ทมา : Introduction to Hyperspectral Imaging , MicroImages Inc. (2012)

1.5.4.2 วธการทเปลยนคา (Conversion) เพอใหไดภาพ Hyperspectral ทมแตการสะทอนแสงจากวตถลวนๆ ปราศจากผลจากลกษณะภมประเทศ ภมอากาศ

1. วธการ Flat Field Conversion วธการนจะใชคาเฉลยการสะทอนแสงบรเวณทราบของภาพใหเปนตวแทนคาการสะทอนแสงทมผลจากลกษณะภมประเทศ ภมอากาศ บรเวณทราบทเลอกนควรจะสวางกวาพนทขางเคยง เพราะเปนทราบ เมอน าคาเฉลยการสะทอนแสงบรเวณทราบของภาพไปหาร ทงภาพจะได ภาพ Hyperspectral ทเปนการสะทอนแสงจากวตถลวนๆ

2. วธการ Average Relative Reflectance Conversion วธการนคลายกบวธการแรกแตแทนทจะใชแคบรเวณพนทราบมาหาคาเฉลยการสะทอนแสง กลบใชคาการสะทอนแสงท งภาพมาหาจงเรยกวาเปนการ Average Relative Reflectance

3. วธการ Empirical Line Method วธการนจะใชในภาพชวงคลน พลงงานสงคอในชวง Infrared และ Near Infrared หลกการกคอ ใชการประมาณ

12

คาจากสมการเสนตรง (linear regression) นนคอ ถามขอมลจากพนทตวอยางททราบคา การสะทอนของวตถบนผวโลก (Reflectance) และคาการสะทอนแสง หรอพลงงานทตว sensor รบ Radiance) จะท าใหเราใชสมการ

reflectance = gain(slope) * Radiance + offset สมการท 1

ประมาณคา reflectance ของภาพทงหมดไดทงภาพจาก radiance หรอคาการสะทอนแสง หรอพลงงานทตว sensor รบไปสภาพ Hyperspectral ทเปนการสะทอนแสงจากวตถลวนๆ ปราศจากผลจากลกษณะภมอากาศ

รป 1.4 มมและคาสะทอนของภาพ

ทมา : Introduction to Hyperspectral Imaging , MicroImages Inc. (2012)

1.5.4.3 Spectral Mixture Analysis (SMA) ถาในบรเวณทสนใจมวตถมากกวา 1 ชนด การสะทอนแสงทออกมาจะเปนลกษณะทผสมผสานกนระหวางวตถ การสะทอนแสงทมการสะทอนแสงของวตถมากกวา 1 ชนดนจะเรยกวา endmember spectral อธบายไดตามรป 1.5

รป 1.5 endmember spectral

13

ทมา : Introduction to Hyperspectral Imaging , MicroImages Inc. (2012) จากรป 1.5 เสนประสด าเรยกวา Mixing Line เปนเสนเชอมโยงระหวางวตถ 2

ชนด บรเวณพนทสเหลองคอ Mixing space เปนพนททแสงการสะทอนของวตถทผสานกนมากกวา 2 ชนด ในภาพคอวตถ 3 ชนด หวมมของรปเหลยม จด A,B,C หรอ endmember เปนการสะทอนแสงของวตถเดยว จงเปนการงายในการจ าแนกวาบรเวณทสนใจม แรธาตหรอวตถทสนใจรวมอยบาง ในรปแสดงวาในบรเวณทสนใจมวตถ 3 ชนดคอ A,B,C รวมอยดวยกน

เนองจากในภาพ Hyperspectral จะประกอบดวยวตถหรอสสารหลายชนดดวยกน ในพนทศกษาอาจมทงดน หน แร ตางๆ ถาแยก ดนออกไปจากภาพ ในภาพกจะเหลอแต หน และแร เทานน จงเปนการงายทจะสามารถจ าแนกรายละเอยด หนกบแร ไดงายกวาในภาพทมรายละเอยดทงสามชนด วธการทกลาวน าขางบนนเราเรยกวา Linear Unmixing ขนตอนในการแยกวตถททราบนน ถาเปนวตถทเราทราบแนชดเชน น า เราสามารถจะแยกไดเลย แตถาในบรเวณทสนใจไมทราบเลยวามวตถใด สามารถใชวธการไดดงน

1. การน าภาพมาท า MNF หรอ Minimun Noise Fraction ซงเปนวธการทใชหลกการของ PCA หรอการว เคราะหแบบองคประกอบหลก (Principal Component Analysis ) ทจะท าใหลดภาพในแบนดทม สงรบกวน(Noise) ออกไป

