ประสิทธิภาพของวิธีการจำแนกประเภท การใช้ประโยชน์ที่ดินแบบควบคุมและไม่ควบคุม

Abstract

แผนที่การใช้ประโยชน์ที่ดินเป็นข้อมูลที่มีความสำคัญอย่างยิ่งต่อการวางแผน เพื่อบริหารและจัดการข้อมูลเชิงพื้นที่ ในอดีตการจัดทำแผนที่การใช้ประโยชน์ที่ดิน อาศัยการแปลภาพถ่ายด้วยสายตา แต่ปัจจุบันมีการนำวิธีการประมวลผลข้อมูล ภาพถ่ายจากดาวเทียมไปใช้อย่างแพร่หลาย วิธีการประมวลผลข้อมูลดังกล่าวมีด้วยกัน หลายวิธี การวิจัยครั้งนี้จึงมีวัตถุประสงค์ในการจำแนกประเภทการใช้ประโยชน์ที่ดิน ด้วยวิธีการจำแนกข้อมูลแบบควบคุมและไม่ควบคุมและทดสอบสอบประสิทธิภาพ ของวิธีการจำแนกประเภทข้อมูลแต่ละวิธี โดยทำการเปรียบเทียบผลการจำแนก ประเภทการใช้ประโยชน์ที่ดินด้วยวิธีวิธีการจำแนกแบบจัดกลุ่มโดยเรียงลำดับ เทคนิค การวิเคราะห์ข้อมูลให้เป็นระบบเดียวกันแบบทำซํ้า การประยุกต์ทฤษฎีฟัซซีเซต วิธีการจำแนกแบบระยะทางสั้นที่สุด วิธีการจำแนกแบบสี่เหลี่ยมคู่ขนาน วิธีการ จำแนกแบบความน่าจะเป็นสูงสุดและวิธีโครงข่ายใยประสาทเทียม เทียบกับผลจาก การจำแนกที่ได้จากการตีความภาพถ่ายจากดาวเทียมด้วยสายตา ผลการวิจัย พบว่า ผลจากการจำแนกประเภทข้อมูลด้วยวิธีโครงข่ายใยประสาทเทียมมีความใกล้เคียงกับ ผลผลจากการจำแนกที่ได้จากการตีความภาพถ่ายจากดาวเทียมด้วยสายตามากที่สุด โดยมีค่าสัมประสิทธิ์แคปปาเท่ากับ 0.27

Land use and land cover maps were essential data for resources planning and development. In the past, the visual interpretation was mainly used in land use classification, nowadays, digital image processing played an important role and widely used. However, there were many types of image processing to classify land use. This research was conducted with objectives of classifying the land use by using supervised and unsupervised classification, the efficiency of which was tested by comparison. The results of land use classification by K-means clustering, ISODATA clustering, Fuzzy clustering, Minimum Distance clustering, Paralellepiped technique, Maximum Likelihood, and Neural Network were compared with the results of land us classification analyzed by visual interpretation. The research results showed the consistency of the data classification by means of Neural Network clustering and visual interpretation at the highest level of kappa coefficient (k = 0.27).