ความเข้าใจก่อน การเตรี ยมข้อมูล Pre processing http://www.microscopy.fsu.edu/primer/digitalimaging/images/processintro/processintrofigure6.jpg 1
เนือ หา 1. ความสํ าคัญของกระบวนการ 1.1 Radiometric processing 1.2 Geometric processing 2. พิกเซล (pixel) 3. การทําภาพสี ผสม Band Combination 4. ความละเอียด หรือ resolution 5. ข้ อจํากัดของภาพรีโมทเซนซิง 2
1. ความสํ าคัญ Preprocessing การเตรียมข้ อมูลแบ่ งออกเป็ น 2 ประเภทคือ 1.1 Radiometric processing 1.2 Geometric processing 1.1 กระบวนการทางรังสี หรือ radiometric processing มัก ใช้ ในกรณีเพือ0 ลดผลกระทบต่ างๆ ทีเ0 กิดจากการสะท้ อนพลังงานจาก พืน ดินในระหว่ างทีท0 าํ การตรวจวัดค่ า รวมไปถึงผลกระทบทีเ0 กิดจากชั น บรรยากาศ การปรับเปลีย0 นมุมองศาของดวงอาทิตย์ ท งั ก่อนและหลังที0 รับค่ าสะท้ อนพลังงานจากพืน ผิวโลก และผลกระทบเหล่านีย งั เกิด เนื0องจากคุณลักษณะของพืน ผิวและเซนเซอร์ ร่วมด้ วย 3
การลดภาวะรบกวน(noise) ในแต่ ละพิกเซลให้ น้อยทีส0 ุ ดเพือ0 แสดงให้ เห็น ค่ าพลังงานทีแ0 ท้ จริงของพืน ที0 ซึ0งจะแสดงความสามารถการจําแนกได้ ดี และถูกต้ องเพือ0 เตรียมการวิเคราะห์ ต่อไป ตัวอย่ าง สภาพแวดล้ อมของภูเขาลูกหนึ0งโดยปกติจะสะท้ อนพลังงานด้ าน หนึ0งสว่ างกว่ าอีกด้ านหนึ0งซึ0งเป็ นเงาของภูเขา เมื0อวิเคราะห์ ด้วยเครื0อง หรือสายตาก็ต้องจําแนกความถูกต้ องนีไ ด้ หากไม่ เป็ นเช่ นนั นสิ0 งทีป0 รากฏ นีเ กิดจากสิ0 งรบกวนนั นเองทีส0 ่ งผลกระทบต่ อค่ าการสะท้ อนพลังงาน ความสว่ าง อย่ างไรก็ตามสามารถทีจ0 ะตรวจสอบความถูกต้ องได้ โดยการทําภาพ 3 มิติ ยิง0 ไปกว่ านั นความคุ้นเคยของนักวิเคราะห์ พนื ทีก0 ม็ ีส่วนทีจ0 ะจําแนกพืน ทีน0 ัน ได้ ระหว่ างเงาและพืชพรรณ ร่ วมกับลักษณะทางภูมิประเทศ เพือ0 กําหนด ความแตกต่ างคุณลักษณะของพืชพรรณได้ 4
1.2 ความถูกต้ องทางเรขาคณิต หรือ Geometric correction รวม ไปถึงการผนวกแผนทีล0 กั ษณะจําเพาะด้ วยกัน หรือการทําโมเสก แผนที0 ให้ มคี วามถูกต้ องทางพิกดั พืน ทีจ0 ริง อย่ างไรก็ตามภาพทีต0 ่ อกันนั นจําทําให้ พกิ เซลเพิม0 หรือลดลงไปจาก ภาพต้ นฉบับ (ข้ อมูลดิบ)ในบางองศาได้ อย่ างไรก็ตามการปรับเปลีย0 นระหว่ างการทํา resampling นั น อาจจะมีผลหรือไม่ มีผลต่ อภาพขึน อยู่กบั การนําไปใช้ แต่ โดยทัว0 ไปการทําความถูกต้ องทางเรขาคณิตมีประโยชน์ เพือ0 การ การทําแผนทีจ0 าํ แนกคุณลักษณะต่ างๆ ออกมาในขั นสุ ดท้ ายของ กระบวนการทํา image processing 5
2. พิกเซล (pixels) ก่ อนทีจ0 ะเข้ าไปเกีย0 วข้ องกับภาพรีโมทเซนซิง จําเป็ นต้ องทําความ เข้ าใจองค์ ประกอบพืน ฐานบางประการทีท0 าํ ให้ เกิดภาพ หรือ image กล่ าวคือภาพหรือ image นั นเกิดจากองค์ ประกอบเฉพาะ ซึ0งมีการจัดเรียงให้ อยู่ในรู ปตารางแถวและคอลัมน์ ในรู ปตาราง กริด ซึ0งในแต่ ละตารางกริดจะเรียกว่ า pixel ซึ0งมาจากคําว่ า picture element หากเราซู ม image นีจ ะเห็นเป็ นตารางเรียงต่ อ กันไป (ดังรู ปที0 1) โดยปกติเราสามารถมอง image ผ่ านพิกเซลทีม0 ี ขนาดเล็กทีส0 ุ ดจนกระทั งตาเราไม่ สามารถจําแนกได้ (รู ปที0 2) 6
พิกเซล หรือ pixel