2. การท า PPI หรอ Pixel Purity Index คอหลกการทน าภาพทเปน MNF มาเลอกวตถทมความเดนชดทสดในภาพ โดยใชวธ N-dimensional อธบายดงรป 1.6 โดยวตถทมความเดนชดทสดจะอยในรปของสขาวสด กบสด า

รป 1.6 ภาพ N มต (N-dimensional)

ทมา : Introduction to Hyperspectral Imaging , MicroImages Inc. (2012)

14

จากรป 1.6 จดสแดงดานขวา จะแสดงวตถทเดนชดในลกษณะสขาว สวนจดสแดงดานซายจะจะแสดงวตถทเดนชดในลกษณะสด า ดวยการท าเทคนคการ PPI ท าใหสามารถพสจนทราบวตถไดอยางนอย 2 ชนด

1.5.5 Linear Mixing Model Linear Mixing Model ( LMM ) เปนกระบวนการทนยมใชกนอยางแพรหลาย

ส าหรบการจ าแนกประเภทขอมลทเปนลกษณะแบบปะปนกน แบบจ าลองการจ าแนกขอมลแบบ LMM น จดภาพทกจดจะมคาสะทอนทผสมผสานกนจากกลมวตถตางๆในบรเวณนน ซงวตถตางๆเหลานสามารถอางองไปถงขอมลตางบนพนโลกได Adams et al.(1986) ; Smith et al.(1990) กลาวคอ วตถทเปนพนน า พนดน และพชพรรณ แตละวตถดงกลาวนจะประกอบอยในสดสวนทแตกตางกน เชน พนน า 1% พนดน 59% และพชพรรณ 40% เปนตน ดงนนกลมของวตถสวนประกอบจะถกก าหนดโดยจ านวนของชวงคลนในภาพ กระบวนการนไมนยมใชกบขอมลปรมาณมากและขอมลทมการผสมผสานกนมาก ซงหากท าการจ าแนกกบขอมลดงกลาวแลว ผลการจ าแนกจะแสดงออกมาในรปของ Error Spectrum นนเอง โดยทวไปจ าแนกประเภทของขอมลแบบ LMM จะใชในขนตอน Material Of Interest Classification (MOI Classification) กลาวคอ ใช MOI Signature เปน Basic Material โดยทวไปการจ าแนกประเภทขอมลแบบ LMMจะถกใชในขนตอนการท า MOI Classification กลาวคอ ใช MOI Signature เปน Basic Material ซงเทคนคนจะไดผลดหากคา Signature แตกตางจากคาสะทอนของ Basic Material

1.5.6 Subpixel Technique

เนองจากเทคนค Subpixel เปนเทคนคทเนนเพอแกปญหาการปะปนกนของจดภาพ (Mixed-pixel) ดงนนจดภาพตางๆทตกเปนจดภาพทดสอบจะถกก าหนดใหเกบคาทผสมผสานกนของ MOI และบางจดภาพอาจถก ก าหนดใหเปนวตถพนหลง (Background Material) ส าหรบจดภาพทดสอบดงกลาวนน จดวาเปนกลมของจดภาพในขอมลทถกเลอกขนมาเพอเกบคาโดยประมาณของคาวตถพนหลงอย แลวน าไปลบดวยสวนทเปนกลมของจดภาพในขอมลภาพทถกเลอกขนมาซงเกบคาโดยประมาณของวตถพนหลงอย แลวลบดวยสวนทเปนคาวตถพนหลงของจดภาพทมคาสะทอนคลนแมเหลกไฟฟา เมอจดภาพตางๆ เกบคาของ MOI ไว คาความคลาดเคลอนทคงเหลออย ( Residual) นน จะถกจบคกบคา Signature ของ MOI ทนท ดงนนหากมจดภาพทเปนวตถ

15

พนหลงใดใดทมความผสมผสานกน ทสามารถสรางคาความคลาดเคลอนทคงเหลออยทใกลเคยงกบคาของ MOI มากทสด กจะถกจ าแนกออกมา

รป 1.7 แสดงกระบวนการจ าแนกขอมลแบบละเอยดกวาจดภาพ

ทมา : Classification of Bald Cypress and Tupelo Gum Trees in Thematic Mapper Imagery. PE & RS Vol.63, No. 6 (1997)

