បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖
ក្រោយភ្លៀងធ្លាក់ខ្លាំងជាប់ៗគ្នាក្នុងពាក់កណ្ដាលខែតុលា ២០២០ គណៈកម្មាធិការគ្រប់គ្រងគ្រោះមហន្តរាយខេត្តបន្ទាយមានជ័យ ត្រូវការផែនទីតំបន់លិចទឹក ដើម្បីបែងចែកជំនួយ និងប៉ាន់ស្មានស្រែដែលខូចខាត។ រូបភាព Sentinel-2 ក្នុងខែនោះ ស្ទើរតែទាំងអស់មានពពកលើស ៨០%។ ក្រុមរបស់អ្នកមានតែ Earth Engine និងរយៈពេលមួយថ្ងៃ។
សំណួរដែលមេរៀននេះឆ្លើយ៖
តើរ៉ាដា «មើលឃើញ» ទឹកក្រោមពពកយ៉ាងដូចម្ដេច?
គិតម្នាក់ឯង ១ នាទី · ពិភាក្សាជាគូ ២ នាទី · ចែករំលែកជាមួយថ្នាក់។
រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ៧ ក្នុងចំណោម ១៥
:material-presentation-play: ស្លាយបង្រៀនមេរៀននេះ
ទឹកជំនន់ជាគ្រោះមហន្តរាយដែលកើតញឹកញាប់បំផុតនៅកម្ពុជា៖ ទឹកជំនន់ទន្លេមេគង្គ និងទន្លេសាបរៀងរាល់ឆ្នាំ និងទឹកជំនន់ភ្លាមៗពីភ្លៀងខ្លាំង ដូចព្រឹត្តិការណ៍ខែតុលា ឆ្នាំ ២០២០ នៅខេត្តបន្ទាយមានជ័យ បាត់ដំបង និងពោធិ៍សាត់។ អ្នកសម្រេចចិត្តត្រូវការដឹងថា ទឹកលិចនៅទីណា ប៉ុន្មាន ហើយប៉ះពាល់ស្រែ និងភូមិប៉ុណ្ណា …
មេរៀននេះបង្រៀនការធ្វើផែនទីទឹក និងទឹកជំនន់ដោយ រ៉ាដា Sentinel-1 ក្នុង Earth Engine៖ ពីការត្រង collection ការកាត់បន្ថយ speckle ការជ្រើសកម្រិតដោយ Otsu ការរកការផ្លាស់ប្ដូរមុន–ក្រោយ រហូតដល់ការដកកំហុស និងការគណនាផលប៉ះពាល់។
Sentinel-1 ជាផ្កាយរណប SAR (Synthetic Aperture Radar) ដែលបញ្ចេញរលកមីក្រូ C-band (រលកប្រវែង ~៥,៦ សង់ទីម៉ែត្រ) ផ្ទាល់ខ្លួន ហើយវាស់ថាមពលដែលចាំងត្រឡប់មកវិញ។
រលកនេះឆ្លងកាត់ពពក និងភ្លៀងស្រាលៗ ហើយដំណើរការទាំងថ្ងៃ និងយប់។ ដូច្នេះវាជាប្រភពទិន្នន័យសំខាន់បំផុតសម្រាប់ទឹកជំនន់នៅតំបន់ត្រូពិច។
Sentinel-1A បានថតរៀងរាល់ ១២ ថ្ងៃ ក្នុងគន្លងមួយ។ Sentinel-1B បានដំណើរការរហូតដល់ខែធ្នូ ២០២១ ហើយ Sentinel-1C ចាប់ផ្ដើមផ្ដល់ទិន្នន័យចាប់ពីឆ្នាំ ២០២៥។ ដូច្នេះចំនួនរូបភាពក្នុងមួយខែ ខុសគ្នាតាមឆ្នាំ៖ ត្រូវពិនិត្យ size() ជានិច្ច។
ផ្ទៃទឹកស្ងប់ដូចកញ្ចក់៖ រលករ៉ាដាចាំងចេញទៅទិសផ្ទុយ (specular reflection) ហើយត្រឡប់មកផ្កាយរណបតិចណាស់។
ក្នុងរូបភាព VV ទឹកមានតម្លៃប្រហែល −១៨ ដល់ −២៥ dB ខណៈដីភាគច្រើនមាន −៥ ដល់ −១៥ dB។ ភាពខុសគ្នានេះហើយដែលធ្វើឱ្យការធ្វើផែនទីទឹកដោយ SAR ងាយ។
ប៉ុន្តែមានករណីលើកលែងសំខាន់ៗ៖
VV ជាទូទៅបំបែកទឹក និងដីបានល្អជាង VH ព្រោះកម្រិតសំឡេងរំខាន (noise floor) របស់ VH ខ្ពស់ជាង។
ក្នុងមេរៀននេះ យើងប្រើ VV ជាចម្បង។
ហេតុអ្វីទឹកស្ងប់ងងឹត ប៉ុន្តែព្រៃលិចទឹកភ្លឺ ក្នុងរូបភាព SAR?
