Skip to content

លំហាត់ទី១២៖ បណ្ដុះបណ្ដាល និងចាត់ថ្នាក់ដោយប្រើគំរូ

ព័ត៌មានលំហាត់

មេរៀនពាក់ព័ន្ធ៖ មេរៀនទី១២៖ ការចាត់ថ្នាក់មានការណែនាំ ការអនុវត្តដោយខ្លួនឯង · QGIS 3.34 LTR · ប្រហែល ១១០ នាទី

ស្ថានភាព

អ្នកនឹងបង្កើតគំរូបណ្ដុះបណ្ដាលពីរូបភាព ហើយប្រើវាដើម្បីចាត់ថ្នាក់តំបន់សិក្សាទាំងមូលដោយប្រើ SCP។ លទ្ធផលនឹងត្រូវប្រៀបធៀបជាមួយលទ្ធផលគ្មានការណែនាំពីលំហាត់មុន។

គោលបំណង

  • បង្កើតគំរូបណ្ដុះបណ្ដាលប្រកបដោយគុណភាពសម្រាប់ថ្នាក់ប្រាំ។
  • ដំណើរការចម្ងាយអប្បបរមា ឬ Maximum Likelihood ក្នុង SCP។
  • ប្រៀបធៀបជាមួយលទ្ធផលគ្មានការណែនាំ។
  • ញែកគំរូជាសំណុំបណ្ដុះបណ្ដាល និងសំណុំផ្ទៀងផ្ទាត់ឯករាជ្យ។

លំដាប់ការងារ លំហាត់ទី១២បណ្ដុះបណ្ដាល និងចាត់ថ្នាក់ដោយប្រើគំរូបង្កើតគំរូបណ្ដុះបណ្ដាល៣៥ នាទីចាត់ថ្នាក់២៥ នាទីប្រៀបធៀបជាមួយគ្មានការណែន…២០ នាទីញែកគំរូបណ្ដុះបណ្ដាល១៥ នាទីការសន្និដ្ឋាន១៥ នាទីសរុបប្រហែល ១១០ នាទី

លំដាប់ការងារនៃលំហាត់ទី១២ និងពេលវេលាប្រហាក់ប្រហែល។

ឯកសារដែលប្រើ

ពិសោធន៍មុនចាប់ផ្ដើម · ១៥ នាទី

សកម្មភាពទី១៖ បង្កើតគំរូបណ្ដុះបណ្ដាល · ៣៥ នាទី

  1. ក្នុង SCP បើក Training input → បង្កើត Training input ថ្មី (GeoPackage)។
  2. សម្រាប់ថ្នាក់នីមួយៗ (ទឹក ព្រៃឈើ ស្រែ សំណង់ ដីទទេ) បង្កើត Macroclass ID និងគូសពហុកោណតូចៗ ២០ ទៅ ៣០ នៅលើតំបន់ដែលច្បាស់ (មើលបន្សំពណ៌សន្មត ជំនួយ)។
  3. ធីក Preview ដើម្បីមើលហត្ថលេខាស្ពិចត្រាល់នៃគំរូនីមួយៗ ក្នុងផ្ទាំង Spectral Signature Plot របស់ SCP។ ប្រៀបធៀបនឹងរូបរាងក្រាបក្នុងមេរៀនទី៣។

ភាពបរិសុទ្ធ

ជៀសវាងគូសពហុកោណឆ្លងកាត់ព្រំរវាងថ្នាក់។ បើឃើញក្រាបហត្ថលេខាមានរាងចម្លែក ឬប្រែប្រួលខ្លាំងពេក ត្រូវត្រួតពិនិត្យគំរូនោះឡើងវិញ។

