មេរៀនទី៨៖ ការកែតម្រូវធរណីមាត្រ និងការរួមផ្សំរូបភាព

ព័ត៌មានមេរៀន

រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ៨ ក្នុងចំណោម ១៥

ស្លាយបង្រៀនមេរៀននេះ

មេរៀនទី៧ បានដោះស្រាយសំណួរ «តើតម្លៃក្រឡានេះត្រឹមត្រូវទេ?» ដោយកែឥទ្ធិពលបរិយាកាស និងឧបករណ៍ចាប់។ មេរៀននេះដោះស្រាយសំណួរមួយទៀតដែលសំខាន់ស្មើគ្នា៖ «តើក្រឡានេះស្ថិតនៅត្រង់ណាលើផែនដីពិត?»។

ក្រឡាមួយអាចមានតម្លៃត្រឹមត្រូវបេះបិទ ប៉ុន្តែបើវាដាក់ខុសទីតាំង ១០០ ម នៅលើផែនទី វានឹងធ្វើឱ្យការវិភាគទាំងអស់ខុសដែរ៖ ការគណនាផ្ទៃពីចំណុចខុសនឹងផ្ដល់លទ្ធផលខុស ការត្រួតគ្នាជាមួយស្រទាប់វ៉ិចទ័រនឹងមិនផ្គូផ្គង ហើយការប្រៀបធៀបរូបភាពពីរកាលបរិច្ឆេទនឹងច្រឡំចលនាឧបករណ៍ជាមួយការផ្លាស់ប្ដូរផ្ទៃដីពិត។ មេរៀននេះពន្យល់ថាហេតុអ្វីរូបភាពខូចទីតាំង របៀបកែវា និងរបៀបផ្សំរូបភាពច្រើនសន្លឹកជាមួយគ្នា។

---

៨.១. គោលបំណងសិក្សា

បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖

1. ពន្យល់មូលហេតុនៃការខូចទ្រង់ទ្រាយធរណីមាត្រ រួមទាំងផលនៃជម្រាលភូមិសាស្ត្រ។
2. បែងចែក Georeferencing និង Orthorectification។
3. ពន្យល់តួនាទីនៃចំណុចត្រួតពិនិត្យ (GCP) និង RMSE ក្នុងការវាយតម្លៃភាពត្រឹមត្រូវ។
4. ពន្យល់ដំណើរការរួមផ្សំរូបភាព (mosaicking) និងបញ្ហាទូទៅ។
5. ជ្រើសវិធីសាស្ត្រកែតម្រូវសមស្របតាមប្រភេទទិន្នន័យ និងតម្រូវការភាពត្រឹមត្រូវ។

ចំណេះដឹងមុនត្រូវមាន

• ខ្លឹមសារសៀវភៅទី១៖ CRS និងចំណោលផែនទី។
• ខ្លឹមសារមេរៀនទី៤៖ IFOV និងធរណីមាត្រនៃការស្កេន។

---

៨.២. ស្ថានភាពបើកមេរៀន៖ ផ្លូវនៅលើរូបភាព មិនត្រូវនឹងផ្លូវនៅលើផែនទី

អ្នកទាញយករូបភាព Sentinel-2 មួយ ហើយត្រួតលើផែនទីផ្លូវជាតិដែលអ្នកមានស្រាប់។ លទ្ធផល៖ ផ្លូវក្នុងផែនទីនិងផ្លូវក្នុងរូបភាព ជិតគ្នាតែមិនស៊ីគ្នាដិត ជាពិសេសនៅតំបន់ភ្នំ។ នៅតំបន់រាបស្មើ ភាពខុសគ្នាតូចជាង។

នេះមិនមែនជាកំហុសចៃដន្យទេ។ វាកើតឡើងព្រោះ Sentinel-2 (ដូចផ្កាយរណបភាគច្រើន) មិនមើលទៅចំបញ្ឈរគ្រប់ចំណុចទេ។ ចំណុចដែលឆ្ងាយពីកណ្ដាលរូបភាព ត្រូវបានមើលមកតាមមុំទ្រេត ដូច្នេះវត្ថុខ្ពស់ (ភ្នំ អគារខ្ពស់) លេចមកនៅទីតាំងផ្សេងពីទីតាំងពិត។ បាតុភូតនេះកាន់តែច្បាស់ក្នុងតំបន់ដែលមានកម្ពស់ខុសគ្នាខ្លាំង។

សំណួរដែលមេរៀននេះឆ្លើយ៖ ហេតុអ្វីរូបភាពខូចទីតាំង? តើកែវាយ៉ាងណា? ហើយពេលអ្នកមានរូបភាពពីរសន្លឹកដែលត្រូវផ្សំគ្នា តើត្រូវធ្វើដូចម្ដេចដើម្បីឱ្យវាមើលទៅជាផែនទីតែមួយ?