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
Collection COPERNICUS/S1_GRD រៀបចំរួចជា dB ហើយបានកែ terrain រួច (orthorectified)។
ត្រងតាមលក្ខណៈសំខាន់ៗ៖
```javascript var aoi = ee.FeatureCollection('FAO/GAUL/2015/level1') .filter(ee.Filter.eq('ADM1_NAME', 'Banteay Meanchey')); var s1 = ee.ImageCollection('COPERNICUS/S1_GRD') .filterBounds(aoi) .filter(ee.Filter.eq('instrumentMode', 'IW')) // របៀបលើដី …
ហេតុអ្វីត្រូវត្រងគន្លង?
Speckle ជាសំឡេងរំខានដែលកើតពីធម្មជាតិនៃ SAR៖ រលកពីវត្ថុតូចៗជាច្រើនក្នុងក្រឡាមួយ បូក ឬលុបគ្នា ធ្វើឱ្យក្រឡាជិតគ្នាលើផ្ទៃដូចគ្នា មានតម្លៃខុសគ្នាខ្លាំង។
វិធីសាមញ្ញបំផុតគឺ តម្រង median ក្នុងរង្វង់ ឬការ៉េតូចមួយ៖
``javascript var vv = s1.filterDate('2020-10-15', '2020-10-31').mosaic().clip(aoi); var vvF = vv.focalMedian(30, 'circle', 'meters'); // កាំ ៣០ ម ``
តម្រង median រក្សាគែមបានល្អជាងតម្រងមធ្យម។ អ្នកស្រាវជ្រាវក៏ប្រើតម្រងឯកទេស (Refined Lee · Gamma MAP) ឬ composite ពេលវេលា (median នៃរូបភាពច្រើន) ប៉ុន្តែ composite ពេលវេលាមិនសមសម្រាប់ទឹកជំនន់រហ័សទេ ព្រោះទឹកប្ដូររៀងរាល់ថ្ងៃ។
បន្ទាប់ពីតម្រង អ៊ីស្តូក្រាមនៃតំបន់ដែលមានទាំងទឹក និងដី មានកំពូលពីរ។
ទឹក = ក្រឡាដែលទាបជាងកម្រិតមួយ៖
``javascript var water = vvF.lt(-16); // កម្រិតថេរ Map.addLayer(water.selfMask(), , 'ទឹក (−១៦ dB)'); ``
កម្រិតថេរ (−១៥ ដល់ −១៨ dB) ងាយប្រើ ប៉ុន្តែតម្លៃល្អបំផុតប្ដូរតាមរូបភាព មុំ ខ្យល់ និងប្រភេទដី។ វិធី Otsu ជ្រើសកម្រិតដែលបំបែកកំពូលទាំងពីរល្អបំផុត ពីអ៊ីស្តូក្រាមនៃរូបភាពខ្លួនឯង៖
```javascript function otsu(histogram) { var counts = ee.Array(ee.Dictionary(histogram).get('histogram')); var means = ee.Array(ee.Dictionary(histogram).get('bucketMeans')); var size = means.length().get([0]); var total = …
Otsu ដំណើរការល្អ លុះត្រាតែតំបន់មាន ទាំងទឹក និងដីច្រើនគួរសម។
ប្ដូរកម្រិត dB ទំហំតម្រង និងចុច Otsu។ ពិសោធន៍នេះប្រើរូបភាព SAR ក្លែងធ្វើពីគម្របដីពិតនៃភ្នំពេញ ដូច្នេះយើងដឹងការពិត ហើយអាចវាស់ភាពត្រឹមត្រូវ។ មើលថាតម្រងធ្វើឱ្យកំពូលពីរនៃអ៊ីស្តូក្រាមច្បាស់យ៉ាងណា។
ហេតុអ្វីត្រូវប្រើរូបភាពមុន និងក្រោយពីគន្លងដូចគ្នា?
