បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖
អ្នកទាញយករូបភាព Sentinel-2 មួយ ហើយត្រួតលើផែនទីផ្លូវជាតិដែលអ្នកមានស្រាប់។ លទ្ធផល៖ ផ្លូវក្នុងផែនទីនិងផ្លូវក្នុងរូបភាព ជិតគ្នាតែមិនស៊ីគ្នាដិត ជាពិសេសនៅតំបន់ភ្នំ។ នៅតំបន់រាបស្មើ ភាពខុសគ្នាតូចជាង។
នេះមិនមែនជាកំហុសចៃដន្យទេ។ វាកើតឡើងព្រោះ Sentinel-2 (ដូចផ្កាយរណបភាគច្រើន) មិនមើលទៅចំបញ្ឈរគ្រប់ចំណុចទេ។ ចំណុចដែលឆ្ងាយពីកណ្ដាលរូបភាព ត្រូវបានមើលមកតាមមុំទ្រេត ដូច្នេះវត្ថុខ្ពស់ (ភ្នំ អគារខ្ពស់) លេចមកនៅទីតាំងផ្សេងពីទីតាំងពិត។ បាតុភូតនេះកាន់តែច្បាស់ក្នុងតំបន់ដែលមានកម្ពស់ខុសគ្នាខ្លាំង។
រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ៨ ក្នុងចំណោម ១៥
:material-presentation-play: ស្លាយបង្រៀនមេរៀននេះ
មេរៀនទី៧ បានដោះស្រាយសំណួរ «តើតម្លៃក្រឡានេះត្រឹមត្រូវទេ?» ដោយកែឥទ្ធិពលបរិយាកាស និងឧបករណ៍ចាប់។ មេរៀននេះដោះស្រាយសំណួរមួយទៀតដែលសំខាន់ស្មើគ្នា៖ «តើក្រឡានេះស្ថិតនៅត្រង់ណាលើផែនដីពិត?»។
ក្រឡាមួយអាចមានតម្លៃត្រឹមត្រូវបេះបិទ ប៉ុន្តែបើវាដាក់ខុសទីតាំង ១០០ ម នៅលើផែនទី វានឹងធ្វើឱ្យការវិភាគទាំងអស់ខុសដែរ៖ ការគណនាផ្ទៃពីចំណុចខុសនឹងផ្ដល់លទ្ធផលខុស ការត្រួតគ្នាជាមួយស្រទាប់វ៉ិចទ័រនឹងមិនផ្គូផ្គង ហើយការប្រៀបធៀបរូបភាពពីរកាលបរិច្ឆេទនឹងច្រឡំចលនាឧបករណ៍ជាមួយការផ្លាស់ប្ដូរផ្ទៃដីពិត។ …
រូបភាពឆៅមានការខូចទ្រង់ទ្រាយពីប្រភពជាច្រើន៖
| ប្រភព | មូលហេតុ |
|---|---|
| ការវិលបង្វិលផែនដី | ខណៈផ្កាយរណបស្កេន ផែនដីវិលក្រោមវា បង្កើតការឡៀងបន្តិច |
| ភាពមិនស្មើនៃមុំមើល | ចំណុចនៅជាយទទឹងថត មើលមកតាមមុំទ្រេត ធៀបនឹងកណ្ដាល |
| ជម្រាលភូមិសាស្ត្រ (Relief displacement) | វត្ថុខ្ពស់លេចមកឆ្ងាយពីទីតាំងពិត តាមទិសឆ្ងាយពីកណ្ដាលរូបភាព |
| ភាពមិនស្ថិតស្ថេររបស់វេទិកា | ការញ័រ ឬបំរែបំរួលតូចៗនៃទីតាំងផ្កាយរណប |
| ការព្យាករចំណោល | ការបម្លែងពីផ្ទៃមូលទៅផ្ទៃរាបស្មើ (សៀវភៅទី១ មេរៀនទី៣) |
ក្នុងចំណោមទាំងនេះ ជម្រាលភូមិសាស្ត្រ សំខាន់បំផុតសម្រាប់ការវិភាគក្នុងតំបន់ភ្នំ។
