បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖
អង្គការមួយត្រូវការតួលេខផ្ទៃព្រៃឈើដែលបាត់បង់ក្នុងខេត្តមួយ រវាងឆ្នាំ ២០២០ និង ២០២៤។ ពួកគេមានរូបភាព Sentinel-2 ទាំងពីរឆ្នាំ ជាមួយគុណភាពល្អ។
វិធីសាមញ្ញបំផុតគឺដក NDVI ឆ្នាំ ២០២៤ ចេញពី NDVI ឆ្នាំ ២០២០។ តំបន់ដែលមានតម្លៃធ្លាក់ចុះខ្លាំង ទំនងជាព្រៃឈើដែលត្រូវបានកាប់។ ប៉ុន្តែមានចំណុចប្រុងប្រយ័ត្នជាច្រើន៖ បើរូបភាពទាំងពីរថតខុសខែគ្នា (មួយរដូវប្រាំង មួយរដូវវស្សា) សូម្បីតែព្រៃឈើដែលមិនប្ដូរ ក៏អាចមាន NDVI ខុសគ្នាដែរ ដោយសារតែសំណើម មិនមែនដោយសារកាប់ទេ។
រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ១៤ ក្នុងចំណោម ១៥
:material-presentation-play: ស្លាយបង្រៀនមេរៀននេះ
រូបភាពមួយសន្លឹកប្រាប់យើងពីស្ថានភាពនៅ ពេលមួយ។ ប៉ុន្តែសំណួរស្រាវជ្រាវជាច្រើន មិនសួរអំពីស្ថានភាព ពួកគេសួរអំពី ការផ្លាស់ប្ដូរ៖ ព្រៃឈើបាត់ប៉ុន្មានហិកតាចាប់តាំងពីឆ្នាំ២០១០? ទីក្រុងពង្រីកទៅទិសណា? ស្រែឆ្នាំនេះស្ទូងលឿន ឬយឺតជាងឆ្នាំមុន?
ដើម្បីឆ្លើយសំណួរទាំងនេះ យើងត្រូវ រូបភាពច្រើនជាងមួយសន្លឹក និងវិធីសាស្ត្រសមស្របដើម្បីប្រៀបធៀបពួកវា។ មេរៀននេះបង្រៀនវិធីសំខាន់ៗនៃការរកការផ្លាស់ប្ដូរ ចាប់ពីវិធីសាមញ្ញរហូតដល់ការវិភាគស៊េរីពេលវេលាពេញលេញ។
មុននឹងប្រៀបធៀបរូបភាពពីរកាលបរិច្ឆេទ ត្រូវប្រាកដថា ភាពខុសគ្នាដែលឃើញ គឺមកពីផ្ទៃដីពិត មិនមែនពីភាពខុសគ្នានៃការទទួលរូបភាពទេ។
តម្រូវការសំខាន់៖
| លក្ខខណ្ឌ | ហេតុអ្វីសំខាន់ | យោង |
|---|---|---|
| កម្រិតកែតម្រូវដូចគ្នា (ទាំងពីរជា L2A/BOA) | បើមួយជា TOA មួយជា BOA ភាពខុសគ្នាមកពីបរិយាកាស | មេរៀនទី៧ |
| ការចុះឈូងគ្នាល្អ (co-registration) | ក្រឡាក្រឡាត្រូវតំណាងទីតាំងដូចគ្នាបេះបិទ | មេរៀនទី៨ |
| រដូវប្រហាក់ប្រហែលគ្នា | រុក្ខជាតិផ្លាស់ប្ដូរតាមរដូវ ទោះមិនមានការកាប់ក៏ដោយ | មេរៀនទី៣ |