รู ปที0 2 ภาพทีม0 ีขนาด พิกเซลทีม0 ีขนาดไม่ เพียงพอต่ อสายตาจะ จําแนกได้ รุ ปที0 1 ภาพแลนด์ แซตระบบ TM ทีเ0 ห็นขนาดพิกเซลเมือ0 ซูมเข้ าไปเรา สามารถเห็นพิกเซลแต่ ละอันได้ ซึ0งทําให้ เกิดภาพ http://geospatial.amnh.org/remote_sensing/guides/basic_concepts/pixels_bands_channels.html
7
เมื0อมองภาพผ่ านจอคอมพิวเตอร์ จะปรากฏเพียง 2 มิตคิ อื แถวและ คอลัมน์ ของพิกเซล แต่ ภาพยังมีช ันหรือ layers เป็ นองค์ ประกอบ ด้ วย ซึ0ง layers ต่ างๆเหล่ านีก ค็ อื แบนด์ หรือช่ อง (bands and channel) ซึ0งอธิบายด้ วยความยาวช่ วงคลืน0 (ทีเ0 ป็ นสี ต่างๆ) เพราะว่ า ภาพแต่ ละแบนด์ จะถูกสร้ างด้ วยคุณสมบัตคิ วามยาวช่ วงคลืน0 เฉพาะทีม0 ีพสิ ั ยในช่ วงคลืน0 หนึ0งๆเท่ านั น ทั งนีเ พือ0 ทีจ0 ะให้ จอ คอมพิวเตอร์ สามารถแสดงผลเป็ นภาพออกมาให้ ปรากฏต่ อสายตา ทีม0 นุษย์ รับได้ หรือในช่ วงคลืน0 visible band ตอนนีเ ราทราบแล้ วว่ า images ทีเ0 ห็นบนจอนั นจะประกอบด้ วย 3 มิติ แล้ ว ได้ แก่ แถว คอลัมน์ และแบนด์ แต่ พกิ เซลเหล่ านี แล้ วแบนด์ ต่ างๆ ทํางานร่ วมกันอย่ างไรเพือ0 ผลิต image นั นออกมาทางหน้ าจอ 8
แบนด์ ท งั สามเกิดจากภาพหลายช่ วงคลืน0 และมีค่าการสะท้ อนพลังงาน แสงของแต่ ละช่ วงคลืน0 เป็ นของตัวเอง ประกอบด้ วยแสงสี แดง เขียว นํา เงิน ดังรู ปที0 3 แสดงกระบวนการผสมแสงของแต่ ละพิกเซล และ ในแต่ ละพิกเซลมีการผสมกันอย่ างไรในดังรู ปที0 4 โดยรู ปทางด้ านซ้ ายจะเห็นพิกเซลทั ง 3 แบนด์ ได้ แก่ แดง เขียว นํา เงิน ที0 ส่ งผ่ านพลังงานแสงออกมาไปตามค่ าพิกเซลซึ0งมีค่าระหว่ าง 0-255 (เป็ นค่ าสี ดาํ -ขาวเท่ านั น) ซึ0ง ค่ า 0 แทนสี ดาํ ทีไ0 ม่ มแี สง ส่ วนค่ า 255 แทนแสงทีส0 ว่ างทีส0 ุ ด ในแต่ ละแบนด์ จะให้ ความเข้ มข้ นการสะท้ อน พลังงานออกมาในแต่ ละพิกเซลเท่ านั น จากนั นจึงใส่ ฟิลเตอร์ ทเี0 ป็ นแม่ สี ท งั สาม จากพิกเซลทีม0 คี ่ าความสว่ าง (ดํา-ขาว) มาเป็ นแสงสี ทเี0 กิด จากการผสมแม่ แสงทีป0 รากฏบนจอนั นเอง 9
รู ปที0 3 การได้ มาซึ0งข้ อมูลการผสม ระหว่ างช่ วงคลืน0 ต่ างๆ
10
รู ปที0 4 แต่ ละพิกเซลทีเ0 กิดจาก การผสมของแม่ แสงสี
11
ถึงแม้ ว่าภาพขาว-ดําซึ0งเป็ นภาพเพียงช่ วงคลืน0 เดียวก็ตาม แต่ เมือ0 นํามาผสมกับแม่ แสงทั งสามก็จะทําให้ สามารถเห็น ภาพบนจอได้ และในทํานองเดียวกันสามารถสร้ างภาพ หรือ images ได้ มากมายเป็ นร้ อยๆ ภาพซึ0งเครื0องมือทาง รีโมทเซนซิงสามารถทําได้ ด้วยการผสมแบนด์ ต่างๆ ที0 ต้ องการโดยตัวกรองเพียงสามแสงเท่ านั น
12
การแปลงสั ญญาณข้ อมูลเป็ นภาพดิจติ อล
http://ccrs.nrcan.gc.ca/resource/tutor/datarecept/c3p1_e.php
13
3. การทําภาพสี ผสม Band Combination เปรียบเทียบภาพดาวเทียม 1. Landsat ETM+ (Enhanced Thematic Mapper Plus) image 2. ASTER image 3. MODIS image เพือ0 ให้ เห็นความแตกต่ างระหว่ างการผสมแบนด์ ต่างๆ 14
การผสมสี
http://www.profc.udec.cl/~gabriel/tutoriales/rsnote/cp10/10-4-2.gif
15
รู ปที0 5 ASTER image 321 (RGB)
ASTER มีเพียง 3 แบนด์ เท่ านั น ความ ละเอียด 15 เมตรดังนั นจึงมีข้อจํากัดเพือ0 ศึกษาการทําแผนที0 การทําภาพสี ผสม321 นีจ ะทําให้ เห็นสุ ขภาพของพืชพรรณ ออกเป็ นสี แดง