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
ផែនទីទឹកក្រោយព្រឹត្តិការណ៍ រួមទាំងទន្លេ បឹង ស្រះ និងស្រែដែលមានទឹកធម្មតា។
ទឹកជំនន់ គឺទឹកដែលមាននៅពេលនេះ តែ មិនមាន ក្នុងស្ថានភាពធម្មតា។ វិធីពីរ៖
```javascript var before = s1.filterDate('2019-10-15', '2019-10-31').mosaic().focalMedian(30, 'circle', 'meters').clip(aoi); var after = s1.filterDate('2020-10-15', '2020-10-31').mosaic().focalMedian(30, 'circle', …
រូបភាពមុន ត្រូវតំណាង «ធម្មតា» សម្រាប់រដូវនោះ៖ ខែដូចគ្នានៃឆ្នាំមុនដែលគ្មានទឹកជំនន់ធំ ឬ median នៃខែដូចគ្នាច្រើនឆ្នាំ។ ប្រសិនបើប្រើរូបភាពរដូវប្រាំងជា «មុន» ទឹកតាមរដូវធម្មតា (ទន្លេសាបពង្រីក) នឹងរាប់ជាទឹកជំនន់ទាំងអស់។
```javascript var gsw = ee.Image('JRC/GSW1_4/GlobalSurfaceWater'); var permanent = gsw.select('seasonality').gte(10); // ទឹក ≥ ១០ ខែ/ឆ្នាំ var slope = …
unmask(0) ចាំបាច់ព្រោះ JRC គ្មានតម្លៃ (masked) នៅកន្លែងដែលមិនដែលមានទឹក៖ បើគ្មាន unmask ការ where នឹងបាត់ក្រឡាទាំងនោះ។
ពន្យល់គោលការណ៍នៃ Otsu ហើយប្រាប់ពេលណាវាមិនដំណើរការ។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
ផែនទីទឹកជំនន់មានតម្លៃពេញលេញ នៅពេលឆ្លងជាមួយស្រទាប់ផ្សេង ដោយប្រើ reducer ពីមេរៀនទី៤៖
```javascript var km2 = ee.Image.pixelArea().divide(1e6).updateMask(floodClean) .reduceRegion(); print('ផ្ទៃទឹកជំនន់ (គម²)', km2);
var wc = ee.ImageCollection('ESA/WorldCover/v200').first(); // ៤០ = ដំណាំ var cropKm2 = ee.Image.pixelArea().divide(1e6).updateMask(floodClean).updateMask(wc.eq(40)) .reduceRegion({reducer: ee.Reducer.sum(), geometry: aoi.geometry(), …
ចំណាំថា WorldPop មានក្រឡា ១០០ ម៉ែត្រ។
ក្រោយគណនារួច ផែនទីទឹកជំនន់ត្រូវទៅដល់អ្នកសម្រេចចិត្តជា របាយការណ៍។
