Chulalongkorn University Theses and Dissertations (Chula ETD)

การประมาณค่าดัชนีพื้นที่ผิวใบและการจำแนกพันธุ์ไม้ป่าชายเลนด้วยเทคนิคการสำรวจระยะไกลแบบไฮเปอร์สเปกตรัล

Other Title (Parallel Title in Other Language of ETD)

Hyperspectral remote sensing techniques for leaf area index estimation and mangrove discrimination

Year (A.D.)

2013

Document Type

Thesis

First Advisor

ชัยโชค ไวภาษา

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Degree Name

วิศวกรรมศาสตรดุษฎีบัณฑิต

Degree Level

ปริญญาเอก

Degree Discipline

วิศวกรรมสิ่งแวดล้อม

DOI

10.58837/CHULA.THE.2013.1103

Abstract

งานวิจัยนี้มีวัตถุประสงค์สองประเด็นหลักๆ คือ เพื่อหาชนิดของข้อมูลและวิธีการที่เหมาะสมในการประมาณค่าดัชนีพื้นที่ผิวใบของป่าชายเลนที่มีความหนาแน่นของเรือนยอดสูง และการจำแนกป่าชายเลนในระดับสายพันธุ์ด้วยข้อมูลภาพแบบไฮปอร์สเปกตรัลโดยอาศัยการคัดเลือกช่วงคลื่นที่เหมาะสมด้วยวิธีการ Sequential Forward Selection และขั้นตอนวิธีการเชิงพันธุกรรม โดยพื้นที่ศึกษาคือ ป่าชายเลนบริเวณแหลมตะลุมพุก อ. ปากพนัง จ. นครศรีธรรมราช จากผลการศึกษาในประเด็นการประมาณค่าดัชนีพื้นที่ผิวใบสามารถสรุปได้ว่าวิธีการวิเคราะห์การถดถอยวิธีกำลังสองน้อยที่สุดแบ่งส่วนให้ค่าความถูกต้องในการประมาณค่าดัชนีพื้นที่ผิวใบดีที่สุดเมื่อเทียบกับวิธีการอื่นๆ โดยมีค่าค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย เท่ากับ 0.192 และ 0.337 ในกรณีภาพถ่าย Hyperion และ ALI ตามลำดับ นอกจากนี้ข้อมูลภาพแบบไฮเปอร์สเปกตรัลให้ผลการประมาณค่าดัชนีพื้นที่ผิวใบได้ดีกว่าข้อมูลภาพแบบหลายช่วงคลื่นโดยสามารถปรับปรุงค่าความถูกต้อง 43% งานวิจัยนี้เป็นครั้งแรกที่สามารถสรุปได้ว่าข้อมูลภาพไฮเปอร์สเปกตรัลสามารถจำแนกป่าชายเลนในระดับสายพันธุ์ได้เมื่อร่วมกับเทคนิคการคัดเลือกช่วงคลื่นแบบขั้นตอนวิธีเชิงพันธุกรรมทำให้สามารถจำแนกป่าชายเลนจำนวน 5 สายพันธุ์เด่นได้อย่างถูกต้อง โดยวิธีการดังกล่าวปรับปรุงค่าความถูกต้องโดยรวมจาก 87% เป็น 92% อย่างไรก็ตามผลการทดลองยังมีความสับสนระหว่างโกงกางใบเล็ก และโกงกางใบใหญ่ โดยผู้วิจัยคาดหวังว่าวิธีการที่ใช้ในงานวิจัยนี้จะสามารถนำไปใช้กับการจำแนกระดับสายพันธุ์กับพื้นที่อื่นๆ ได้

Other Abstract (Other language abstract of ETD)

The objective of this research are two main issues, the first is to find the suitable data type (i.e. EO-1 Hyperion and EO-1 ALI) and the appropriate method to estimate Leaf Area Index (LAI) of dense canopy mangrove. Another issue is the classification of tropical mangrove at species level by band selection methods. The study site is at the Talumpuk cape, Pak Phanang District, Nakorn Sri Thammarat Province, Thailand In the first issue, the results suggest that the Partial Least Square Regression (PLSR) improved the accuracy compared with other methods. The Root Mean Square Error (RMSE) of PLSR methods are 0.192 and 0.337 when used the Hyperion and ALI respectively. Moreover, the hyperspectral data helped improve RMSE 43% compared multispectral data when used PLSR. This study demonstrated the capability of the hyper-dimensional remote sensing data for discriminating diversely-populated tropical mangrove species. It was found that five different tropical mangrove species were correctly classified. The Genetic Algorithm based bands selection helped improve the overall accuracy from 86% to 92% despite the remaining confusion between the two members of the Rhizophoraceae family and the pioneer species.

Link to Full Text

Share

COinS