សូមមើលរូបភាពនេះ៖
រូបទី៨.១៖ ការផ្លាស់ទីដោយសារជម្រាល (Relief displacement)។ ចំណុចខ្ពស់នៅឆ្ងាយពីចំណុចកណ្ដាលរូបភាព លេចមកឆ្ងាយពីទីតាំងពិតរបស់វា។ ការកែតម្រូវអូតូប្រើ DEM ដើម្បីកែផលនេះ។
ចំណុចនៅកំពូលភ្នំ ដែលនៅឆ្ងាយពីចំណុចកណ្ដាលរូបភាព លេចមកនៅទីតាំងផ្សេងពីទីតាំងផែនដីពិតរបស់វា ដោយសារឧបករណ៍ចាប់មើលវាតាមមុំទ្រេត។
ពន្យល់ថាហេតុអ្វីជម្រាលភូមិសាស្ត្រកើតឡើងខ្លាំងជាងនៅជាយរូបភាព ធៀបនឹងកណ្ដាល។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
មានវិធីកែពីរកម្រិត ដែលនិស្សិតច្រើនច្រឡំ៖
ផលិតផល Sentinel-2 L1C/L2A និង Landsat Collection 2 ត្រូវបានធ្វើ orthorectification រួចហើយដោយភ្នាក់ងារ ដោយប្រើ DEM សកល។
ដូច្នេះនិស្សិតភាគច្រើននឹងមិនចាំបាច់ធ្វើជំហាននេះដោយខ្លួនឯងទេ លើកលែងតែធ្វើការជាមួយរូបភាពដ្រូន ឬរូបភាពពាណិជ្ជកម្មកម្រិតទាបជាង ដែលមកជា «raw» ឬ «Level 1B»។
សូម្បីតែផលិតផលដែល orthorectified រួច ក៏អាចមានកំហុសតូចៗនៅតំបន់ភ្នំចោត ដោយសារភាពត្រឹមត្រូវនៃ DEM ដែលប្រើ។ សម្រាប់ការវាស់ត្រឹមត្រូវខ្ពស់នៅតំបន់ភ្នំ គួរផ្ទៀងផ្ទាត់ជាមួយចំណុចយោងទីវាល។
ដើម្បីវាយតម្លៃ ឬធ្វើ georeferencing ដោយខ្លួនឯង យើងប្រើ ចំណុចត្រួតពិនិត្យ (Ground Control Point · GCP)៖ ចំណុចដែលយើងដឹងកូអរដោនេពិត (ពីការវាស់ទីវាល ឬពីផែនទីត្រឹមត្រូវ) និងអាចកំណត់ទីតាំងវាក្នុងរូបភាព។
ជ្រើសប្រភេទការខូចទ្រង់ទ្រាយ និងចំនួន GCP ខុសៗគ្នា។ សង្កេត RMSE ប្ដូរតាមចំនួនចំណុច។ បន្ទាប់មកធីក «អនុវត្តការកែតម្រូវ» ដើម្បីមើលថារូបភាពត្រូវនឹងព្រំដែនផែនទីវិញ។
បន្ទាប់ពីគណនាការបំប្លែងពី GCP ភាពត្រឹមត្រូវត្រូវបានវាស់ដោយ Root Mean Square Error (RMSE)៖ ចម្ងាយមធ្យមរវាងទីតាំង GCP ក្នុងផែនទី និងទីតាំងដែលការបំប្លែងព្យាករ។
RMSE = √( Σ(ចម្ងាយ²) ÷ ចំនួន GCP )
ក្បួនអនុវត្តសម្រាប់ GCP៖
បែងចែក Georeferencing និង Orthorectification។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
ពេលតំបន់សិក្សាធំជាងសន្លឹករូបភាពមួយ ត្រូវការ ការរួមផ្សំ (Mosaicking)។