16
คล้ ายกับการผสมแบบแรกจะเห็น รู ปที0 6 สุ ขภาพหรือความสมบูรณ์ ของพืช ASTER image 231 (RGB) พรรณทีส0 ะท้ อนเป็ นสี เขียว
17
ภาพที0ได้ เป็ น true color มีประโยชน์ เพือ0 ศึกษาถิ0นที0อยู่อาศัยของสิ0 งมีชีวติ ในนํ าได้ รู ปที0 7 ดีด้านล่ างของภาพค่ อนข้ างสั บสนจําแนก Landsat ETM+ 321 (RGB) ไม่ ค่อยได้ ว่าอะไรเป็ นอะไร
18
อธิบายได้ ว่าช่ วงคลืน0 ทีใ0 ช้ อยู่ในช่ วง NIR(แบนด์ 4)เห็นขอบเขตนํา ได้ รู ปที0 8 Landsat ETM+ 432 (RGB) ชัดเจนและแยกพืชพรรณต่ างๆได้ ดี การผสมแบนด์ 432 เป็ นทีน0 ิยมมาก
19
การผสมแบนด์ 453 จะเห็นความ แตกต่ างของพืชพรรณชัดเจนขึน และ จําแนกพืน ทีด0 นิ และนํา ออกจากกันได้ รู ปที0 9 Landsat ETM+ 453 (RGB) ดี ความแตกต่ างของความชุ่มชื นจะ เห็นได้ ชัด
20
4. ความละเอียดหรือ resolution Scale และ resolution เป็ นคําทีใ0 ช้ ในรีโมทเซนซิงมีความหมายที0 แตกต่ างกันดังนี มาตราส่ วนหรือ image scale หรือ map scale บางครั งอ้ างถึง ความสั มพันธ์ ของระยะทางหรือขนาดของภาพ กับคุณลักษณะที0 ปรากฏทางพืน ที0 อาจจะกล่ าวได้ ว่าเป็ นสั ดส่ วนของระยะทางที0 ได้ ภาพบนพืน ที0 เช่ นมาตรส่ วน 1:100,000 (หนึ0งต่ อหนึ0งแสน) หมายถึงพืน ที0 1 เซนติเมตรจะปรากฏบนแผนทีจ0 ริง 100,000 เซนติเมตร (1 กม.) 21
ตารางที0 1 มาตราส่ วนกับระยะทางจริงบนพืน ที0 Image scale 1:10,000 1:40,000 1:100,000 1:500,000
1 mm on image 10 m 40 m 100 m 500 m
3 cm on image 30 m 120 m 300 m 1,500 m
5 cm on image 500 m 2,000 m 5,000 m 25,000 m
ดังจะเห็นได้ ว่าเมื0อเปรียบเทียบมาตราส่ วนทางพืน ทีใ0 น image กับพืน ทีจ0 ริงสามารถเทียบเป็ นตารางส่ วนได้ ดังนี 22
ตารางที0 2 เปรียบเทียบตารางส่ วนภาพกับมาตราส่ วนจริง Image scale 1:10,000 1:40,000 1:100,000 1:500,000
1 mm X 1 mm 0.01 ha 0.16 ha 1.00 ha 25.00 ha
3 mm X 3 mm 0.09 ha 1.44 ha 9.00 ha 225.00 ha
5 cm X 5 cm 25 ha 400 ha 2,500 ha 62,500 ha
มาตราส่ วนใหญ่ หรือมาตราส่ วนเล็ก สามารถอธิบายได้ ว่า 1:100,000 (หนึ0งต่ อ หนี0งแสน)เรียกว่ ามาตราส่ วนแสนหรือคิดเป็ นสั ดส่ วน 1/100,000 ดังนั นมาตรา ส่ วน 1:100,000จะมีขนาดเล็กกว่ ามาตราส่ วน 1:40,000 เพราะจํานวน 1/100,000 จะเล็กกว่ า 1/40,000 23
หรือเรียกง่ ายว่ า มาตราส่ วน 100,000 เล็กกว่ ามาตราส่ วน 40,000 และเมือ0 พิจารณาจาก image พืน ทีห0 นึ0งทีใ0 ช้ มาตรา ส่ วน 1:100,000 กับมาตราส่ วน 1:40,000 จะเห็นความ แตกต่ าง กล่ าวคือหากเป็ นภาพทีม0 มี าตราส่ วน 1:40,000 พืน ทีท0 ะเลสาบจะมีขนาดใหญ่ แต่ กบั มาตราส่ วน 1:100,000 จะเห็นรายละเอียดของทะเลสาบไม่ ชัดเจน หรือมีขนาดเล็กนั นเอง
24
ส่ วนความละเอียด resolution หมายถึงความละเอียดทาง พืน ทีข0 องภาพ (spatial resolution) ซึ0งชี ให้ เห็นขนาดของ พิกเซลต่ อพืน ทีโ0 ดยกําหนดเป็ นค่ าเดีย0 วๆแสดงเป็ น ตารางกริด ตัวอย่ าง ความละเอียดทางพืน ที0 30 เมตร หมายความว่ าหนึ0ง พิกเซลตรงกับขนาดบนพืน ทีจ0 ริง 30 เมตร ซึ0งพิกเซลจะ แสดงค่ ามิตกิ ว้ างคูณยาว คือ 30x30 ม.
