Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/63620
| Title: | การจำแนกการใช้ประโยชน์ที่ดินด้วยวิธีการซัพพอร์ตเวกเตอร์แมชชีนจากภาพถ่ายดาวเทียม LANDSAT 8 เพื่อประเมินปริมาณการใช้น้ำในพื้นที่จังหวัดกาฬสินธุ์ |
| Other Titles: | A Land Use Classification By Support Vector Machine Tecnique From Landsat 8 Imagery For Estimation Of Water Consumption In The Area Of Kalasin Thailand |
| Authors: | ขจีมาศ อนงค์ไชย |
| Advisors: | ธงทิศ ฉายากุล |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Thongthit.C@Chula.ac.th |
| Issue Date: | 2561 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | งานวิจัยนี้มีจุดประสงค์เพื่อเปรียบเทียบการจำแนกการใช้ประโยชน์ที่ดินจากภาพถ่ายดาวเทียม Landsat 8 ในปี พ.ศ. 2557 และ 2559 ด้วยวิธีซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine: SVMs) กับวิธีความน่าจะเป็นไปได้สูงสุด (Maximum Likelihood Classifier: MLC) ในพื้นที่จังหวัดกาฬสินธุ์ นำผลที่ได้จากการจำแนกมาวิเคราะห์การเปลี่ยนแปลงการใช้ประโยชน์ที่ดิน เพื่อประเมินปริมาณการใช้น้ำโดยใช้ข้อมูลของการใช้น้ำในกิจกรรมต่าง ๆ ซึ่งประกอบด้วย การใช้น้ำในด้านเกษตรกรรม อุตสาหกรรม และการอุปโภคบริโภค นำมาวิเคราะห์ร่วมกับข้อมูลเชิงพื้นที่จากการจำแนกการใช้ประโยชน์ที่ดินในแต่ละประเภท ประเมินปริมาณน้ำท่าด้วยแบบจำลองอุทกวิทยา SWAT ซึ่งผลที่ได้พบว่า การจำแนกด้วยวิธีซัพพอร์ตเวกเตอร์แมชชีนให้ค่าความถูกต้องโดยรวมสูงกว่าวิธีความน่าจะเป็นไปได้สูงสุด 0.50 - 4.49 เปอร์เซ็นต์ เมื่อนำผลที่ได้จากการการจำแนกมาวิเคราะห์ปริมาณการใช้น้ำพบว่าในพื้นที่จังหวัดมีปริมาณการใช้น้ำในด้านการเกษตรมากกว่าด้านอื่นๆ จากการประเมินปริมาณน้ำท่าเพื่อหาปริมาณน้ำต้นทุนธรรมชาติในพื้นที่ศึกษา พบว่ายังไม่เพียงพอกับความต้องการใช้น้ำในพื้นที่ ซึ่งจะต้องมีการจัดสรรน้ำจากแหล่งอื่นๆ เพื่อให้เพียงพอต่อความต้องการ |
| Other Abstract: | The comparison of land use classification from Landsat 8 satellite imagery in 2014 and 2016 by support vector machine technique and maximum likelihood classifier in the area Kalasin Thailand. The results from classification were to analyzed land use changes and to estimate water consumptions in aspect of agricuture, industry and consumer uses with the estimation of the runoff as well as the SWAT hydrological model. The results showed that support vector machine technique overall accuracy is significants better than maximum likelihood classifier about 0.50 – 4.49 %. In the study area, water consumption in agriculture is higher than other. Without any water from irrigation, the results provided of runoff alone are not enough to the demand of the total water consumption. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2561 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมสำรวจ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/63620 |
| URI: | http://doi.org/10.58837/CHULA.THE.2018.1279 |
| metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2018.1279 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5970406921.pdf | 5.14 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.