រូបទី៧.៨៖ ផ្ទៃលិចទឹក ខេត្តបាត់ដំបង ពី Sentinel-1 VH (ក្រោយព្រឹត្តិការណ៍ ៣១ កក្កដា ២០២៦ ធៀបនឹងរដូវប្រាំង) សន្លឹកទី១ នៃផែនទីស៊េរីក្នុងរបាយការណ៍គំរូ Flood Mapper v2.3។ …
| ផ្នែករបាយការណ៍ | អ្វីដែលរាយការណ៍ | ហេតុអ្វីសំខាន់ |
|---|---|---|
| ប្រភពនៃការគណនា (provenance) | ថ្ងៃព្រឹត្តិការណ៍ ឧបករណ៍ចាប់ (S1 IW VH) គន្លង ២៦ ASC ទាំងមុន និងក្រោយ · baseline ១១ រូបភាពរដូវប្រាំង | គន្លង និងទិសហោះដូចគ្នា ទើបការផ្លាស់ប្ដូរមិនមកពីធរណីមាត្រមើល (§៧.៣.៦) |
| កម្រិត | −៣,៨៨ dB ពី Otsu/triangle លើភាពខុសគ្នា dB · អ៊ីស្តូក្រាមមានជ្រលងច្បាស់ | បើអ៊ីស្តូក្រាមមានកំពូលតែមួយ កម្រិតណាក៏ជាការជ្រើសចៃដន្យ (§៧.៣.៥) |
| ការសម្អាត | ដកទឹកអចិន្ត្រៃយ៍ JRC · ជម្រាល > ៥° · ផ្ទៃអប្បបរមា ៨ ក្រឡា | ដកកំហុសវិជ្ជមានក្លែងក្លាយ (§៧.៣.៧) |
| ជម្រៅ | មធ្យម ១,៤២ ម ដោយ FwDET លើ FABDEM ៣០ ម | ជម្រៅគ្មានន័យ បើមិនប្រាប់ DEM ដែលប្រើ |
| ផលប៉ះពាល់ | ប្រជាជន (WorldPop) សំណង់ (GHSL) ផ្លូវ សាលារៀន មណ្ឌលសុខភាព · ផ្ទៃ និង ចំណែក នៃថ្នាក់គម្របដីនីមួយៗ | ថ្នាក់តូចដែលលិចភាគរយខ្ពស់ (សំណង់ ៧,៣%) មើលមិនឃើញបើបង្ហាញតែផ្ទៃដាច់ខាត |
| ការផ្ទៀងផ្ទាត់ដោយ optical | Sentinel-2 MNDWI ៣ ថ្ងៃក្រោយ៖ IoU ០,៧១ · ឃើញទាំងពីរ ៦៤,៩% · SAR តែប៉ុណ្ណោះ ២៧,១% · S2 តែប៉ុណ្ណោះ ៨,០% | ភាពខុសគ្នាមានព័ត៌មាន៖ SAR ឃើញក្រោមពពក និងក្នុងរុក្ខជាតិលិច · S2 អាចច្រឡំដីសើមជាទឹក |
| ភាពត្រឹមត្រូវ | គំរូយោង ១០០ · OA ៩១% · Kappa ០,៨២ · ផ្ទៃកែតម្រូវកំហុសជាមួយចន្លោះទំនុកចិត្ត ៩៥% | ផ្ទៃពីការរាប់ក្រឡាគ្មានភាពមិនច្បាស់ ប៉ុន្តែការប៉ាន់ស្មានមាន (មេរៀនទី១៣ សៀវភៅទី៣) |
របាយការណ៍នេះក៏បង្ហាញទម្លាប់ល្អពីរ ដែលសិស្សច្រើនតែភ្លេច៖
តួលេខខ្លះក្នុងរបាយការណ៍គំរូនេះ ប្រើសម្រាប់បង្ហាញទម្រង់របាយការណ៍ប៉ុណ្ណោះ។ មុនដកស្រង់ទៅប្រើ ត្រូវពិនិត្យថាផ្ទៃសរុប និងប្រជាជនសរុបក្នុងតារាងនីមួយៗ ស៊ីគ្នាជាមួយផ្ទៃខេត្តពិត។ ការពិនិត្យនេះខ្លួនឯង ជាជំនាញសំខាន់មួយនៃការអានរបាយការណ៍។
ភាពខុសគ្នារវាង «ផែនទីទឹក» និង «ផែនទីទឹកជំនន់»?