25
รู ปที0 10 ของความละเอียดของจุดภาพในระบบต่ างๆ IKONOS
Landsat Modis
26
รู ปที0 11 ความละเอียดของจุดภาพจากเซนเซอร์ ระบบต่ างๆ
Modis
Landsat
IKONOS 27
5. ข้ อจํากัดของภาพรีโมทเซนซิง อย่ างไม่ ต้องสงสั ยเลยว่ า ภาพดาวเทียมเป็ นภาพทีอ0 ธิบายลักษณะ ทางพืน ทีไ0 ด้ ดแี ต่ กม็ ีข้อจํากัดดังนี 1. ดาวเทียมทีใ0 ช้ ตรวจวัดค่ าพลังงานของพืน ดิน กล่ าวคือระบบเซนเซอร์ ทตี0 รวจวัดค่ าพลังงาน ซึ0งไม่ ใช่ แทนค่ า การสะท้ อนพลังงานจากวัตถุเป้าหมายอย่ างแท้ จริง อีกประการ หนึ0งคือเซนเซอร์ ทตี0 รวจวัดค่ า จะสะท้ อนเพียงความเข้ มข้ นของ แสงเท่ านั นตราบเท่ าทีด0 อี ุปกรณ์ ร่วมอีกตัวหนึ0งคือ ดีเทคเตอร์ (detector)จะตรวจจับพลังงานได้ หน่ วยทีว0 ดั ได้ จะเป็ นค่ า วัตต์ ต่ อตารางเมตร ( Wm-2 sr-1) หรือ watts per steradian meter squared 28
การสะท้ อนพลังงานพืน ผิวจะเป็ นสั ดส่ วนกับความเข้ มของแสงที0 ได้ รับจากพืน ดินมากกว่ าพลังงานตกกระทบ(พลังงานตั งต้ น) ดังนั นก่ อนทีจ0 ะวัดค่ าพลังงานจําเป็ นต้ องรู้ ความเข้ มข้ นของแสง ก่ อนทีจ0 ะแปรค่ าพลังงานจากพืน ดินหรือจากวัตถุเป้าหมายว่ า เป็ นการสะท้ อนพลังงานจากวัตถุเป้าหมายนั นจริงๆ หรือไม่ อย่ างไรก็ตาม พบว่ าคุณลักษณะพืน ผิวทีเ0 กิดจากความลาดชันและ มุมมอง รวมไปถึงการกระจัดกระจายพลังงานในชั นบรรยากาศ มีผลต่ อการดูดกลืนพลังงานบางส่ วนไว้ ร่วมด้ วย สิ0 งเหล่ านีท าํ ให้ การตรวจจับพลังงานการสะท้ อนถูกรบกวนไป ถือได้ ว่าเป็ น ข้ อจํากัดของข้ อมูลดาวเทียมไปด้ วย ดังรู ป 11 29
รุปที0 12 การตรวจจับค่ าพลังงาน
30
2. การจําแนกพืน ทีร0 วมไปถึงการจัดหมวดหมู่ในรู ปพิกเซล ไม่ สามารถทําให้ เกิดความถูกต้ องได้ อย่ างเพียงพอ แผนทีท0 แี0 สดงคุณลักษณะเฉพาะ เกิดจากการแปรข้ อมูลค่ าการ สะท้ อนพลังงานตาม spectral signatures นักวิเคราะห์ ภาพต้ อง มีความเชี0ยวชาญในการใช้ โปรแกรมทีจ0 ะจัดกลุ่มพิกเซลต่ างๆให้ เป็ นหมวดหมู่ ข้ อผิดพลาดทีอ0 าจเกิดขึน ได้ กล่ าวคือหากพิกเซลมีค่าการสะท้ อน พลังงานใกล้ เคียงกันแล้ วจะทราบได้ อย่ างไรว่ าจะจําแนกเป็ น พืน ทีป0 ่ าหรือนํา หากพิกเซลทั งหมดมีค่าทีอ0 ยู่ในพิสัยใกล้ กนั หมด ในทางปฎิบัตจิ ะทําได้ ยากพอควร เนื0องจากความสั บสนของค่ า พลังงานทีส0 ะท้ อน วิธีการแก้ ปัญหาคือการทํา contrast เพือ0 วัดค่ า การสะท้ อนพลังงาน มีดงั นี 31
1. ความเข้ มข้ นของการแผ่ พลังงานทีม0 าจากวัตถุเป้าหมาย 2. ความเข้ มข้ นของการสะท้ อนพลังงาน เช่ นความเข้ มข้ นของ แสงอาทิตย์ ไปยังวัตถุเป้าหมาย 3. แหล่ งพลังงานภายนอกอืน0 ๆ และสั มพันธ์ กบั ดีเทคเตอร์ ตรวจจับพลังงานของวัตถุเป้าหมาย วิธีการนีแ ก้ ไขด้ วยโปรแกรมการกําหนดสั ดส่ วนการสะท้ อน พลังงานของวัตถุให้ ง่ายต่ อการวัดค่ าความเข้ มข้ นของแสงที0 ตกกระทบในรู ปที0 13 แสดงให้ เห็นเส้ นทางเดินของแสงทีถ0 ูก ควบคุม ดังนั นจะมีพลังงานบางส่ วนทีห0 ายไประหว่ างทางจาก แหล่ งกําเนิดแสงกับวัตถุเป้าหมายไม่ มากและเพียงพอทีด0 เี ทค เตอร์ จะตรวจจับค่ าพลังงานอย่ างถูกต้ องซึ0งเรียกว่ า ความ ถูกต้ องและแม่ นยําหรือaccuracy and precision 32