---

៨.៣. ទ្រឹស្ដីស្នូល

៨.៣.១. ប្រភពនៃការខូចទ្រង់ទ្រាយធរណីមាត្រ

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។ ចំណុចនៅជិតកណ្ដាលរូបភាព ស្ទើរគ្មានផលនេះទេ។ កម្រិតនៃការផ្លាស់ទី សមាមាត្រនឹងកម្ពស់វត្ថុ និងចម្ងាយពីកណ្ដាល។ សម្រាប់តំបន់រាបស្មើ (ដូចវាលស្រែភាគច្រើននៅកម្ពុជា) ផលនេះតូចណាស់ ប៉ុន្តែសម្រាប់តំបន់ភ្នំ (ដូចខេត្តរតនគិរី ឬខេត្តកោះកុង) វាអាចមានទំហំច្រើនម៉ែត្រ។

៨.៣.២. Georeferencing និង Orthorectification

មានវិធីកែពីរកម្រិត ដែលនិស្សិតច្រើនច្រឡំ៖

• Georeferencing៖ ការផ្ដល់កូអរដោនេឱ្យរូបភាព ដោយប្រើ ការបំប្លែងធរណីមាត្រសាមញ្ញ (ដូចជា Affine ឬ Polynomial) ដែលមិនគិតពីកម្ពស់ដីទេ។ វាកែការរំកិល ការបង្វិល និងការពង្រីក/បង្រួម ប៉ុន្តែ មិនកែជម្រាលភូមិសាស្ត្រទេ។
• Orthorectification៖ ការកែតម្រូវពេញលេញ ដោយប្រើ គំរូកម្ពស់ឌីជីថល (DEM) ដើម្បីគណនា និងកែជម្រាលភូមិសាស្ត្រនៅចំណុចនីមួយៗ។ លទ្ធផលហៅថា Orthoimage ដែលមានមាត្រដ្ឋានស្មើគ្នាទូទាំងរូបភាព ដូចផែនទីមួយ។

ផលិតផល Sentinel-2 L1C/L2A និង Landsat Collection 2 ត្រូវបានធ្វើ orthorectification រួចហើយដោយភ្នាក់ងារ ដោយប្រើ DEM សកល។ ដូច្នេះនិស្សិតភាគច្រើននឹងមិនចាំបាច់ធ្វើជំហាននេះដោយខ្លួនឯងទេ លើកលែងតែធ្វើការជាមួយរូបភាពដ្រូន ឬរូបភាពពាណិជ្ជកម្មកម្រិតទាបជាង ដែលមកជា «raw» ឬ «Level 1B»។

ព្រំដែនត្រឹមត្រូវតែក្នុងតំបន់រាបស្មើ

សូម្បីតែផលិតផលដែល orthorectified រួច ក៏អាចមានកំហុសតូចៗនៅតំបន់ភ្នំចោត ដោយសារភាពត្រឹមត្រូវនៃ DEM ដែលប្រើ។ សម្រាប់ការវាស់ត្រឹមត្រូវខ្ពស់នៅតំបន់ភ្នំ គួរផ្ទៀងផ្ទាត់ជាមួយចំណុចយោងទីវាល។

៨.៣.៣. ចំណុចត្រួតពិនិត្យ និង RMSE

ដើម្បីវាយតម្លៃ ឬធ្វើ georeferencing ដោយខ្លួនឯង យើងប្រើ ចំណុចត្រួតពិនិត្យ (Ground Control Point · GCP)៖ ចំណុចដែលយើងដឹងកូអរដោនេពិត (ពីការវាស់ទីវាល ឬពីផែនទីត្រឹមត្រូវ) និងអាចកំណត់ទីតាំងវាក្នុងរូបភាព។