| ឧបករណ៍ចាប់ដូចគ្នា ឬកែឱ្យស៊ីគ្នា | ក្រុមរលកខុសគ្នាបន្តិចផ្ដល់តម្លៃខុសគ្នា | មេរៀនទី៧ |
| ពពក ឬស្រមោលពពកតិច | ពពកក្នុងរូបភាពមួយបង្កើតការផ្លាស់ប្ដូរក្លែងក្លាយ | មេរៀនទី១ |
ក្បួនអនុវត្តល្អបំផុត៖ ជ្រើសរូបភាពទាំងពីរនៅខែដូចគ្នា ក្នុងឆ្នាំផ្សេងគ្នា (ឧ. ខែមករា ២០២០ និងខែមករា ២០២៤) ដើម្បីកាត់បន្ថយឥទ្ធិពលរដូវឱ្យអប្បបរមា។
រាយលក្ខខណ្ឌជាមុនចំនួនប្រាំ សម្រាប់ការប្រៀបធៀបរូបភាពពហុកាលបរិច្ឆេទ។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
រូបទី១៤.១៖ វិធីសំខាន់ៗសម្រាប់រកការផ្លាស់ប្ដូរ។ ភាពខុសគ្នានៃរូបភាពសាមញ្ញបំផុត ចំណែកស៊េរីពេលវេលាផ្ដល់ព័ត៌មានច្រើនបំផុតអំពីទិសដៅ និងភាពមិនប្រក្រតី។
Image Differencing ជាវិធីសាមញ្ញបំផុត៖ គណនាសន្ទស្សន៍ (ជាទូទៅ NDVI) ដាច់ដោយឡែកសម្រាប់រូបភាពនីមួយៗ រួចដកគ្នា៖
ΔNDVI = NDVI(ក្រោយ) − NDVI(មុន)
តម្លៃអវិជ្ជមានខ្លាំង (ធ្លាក់ចុះខ្លាំង) ចង្អុលទៅការបាត់បង់រុក្ខជាតិ។
តម្លៃវិជ្ជមានខ្លាំង អាចមានន័យថារុក្ខជាតិដុះថ្មី ឬស្រែទើបនឹងលូតលាស់។
ប្ដូរកម្រិតកំណត់ (threshold) ហើយសង្កេតផ្ទៃដែលរកឃើញថាផ្លាស់ប្ដូរ។ កម្រិតទាបពេករកឃើញច្រើនហួសហេតុ កម្រិតខ្ពស់ពេកខកខានការផ្លាស់ប្ដូរពិត។
ការជ្រើស កម្រិតកំណត់ (threshold) ជាការសម្រេចចិត្តសំខាន់៖ វាមិនមានច្បាប់ដាច់ខាតទេ។
ការអនុវត្តល្អគឺសាកល្បងកម្រិតកំណត់ជាច្រើន ហើយផ្ទៀងផ្ទាត់លទ្ធផលជាមួយគំរូទីវាល ឬរូបភាពគុណភាពខ្ពស់ (ដូចនឹងការវាយតម្លៃភាពត្រឹមត្រូវក្នុងមេរៀនទី១៣)។
ប្រៀបធៀប Image Differencing និង Post-classification Comparison តាមលក្ខណៈវិនិច្ឆ័យពីរ។
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
Post-classification Comparison ជាវិធីមួយទៀត៖ ចាត់ថ្នាក់រូបភាពនីមួយៗដាច់ដោយឡែក (ដូចមេរៀនទី១១–១២) រួច ប្រៀបធៀបផែនទីទាំងពីរ ក្រឡាតាមក្រឡា។