รู ปที0 13 การตรวจจับค่ าพลังงาน
33
ยิง0 ไปกว่ านั นความสั มพันธ์ ระหว่ างค่ าความสว่ างและดีเทคเตอร์ จะ สอดคล้ องกัน ทั งนีข นึ อยู่กบั การคํานวณตําแหน่ งของดวง อาทิตย์ และดาวเทียมในขณะทีป0 ฏิบัตกิ าร ซึ0งก็ยากทีจ0 ะทราบได้ ว่ าพลังงานทีไ0 ด้ รับจากวัตถุน ันถูกต้ องจริง เพราะความลาดชัน และมุมมองทีเ0 ปลีย0 นไป ทางแก้ คอื การทําภาพสามมิตปิ ระกอบ การพิจารณาองศาและความลาดชันในการแปรภาพ ตัวอย่ าง พืน ทีห0 นึ0งพบชนิดพืชพรรณเดียวกันแต่ มีความแตกต่ าง กันอยู่ 2 พืน ที0 กล่ าวคือพืน ทีห0 นึ0งเป็ นเงาของภูเขาบังไว้ แต่ อกี พืน ทีห0 นึ0งนั นสะท้ อนค่ าพลังงานสู งสุ ดทีเ0 ซนเซอร์ สามารถ ตรวจจับได้ ดังรู ปที0 14 34
รู ปที0 13 เงากับพืชพรรณ ซึ0งเป็ นประเภท เดียวกันแต่ ให้ ค่า พลังงานต่ างกัน
35
3. ความละเอียดของช่ วงคลืน0 (spectral resolution)หมายถึง จํานวนแบนด์ ทใี0 ช้ ในระบบเซนเซอร์ กล่ าวได้ ว่าความละเอียดของช่ วงคลืน0 คือพิสัยความยาวช่ วงคลืน0 ที0 ใช้ ตรวจจับพลังงานในช่ วงคลืน0 ต่ างๆ (ดังรู ปที0 14 ) ตัวอย่ าง แบนด์ ที0 1 เซนเซอร์ ระบบ ETM+บนดาวเทียมแลนด์ แซต 7 ตรวจจับความยาวช่ วงคลืน0 ระหว่ าง 0.45 nm. ถึง 0.52 nm. และ เซนเซอร์ ระบบ Pan ระหว่ างช่ วงคลืน0 0.50-0.90 nm. แต่ อาจจะกล่ าวได้ ว่ าเซนเซอร์ ETM+ แบนด์ ที0 1 มีความละเอียดของช่ วงคลืน0 มากกว่ า ระบบ Pan แม้ ว่าเซนเซอร์ จะมีจํานวนแบนด์ มากมาย (บางทีเรียกว่ า hyperspectral sensors) ส่ วนใหญ่ จะให้ ภาพทีล0 ะเอียดกว่ า มีความกว้ าง ช่ วงคลืน0 หรือแบนด์ มากเพือ0 การเปรียบเทียบความแตกต่ างในขณะ ตรวจวัดพลังงานได้ ดังในรูปที0 15-21
36
Higher (fine) spectral resolutions
Lower (coarse) spectral resolutions
รู ปที0 14 spectral resolution
37
รู ปที0 14 ระบบ ETM+ ช่ วงคลืน0 ต่ างๆ กับการสะท้ อนพลังงาน ของวัตถุ 7 ชนิด คว้ อตซ์ หิมะ คอนกรีต
หญ้ าแห้ ง แอสฟัลส์ นํา 38
รู ปที0 15 ระบบ Pan ในแลนด์ แซต หนึ0งช่ วงคลืน0 รับการสะท้ อน พลังงานของวัตถุ 7 ชนิด
39
รู ปที0 16 ระบบ ASTER หลายช่ วงคลืน0
40
รู ปที0 17 ระบบ MODIS หลายช่ วงคลืน0
41
รู ปที0 18 ระบบ MODIS band center
42
รู ปที0 19 ระบบ IKONOS ระบบหลายช่ วงคลืน0
43
รู ปที0 20 ระบบ IKONOS ระบบ Pan
44
รู ปที0 21 ระบบ Hyperion bands
45
4. ความผิดพลาดด้ านการวัด ค่ าความแตกต่ างของแผนที0 2 ฉบับจากภาพ ดาวเทียม นอกจากจะทําให้ เห็นความแตกต่ างชัดขึน ตามจํานวนครั งทีใ0 ช้ ซํ าเพือ0 ประเมิน การเปลีย0 นแปลงทางพืน ทีก0 ต็ าม แต่ กพ็ บการผิดพลาดจากการคํานวณซํ าด้ วย โดยปกติแล้ วการคํานวณการเปลีย0 นแปลงทางพืน ทีน0 ันจะเปรียบเทียบความ แตกต่ างระหว่ างแผนที20 ฉบับ วิธีการนีเ รียกว่ าการจําแนกความแตกต่ าง หลังจากการจําแนกครั งแรก แม้ ว่าวิธีการนีด ูเหมือนจะเป็ นตรรกะและใช้ กนั มาก แต่ กพ็ บว่ าเป็ นวิธีการทีม0 ีความเหมาะสมน้ อยเมื0อใช้ ศึกษาสิ0 งปกคลุมดิน หรือ land cover ในหลายช่ วงเวลา ปัญหาจึงอยู่ตรงทีจ0 ะทําให้ เกิดความ ผิดพลาดในแต่ ละ 2 แบนด์ ทถี0 ูกนํามาคํานวณซํ าและทุกครั งทีท0 าํ การซ้ อนทับ ข้ อมูล ความผิดพลาดนีจ ะสะสมไปเรื0อยๆ ผลก็คอื จะเกิดความผิดพลาดใน การทําแผนที0 land cover อย่ างมีนัยสํ าคัญ ดังรู ปที0 22 46