ពិសោធន៍៖ GCP និងការខូចទ្រង់ទ្រាយ

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៖

• ចំនួនអប្បបរមា៖ យ៉ាងតិច ៣ ចំណុចសម្រាប់ការបំប្លែងសាមញ្ញបំផុត ប៉ុន្តែជាទូទៅត្រូវការ ៨ ទៅ ១៥ ចំណុចសម្រាប់លទ្ធផលអាចទុកចិត្តបាន។
• ការចែកចាយ៖ GCP ត្រូវចែកសព្វទូទាំងរូបភាព រួមទាំងជ្រុងទាំងបួន។ GCP ប្រមូលផ្ដុំតែកណ្ដាល ធ្វើឱ្យជ្រុងនៅតែខូច ទោះ RMSE សរុបទាបក៏ដោយ។
• វត្ថុសមស្រប៖ ជ្រើសចំណុចដែលច្បាស់ និងមិនប្ដូរតាមពេលវេលា (កាច់ផ្លូវ ជ្រុងស្ពាន) ជៀសវាងគែមព្រៃ ឬច្រាំងទន្លេដែលអាចផ្លាស់ប្ដូរ។

រូបទី៨.២៖ វាយតម្លៃការកែតម្រូវធរណីមាត្រ។

អានរូបនេះ

• ចំណុច GCP គួរជាលក្ខណៈស្ថិរ៖ ផ្លូវប្រសព្វ ស្ពាន ជ្រុងអគារធំ។
• RMSE < ០,៥ ក្រឡា ជាគោលដៅទូទៅសម្រាប់ Landsat។
• កុំប្រើចំណុចលើទឹក ឬព្រំស្រែ ដែលប្ដូរតាមរដូវ។

៨.៣.៤. ការរួមផ្សំរូបភាព (Mosaicking)

ពេលតំបន់សិក្សាធំជាងសន្លឹករូបភាពមួយ ត្រូវការ ការរួមផ្សំ (Mosaicking)។ បញ្ហាទូទៅ៖

ពិសោធន៍៖ ព្រំដែនរវាងសន្លឹក

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។

រូបទី៨.៣៖ Nearest · Bilinear · Cubic។

អានរូបនេះ

• Nearest រក្សាតម្លៃដើម៖ ចាំបាច់សម្រាប់ផែនទីថ្នាក់ (class map)។
• Bilinear និង Cubic រលោងជាង ប៉ុន្តែបង្កើតតម្លៃថ្មី។
• សម្រាប់ការចាត់ថ្នាក់ក្រោយ ជៀសវាង resampling ច្រើនដង។

៨.៣.៥. ការជ្រើសកម្រិតកែតម្រូវធរណីមាត្រ

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។

---

រូបទី៨.៤៖ ហេតុអ្វីការត្រួតគ្នាសំខាន់។

អានរូបនេះ

• រំកិលត្រឹមតែ ១ ក្រឡា បង្កើតភាពខុសគ្នាធំតាមគែមទន្លេ និងផ្លូវ។
• ក្នុងការរកការផ្លាស់ប្ដូរ ភាពខុសគ្នាទាំងនេះមើលទៅដូច «ការផ្លាស់ប្ដូរ»។
• ត្រូវការ co-registration < ០,៥ ក្រឡា មុនធ្វើ change detection។

៨.៣.៦. រូបថតពីលើអាកាស មាត្រដ្ឋាន និងការវាស់កម្ពស់

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។

រូបទី៨.៥៖ ស្នាមភ្ជាប់ Mosaic។

អានរូបនេះ

• រូបភាពពីរថ្ងៃខុសគ្នាមានពន្លឺ ពណ៌ និងគម្របដីខុសគ្នា។
• ជ្រើសរូបភាពរដូវ និងឆ្នាំជិតគ្នា ហើយធ្វើ histogram matching។
• ដាក់ស្នាមភ្ជាប់តាមលក្ខណៈធម្មជាតិ (ទន្លេ ផ្លូវ) ដើម្បីកុំឱ្យលេចធ្លោ។