กระบวนการในการจ าแนกประเภทขอมลแบบ Subpixel ประกอบดวย 5 ขนตอน

หลกดงน 1. การประมวลผลกอนการวเคราะห (Prepocessing) เปนกระบวนการ

ตรวจหา MOI ภายใตจดภาพดวยวธการลบเศษสวนของคาสะทอนของวตถพนหลง ซงคาของวตถพนหลงนท าใหคณสมบตการสะทอนของวตถทสนใจถกบดเบอนไป จงท าใหไมสามารถจ าแนกประเภทขอมลไดก าหนดคาของพนหลงและสวนทสรางคาสะทอนทเหลอทมคาใกลเคยงกบคาสะทอนของ MOIกระบวนการ Subpixel สามารถค านวณคาทเหลอ (Residual) ชวง 0.0-1.0 จากนนเลอกคาสะทอนสวนหนงของคา Residual ทใกลเคยงกบคาสะทอนของ MOI ซงคา Residual Spectrum ( r ) สามารถค านวณไดจากสมการดงตอไปน

r1 = P1 - kb1 สมการท 2 I – k

ซง P คอ คาสะทอนของจดภาพทใชทดสอบ b คอ คาสะทอนของ Candidate Background k คอ คาสะทอนสวนหนงของคา Background ทถกก าจด

16

I คอ ดชนทางราบของภาพ ดงนนคาสะทอนทเหลอสามารถหาไดจากสมการขางตน ซงจะถก

พจารณาเมอคาทงหมดของ r1 มคามากกวาศนย ในทางกลบกนการทไมสามารถหาคาสะทอนทเหลอไดเนองจากไมสามารถแยกคาวตถพนหลงออกมาไดนนเอง

2. Environmental Correction เปนกระบวนการปรบคาชนบรรยากาศของขอมลดาวเทยม มขนตอนการสรางคาสะทอนคลนแมเหลกไฟฟา 2 ประเภท เพอใชปรบคา Atmospheric Correction และ Scene Normalization คาสะทอนคลนแมเหลกไฟฟาประเภทแรก คอ Atmospheric Radiance (ARAD) เปนคาทมคณลกษณะของการแผรงสของดวงอาทตยโดยผานชนบรรยากาศ สวนคาสะทอนอกประเภทคอ Sun Factor (SF) เปนคาทท าใหเกดความเบาบางของชนบรรยากาศ และการเรองแสงของทองฟา คาสะทอนคลนแมเหลกไฟฟาในขอมลภาพสามารถเปลยนกลบเปนคาสะทอนโดยวธการลบดวยคา ARAD และหารดวยคา SF โดยทแตละภาพจะมการปรบคาทละค ซงตวแปรทวไปในชนบรรยากาศจะขนอยกบการกระจดกระจายของเมฆหรอกลมของหมอกการปรบคา Environmental Correction สามารถสรางมาจากการตรวจหาวตถทใชในการเทยบวดคาการแผรงสในชนบรรยากาศจากจดภาพทมคาสะทอนต าหรอเปนสด ามด เชน พนน าและเงาของวตถ เนองจากพนน าจะสะทอนคาต า ขณะทการแผรงสในชนบรรยากาศเปนองคประกอบหลกของคาสะทอนคลนแมเหลกไฟฟา กระบวนการ การจ าแนกแบบละเอยดกวาจดภาพ จงท าการก าจดคาสะทอนจากพนผวของจดภาพของวตถทเปนน า ไปจนถงจดภาพของวตถทเปนเงามดส าหรบขอมลภาพทจดภาพมคาความสวางมากจะมการดดกลนต า ดงนนคาสะทอนสวนใหญจะตรงกลบไปยงเครองตรวจวด ซงคาสะทอนของวตถนนจะถกท าใหเบาบางลงเมอผานชนบรรยากาศ และจะถกปรบคาโดยผาน Transfer Function ในเครองตรวจวดเอง โดยทวไปวตถทเกดขนตามธรรมชาตจะไมมคาสะทอนทมดสนทหรอสวางจา เมอดจากชวงคลนทกชวงคลน ดงนนจดภาพทมคามดสนทและสวางจาจะถกจ าแนกออกมาดวย

3. Signature Derivation เปนกระบวนการจ าแนกวตถทสนใจ (MOI Classification) ซงมความคลายคลงกบกระบวนการ Supervised Classification ทมการใชคาสะทอนแบบลายเซนเชงเสน ในการพจารณาวาสวนใดเปนวตถพนหลง เพอทจะไดก าจดออกไปจากจดภาพได ดงนนกระบวนการไดมาของคาสะทอน