ภาพต้ นฉบับแบนต์ 123
5 แบนด์ ทจี0 ําแนกแล้ วครั งที0 1
รุ ปที0 22 ความผิดพลาด เมื0อนําผลลัพธ์ ทไี0 ด้ จาก การคํานวณครั งแรกมา ทําการซ้ อนทับกับอีก แบนด์ หนึ0งด้ วยการ คํานวณใหม่ ความ ภาพทีเ0 กิดจากการจําแนกแล้ ว 5 แบนด์ ทจี0 ําแนกแล้ วครั งที0 2 ผิดพลาดจะสะสมไป เรื0อยๆตามจํานวนครั งที0 นํามาซ้ อนทับข้ อมูล
47
วิธีการนีน ักวิเคราะห์ ต้องเป็ นคนเดียวกันทีท0 าํ การจําแนกพืน ที0 เดียวกัน ถ้ าหากว่ านักวิเคราะห์ ไม่ มคี วามชํานาญเพียงพอ การ จําแนกจะทําให้ เกิดผลลัพธ์ ทแี0 ตกต่ าง วิธีการคือ เมือ0 ทําการซ้ อนทับข้ อมูลทีใ0 ห้ ผลลัพธ์ ถงึ 2 ครั ง นักวิเคราะห์ ควรทีจ0 ะเห็นความเปลีย0 นแปลงทางพืน ทีไ0 ด้ แล้ ว ถึงแม้ ว่าจะเป็ นภาพเดียวกันก็ตามในช่ วงเวลาเดียวกันก็ตาม เพราะการซ้ อนทับผลลัพธ์ ของข้ อมูล 2 ภาพจนได้ แผนทีท0 มี0 ีความ ผิดพลาดเมื0อนําไปจัดประเภทหรือจําแนกต่ อไปในภายหลัง จะ พบความผิดพลาดไปด้ วย วิธีการแก้ ไข แทนทีจ0 ะใช้ ภาพพืน ทีเ0 ดียวกัน ต้ องเปลีย0 นมาใช้ วนั ที0 แตกต่ าง หรือเซนเซอร์ ทแี0 ตกต่ าง เพือ0 ทีจ0 ะจําแนกพืน ทีไ0 ด้ ชัดเจน กว่ านั0นเอง
48
5. ภาพแลนด์ แซตระบบ TM เป็ นภาพทีเ0 หมาะสมให้ การจําแนก ชนิดพืชพรรณได้ ชัดเจนมีความถูกต้ องสู ง เนื0องจากแผนทีท0 เี0 ราต้ องการท้ ายทีส0 ุ ดแล้ วต้ องบอกลักษณะจําเพาะ หรือ thematic classification map จําแนก ลักษณะสิ0 งปกคลุมดินหรือ land cover อย่ างหยาบหรือ ละเอียดได้ หากต้ องการจําแนกเพียงประเภทที0เป็ นพืชพรรณกับ ไม่ ใช่ พชื พรรณแค่ นี ก็สามารถทําแผนทีไ0 ด้ อย่ างหยาบ แต่ ถ้าหากต้ องการรายละเอียดถึงชนิดพืชพรรณทีป0 กคลุมดินว่ ามี ชนิดอะไรบ้ างนั น จําเป็ นทีจ0 ะต้ องใช้ ระบบการจําแนกทีม0 คี วาม แม่ นยํา ถูกต้ องและชัดเจนเพือ0 ทําแผนทีใ0 ห้ ตรงตามความ ต้ องการ http://geospatial.amnh.org/remote_sensing/guides/basic_concepts/myths.html#SPECIES
49
Ross Nelson จากศู นย์ การบินอวกาศกอดดาร์ ดแห่ งนาซา (the NASA Goddard Space Flight Center ) ได้ พฒ ั นา แนวคิดเพือ0 ช่ วยเรื0องการตรวจสอบความถูกต้ องของภาพรีโมทเซนซิง นิยมใช้ เป็ นแนวทางการพิจารณาจําแนกชนิดสิ0 งปกคลุมดินได้ อย่ างถูกต้ อง ได้ ดังนี ความแม่ นยําในการจําแนก (Classification Accuracy ) 1.ป่ าไม้ /ไม่ ใช่ ป่า , นํา /ไม่ ใช่ นํา , ดิน/พืชพรรณ ต้ องจําแนกได้ สูงถึง 90% 2. ต้ นสน/ไม้ เนือ แข็ง ต้ องจําแนกในระดับ 80-90 % 3. ตระกูลพืชและสั ตว์ ต้ องจําแนกได้ ในระดับ 60-70% 4. ชนิดและประเภทพืชและสั ตว์ ต้ องจําแนกได้ ในระดับ 40-60% ทั งนีร วมถึงการทําภาพ 3 มิติ (DEM) ในการจําแนกต้ องเพิม0 ไปอีก 10% 50