៨.៣.៧. Photogrammetry ឌីជីថល និងដ្រូន

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 ព្រោះវានឹងលេចក្នុងរូបថតតិច · អាចយក GCP ពីប្រភពត្រឹមត្រូវខ្ពស់ (ផែនទីស្ទង់ LiDAR) ឬ Web Map Service បើគ្មានការវាស់ទីវាល។

រូបទី៨.៦៖ ផែនការហោះហើរដ្រូន។

អានរូបនេះ

• SfM ត្រូវការឃើញចំណុចដដែលពីមុំច្រើន៖ ការត្រួតខ្ពស់ចាំបាច់។
• ត្រួតតិចពេក → ចន្លោះ និង orthomosaic ខូច។
• GCP ≥ ៥ ចែកសព្វ សម្រាប់ភាពត្រឹមត្រូវដាច់ខាត។

៨.៤. ឧទាហរណ៍ដែលបានដោះស្រាយ៖ ត្រួតពិនិត្យធរណីមាត្រនៃការវាស់ព្រំស្រែ

ក្រុមការងារនឹងប្រើរូបភាព Sentinel-2 ដើម្បីវាស់ផ្ទៃស្រែក្នុងតំបន់ភ្នំតូចមួយ។

ជំហានទី១៖ វាយតម្លៃហានិភ័យ

តំបន់សិក្សាមានកម្ពស់ប្រែប្រួលពី ៨០ ដល់ ២៥០ ម (ភាពខុសគ្នា ១៧០ ម)។ នេះមានហានិភ័យខ្ពស់ជាងតំបន់រាបស្មើ ចំពោះការផ្លាស់ទីដោយសារជម្រាល។

ជំហានទី២៖ ពិនិត្យផលិតផល

ប្រើ Sentinel-2 L2A ដែលបាន orthorectified រួចដោយ ESA ដោយប្រើ DEM សកល (Copernicus DEM ៣០ ម)។ នេះកាត់បន្ថយហានិភ័យ ប៉ុន្តែមិនលុបបំបាត់ទាំងស្រុងទេ ជាពិសេសនៅកន្លែងដែល DEM មិនត្រឹមត្រូវ (ព្រៃក្រាស់)។

ជំហានទី៣៖ ផ្ទៀងផ្ទាត់ដោយ GCP

ជ្រើសចំណុច ៨ (កាច់ផ្លូវ ជ្រុងស្ពាន) ចែកសព្វទូទាំងតំបន់ រួមទាំងចំណុចខ្ពស់ និងទាប។ វាស់កូអរដោនេ GPS ទីវាល ឬយកពីផែនទីត្រឹមត្រូវ។ ប្រៀបធៀបជាមួយទីតាំងក្នុងរូបភាព។ RMSE បានតម្លៃ ១២ ម ដែលអាចទទួលយកបានសម្រាប់ការវាស់ផ្ទៃថ្នាក់ស្រុក។

ជំហានទី៤៖ កំណត់ដែនកំណត់

ចំណុចមួយក្នុងចំណោមប្រាំបី (នៅជិតកំពូលភ្នំ) មានកំហុសធំជាងគេ (២២ ម) ដែលទំនងជាមកពីភាពមិនត្រឹមត្រូវនៃ DEM នៅតំបន់នោះ។ កត់ត្រាចំណុចនេះជាដែនកំណត់ក្នុងរបាយការណ៍។

ជំហានទី៥៖ សេចក្ដីសន្និដ្ឋាន

RMSE ១២ ម គ្រប់គ្រាន់សម្រាប់ការវាស់ស្រែធំជាង ១ ហ.ត ប៉ុន្តែមិនគ្រប់គ្រាន់សម្រាប់ការកំណត់ព្រំក្បាលដីច្បាស់លាស់ (ដែលត្រូវការតិចជាង ២ ម)។ សម្រាប់គោលបំណងនោះ ត្រូវការការស្ទង់ទីវាល ឬរូបភាពគុណភាពខ្ពស់ជាង។

សេចក្ដីសន្និដ្ឋានដែលសមស្រប

«ការត្រួតពិនិត្យធរណីមាត្រមុនចាប់ផ្ដើមវិភាគ បង្ហាញថាភាពត្រឹមត្រូវប្រែប្រួលតាមទីតាំង (ខ្ពស់ ធៀបនឹងទាប) ដែលចាំបាច់ត្រូវរាយការណ៍ ជាជាងសន្មតថា RMSE សរុបតំណាងគ្រប់ចំណុច។»