17

แบบลายเซนเชงเสน (Signature Derivation) ผศกษาตองก าหนดจดภาพศกษา เพอสามารถสรางคาสะทอนแบบลายเซนเชงเสน และ (Feature Space) ได ชดขอมลศกษาประกอบดวยจดภาพตางๆ ทมความสมพนธกบวตถทสนใจ โดยทผศกษาตองประมาณคาเฉลยของ MOI ทอยในชดขอมลศกษานน นอกจากนตองประมาณความนาจะเปนทจดภาพใดๆ จะมคาสะทอนของวตถทสนใจผสมผสานอยเมอผ ศกษาท าการเลอกคาสดสวนเฉลยของพนทตวอยาง (Mean Training Set Fraction : MTF) ทเทากบ 0.90 หรอมากกวาคาทก าหนดไวแลว คาสะทอนของกลมขอมลศกษาจะถกเฉลยเพอทจะสรางคาสะทอนแบบลายเซนเชงเสนออกมา หากวา MTF มคานอยกวา 0.90 กระบวนการจะก าหนดคาเฉลยเพอพจารณาจ านวนของวตถพนหลงทจะท าการก าจดออกไปจากจดภาพตวอยางแตละจดภาพ ผลลพธทเหลอจะถกจดเกบไวเพอสรางเปน Signature Spectrum ตอไป

จากรป 1.8 เปนตวอยางของกระบวนการท า Background Removal สามารถอธบายโดยการยกตวอยางวตถ 3 ประเภทคอ น า ปาสน และไมทเปโล ทอยในพนทเดยวกน ในตวอยางนวตถทตองการจ าแนกออกมาคอ ปาสน ดงนนจะเรมดวยการแสดงคาสะทอนของวตถทง 3 ประเภทในทกชวงคลนมาสรางเปนกราฟดงรป 1.8a และหากสมมตวาพนทศกษานมพนททงหมด 100 สวน แบงออกเปน 3 สวนเทาๆ กน (ตามวตถทปรากฏ) จะไดสวนละประมาณ 33% จากนนน าคาสะทอนของวตถทง 3 ประเภท มารวมกนโดยค านวณตามสดสวนของพนทขางตน กลาวคอ น าคาสะทอนในแบนด 1 ของน าคณดวย 0.33 แลวหารดวย 100 บวกกบคาสะทอนในแบนด 1 ของปาสนคณดวย 0.33 แลวหารดวย 100 บวกกบคาสะทอนในแบนด 1 ของไมทเปโลคณดวย 0 .33 แลวหารดวย 100 ท าดงนกบทกๆแบนด จะไดคาสะทอนทเกดจากการผสมผสานกนในพนทออกมา และสามารถ Plot เปนกราฟอกเสนดวย จากนนลบดวยคาสะทอนท Plotในรปท 1.8b ซงเปนคาสะทอนของวตถพนหลง ผลลพธสดทายแสดงในรป 1.8c สวนทเหลอจะเปนคาสะทอนของวตถทสนใจเทานน

18

รป 1.8 แสดงกระบวนการก าจดวตถพนหลง (Background Removal)

ทมา : Robert L. Huguenin, Mark A. Karaska, Donald Van Blaricom, and John R. Jensen (1997)

4. MOI Classification การจ าแนกขอมลแบบ Subpixel เปนวธการตรวจหาสวนประกอบเลกๆ ของวตถทเราสนใจทปรากฏอยภายในภาพ ส าหรบขนตอนของการจ าแนกวตถทเราสนใจ หรอทเรยกวา MOI Classification สามารถดจากรป 1.9

รป 1.9 แสดงกระบวนการจ าแนกวตถทสนใจ (MOI Classification) ทมา : Leica Geosystems. IMAGINE Subpixel Classifier Users Guide (2001)

Image

Signature Env.Factor Apply Environmental Correction Background Candidates

Signature Spectrum Subpixel Module

Feature Space Screen

Fraction Plane

19

จากรป 1.9 กระบวนการจ าแนกจะเรมจากการแกไขสภาพสงแวดลอม (Environment Correction) ซงตองแทนคาลงไปในจดภาพตางๆ จากนนกนขอบเขตคาสะทอนสวนทเหลอและแสดงผลของคาวตถพนหลงออกมา คาสะทอนสวนทเหลอจะถกตรวจสอบโดยขอบเขตของคา Feature Space หากตรวจสอบแลวพบวาคาสะทอนทเหลอนนผานเกณฑ ผลลพธจะถกจดเกบไวในต าแหนงของภาพทผานการจ าแนกทมความสมพนธกบขอมลภาพดงเดม