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
ពិសោធន៍ក្នុង §៧.៣.៥ ប្រើរូបភាពក្លែងធ្វើ។
ផ្នែកនេះប្រើរូបភាពពិតពីរ លើតំបន់ ១៥ × ១៤ គម ពីភាគខាងត្បូងក្រុងសៀមរាប ឆ្លងភ្នំក្រោម ដល់បឹងទន្លេសាប៖ Sentinel-1 IW GRD ថ្ងៃទី១៧ តុលា ២០២៦ (ASC គន្លង ២៦ មុំ incidence ៣១–៣២°) និង Sentinel-2 L2A ថ្ងៃទី១៩ តុលា ជាមួយ Cloud Score+។ ពេលនោះជាចុងរដូវវស្សា បឹងរីកធំបំផុត ហើយ S2 មានពពក cumulus ប្រហែល ១០% នៃរូប។
រូបទី៧.៩៖ Sentinel-1 (១៧ តុលា ២០២៦) និង Sentinel-2 (១៩ តុលា ២០២៦) លើតំបន់សៀមរាប – ទន្លេសាប។ ឃ. ទឹក S1 ពីកម្រិត Otsu លើ VV (−១៣,៨ dB) ធៀបនឹងទឹក S2 (MNDWI > ០) …
ក្នុង Earth Engine ការផ្ទៀងផ្ទាត់នេះមានបួនជំហាន៖ ផែនទីទឹក S1 ផែនទីទឹក S2 ដែលបិទបាំងពពក រូបភាពប្រៀបធៀប និងផ្ទៃតាមថ្នាក់៖
```javascript var aoi = ee.Geometry.Rectangle([103.747, 13.221, 103.888, 13.345]); var s1 = ee.ImageCollection('COPERNICUS/S1_GRD') .filterBounds(aoi).filterDate('2026-10-17', '2026-10-18') .filter(ee.Filter.eq('instrumentMode', 'IW')) .filter(ee.Filter.eq('relativeOrbitNumber_start', 26)) …
var csPlus = ee.ImageCollection('GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED'); var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED') .filterBounds(aoi).filterDate('2026-10-19', '2026-10-20') .linkCollection(csPlus, ['cs_cdf']) .map(function (img) { return …
var s1water = vvF.lt(-13.8); // កម្រិត Otsu នៃរូបនេះ var s2water = s2.normalizedDifference(['B3', 'B11']).gt(0); // MNDWI > 0 var cmp = s1water.multiply(2).add(s2water); // ០ ដីទាំងពីរ · ១ …
ក្នុង Earth Engine cs_cdf មានចន្លោះ ០–១ ដូច្នេះកម្រិត ០,៦០ ស្មើនឹង ៦០ ក្នុងពិសោធន៍ខាងក្រោម។
លទ្ធផល (ក្រឡា ៤០ ម ក្នុងពិសោធន៍)៖ Otsu លើ VV ផ្ដល់ −១៣,៨ dB និងផ្ទៃទឹក ១០៧ គម² (៥២% នៃ ២០៨ គម²)។
ចុច Otsu ប្ដូររវាង VV និង VH ហើយប្ដូរកម្រិត Cloud Score+។ អ៊ីស្តូក្រាមត្រូវបានបំបែកតាមថ្នាក់ S2 (ទឹក មិនមែនទឹក ពពក)៖ មើលថាក្រឡាទឹក S2 ដែលមាន VV ខ្ពស់ (កន្ទុយទៅស្ដាំ) ស្ថិតនៅឯណាលើផែនទី។ ដាក់ម៉ៅស៍លើរូប ដើម្បីអានតម្លៃក្រឡា។
