LEE RS Lab — សៀវភៅណែនាំ
📖
សៀវភៅណែនាំពេញលេញ — 15 មេរៀន ជំហានម្ដងមួយៗ ជាមួយរូបភាព (ឧទាហរណ៍ឃុំមហាខ្ញូង)៖
អានអនឡាញ ·
ទាញយក PDFទំព័រនេះជាមគ្គុទ្ទេសក៍សង្ខេប ប្រើបានដោយគ្មានអ៊ីនធឺណិត។លំហូរការងារ
| 1 ទិន្នន័យ | តំបន់សិក្សា៖ ប្រទេស → ខេត្ត → ស្រុក → ឃុំ (គ្រប់ប្រទេស កម្ពុជាជាលំនាំដើម មានឈ្មោះខ្មែរ; «— ទាំងប្រទេស —») វិសាលភាពផែនទី ចតុកោណ ឬស្រទាប់ពហុកោណ; CRS គម្រោងតាមតំបន់ UTM។ រូបភាព — ស្វែងរករូបភាព (លំនាំដើម Microsoft Planetary Computer)៖ Sentinel-2, Landsat 5/7/8/9, Sentinel-1; Earth Search (AWS); ឬឯកសារប៊ែនក្នុងម៉ាស៊ីន។ ផ្សំរូបភាព និងទាញយក៖ ពិនិត្យពពកមុន ដូច្នេះអានតែរូបភាពស្រឡះ។ សំណុំទិន្នន័យផ្សេងទៀត៖ Copernicus DEM, NASADEM, ESA WorldCover, គម្របដីប្រចាំឆ្នាំ, ផ្ទៃទឹក JRC, MODIS NDVI។ ⚙ ការរៀបចំ៖ ថតលទ្ធផល សាកល្បងការតភ្ជាប់ scikit-learn ឃ្លាំងព្រំដែន កំណត់ហេតុ។ |
|---|
| 2 កែលម្អ | បន្សំប៊ែន ការលាតពន្លឺ អ៊ីស្តូក្រាម ស្ថិតិ ខ្សែកោងវិសាលគម · NDVI, EVI, SAVI, NDWI, MNDWI, NDMI, NDBI, NBR, BSI, GNDVI, NDRE, UI, RVI និងរូបមន្តផ្ទាល់ខ្លួន របាំង Otsu · តម្រងលំហ · PCA។ |
|---|
| 3 ចាត់ថ្នាក់ | ថ្នាក់ (តារាងសម្គាល់) រួមសម្រាប់គ្រប់ជំហាន មានគ្រោង (RS Lab, LULC កម្រិត 1, Auto 7, ESA WorldCover) · ចំណុចហ្វឹកហាត់ស្វ័យប្រវត្តិពី ESA WorldCover · K-means / ISODATA និងដាក់ឈ្មោះក្រុម · ថ្នាក់ ពហុកោណហ្វឹកហាត់ ហត្ថលេខា ភាពបំបែក J–M · ក្បួនចាត់ថ្នាក់ ៧ ប្រភេទ · ភាពត្រឹមត្រូវ៖ ទំហំគំរូ Cochran ការដាក់ស្លាកចំណុចដោយប៊ូតុងថ្នាក់ ចំណុចផ្ទៀងផ្ទាត់ ម៉ាទ្រីសកំហុស OA, kappa និងការប៉ាន់ស្មានផ្ទៃក្រឡាកែតម្រូវ ជាមួយចន្លោះជឿជាក់ 95% (Olofsson et al. 2014) · សម្អាត និងនាំចេញជាពហុកោណ៖ ច្រោះតាមឯកតាគូសផែនទីអប្បបរមា ពហុកោណមានឈ្មោះថ្នាក់ និងផ្ទៃក្រឡា · ប្លង់ផែនទី A4។ |
|---|
| 4 ការប្រែប្រួល | ពី → ទៅ រវាងផែនទីចាត់ថ្នាក់ពីរ៖ ម៉ាទ្រីស (ហិកតា) ការកើន / ថយ / សុទ្ធតាមថ្នាក់ ការប្ដូរធំបំផុត ដ្យាក្រាម Sankey ផែនទីការប្ដូរមួយ (ឧ. ព្រៃឈើ → ដីដំណាំ) CSV; ឬការដករូបភាព។ |
|---|