1.6. ขนตอนกำรศกษำ

1.6.1 เครองมอและอปกรณ 1. ขอมลภาพถายดาวเทยมเชงตวเลข ไทยโชต Level 2A มความละเอยดของ

จดภาพท 15 เมตร บนทกภาพวนท 13 กมภาพนธ พ.ศ. 2553 ขอมลจากส านกงานพฒนาเทคโนโลยอวกาศและภมสารสนเทศ (องคการมหาชน)

2. แผนทภมประเทศ ชด L7018 มาตราสวน 1:50,000 ของกรมแผนททหาร และขอมลเขตการปกครองในรปเชงตวเลข ครอบคลมพนทศกษา ขอมลจากกรมการปกครอง

3. ภาพถายทางอากาศดดแก พ.ศ.2545 ครอบคลมพนทศกษา ขอมลจากกรมพฒนาทดน

4. เครองคอมพวเตอร PC และเครอง GPS ทใชในงานวจย และออกภาคสนาม 5.โปรแกรม ERDAS IMAGINE แบบทดลองใชงาน 30 วน

1.6.2 วธการศกษา 1. เลอกขอมลภาพถายดาวเทยม โดยความอนเคราะหขอมลจากส านกพฒนา

เทคโนโลยอวกาศและภมสารสนเทศ (องคการมหาชน) 2. น าเขาขอมลภาพถายดาวเทยม และปรบแกคาพกดโดยใชสมการ Polynomial

ในการปรบแก 3. ท าภาพสผสม (Color composite image) และเนนภาพ (Enhancement image)

เพอใหขอมลมความคมชดเพยงพอทจะใชแปลภาพการใชทดน 4. เกบขอมลภาคสนามเพอตรวจสอบพนทแปลงปลกยางพาราโดยใชเครองมอ

GPS (Global Positioning System) ชวยตรวจสอบต าแหนงแปลงปลกยางพารา 5. น าขอมลทไดจากภาคสนามเขาสคอมพวเตอรแปลภาพสผสมดวยสายตาจาก

จอคอมพวเตอร และน าเขาสกระบวนการแปลขอมลดวยเทคนค การจ าแนกแบบละเอยดกวาจดภาพ

20

6. การตรวจสอบคาความถกตองของการจ าแนก (Accuracy assessment) ประเภทขอมลดวยสายตาจากขอมลภาพถายทางอากาศในพนทศกษา เพอประเมนความถกตองจากการแปลขอมลแตละประเภท โดยวธ Error matrix จากจดเกบตวอยางอางองทใชในการตรวจสอบคาความถกตองครงน

7. เปรยบเทยบการปลกยางพาราระหวางเทคนค การจ าแนกแบบละเอยดกวาจดภาพ กบเทคนคการจ าแนกขอมลแบบก ากบดแล (Supervised Classification) วามความแตกตางกนมากนอยเพยงใด

1.7 กรอบแนวคดในกำรศกษำ

รป 1.10 กรอบแนวคดในการศกษา

การจ าแนกพนทปลกยางพารา

วธการจ าแนกแบบละเอยดกวาจดภาพ

เทคนคการจ าแนกขอมล -การจ าแนกแบบไมก ากบดแล -การจ าแนกแบบก ากบดแล วธการจ าแนกแบบละเอยดกวาจดภาพ

เลอกพนทศกษา โดยใชขอมลดาวเทยมไทยโชต

วธจ าแนกขอมลแบบความนาจะเปนไปไดสงสด

- การเตรยมขอมลพนทตวอยาง - การเตรยมขอมลกอนการวเคราะห - การปรบความถกตองคาชนบรรยากาศ - การคดเลอกพนทกลมตวอยาง - การจ าแนกวตถทสนใจ ผลของการจ าแนกขอมล

- จดภาพของแปลงปลกยางพารา

- พนทปาไม - พนทสวนยางพารา - พนทชมชน - พนทนา - พนทแหลงน า

เปรยบเทยบผลการจ าแนกขอมล - เปรยบเทยบขอมลรายแปลง - คดอตราสวนรอยละจดภาพยางพาราตอพนทแปลงปลก