ឧទាហរណ៍នេះផ្អែកលើលំហាត់ក្នុងសៀវភៅចាស់របស់វគ្គនេះ ដោយបន្ថែមតម្រង Otsu និងការសម្អាត។
ប្រើកូដក្នុងផ្នែក ៧.៣.៣ ដើម្បីបាន s1 (VV · descending)។
បង្កើត before (១៥–៣១ តុលា ២០១៩) និង after (១៥–៣១ តុលា ២០២០)។ ពិនិត្យ size() នៃរយៈពេលនីមួយៗ៖ ប្រសិនបើ ០ ពង្រីករយៈពេល។
``javascript Map.centerObject(aoi, 9); Map.addLayer(before.addBands(after).addBands(after), , 'RGB៖ មុន ក្រោយ ក្រោយ'); `` ក្នុងរូបភាពបីក្រុមរលកនេះ តំបន់ដែលក្លាយជាទឹក បង្ហាញជា ពណ៌ក្រហម …
វាជាការពិនិត្យរហ័ស មុនពេលគណនាអ្វីទាំងអស់។
គណនា Otsu លើ after (ផ្នែក ៧.៣.៥) ហើយប្រើកម្រិតនោះជំនួស −១៦ ក្នុងកូដផ្នែក ៧.៣.៦។
ប្រៀបធៀបផ្ទៃទឹកជំនន់ពីកម្រិតទាំងពីរ។
អនុវត្ត mask ក្នុងផ្នែក ៧.៣.៧ ហើយគណនាផ្ទៃសរុប និងផ្ទៃដីដំណាំលិច (ផ្នែក ៧.៣.៨)។
គណនាតាមស្រុកដោយ reduceRegions (GAUL level 2) ដើម្បីកំណត់ស្រុកដែលរងផលប៉ះពាល់ខ្លាំងជាងគេ។
ពិនិត្យលទ្ធផលជាមួយរបាយការណ៍ព័ត៌មាន ឬរបាយការណ៍របស់ NCDM អំពីស្រុកដែលរងទឹកជំនន់ ហើយមើលរូបភាព Sentinel-2 ដែលមានចន្លោះពពកណាមួយ។
នាំចេញជា GeoTIFF (toByte()) និងតារាងស្រុកជា CSV។
ផែនទីនេះបង្ហាញទឹកនៅម៉ោងដែលផ្កាយរណបឆ្លងកាត់ (ប្រហែលម៉ោង ៦ ព្រឹក សម្រាប់ descending) មិនមែនទឹកអតិបរមាទេ។ វារំលងទឹកក្រោមរុក្ខជាតិក្រាស់ និងក្នុងទីក្រុង ហើយមិនប្រាប់ពីជម្រៅទឹកទេ។ ស្រែដែលមានទឹកធម្មតាក្នុងខែតុលា ប៉ុន្តែមិនមានក្នុងឆ្នាំ ២០១៩ ក៏អាចត្រូវរាប់ជាទឹកជំនន់ដែរ។
លំហាត់ដំណើរការក្នុង Earth Engine Code Editor ជាមួយទិន្នន័យកាតាឡុក ហើយមានរូបលទ្ធផលគំរូ តារាងកំហុសទូទៅ និងប្រអប់ពិនិត្យលទ្ធផលដោយខ្លួនឯង។
Sentinel-1 ឆ្លងកាត់ពពក ហើយទឹកស្ងប់ងងឹតក្នុងរូបភាព VV (−១៨ ដល់ −២៥ dB) ព្រោះរលកចាំងចេញឆ្ងាយ។ ក្នុង Earth Engine យើងត្រង S1_GRD តាម IW VV និងគន្លងតែមួយ កាត់បន្ថយ speckle ដោយ focalMedian ហើយបំបែកទឹកដោយកម្រិតថេរ ឬ Otsu ដែលគណនាពីអ៊ីស្តូក្រាមនៃរូបភាពនីមួយៗ។
ទឹកជំនន់គឺជាទឹកថ្មី៖ ប្រៀបធៀបជាមួយរូបភាពនៃខែដូចគ្នាក្នុងឆ្នាំធម្មតា ដកទឹកអចិន្ត្រៃយ៍ (JRC) តំបន់ជម្រាល និង HAND ខ្ពស់ ហើយបន្ទាប់មកគណនាផ្ទៃ និងផលប៉ះពាល់ដោយ pixelArea WorldCover និង WorldPop។