6. ภาพดาวเทียมความละเอียดที0 30 เมตร สามารถจําแนกวัตถุทมี0 ี ขนาด 30 เมตรได้ ดี ความละเอียดทางพืน ทีห0 รือ spatial resolution คือขนาด พิกเซลทีใ0 ช้ ตรวจสอบสภาพพืน ทีจ0 ริงเช่ น ETM+ ขนาด พิกเซล 30 เมตร หมายความว่ า พิกเซล 30 เมตรแสดงข้ อมูลของ พืน ทีจ0 ริงขนาด 30x30 เมตร ข้ อสั งเกต ความละเอียดทางพืน ทีน0 ีจ ะต้ องมีอาํ นาจจําแนกวัตถุบน พืน ดินได้ เพียงสิ0 งเดียว จึงจะถือว่ ามีคุณภาพและถูกต้ องโดยทีไ0 ม่ มี ปัจจัยอืน0 รบกวน แต่ ภาพดาวเทียมส่ วนใหญ่ มกั จะรวมเอาสิ0 งอืน0 ๆ เข้ ามาด้ วย 51
ความละเอียดทางพืน ที0 สามารถจําแนกสิ0 งปกคลุมดินได้ โดยพิจารณา จาก 1. ความขัดแย้ ง หรือ Contrast ระหว่ างคุณลักษณะของสิ0 ง ข้ างเคียง 2. ความต่ างจากจําพวกเดียวกันทางภูมิทศั น์ หรือ Heterogeneity 3. ระดับของข้ อมูล หรือ level of information ตัวอย่ าง สํ าหรับระบบ ETM+ แล้ วสามารถเห็นคุณลักษณะ ความแตกต่ าง (contrast) ทางพืน ทีส0 ั มพันธ์ ได้ ท งั ขนาดและ คุณสมบัตทิ ตี0 รวจจับพลังงานได้ (ดังภาพที0 23)ที0มีขนาดเพียง 2 เมตรได้ หรือเห็นถนนตัดเข้ าไปในพืน ทีป0 ่ าดิบได้ 52
รู ปที0 23 ลักษณะ contrast
จําแนกยากระหว่ างส่ วนที0 เป็ นแม่ นํา กับสิ0 งปกคลุมดิน เพราะมีความขัดแย้ งกัน น้ อย (contrast) อีกทั ง คุณลักษณะพืน ทีน ันมีขนาด เล็กเกินไป สามารถจําแนกความ แตกต่ างได้ เพราะเห็นพืน ขนาดใหญ่ และมีความ ขัดแย้ งกันสู งกับพืน ที0 ข้ างเคียง
เส้ นที0ลากผ่ านตรงชายฝั0ง เห็นเป็ นเส้ นบางๆสามารถ เห็นได้ เพราะมีการสะท้ อน พลังงานที0ขัดกับ พืน ที0นํ า รู ปที0 23 0จะเห็น ซึ0งถูกดูดกลืนพลังงานไป แม้ ว่าพืน ที0ตรงนีจ ะมีความขัดแย้ งตํ0าแต่ กส็ ามารถที ชนิดความหลากหลายของสิ0 งปกคลุมดินได้ เพราะเป็ นพืน ที0 หมด(contrast) ขนาดใหญ่ ที0มชี นิดพันธุ์หลากหลาย
53
ส่ วนลักษณะความต่ างทีเ0 กิดจากความแตกต่ างไปจากชนิด เดียวกัน (heterogeneity) ในพืน ที0เดียวกัน จะทําให้ พิจารณาได้ ว่า ดีเทคเตอร์ มคี วามสามารถตรวจวัดค่ า พลังงานของชนิดนีอ อกมาได้ ดเี พียงใด อย่ างไรก็ตามหากความแตกต่ างทางพืน ที0 (ความสู งตํา0 หรือสิ0 ง ปกคลุม) มีความหลากหลายมาก การตรวจวัดคุณลักษณะ ดังกล่ าว จะยากกว่ าลักษณะทีเ0 ป็ นเนือ เดียวกัน (homogeneous) ดังรู ปที0 24 54
รู ปที0 24 ลักษณะ heterogeneity of landscape
แลนด์ แซตระบบ TM บริเวณใจกลางประเทศเวียดนาม สี ม่วงแดง (purple)ทีล0 ากผ่ านกลาง ภาพจากซ้ ายไปขวาเป็ นถนนโฮจิมนิ ห์ ไฮเวย์ ระหว่ างเมืองโอจิมนิ ห์ กบั ฮานอย ด้ านขวาจะ เห็นถนนได้ ชัดเจนเพราะค่ าสะท้ อนมีความขัดแย้ งกันระหว่ างถนนกับพืน ทีป0 ่ า ส่ วนทางด้ าน ซ้ ายของภาพยากทีจ0 ะจําแนกว่ าถนนอยู่ตรงไหน เพราะไปปะปนกับพืน ดินและสิ0 งปกคลุม 55 ดินทีส0 ะท้ อนค่ าใกล้ เคียงกันมาก