ក្បួនតំបន់គំរូ និង Region Growing ក្នុង SCP

  • ក្រុមរលក ៦ → យ៉ាងតិច ៦០ ក្រឡា និង ៥ ដល់ ១០ តំបន់ ក្នុងមួយថ្នាក់ ចែកសព្វរូបភាព។
  • សម្រាប់ផ្ទៃប្រែប្រួល (ចម្ការ ទីក្រុង) ប្រើ ROI pointer (Region Growing) របស់ SCP៖ កំណត់ Distance (ឧ. ០,០២–០,០៨ សម្រាប់ចាំងផ្លាត) Min size និង Max size រួចចុចលើក្រឡាគ្រាប់ពូជ។
  • គូស class លម្អិត (ឧ. ដំបូលស័ង្កសី ដំបូលក្បឿង ផ្លូវ) ក្រោម macroclass «តំបន់សាងសង់» ដើម្បីឱ្យគំរូនីមួយៗឯកសណ្ឋាន។
  • សាកល្បងក្បួនដោះស្រាយទាំងបី៖ Minimum Distance · Maximum Likelihood · Spectral Angle Mapping ហើយប្រៀបធៀបដោយភ្នែក។

សកម្មភាពទី២៖ ចាត់ថ្នាក់ · ២៥ នាទី

  1. SCP → Band processing → Classification៖ ជ្រើសក្បួនដោះស្រាយ Minimum Distance។
  2. ដំណើរការលើតំបន់សិក្សាទាំងមូល → landcover_supervised.tif។
  3. ធ្វើម្ដងទៀតជាមួយ Maximum Likelihood → landcover_ml.tif។ ប្រៀបធៀបលទ្ធផលទាំងពីរដោយភ្នែក។

សកម្មភាពទី៣៖ ប្រៀបធៀបជាមួយគ្មានការណែនាំ · ២០ នាទី

  1. ដាក់ landcover_unsupervised.tif និង landcover_supervised.tif ក្បែរគ្នា ជាមួយពណ៌ដូចគ្នាសម្រាប់ថ្នាក់ដូចគ្នា។
  2. រកតំបន់បីកន្លែងដែលលទ្ធផលទាំងពីរខុសគ្នា។ ថតរូបអេក្រង់។
  3. ប្រើបន្សំពណ៌ពិត ដើម្បីវិនិច្ឆ័យថាមួយណាទំនងជាត្រឹមត្រូវជាងនៅតំបន់នីមួយៗ។

សកម្មភាពទី៤៖ ញែកគំរូបណ្ដុះបណ្ដាល · ១៥ នាទី

  1. ត្រឡប់ទៅ Training input របស់អ្នក។ បែងចែកជាពីរ៖ ៧០% សម្រាប់បណ្ដុះបណ្ដាល ៣០% សម្រាប់ផ្ទៀងផ្ទាត់ (ធ្វើដោយដៃ ឬចម្លងឯកសារ រួចលុបជួរខ្លះចេញ)។
  2. រក្សាទុកជាពីរឯកសារដាច់ដោយឡែក៖ training_70.gpkg និង validation_30.gpkg។ ឯកសារទីពីរនេះនឹងប្រើក្នុងលំហាត់ទី១៣។

សកម្មភាពទី៥៖ ការសន្និដ្ឋាន · ១៥ នាទី

សរសេរ ៥ ប្រយោគ៖ ភាពខុសគ្នារវាងលទ្ធផលមានការណែនាំ និងគ្មានការណែនាំ · ថាតើវិធីមានការណែនាំមើលទៅត្រឹមត្រូវជាងដោយភ្នែកដែរឬទេ · និងហេតុអ្វី។

លទ្ធផលដែលរំពឹងទុក

ប្រៀបធៀបលទ្ធផលរបស់អ្នកជាមួយរូបខាងក្រោម ដែលបង្កើតពីទិន្នន័យវគ្គ (Landsat 8 ភ្នំពេញ ឬ Sentinel-2 ក្រុងព្រះសីហនុ)។ លទ្ធផលរបស់អ្នកមិនចាំបាច់ដូចបេះបិទទេ ប៉ុន្តែលំនាំគួរតែស្រដៀងគ្នា។