បញ្ហាទូទៅ៖
ប្ដូររវាងវិធីទាំងបី ហើយសង្កេតថាព្រំដែនរវាងសន្លឹកទាំងពីរលេចធ្លោប៉ុនណា។
| បញ្ហា | មូលហេតុ | ដំណោះស្រាយ |
|---|---|---|
| ព្រំដែនមើលឃើញ | សន្លឹកថតខុសកាលបរិច្ឆេទ ខុសមុំពន្លឺ | ជ្រើសសន្លឹកកាលបរិច្ឆេទជិតគ្នា |
| ភាពខុសគ្នានៃពណ៌ | កម្រិតកែតម្រូវ ឬ stretch ខុសគ្នា | ប្រើទិន្នន័យកម្រិតដូចគ្នា (ទាំងអស់ L2A) |
| ការត្រួតគ្នាមិនត្រឹមត្រូវ | កំហុសធរណីមាត្រតូចៗនៃសន្លឹកនីមួយៗ | ពិនិត្យ georeferencing មុនផ្សំ |
| ព្រំដែនត្រង់ជាបន្ទាត់ត្រង់ | Cutline មិនបានជ្រើសល្អ | ជ្រើស cutline តាមព្រំធម្មជាតិ (ទន្លេ ផ្លូវ) |
Feathering (លាយគែម) និង Histogram matching (ផ្គូផ្គងអ៊ីស្តូក្រាម) ជាបច្ចេកទេសដែលកាត់បន្ថយភាពលេចធ្លោនៃព្រំដែន ប៉ុន្តែពួកវា លាក់បញ្ហា មិនកែឫសគល់ទេ។
ដំណោះស្រាយល្អបំផុតគឺជ្រើសរូបភាពដែលថតជិតកាលបរិច្ឆេទគ្នា និងកែតម្រូវឱ្យស៊ីគ្នារួចមុននឹងផ្សំ (មេរៀនទី៧)។ ក្នុង QGIS Build Virtual Raster អាចផ្សំសន្លឹកច្រើនដោយមិនចាំបាច់សរសេរឯកសារថ្មី។
| ស្ថានភាព | អ្វីដែលចាំបាច់ |
|---|---|
| Sentinel-2/Landsat L2A/Collection 2 លើតំបន់រាបស្មើ | ជាទូទៅគ្រប់គ្រាន់ដោយមិនកែបន្ថែម |
| Sentinel-2/Landsat លើតំបន់ភ្នំ ដែលត្រូវការភាពត្រឹមត្រូវខ្ពស់ | ពិនិត្យ georeferencing ដោយប្រើ GCP ទីវាល |
| រូបភាពដ្រូន ឬយន្តហោះឆៅ | ត្រូវធ្វើ orthorectification ដោយប្រើ DEM ជាមុន (Structure-from-Motion software) |
| ការផ្សំរូបភាពច្រើនសន្លឹក | ត្រូវការការត្រួតពិនិត្យ mosaicking ដូចខាងលើ |
ការចំណាយពេលត្រួតពិនិត្យធរណីមាត្រនៅដើមគម្រោង សន្សំពេលកែកំហុសនៅចុងគម្រោងច្រើន ជាពិសេសសម្រាប់ការវិភាគដែលពាក់ព័ន្ធនឹងការត្រួតគ្នាជាមួយស្រទាប់វ៉ិចទ័រ ឬការប្រៀបធៀបចម្រុះកាលបរិច្ឆេទ។
សរសេររូបមន្ត RMSE ហើយពន្យល់ន័យរបស់វា។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
មុនយុគផ្កាយរណប ផែនទីជាច្រើនត្រូវបានធ្វើពី រូបថតពីលើអាកាសបញ្ឈរ (vertical aerial photographs) ដែលថតតាមខ្សែហោះហើរ (flightline) ដោយរូបថតជាប់គ្នាត្រួតគ្នាប្រហែល ៦០% ដើម្បីមើលជាស្ទេរ៉េអូ (៣ វិមាត្រ)។