| គុណសម្បត្តិ | គុណវិបត្តិ |
|---|---|
| ប្រាប់ថា «ពី A ទៅ B» (ឧ. ពីព្រៃទៅស្រែ) មិនមែនត្រឹមតែ «ផ្លាស់ប្ដូរ» | កំហុសពីការចាត់ថ្នាក់ទាំងពីរដងកកកុញគ្នា |
| មិនត្រូវការឱ្យរូបភាពទាំងពីរមានលក្ខខណ្ឌដូចគ្នាបេះបិទ | ត្រូវការគំរូបណ្ដុះបណ្ដាល និងការវាយតម្លៃសម្រាប់រូបភាពទាំងពីរ |
| ផ្ដល់ តារាងផ្លាស់ប្ដូរ (transition matrix) លម្អិត | ចំណាយពេលច្រើនជាង |
ឧទាហរណ៍តារាងផ្លាស់ប្ដូរ (ជួរដេក=មុន · ជួរឈរ=ក្រោយ)៖ ក្រឡាដែលចាត់ថ្នាក់ថា «ព្រៃឈើ» ក្នុងឆ្នាំ ២០២០ ហើយក្លាយជា «សំណង់» ក្នុងឆ្នាំ ២០២៤ បង្ហាញច្បាស់ថាជា ការកាប់ព្រៃដើម្បីសាងសង់ ខណៈ Image Differencing គ្រាន់តែប្រាប់ថា …
ភាពត្រឹមត្រូវនៃ Post-classification Comparison អាស្រ័យលើភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់ទាំងពីរ។ បើនីមួយៗត្រឹមត្រូវ ៩០% ភាពត្រឹមត្រូវនៃការផ្លាស់ប្ដូរអាចទាបជាងនេះទៅទៀត ព្រោះកំហុសអាចកើតឡើងឯករាជ្យគ្នាទាំងពីរផ្នែក។
ពេលមានរូបភាពច្រើនជាងពីរចំណុច (ឧ. រៀងរាល់ ៥ ថ្ងៃពេញមួយឆ្នាំ ពី Sentinel-2) យើងអាចសាងសង់ ស៊េរីពេលវេលា (Time Series) នៃសន្ទស្សន៍ណាមួយ ដែលបង្ហាញ ទិសដៅ មិនមែនត្រឹមតែចំណុចពីរទេ។
ប្ដូររវាងប្រភេទស្រែ និងព្រៃឈើ ហើយអូសរំកិលខែ។ សង្កេតថាដេរិកកម្មខុសគ្នាទាំងស្រុងរវាងស្រែមួយរដូវ ពីររដូវ និងព្រៃឈើអចិន្ត្រៃយ៍។
ការវិភាគស៊េរីពេលវេលាមានប្រយោជន៍ជាច្រើន៖
ភាពញឹកញាប់ខ្ពស់របស់ Sentinel-2 (ប្រហែល ៥ ថ្ងៃ) ធ្វើឱ្យវាសមស្របសម្រាប់ការវិភាគនេះ ជាពិសេសនៅកម្ពុជា ដែលមានវដ្ដដំណាំច្បាស់លាស់តាមរដូវវស្សា និងប្រាំង។
ការវិភាគទ្រង់ទ្រាយធំ (ជាច្រើនតំបន់ ច្រើនឆ្នាំ) ជាធម្មតាធ្វើតាមរយៈ Google Earth Engine ដែលជាខ្លឹមសារសៀវភៅទី៤។
ហេតុអ្វីកម្រិតកំណត់មិនអាចជាតម្លៃដាច់ខាតតែមួយសម្រាប់គ្រប់ករណី?
ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។
ការសរសេររបាយការណ៍ការផ្លាស់ប្ដូរដែលទទួលខុសត្រូវ តែងរួមបញ្ចូល៖ វិធីសាស្ត្រដែលប្រើ · កម្រិតកំណត់ និងហេតុផល · ការវាយតម្លៃភាពត្រឹមត្រូវនៃលទ្ធផលការផ្លាស់ប្ដូរ (មិនត្រឹមតែភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់នីមួយៗទេ) · …
រូបទី១៤.៧៖ គម្របដីអូរចារ ឆ្នាំ ២០២១ (ឆ្វេង) ឆ្នាំ ២០២៥ (កណ្ដាល) និងក្រឡាដែលប្ដូរថ្នាក់ (ស្ដាំ ពណ៌តាមថ្នាក់ថ្មី)។ ក្រឡា ៣០ ម · Sentinel-2 Sentinel-1 Landsat-8 LST និង NASADEM · ស្លាកបណ្ដុះបណ្ដាលពី ESA WorldCover ២០២១ · Random Forest តាមឋានានុក្រម។
ក្រុមការងារមានរូបភាព Sentinel-2 L2A ២០២០ និង ២០២៤ ទាំងពីរខែមករា (ពពកតិច)។
ទាំងពីរជា L2A ថតខែដូចគ្នា ដោយឧបករណ៍ចាប់ដូចគ្នា (Sentinel-2)។
ពិនិត្យលេខគន្លង (R-number) ជិតគ្នា ដើម្បីធានាមុំមើលស្រដៀងគ្នា។ លក្ខខណ្ឌគ្រប់គ្រាន់សម្រាប់ប្រៀបធៀប។
គណនា NDVI ទាំងពីរ ដកគ្នា។
ចាត់ថ្នាក់រូបភាពទាំងពីរដាច់ដោយឡែក (ចម្ងាយអប្បបរមា ដូចមេរៀនទី១២) វាយតម្លៃភាពត្រឹមត្រូវនីមួយៗ (OA ៩០% និង ៨៨%)។
ប្រៀបធៀបផែនទីទាំងពីរ ទទួលបានតារាងផ្លាស់ប្ដូរ៖ «ព្រៃឈើ → ដីទទេ» ១០ ហ.ត · «ព្រៃឈើ → សំណង់» ២ ហ.ត។
ទាំងពីរវិធីផ្ដល់តួលេខស្រដៀងគ្នា (១២ ធៀបនឹង ១២ ហ.ត សរុប) ដែលបង្កើនទំនុកចិត្ត។
ប៉ុន្តែ Post-classification ផ្ដល់ព័ត៌មានបន្ថែមថាភាគច្រើនក្លាយទៅជាដីទទេ មិនមែនសំណង់ភ្លាមៗទេ (ប្រហែលជាការកាប់ ដោយមិនទាន់សាងសង់)។
«ព្រៃឈើបាត់បង់ប្រហែល ១២ ហ.ត (ចន្លោះទំនុកចិត្ត ១០ ដល់ ១៤ ហ.ត ពីវិធីទាំងពីរ) រវាងខែមករា ២០២០ និង ២០២៤។
ការប្រៀបធៀបចំណុចពីរ (២០២០ និង ២០២៤) មិនអាចប្រាប់ថាការផ្លាស់ប្ដូរកើតឡើងជាបន្តបន្ទាប់ ឬភ្លាមៗ ហើយក៏មិនអាចរកឃើញការកាប់ និងដុះឡើងវិញក្នុងចន្លោះពេលនោះទេ (ឧ. ការកាប់ក្នុងឆ្នាំ ២០២១ រួចដុះឡើងវិញផ្នែកខ្លះត្រឡប់ជា «គ្មានការផ្លាស់ប្ដូរ»)។ ចំពោះសំណួរនោះ ត្រូវការស៊េរីពេលវេលា។
លំហាត់ប្រើទិន្នន័យវគ្គ RS_Data (Landsat 8 ភ្នំពេញ · Sentinel-2 ក្រុងព្រះសីហនុ) ហើយមានរូបលទ្ធផលគំរូ តារាងកំហុសទូទៅ និងប្រអប់ពិនិត្យលទ្ធផលដោយខ្លួនឯង។
ការប្រៀបធៀបរូបភាពពហុកាលបរិច្ឆេទ ទាមទារលក្ខខណ្ឌជាមុន៖ កម្រិតកែតម្រូវដូចគ្នា ការចុះឈូងគ្នាល្អ រដូវប្រហាក់ប្រហែលគ្នា និងឧបករណ៍ចាប់ស៊ីគ្នា។ Image Differencing សាមញ្ញ ប៉ុន្តែត្រូវការកម្រិតកំណត់។ Post-classification Comparison ផ្ដល់តារាងផ្លាស់ប្ដូរលម្អិត ប៉ុន្តែសន្សំកំហុសនៃការចាត់ថ្នាក់ទាំងពីរ។