| 5 LEE | LEE — Local Earth Engine៖ ស្គ្រីបបែប GEE ដែលដំណើរការលើកុំព្យូទ័ររបស់អ្នកជាមួយទិន្នន័យឥតគិតថ្លៃ; ឧទាហរណ៍ ៣២; lee.Image.open() អានស្រទាប់ក្នុងគម្រោង; ប៊ូតុង «ប្រើលទ្ធផលក្នុងផ្ទាំងផ្សេងទៀត»។ |
|---|
| ផ្នែកខាងលើ | ភាសា · ម៉ឺនុយផែនទីមូលដ្ឋាន (ក៏មាននៅព្រួញនៃរូបតំណាងរបារឧបករណ៍) · ជំនួយ · របាយការណ៍ PDF។ |
|---|
មេរៀន
ប្រភពទិន្នន័យ
RS Lab មិនត្រូវការគណនី ឬការចូលប្រើទេ។ រូបភាពផ្កាយរណបត្រូវបានអានពីកាតាឡុក STAC បើកចំហឥតគិតថ្លៃនៃ
Cloud-Optimised GeoTIFF៖ Microsoft Planetary Computer និង Earth Search (Amazon Web Services)។
COG អនុញ្ញាតឲ្យ QGIS អានតែភីកសែលក្នុងតំបន់សិក្សា ដូច្នេះអ្នកមិនចាំបាច់ទាញយករូបភាពទាំងមូល ១០០ គីឡូម៉ែត្រទេ។
ការផ្សំរូបភាព សន្ទស្សន៍ និងចំណាត់ថ្នាក់ត្រូវបានគណនានៅលើកុំព្យូទ័ររបស់អ្នកផ្ទាល់។
ចុច សាកល្បងការតភ្ជាប់ ដើម្បីពិនិត្យថាប្រភពនីមួយៗអាចភ្ជាប់បានពីបណ្ដាញរបស់អ្នក។
រូបភាពផ្កាយរណប និងកម្រិតដំណើរការ
Level-1 / TOA = ការចាំផ្លាតវាស់នៅកំពូលបរិយាកាស (មានផ្សែងអ័ព្ទ)។
Level-2 / SR = ការចាំផ្លាតលើផ្ទៃដី ក្រោយកែតម្រូវបរិយាកាស — ល្អបំផុតសម្រាប់វិភាគ។
Raw DN គឺជាចំនួនគត់ដែលអ្នកផ្ដល់ទិន្នន័យរក្សាទុក (Sentinel-2៖ ការចាំផ្លាត × 10000;
Landsat C2 L2៖ ការចាំផ្លាត = DN × 0.0000275 − 0.2)។ Scaled បំប្លែងទៅជាតម្លៃ 0–1។
Composite ផ្សំរូបភាពច្រើនកាលបរិច្ឆេទ ភីកសែលម្ដងមួយៗ; តម្លៃមធ្យម (median) លុបពពក និងស្រមោលភាគច្រើន។
ភាពច្បាស់លំហ៖ Sentinel-2 10–60 ម៉ែត្រ, Landsat 30 ម៉ែត្រ (pan 15 ម៉ែត្រ), Sentinel-1 10 ម៉ែត្រ។
ការផ្សំប៊ែន និងការពង្រឹងកម្រិតពន្លឺ
អេក្រង់បង្ហាញពណ៌បី (ក្រហម បៃតង ខៀវ)។ យើងអាចដាក់ប៊ែន ណាមួយ ចំនួនបីចូល។
ពណ៌ពិត = ប៊ែនក្រហម បៃតង ខៀវ។ ពណ៌ក្លែង (NIR, ក្រហម, បៃតង) បង្ហាញរុក្ខជាតិល្អជាពណ៌ក្រហម
ព្រោះស្លឹកចាំផ្លាតអ៊ីនហ្វ្រារ៉េដជិតខ្លាំង។
តម្លៃដើមស្ថិតក្នុងចន្លោះតូច ធ្វើឲ្យរូបភាពងងឹត។ ការលាតកម្រិតពន្លឺ ផ្ទេរចន្លោះនោះទៅ 0–255៖
min–max, percent clip (មិនគិតតម្លៃជ្រុល 2%), គម្លាតស្តង់ដារ, និង
ការធ្វើឲ្យស្មើអ៊ីស្តូក្រាម (ចែកចាយតម្លៃឲ្យកម្រិតពណ៌ប្រផេះនីមួយៗមានប្រេកង់ស្មើគ្នា)។