តំបន់គំរូបណ្ដុះបណ្ដាល (ROI)៦០ ក្រឡាក្នុងមួយថ្នាក់ · ចែកសព្វរូបភាពទឹកដើមឈើដំណាំ/ស្មៅតំបន់សាងសង់ដីទទេច្បាប់៖ ≥ ១០ × ចំនួនក្រុមរលក ក្រឡា/ថ្នាក់ROI ច្រើនតូចៗ ល្អជាង ROI ធំមួយ

លទ្ធផលគំរូ ១៖ ជ្រើសគំរូបណ្ដុះបណ្ដាល។

អ្វីដែលត្រូវពិនិត្យ

  • គំរូត្រូវតំណាងការប្រែប្រួលនៃថ្នាក់ទាំងមូល។
  • ចែកសព្វរូបភាព ដើម្បីរួមលក្ខខណ្ឌខុសៗគ្នា។
  • កុំយកគំរូនៅគែមរវាងថ្នាក់ (ក្រឡាចម្រុះ)។

លទ្ធផល Minimum Distance ធៀបនឹងផែនទីយោងលទ្ធផលចាត់ថ្នាក់ផែនទីយោងក្រហម = ខុស · OA ៧៣%

លទ្ធផលគំរូ ២៖ ពិនិត្យលទ្ធផលដោយភ្នែកជាមុន។

អ្វីដែលត្រូវពិនិត្យ

  • កំហុសប្រមូលផ្ដុំតាមគែម និងរវាងសំណង់–ដីទទេ។
  • ការមើលផែនទីកំហុស ជួយកែ ROI មុនការវាយតម្លៃផ្លូវការ។
  • OA នេះប្រៀបធៀបនឹងផែនទីយោងដែលមានកំហុសផ្ទាល់ខ្លួន (មេរៀនទី១៣)។

កំហុសទូទៅ និងដំណោះស្រាយ

បញ្ហាដែលឃើញ មូលហេតុទូទៅ ដំណោះស្រាយ
ថ្នាក់មួយគ្របរូបភាពភាគច្រើន គំរូមិនតំណាង ឬ ML រាយធំ បន្ថែម ROI ថ្នាក់ផ្សេង
សំណង់ ↔ ដីទទេ ច្រឡំ សញ្ញាណជិតគ្នា បន្ថែមគំរូ ឬរួមថ្នាក់
OA ខ្ពស់ពេក (> ៩៨%) ប្រើគំរូបណ្ដុះបណ្ដាលវាយតម្លៃ ប្រើគំរូផ្ទៀងផ្ទាត់ដាច់ដោយឡែក
គែមទន្លេខុស ក្រឡាចម្រុះ ទទួលយក ឬប្រើ majority filter

លទ្ធផលត្រូវប្រគល់

  • Training input (GeoPackage) និងក្រាបហត្ថលេខានៃថ្នាក់នីមួយៗ។
  • landcover_supervised.tif និង landcover_ml.tif។
  • training_70.gpkg និង validation_30.gpkg។
  • ការប្រៀបធៀប និងការសន្និដ្ឋាន ៥ ប្រយោគ។

ពិនិត្យលទ្ធផលដោយខ្លួនឯង

អាចវាយលេខខ្មែរ ឬលេខអារ៉ាប់។

១. ចំនួនគំរូអប្បបរមាក្នុងមួយថ្នាក់ដែលលំហាត់ណែនាំ?

២. ក្បួនដោះស្រាយដំបូងដែលអ្នកដំណើរការ?

៣. ភាគរយគំរូដែលបែងចែកសម្រាប់បណ្ដុះបណ្ដាល?

៤. ភាគរយគំរូដែលបែងចែកសម្រាប់ផ្ទៀងផ្ទាត់?

៥. ផ្ទាំង SCP មួយណាបង្ហាញរាងហត្ថលេខាស្ពិចត្រាល់នៃគំរូ?