រូបថតទ្រេតទាប (low-oblique) មិនឃើញជើងមេឃ ឯរូបថតទ្រេតខ្ពស់ (high-oblique) ឃើញជើងមេឃ។ គោលការណ៍ធរណីមាត្រដូចគ្នានេះ អនុវត្តសព្វថ្ងៃចំពោះរូបថតដ្រូន។
មាត្រដ្ឋានរូបថត ពីធរណីមាត្រត្រីកោណស្រដៀងគ្នា៖
s = ab ÷ AB = f ÷ H · លើដីមានកម្ពស់៖ s = f ÷ (H − h)
ដែល f = ប្រវែងកំណុំ · H = កម្ពស់ហោះពីនីវ៉ូទឹកសមុទ្រ · h = កម្ពស់ដី។
ឧទាហរណ៍៖ f = ១៥២,៤ មម · H = ១ ៨៣០ ម លើដីរាប → s = ០,១៥២៤ ÷ ១ ៨៣០ ≈ ១ : ១២ ០០០។ តំបន់ភ្នំ (h ធំ) មានមាត្រដ្ឋានធំជាងតំបន់វាល ក្នុងរូបថតតែមួយ ដែលជាមូលហេតុដែលរូបថតឆៅមិនមែនជាផែនទីទេ។
វាស់កម្ពស់ពីការផ្លាស់ទីដោយសារកម្ពស់៖ ពីត្រីកោណស្រដៀងគ្នា d ÷ h = r ÷ H ដូច្នេះ
h = d × H ÷ r
ដែល d = ចម្ងាយផ្លាស់ទីរវាងជើង និងកំពូលវត្ថុលើរូបថត · r = ចម្ងាយពីចំណុចមេ (principal point) ដល់កំពូល។
ឧទាហរណ៍៖ d = ២,៥ មម · r = ៨០ មម · H = ១ ៨៣០ ម → h = ២,៥ × ១ ៨៣០ ÷ ៨០ ≈ ៥៧ ម។
វាស់កម្ពស់ពីស្រមោល៖ h = L × tan(α) ដែល L = ប្រវែងស្រមោលលើដី និង α = មុំកម្ពស់ព្រះអាទិត្យ។ ក្នុងរូបភាព Landsat ភ្នំពេញ (ថ្ងៃទី១១ ខែកុម្ភៈ ២០១៩) α = ៥១,៥៦° (tan ≈ ១,២៦) ដូច្នេះស្រមោល ៤០ ម មានន័យថាអគារខ្ពស់ប្រហែល ៥០ ម។
រាយលក្ខណៈបីនៃ GCP ល្អ។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
Photogrammetry គឺជាវិទ្យាសាស្ត្រនៃការវាស់ពីរូបថត។
កម្មវិធីទំនើប (Pix4D Agisoft Metashape WebODM DroneDeploy) ប្រើវិធី Structure from Motion (SfM)៖ ផ្គូផ្គងចំណុចដូចគ្នារាប់ពាន់ក្នុងរូបថតដែលត្រួតគ្នា ដើម្បីគណនាទីតាំងកាមេរ៉ា និងបង្កើត ពពកចំណុច (point cloud) DSM និង orthomosaic។
ដំណើរការដ្រូនជាទូទៅ៖ ១. ផែនការហោះ (កម្ពស់ ដែលកំណត់ GSD និងការត្រួតគ្នា ជាទូទៅ ៧០–៨០%) · ២. ប្រមូល GCP · ៣. បង្កើតគម្រោង និងនាំចូលរូបថត · ៤. ដំណើរការ · ៥. ពិនិត្យរបាយការណ៍គុណភាព · ៦. នាំចេញ DSM orthomosaic និងសន្ទស្សន៍។
ភាពត្រឹមត្រូវពីរប្រភេទ៖
| ប្រភេទ | អត្ថន័យ | ត្រូវការ GCP? |