ប្រើឧបករណ៍ ខ្សែកោងវិសាលគម ដើម្បីចុចលើភីកសែល ហើយប្រៀបធៀបហត្ថលេខាវិសាលគម។
សន្ទស្សន៍វិសាលគម
សន្ទស្សន៍ផ្សំប៊ែនដើម្បីបញ្ជាក់លក្ខណៈមួយ និងកាត់បន្ថយឥទ្ធិពលពន្លឺ។
NDVI = (NIR − ក្រហម)/(NIR + ក្រហម)៖ ទឹក < 0, ដីទទេ ≈ 0.1–0.2, រុក្ខជាតិក្រាស់ > 0.6។
MNDWI ប្រើបៃតង និង SWIR ដើម្បីគូសផែនទីទឹក; NDBI បញ្ជាក់តំបន់សំណង់; NBR បង្ហាញតំបន់ឆេះ។
Otsu ជ្រើសតម្លៃកំណត់ដោយស្វ័យប្រវត្តិពីអ៊ីស្តូក្រាម (ឧ. ទឹក / មិនមែនទឹក)។
សន្ទស្សន៍ត្រូវគណនាលើ ការចាំផ្លាត; សន្ទស្សន៍ដែលមានថេរ (EVI, SAVI) ត្រូវប្រើតម្លៃ scaled។
តម្រងលំហ និង PCA
តម្រងរំកិលបង្អួចតូច (kernel) លើរូបភាព។ Low-pass (mean, Gaussian, median) ធ្វើឲ្យរលោង
កាត់បន្ថយសំឡេងរំខាន; High-pass ធ្វើឲ្យច្បាស់; តម្រងគែម (Sobel, Laplacian) រកព្រំដែនដូចជា
ផ្លូវ ប្រឡាយ និងគែមស្រែ។ Median រក្សាគែមបានល្អជាង mean។
ការវិភាគសមាសធាតុចម្បង (PCA) បង្វិលប៊ែនដែលទាក់ទងគ្នា ទៅជាសមាសធាតុមិនទាក់ទងគ្នា។ PC1 មានបម្រែបម្រួល
ច្រើនបំផុត (ពន្លឺរួម); PC ក្រោយៗមានភាពផ្ទុយគ្នា និងសំឡេងរំខាន។
ចំណាត់ថ្នាក់ដោយមិនមានការណែនាំ
កុំព្យូទ័របែងចែកភីកសែលដែលមានវិសាលគមស្រដៀងគ្នាទៅជា ក្រុម ដោយគ្មានទិន្នន័យហ្វឹកហាត់។
K-means៖ ជ្រើស k, ដាក់ភីកសែលនីមួយៗទៅក្រុមដែលនៅជិតបំផុត, ផ្លាស់ទីចំណុចកណ្ដាល, ធ្វើម្ដងទៀត។
ISODATA ក៏បំបែកក្រុមធំ ច្របាច់បញ្ចូលក្រុមជិតគ្នា និងលុបក្រុមតូចៗ។
បន្ទាប់មក អ្នកវិភាគត្រូវ ដាក់ឈ្មោះ ក្រុមនីមួយៗ (ឧ. ក្រុម 3 = ទឹក) ដោយផ្អែកលើរូបភាព និងចំណេះដឹងមូលដ្ឋាន។
ស្នើក្រុមច្រើនជាងថ្នាក់ ហើយបញ្ចូលគ្នាដោយដាក់ឈ្មោះដូចគ្នា។
ចំណាត់ថ្នាក់ដោយមានការណែនាំ
- កំណត់ថ្នាក់ (លេខ ឈ្មោះ ពណ៌)។
- គូរ ពហុកោណហ្វឹកហាត់ លើតំបន់សុទ្ធ និងតំណាងនៃថ្នាក់នីមួយៗ — ចែកចាយលើរូបភាពទាំងមូល
យ៉ាងតិច 10–20 ពហុកោណក្នុងមួយថ្នាក់។
- ពិនិត្យ ហត្ថលេខាវិសាលគម និង ភាពបំបែកបាន (Jeffries–Matusita > 1.9 = ល្អ; < 1.0 = ថ្នាក់ត្រួតគ្នា)។
- ជ្រើសវិធី៖ Minimum Distance (មធ្យមថ្នាក់ជិតបំផុត), Parallelepiped (ប្រអប់ ±k·σ),
