การจำแนกป่าชายเลนเขตร้อนชื้นโดยใช้ภาพความละเอียดสูงควิกเบิร์ด กรณีศึกษา การวิเคราะห์ด้วยเนื้อภาพ

จารุภา ทัศน์อัญชุลีกุล

dc.contributor.advisor	ชัยโชค ไวภาษา
dc.contributor.author	จารุภา ทัศน์อัญชุลีกุล
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2017-10-30T04:23:43Z
dc.date.available	2017-10-30T04:23:43Z
dc.date.issued	2559
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/55037
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2559
dc.description.abstract	ป่าชายเลนเขตร้อนชื้นเป็นระบบนิเวศที่มีคุณค่าและมีความสำคัญต่อมนุษย์และสัตว์น้ำ การบริหารจัดการป่าชายเลยที่มีประสิทธิภาพจึงเป็นเรื่องที่จำเป็นอย่างมาก การสำรวจระยะไกลเป็นเครื่องมือที่นิยมนำมาช่วยในการบริหารจัดการป่าชายเลน งานวิจัยครั้งนี้ใช้คุณสมบัติของภาพขาวดำ (Panchromatic) ความละเอียดสูง ขนาดจุดภาพ 0.6 เมตร ความกว้างช่วงคลื่นที่ 450-900 นาโนเมตร เพื่อจำแนกชนิดพรรณไม้ป่าชายเลนให้มีความถูกต้องสูงขึ้น จากผลการทดลองจำแนก ในระดับพรรณไม้ 5 ชนิด พบว่าการจำแนกป่าชายเลนที่ผ่านกระบวนการ PCA เป็นวิธีการที่ดีที่สุด โดยให้ค่าความถูกต้องโดยรวมที่ 56 % และสัมประสิทธิ์แคปปา เท่ากับ 0.45 ซึ่งการจำแนกภาพหลายช่วงคลื่น 4 แบนด์ และการจำแนกเนื้อภาพด้วย GLCM 8 แบนด์ แล้วรวมกับภาพหลายช่วงคลื่น 4 แบนด์ ได้ผลลัพธ์ที่ด้อยกว่า โดยได้ค่าความถูกต้องของการจำแนกโดยรวมเพียง 48 % และ ค่าสัมประสิทธิ์แคปปา เท่ากับ 0.35 ทั้งนี้ยังพบอีกด้วยว่าวิธีการจำแนกที่นำเสนอในการศึกษานี้ ให้ความถูกต้องน้อยกว่าการจำแนกด้วยข้อมูลภาพไฮเปอร์สเปกตรัล (Keodsin and Vaiphasa, 2013) ที่มีค่าความละเอียด น้อยกว่าภาพขาวดำ ความละเอียดสูง ถึง 5 เท่า แต่มีช่วงคลื่นมากกว่า 2 เท่า กล่าวได้ว่า ช่วงคลื่นที่เลือกมาจากตำแหน่งที่มีความสัมพันธ์กับพืชชายเลน (Keodsin and Vaiphasa, 2013) มีความสำคัญมากกว่าเนื้อภาพในการจำแนกพืชชายเลนเขตร้อนในพื้นที่ศึกษานี้ แม้ว่าวิธีการที่นำเสนอในครั้งนี้จะให้ค่าความถูกต้องโดยรวมไม่ค่อยดีนัก แต่สามารถจำแนกได้ดีเฉพาะกลุ่มพืชแสมทะเล โดยพบว่าค่าความถูกต้องของผู้ผลิตสูงถึง 99 % ทั้งนี้ผลการทดลองโดยการใช้เครื่องมือการวิเคราะห์เนื้อภาพกับการมองด้วยตาเปล่ามีความสอดคลอดคล้องกัน เห็นรูปแบบของแสมทะเลชัดเจนมากกว่าพืชชนิดอื่น ซึ่งมีการปะปนกัน จึงเสนอให้นำไปใช้ในพื้นที่ที่มีลักษณะคล้ายกันต่อไป
dc.description.abstractalternative	Tropical mangrove forests are valuable to human and marine life. Effective mangrove management is therefore necessary. Remote sensing is one of the most popular tools for mangrove management. This study used the QuickBird panchromatic high-resolution image (i.e., 0.6 m. per pixels) for classifying 5 different tropical mangrove species. It was found that Principal Component Analysis based method is the best approach for separating the mangrove species. It gained the overall accuracy of 56 percent (kappa values = 0.45). On the other hand, the multispectral based methods and the Gray-Level Co-Occurrence Matrix (GLCM) based method were found to be the less accurate approaches as they gained merely 48 percent of the overall accuracy and 0.35 of the kappa value. Additionally, the proposed methods reported less classification accuracy than the previous work (Keodsin and Vaiphasa, 2013) that used coarse -resolution hyperspectral data for classifying the tropical mangroves of the same area. This finding confirmed that the meaningful spectral information, the selected spectral bands (Keodsin and Vaiphasa, 2013), is more vital than the fine spatial resolution acquired by the QuickBird sensors for classifying the tropical mangroves of the study area. Although the proposed methods yielded low total classification accuracies, the outstanding producer’s accuracy of the Avicennia Marina species was noticeable (i.e., more than 99 percent). It is therefore anticipated that this study can be used as a guideline for classifying the mangrove areas dominated by the Avicennia marina species.
dc.language.iso	th
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2016.1010
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย
dc.title	การจำแนกป่าชายเลนเขตร้อนชื้นโดยใช้ภาพความละเอียดสูงควิกเบิร์ด กรณีศึกษา การวิเคราะห์ด้วยเนื้อภาพ
dc.title.alternative	TROPICAL MANGROVE SPECIES CLASSIFICATION USING QUICKBIRD HIGH-RESOLUTION IMAGERY: A CASE STUDY OF TEXTURE ANALYSES
dc.type	Thesis
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต
dc.degree.level	ปริญญาโท
dc.degree.discipline	วิศวกรรมสำรวจ
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย
dc.email.advisor	Chaichoke.V@Chula.ac.th,chaichoke@hotmail.com
dc.identifier.DOI	10.58837/CHULA.THE.2016.1010