អ្វីដែលយើងមិនអាចសន្និដ្ឋាន

RMSE ជាតម្លៃមធ្យម។ វាមិនប្រាប់ថាកំហុសនៅត្រង់ណាជាក់លាក់ទេ លើកលែងតែយើងពិនិត្យចំណុចម្ដងមួយៗ ដូចជំហានទី៤ខាងលើ។ ក្រឡាដែលនៅឆ្ងាយពី GCP ណាមួយ អាចមានកំហុសធំជាង RMSE សរុប។

---

៨.៥. សកម្មភាពអនុវត្ត

លំហាត់នេះស្ថិតក្នុងសៀវភៅអនុវត្ត

ការអនុវត្តលើ QGIS សម្រាប់មេរៀននេះស្ថិតក្នុង លំហាត់ទី៨។

និស្សិតធ្វើលំហាត់នេះ ដោយខ្លួនឯង នៅក្រៅម៉ោងរៀន។

---

៨.៦. ការយល់ច្រឡំដែលត្រូវប្រុងប្រយ័ត្ន

១. «Georeferencing និង Orthorectification ជាដំណើរការតែមួយ» Georeferencing មិនកែជម្រាលភូមិសាស្ត្រទេ។ Orthorectification ត្រូវការ DEM។

២. «រូបភាព L2A/Collection 2 មិនចាំបាច់ត្រួតពិនិត្យធរណីមាត្រទៀត» ភ្នាក់ងារបានធ្វើ orthorectification រួច ប៉ុន្តែសម្រាប់ការវាស់ត្រឹមត្រូវខ្ពស់ គួរផ្ទៀងផ្ទាត់ដោយ GCP ទីវាល ជាពិសេសនៅតំបន់ភ្នំ។

៣. «RMSE ទាបមានន័យថាគ្រប់ចំណុចត្រឹមត្រូវស្មើគ្នា» RMSE ជាមធ្យម។ ចំណុចខ្លះអាចមានកំហុសខ្ពស់ជាងគេច្រើន ខណៈចំណុចផ្សេងត្រឹមត្រូវខ្លាំង។

៤. «Feathering កែភាពខុសគ្នានៃពន្លឺរវាងសន្លឹក» វាគ្រាន់តែលាយបន្តិចម្ដងៗ ដើម្បីលាក់ព្រំដែន ប៉ុន្តែភាពខុសគ្នាមូលដ្ឋាននៅតែមាន។

៥. «ការផ្លាស់ទីដោយសារជម្រាល ប៉ះពាល់រូបភាពគ្រប់ទីកន្លែងស្មើគ្នា» វាតូចនៅតំបន់រាបស្មើ និងធំនៅតំបន់ភ្នំ ឬកន្លែងឆ្ងាយពីកណ្ដាលរូបភាព។

---

៨.៧. សេចក្ដីសង្ខេបមេរៀន

ការខូចទ្រង់ទ្រាយធរណីមាត្រកើតពីការវិលបង្វិលផែនដី មុំមើលមិនស្មើ ជម្រាលភូមិសាស្ត្រ និងចំណោលផែនទី។ Georeferencing កែការរំកិល និងបង្វិលសាមញ្ញ ចំណែក Orthorectification ប្រើ DEM ដើម្បីកែជម្រាលភូមិសាស្ត្រពេញលេញ។

ចំណុចត្រួតពិនិត្យ (GCP) និង RMSE វាស់ភាពត្រឹមត្រូវធរណីមាត្រ។ ការរួមផ្សំរូបភាពច្រើនសន្លឹកទាមទារការគ្រប់គ្រងភាពខុសគ្នានៃកាលបរិច្ឆេទ និងកម្រិតកែតម្រូវ ដោយបច្ចេកទេសដូចជាការលាយគែម និងការផ្គូផ្គងអ៊ីស្តូក្រាម ជាការលាក់បញ្ហា មិនមែនការដោះស្រាយឫសគល់ទេ។

គំនិតស្នូលនៃមេរៀន

ទីតាំងត្រឹមត្រូវសំខាន់ស្មើនឹងតម្លៃត្រឹមត្រូវ។ រូបភាពដែលមានលេខត្រឹមត្រូវ ប៉ុន្តែដាក់ខុសទីតាំង នៅតែផ្ដល់លទ្ធផលវិភាគខុស។