ស៊េរីពេលវេលាបង្ហាញទិសដៅ ដែលអនុញ្ញាតឱ្យរកកាលបរិច្ឆេទដំណាំ និងភាពមិនប្រក្រតី។ ពេលអានរបាយការណ៍ការផ្លាស់ប្ដូរ ត្រូវប្រៀបធៀបទំហំការផ្លាស់ប្ដូរជាមួយភាពត្រឹមត្រូវ បំបែក net ពី swap និងពិនិត្យការផ្លាស់ប្ដូរដែលមិនសមហេតុផល។ របាយការណ៍ការផ្លាស់ប្ដូរដែលទទួលខុសត្រូវ ត្រូវរាយវិធីសាស្ត្រ កម្រិតកំណត់ និងកម្រិតទំនុកចិត្តជានិច្ច។
ការផ្លាស់ប្ដូរដែលអ្នកឃើញលើផែនទី ត្រូវតែជាការផ្លាស់ប្ដូរនៃផ្ទៃដី មិនមែនការផ្លាស់ប្ដូរនៃលក្ខខណ្ឌថតរូបភាពទេ។ ការត្រួតពិនិត្យតម្រូវការជាមុន គឺជំហានដែលមិនអាចរំលងបាន។
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| ការរកការផ្លាស់ប្ដូរ | Change detection | រកភាពខុសគ្នារវាងកាលបរិច្ឆេទ |
| ការចុះឈូងគ្នា | Co-registration | ក្រឡាតំណាងទីតាំងដូចគ្នា |
| Image Differencing | Image Differencing | ដកសន្ទស្សន៍រវាងកាលបរិច្ឆេទ |
| កម្រិតកំណត់ | Threshold | តម្លៃកំណត់ថាមានការផ្លាស់ប្ដូរ |
| Post-classification Comparison | Post-classification Comparison | ប្រៀបធៀបផែនទីចាត់ថ្នាក់ពីរ |
| តារាងផ្លាស់ប្ដូរ | Transition matrix | តារាងពី→ទៅរវាងថ្នាក់ |
| ការផ្លាស់ប្ដូរសរុប | Gross change | ផ្ទៃទាំងអស់ដែលប្ដូរថ្នាក់ |
| ការផ្លាស់ប្ដូរសុទ្ធ | Net change | ទទួលបានដកបាត់ របស់ថ្នាក់មួយ |
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| ការប្ដូរកន្លែង | Swap change | បាត់កន្លែងមួយ កើតកន្លែងផ្សេង |
| ផ្ទៃកែតម្រូវកំហុស | Error-adjusted area | ផ្ទៃប៉ាន់ពីគំរូយោង និងចន្លោះទំនុកចិត្ត |
| ស៊េរីពេលវេលា | Time series | រូបភាពច្រើនចំណុចតាមពេលវេលា |
| ដេរិកកម្ម | Phenology | ដំណើររីកលូតលាស់តាមរដូវ |
| ការរកភាពមិនប្រក្រតី | Anomaly detection | ប្រៀបធៀបជាមួយមធ្យមប្រវត្តិសាស្ត្រ |
ក្នុងពិសោធន៍ Image Differencing ចូរសាកល្បងកម្រិតកំណត់ចាប់ពី ០,០៥ ដល់ ០,៥ (ជំហាន ០,០៥)។ កត់ត្រាផ្ទៃដែលរកឃើញនៅកម្រិតនីមួយៗ ហើយគូសក្រាបទំនាក់ទំនង។ សរសេរអនុសាសន៍៖ កម្រិតកំណត់ណាដែលអ្នកនឹងប្រើ ហើយហេតុអ្វី។
យើងបានធ្វើផែនទីស្ថានភាព និងការផ្លាស់ប្ដូរ ដោយប្រើរូបភាពអុបទិក។ ប៉ុន្តែអ្វីកើតឡើងនៅរដូវវស្សា ពេលពពកបាំងផែនដីរាប់សប្ដាហ៍ជាប់ៗគ្នា? ចូរបញ្ចប់ដោយសួរ៖
«តើមានឧបករណ៍អ្វីដែលអាចមើលទម្លុះពពកបាន?»
អានមេរៀនពេញ និងធ្វើលំហាត់ទី១៤
https://khgeo.github.io/remote-sensing/lessons/lesson-14/