|---|---|---|
| ភាពត្រឹមត្រូវសាច់ញាតិ (relative/local) | ចម្ងាយរវាងចំណុចពីរលើផែនទីត្រូវនឹងការពិត (វាស់ផ្ទៃ ប្រវែង) | មិនចាំបាច់ |
| ភាពត្រឹមត្រូវដាច់ខាត (absolute/global) | កូអរដោនេលើផែនទីត្រូវនឹងកូអរដោនេ GPS ពិត | ចាំបាច់ |
ក្បួន GCP សម្រាប់ដ្រូន៖ យ៉ាងតិច ៥ ចំណុច · ៥ ដល់ ១០ ជាទូទៅគ្រប់គ្រាន់ ទោះគម្រោងធំ (GCP បន្ថែមមិនបង្កើនភាពត្រឹមត្រូវច្រើនទេ លើកលែងដីមានសណ្ឋានស្មុគស្មាញ) · ចែកស្មើទូទាំងតំបន់ ប៉ុន្តែ កុំដាក់ចំគែម …
ក្រុមការងារនឹងប្រើរូបភាព Sentinel-2 ដើម្បីវាស់ផ្ទៃស្រែក្នុងតំបន់ភ្នំតូចមួយ។
តំបន់សិក្សាមានកម្ពស់ប្រែប្រួលពី ៨០ ដល់ ២៥០ ម (ភាពខុសគ្នា ១៧០ ម)។
នេះមានហានិភ័យខ្ពស់ជាងតំបន់រាបស្មើ ចំពោះការផ្លាស់ទីដោយសារជម្រាល។
ប្រើ Sentinel-2 L2A ដែលបាន orthorectified រួចដោយ ESA ដោយប្រើ DEM សកល (Copernicus DEM ៣០ ម)។
នេះកាត់បន្ថយហានិភ័យ ប៉ុន្តែមិនលុបបំបាត់ទាំងស្រុងទេ ជាពិសេសនៅកន្លែងដែល DEM មិនត្រឹមត្រូវ (ព្រៃក្រាស់)។
ជ្រើសចំណុច ៨ (កាច់ផ្លូវ ជ្រុងស្ពាន) ចែកសព្វទូទាំងតំបន់ រួមទាំងចំណុចខ្ពស់ និងទាប។
ចំណុចមួយក្នុងចំណោមប្រាំបី (នៅជិតកំពូលភ្នំ) មានកំហុសធំជាងគេ (២២ ម) ដែលទំនងជាមកពីភាពមិនត្រឹមត្រូវនៃ DEM នៅតំបន់នោះ។
កត់ត្រាចំណុចនេះជាដែនកំណត់ក្នុងរបាយការណ៍។
RMSE ១២ ម គ្រប់គ្រាន់សម្រាប់ការវាស់ស្រែធំជាង ១ ហ.ត ប៉ុន្តែមិនគ្រប់គ្រាន់សម្រាប់ការកំណត់ព្រំក្បាលដីច្បាស់លាស់ (ដែលត្រូវការតិចជាង ២ ម)។
សម្រាប់គោលបំណងនោះ ត្រូវការការស្ទង់ទីវាល ឬរូបភាពគុណភាពខ្ពស់ជាង។
RMSE ជាតម្លៃមធ្យម។ វាមិនប្រាប់ថាកំហុសនៅត្រង់ណាជាក់លាក់ទេ លើកលែងតែយើងពិនិត្យចំណុចម្ដងមួយៗ ដូចជំហានទី៤ខាងលើ។ ក្រឡាដែលនៅឆ្ងាយពី GCP ណាមួយ អាចមានកំហុសធំជាង RMSE សរុប។
លំហាត់ប្រើទិន្នន័យវគ្គ RS_Data (Landsat 8 ភ្នំពេញ · Sentinel-2 ក្រុងព្រះសីហនុ) ហើយមានរូបលទ្ធផលគំរូ តារាងកំហុសទូទៅ និងប្រអប់ពិនិត្យលទ្ធផលដោយខ្លួនឯង។