SAR ប្រាប់ថា «ផ្ទៃនេះរលោងដូចទឹក» មិនមែន «នេះជាទឹកជំនន់» ទេ។ ផែនទីទឹកជំនន់ដែលទុកចិត្តបាន ត្រូវការការប្រៀបធៀបជាមួយស្ថានភាពធម្មតា និងការដកចេញនូវអ្វីៗដែលងងឹតដូចទឹក។
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| រ៉ាដាអាប៉ឺទួរសំយោគ | SAR | រ៉ាដាដែលថតរូបភាពបានក្រោមពពក |
| ការចាំងត្រឡប់ | Backscatter | ថាមពលរ៉ាដាដែលត្រឡប់មកផ្កាយរណប |
| ការចាំងដូចកញ្ចក់ | Specular reflection | រលកចាំងចេញឆ្ងាយពីផ្ទៃរលោង |
| ការចាំងពីរដង | Double bounce | ទឹក + ដើមឈើ/ជញ្ជាំង ធ្វើឱ្យភ្លឺ |
| Speckle | Speckle | សំឡេងរំខានគ្រាប់ៗក្នុងរូបភាព SAR |
| កម្រិត Otsu | Otsu threshold | កម្រិតដែលបំបែកអ៊ីស្តូក្រាមពីរកំពូល |
| ការរកការផ្លាស់ប្ដូរ | Change detection | ប្រៀបធៀបមុន និងក្រោយព្រឹត្តិការណ៍ |
| កម្ពស់ពីលើប្រឡាយជិតបំផុត | HAND | កម្ពស់ធៀបនឹងប្រឡាយទឹកជិតបំផុត |
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| Cloud Score+ | Cloud Score+ (cs_cdf) | ពិន្ទុភាពច្បាស់ ០–១ សម្រាប់បិទបាំងពពក Sentinel-2 |
| IoU | Intersection over Union | ផ្ទៃត្រួតគ្នា ÷ ផ្ទៃរួម នៃផែនទីទឹកពីរ |
| វាលលិចទឹកមានរុក្ខជាតិ | Flooded vegetation | ទឹកក្រោមរុក្ខជាតិ ដែលភ្លឺក្នុង SAR ដោយ double bounce |
after.subtract(before) ក្នុង dB ស្មើនឹងផលធៀបក្នុងឯកតាលីនេអ៊ែរ?ធ្វើផែនទីទឹកជំនន់នៃព្រឹត្តិការណ៍មួយផ្សេងទៀតនៅកម្ពុជា ដែលកើតក្រោយឆ្នាំ ២០១៥ (Sentinel-1 មានទិន្នន័យលើកម្ពុជាជាប្រចាំចាប់ពីប្រហែលឆ្នាំនោះ)។ សរសេររបាយការណ៍មួយទំព័រ៖ វិធីសាស្ត្រ កម្រិត ផ្ទៃ និងដែនកំណត់។
ទឹកជំនន់ និងគ្រោះរាំងស្ងួត ជាមុខពីរនៃកាក់តែមួយ៖ ឆ្នាំខ្លះភ្លៀងច្រើនពេក ឆ្នាំខ្លះភ្លៀងតិចពេក ជួនកាលក្នុងខេត្តតែមួយ។ ប៉ុន្តែគ្រោះរាំងស្ងួតមិនបង្ហាញខ្លួនជាផ្ទៃទឹកដែលយើងអាចកំណត់កម្រិតបានទេ។
តើត្រូវវាស់ «ភ្លៀងតិចជាងធម្មតា» និង «រុក្ខជាតិខ្វះទឹក» យ៉ាងដូចម្ដេច នៅពេលដែល «ធម្មតា» ខុសគ្នាតាមទីកន្លែង និងខែ?
អានមេរៀនពេញ និងធ្វើលំហាត់ទី៧
https://khgeo.github.io/applied-gis-rs/lessons/lesson-07/