---

៨.៨. ពាក្យគន្លឹះខ្មែរ–អង់គ្លេស

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
ការផ្គូផ្គងអ៊ីស្តូក្រាម	Histogram matching	កែសម្រួលការចែកចាយតម្លៃ

---

៨.៩. សំណួររំលឹក និងវាយតម្លៃ

ក. សំណួរយល់ដឹង

1. ពន្យល់ថាហេតុអ្វីជម្រាលភូមិសាស្ត្រកើតឡើងខ្លាំងជាងនៅជាយរូបភាព ធៀបនឹងកណ្ដាល។
2. បែងចែក Georeferencing និង Orthorectification។
3. សរសេររូបមន្ត RMSE ហើយពន្យល់ន័យរបស់វា។
4. រាយលក្ខណៈបីនៃ GCP ល្អ។
5. ហេតុអ្វី feathering មិនដោះស្រាយបញ្ហាឫសគល់នៃការរួមផ្សំរូបភាព?

ខ. សំណួរអនុវត្តគោលគំនិត

1. អ្នកមាន GCP ១២ ចំណុច ដែលប្រមូលផ្ដុំតែនៅជ្រុងឆ្វេងខាងលើនៃរូបភាព។ RMSE សរុបទាប។ តើអ្នកគួរជឿទុកចិត្តលើភាពត្រឹមត្រូវនៃជ្រុងស្ដាំខាងក្រោមទេ? ពន្យល់។
2. គម្រោងមួយត្រូវការវាស់ព្រំក្បាលដីឱ្យបានត្រឹមត្រូវក្នុងចម្ងាយ ១ ម។ តើរូបភាព Sentinel-2 L2A ធម្មតាគ្រប់គ្រាន់ទេ? ស្នើដំណោះស្រាយ។
3. ពន្យល់ថាហេតុអ្វីតំបន់ភ្នំរតនគិរីទាមទារការយកចិត្តទុកដាក់ខាងធរណីមាត្រច្រើនជាងខេត្តព្រៃវែង។
4. អ្នកមានរូបភាពពីរសន្លឹកសម្រាប់ផ្សំ ដែលថតឃ្លាតគ្នា ២ ខែ។ ស្នើជំហានបីដើម្បីកាត់បន្ថយបញ្ហាព្រំដែន។
5. ចូរគណនា RMSE ដោយដៃ បើមានចំណុចបី ដែលមានចម្ងាយ ៥ ម ១០ ម និង ១៥ ម ពីទីតាំងព្យាករ។

គ. កិច្ចការខ្លី

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។

---

កំណត់សម្គាល់សម្រាប់គ្រូបង្រៀន

ក. ការបែងចែកពេលវេលា ១៨០ នាទី

សកម្មភាព	ពេលវេលា
ស្ថានភាពបើកមេរៀន៖ ផ្លូវមិនត្រូវគ្នា	១៥ នាទី
ប្រភពនៃការខូចទ្រង់ទ្រាយ	២៥ នាទី
Georeferencing និង Orthorectification	២៥ នាទី
GCP និង RMSE · ពិសោធន៍	៤០ នាទី
ការរួមផ្សំរូបភាព · ពិសោធន៍	៣០ នាទី
ជ្រើសកម្រិតកែតម្រូវ · ឧទាហរណ៍	៣៥ នាទី
សង្ខេប	១០ នាទី
សរុប	១៨០ នាទី / ៣ ម៉ោង

ខ. ការភ្ជាប់ទៅមេរៀនបន្ទាប់

រូបភាពរបស់យើងឥឡូវត្រឹមត្រូវទាំងតម្លៃ ទាំងទីតាំង។ ជំហានចុងក្រោយមុនចាប់ផ្ដើមវិភាគគឺ ការមើល៖ ធ្វើដូចម្ដេចដើម្បីបង្ហាញរូបភាពឱ្យអានបានច្បាស់បំផុត?

សំណួរនេះនាំទៅ មេរៀនទី៩៖ ការបង្ហាញរូបភាព និងបន្សំក្រុមរលក។

⬅️ មេរៀនទី៧ · ➡️ មេរៀនទី៩