Maximum Likelihood (ប្រូបាប Gaussian ប្រើកូវ៉ារ្យង់), Spectral Angle Mapper
(រាងវិសាលគម មិនគិតពន្លឺ), Random Forest / SVM (រៀនម៉ាស៊ីន)។
- ធ្វើឲ្យរលោងដោយ majority filter រួចវាយតម្លៃភាពត្រឹមត្រូវដោយទិន្នន័យយោង ឯករាជ្យ។
ការវាយតម្លៃភាពត្រឹមត្រូវ
ប្រៀបធៀបផែនទីជាមួយទិន្នន័យយោងដែល មិន បានប្រើសម្រាប់ហ្វឹកហាត់។ ម៉ាទ្រីសកំហុស
មានថ្នាក់ផែនទីតាមជួរដេក និងថ្នាក់យោងតាមជួរឈរ។
ភាពត្រឹមត្រូវរួម = ត្រូវ / សរុប។ ភាពត្រឹមត្រូវអ្នកផលិត = ត្រូវ / សរុបជួរឈរ
(1 − កំហុសខកខាន)។ ភាពត្រឹមត្រូវអ្នកប្រើ = ត្រូវ / សរុបជួរដេក (1 − កំហុសបញ្ចូលខុស)។
Kappa កែតម្រូវការចៃដន្យ (> 0.8 ខ្លាំង, 0.4–0.8 មធ្យម)។
បង្កើត ចំណុចចៃដន្យតាមស្រទាប់ ដាក់ថ្នាក់ចំណុចនីមួយៗពីរូបភាពច្បាស់ ឬការចុះវាល
ក្នុងវាល ref_class រួចគណនា។
ការរកមើលការប្រែប្រួល
ការដករូបភាព៖ ដកសន្ទស្សន៍ (ឧ. NDVI) នៃកាលបរិច្ឆេទ 1 ពីកាលបរិច្ឆេទ 2។ តម្លៃអវិជ្ជមានធំ =
ការបាត់បង់ (កាប់ព្រៃ ទឹកជំនន់ ការប្រមូលផល); តម្លៃវិជ្ជមានធំ = ការកើនឡើង។ តម្លៃកំណត់ = មធ្យម ± k·σ។
ការប្រៀបធៀបក្រោយចំណាត់ថ្នាក់៖ ចាត់ថ្នាក់រូបភាពទាំងពីរ រួចធ្វើតារាងឆ្លង
ម៉ាទ្រីសការប្រែប្រួល ("ពី → ទៅ")។ វាប្រាប់ថា អ្វី បានប្រែទៅជា អ្វី ប៉ុន្តែកំហុសនៃផែនទីទាំងពីរ
បូកបញ្ចូលគ្នា។ រូបភាពទាំងពីរគួរតែមកពីរដូវ និងឧបករណ៍ចាប់ដូចគ្នា។
សរសេរស្គ្រីបដូច Google Earth Engine — លើកុំព្យូទ័ររបស់អ្នក (LEE)
ស្គ្រីបមួយពិពណ៌នាបណ្ដុំរូបភាព (សំណុំទិន្នន័យ កាលបរិច្ឆេទ ទីតាំង កម្រិតពពក) បង្រួមវាទៅជារូបភាពតែមួយ
(median(), mean(), qualityMosaic()…) គណនាប៊ែនថ្មី
(normalizedDifference, expression, slope…) ហើយបង្ហាញលទ្ធផលដោយ
Map.addLayer, print និងគំនូសតាង។ អានតែភីកសែលក្នុងតំបន់សិក្សា បិទពពកដោយស្វ័យប្រវត្តិ
ហើយការចាំផ្លាតមានតម្លៃ 0–1 រួចជាស្រេច។ ជ្រើសឧទាហរណ៍ កែកាលបរិច្ឆេទ ឬតម្លៃកំណត់ រួចចុច ដំណើរការ។
តំបន់ធំត្រូវគណនាដោយភីកសែលធំជាង — កំណត់ lee.config(scale=30) ដើម្បីឲ្យលឿនជាង។
YAM Sarath · github.com/khgeo · data: Microsoft Planetary Computer, Element 84 Earth Search, OCHA HDX, geoBoundaries, Open Development Cambodia