ការខូចទ្រង់ទ្រាយធរណីមាត្រកើតពីការវិលបង្វិលផែនដី មុំមើលមិនស្មើ ជម្រាលភូមិសាស្ត្រ និងចំណោលផែនទី។ Georeferencing កែការរំកិល និងបង្វិលសាមញ្ញ ចំណែក Orthorectification ប្រើ DEM ដើម្បីកែជម្រាលភូមិសាស្ត្រពេញលេញ។
ចំណុចត្រួតពិនិត្យ (GCP) និង RMSE វាស់ភាពត្រឹមត្រូវធរណីមាត្រ។ ការរួមផ្សំរូបភាពច្រើនសន្លឹកទាមទារការគ្រប់គ្រងភាពខុសគ្នានៃកាលបរិច្ឆេទ និងកម្រិតកែតម្រូវ ដោយបច្ចេកទេសដូចជាការលាយគែម និងការផ្គូផ្គងអ៊ីស្តូក្រាម ជាការលាក់បញ្ហា មិនមែនការដោះស្រាយឫសគល់ទេ។
ទីតាំងត្រឹមត្រូវសំខាន់ស្មើនឹងតម្លៃត្រឹមត្រូវ។ រូបភាពដែលមានលេខត្រឹមត្រូវ ប៉ុន្តែដាក់ខុសទីតាំង នៅតែផ្ដល់លទ្ធផលវិភាគខុស។
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| ការផ្លាស់ទីដោយសារជម្រាល | Relief displacement | វត្ថុខ្ពស់លេចមកខុសទីតាំង |
| Georeferencing | Georeferencing | ផ្ដល់កូអរដោនេដោយបំប្លែងសាមញ្ញ |
| Orthorectification | Orthorectification | កែពេញលេញដោយប្រើ DEM |
| Orthoimage | Orthoimage | រូបភាពដែលមានមាត្រដ្ឋានស្មើគ្នា |
| ចំណុចត្រួតពិនិត្យ | Ground Control Point (GCP) | ចំណុចដែលដឹងកូអរដោនេពិត |
| RMSE | Root Mean Square Error | រង្វាស់ភាពត្រឹមត្រូវធរណីមាត្រ |
| ការរួមផ្សំរូបភាព | Mosaicking | ការផ្សំសន្លឹករូបភាពច្រើន |
| Feathering | Feathering | ការលាយគែមរវាងសន្លឹក |
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| ការផ្គូផ្គងអ៊ីស្តូក្រាម | Histogram matching | កែសម្រួលការចែកចាយតម្លៃ |
ក្នុងពិសោធន៍ GCP ចូរកត់ត្រា RMSE សម្រាប់ចំនួន GCP ចាប់ពី ៣ ដល់ ១២ (ជំហានពីរៗ) ក្នុងប្រភេទការខូចទ្រង់ទ្រាយ «ជម្រិត»។ គូសក្រាបទំនាក់ទំនងរវាងចំនួន GCP និង RMSE ហើយសរសេរការសង្កេត ២ ទៅ ៣ ប្រយោគ អំពីចំណុចដែលការបន្ថែម GCP លែងផ្ដល់អត្ថប្រយោជន៍ច្រើន។
រូបភាពរបស់យើងឥឡូវត្រឹមត្រូវទាំងតម្លៃ ទាំងទីតាំង។ ជំហានចុងក្រោយមុនចាប់ផ្ដើមវិភាគគឺ ការមើល៖ ធ្វើដូចម្ដេចដើម្បីបង្ហាញរូបភាពឱ្យអានបានច្បាស់បំផុត?
អានមេរៀនពេញ និងធ្វើលំហាត់ទី៨
https://khgeo.github.io/remote-sensing/lessons/lesson-08/