ส่ วนระดับข้ อมูล หรือ level of information ซึ0งต้ องแปรคุณลักษณะต่ างๆ ของระดับข้ อมูลทีแ0 ตกต่ างให้ ตรงกับข้ อมูลทางพืน ที0 ประกอบด้ วยข้ อมูล การตรวจวัดค่ าพลังงาน การจําแนก และข้ อมูลสั มพันธ์ หลักการ คือ 1. อันดับแรกต้ องจําแนกคุณลักษณะพืน ทีท0 ปี0 รากฏว่ ามีความแตกต่ าง จากพืน ทีข0 ้ างเคียงอย่ างไร 2. ขั นต่ อไปต้ องมีความสามารถในการจําแนกวัตถุน ันๆออกจากกัน 3. ขั นสุ ดท้ ายต้ องสามารถแยกข้ อมูลทีเ0 ป็ นรายละเอียดปลีกย่ อยลงไปให้ ลึกทีส0 ุ ดของคุณลักษณะวัตถุน ันๆ การจัดระดับข้ อมูลเพือ0 การจําแนก กล่ าวคือหากเห็นพิกเซลทีม0 ีความสว่ าง เพียงเล็กน้ อยในภาพแต่ ในพืน ทีจ0 ริงจะมีขนาดใหญ่ มาก จะบอกได้ หรือไม่ ว่าเป็ นอะไรทีป0 รากฏอยู่ในป่ าหรือหากจะตรวจสอบทําได้ หรือไม่ พิกเซลนีก ไ็ ม่ ปรากฏในพืน ทีข0 ้ างเคียงเลย แล้ วจะแปลความหมายว่ าอะไร
56
หากพบว่ ามีพกิ เซลทีส0 ว่ างมากเหล่ านีแ ต่ สัมพันธ์ กบั เส้ นๆหนึ0ง เรา อาจจะสรุ ปว่ าพิกเซลทีส0 ว่ างมากนั นคือถนน แต่ ถ้าเห็นพิกเซลทีต0 ่ อกันเป็ นเส้ นสว่ างผ่ านป่ าจากเมืองหนึ0งไปยังอีก เมืองหนึ0ง เราก็สามารถสรุ ปได้ ว่าเป็ นถนนหลักระหว่ างเมือง นั นเอง ระดับการแปรข้ อมูลต้ องมีระบบการแปรจากหยาบไปหาละเอียด จํานวนพิกเซลทีจ0 าํ เป็ นนั นได้ รับการแปรได้ ถูกต้ องจริง เช่ น หาก พบพิกเซลทีม0 ีจาํ นวนเล็กน้ อย (น้ อยกว่ า 10 พิกเซล)ปรากฏอยู่ใน พืน ทีป0 ่ า แล้ วจะสรุ ปว่ าเป็ นถนนได้ เลยหรือไม่ คําตอบคือยังไม่ ได้ เพราะจํานวนพิกเซลน้ อยเกินไปไม่ มากพอทีจ0 ะ อธิบายได้ อย่ างน้ อยทีส0 ุ ดควรมีประมาณ 20-40 พิกเซลและทําความ เข้ าใจร่ วมกับบริบทว่ าเป็ นถนนจริง บางครั งต้ องการเป็ นร้ อย พิกเซล จึงสามารถระบุได้ ว่าเป็ นถนน ดังนั นปริมาณจํานวนพิกเซล ทีม0 ากพอจึงจะจําแนกชนิดวัตถุน ันๆ ออกได้ เป็ นสิ0 งจําเป็ น 57
7. ข้ อจํากัดเกีย0 วกับการใช้ ortho-referenced image เป็ นทางเลือกหนึ0ง ทีด0 กี ว่ าไม่ ใช้ เนื0องด้ วยการปรับแก้ ทางเรขาคณิต หรือ geometric corrections นั น ประกอบด้ วยการแก้ ไขความผิดพลาดเชิงเรขาคณิตของภาพรีโมท เซนซิง วิธีการปรับแก้ ได้ แก่ 1. แบบ systematic corrections ซึ0งปรับแก้ ความบิดเบีย วอันเนื0องจาก เซนเซอร์ ที0เคลือ0 นตัวไปขณะปฏิบัติการไปพร้ อมกับดาวเทียม เป็ น แบบที0ง่ายทีส0 ุ ด 2. แบบ geo-referencing เป็ นการปรับแก้ ระดับกลาง รวมไปถึงการ ปรับแก้ไขภาพให้ เป็ นระบบมากยิง0 ขึน พร้ อมทั งปรับปรุ งคุณภาพของ ภาพโดยการใช้ จุดควบคุมทางพืน ทีห0 รือ GCPs (ground control points ) หรือเป็ นที0ร้ ูจักในการกําหนดให้ ตรงกับพิกดั ทางแผนที0 ระหว่ างภาพรีโมทกับพืน ที0 ให้ ตรงกัน เพือ0 ใช้ ในการอ้ างอิงทางพืน ที0 58
3. แบบ ortho-rectification ซึ0งเป็ นการปรับแก้ ให้ ถูกต้ องทีเ0 กิดจาก สาเหตุความสู งตํา0 ของพืน ดินให้ ถูกต้ องอย่ างเป็ นระบบต่ อไป การปรับแก้ ภาพรีโมทเซนซิงแบบที0 2-3 จะทําให้ เพิม0 ประสิ ทธิภาพ การใช้ งานได้ ถูกต้ อง ภาพทีเ0 กิดจากการทํา ortho นั นสามารถใช้ เป็ นแผนทีฐ0 าน( base map)ได้ เพราะการทํา ortho มีความจําเป็ นทีต0 ้ องใช้ ร่วมกับDEM (Digital Elevation Model) หรือภาพสามมิตใิ ห้ กบั พิกเซล การให้ รายละเอียดอยู่ในรู ป ortho จะมีต งั แต่ ระดับกลาง-สู ง จึงไม่ เหมาะ กับการนํามาใช้ ในระดับสาธารณะเนื0องจากเป็ นภาพทีม0 ี accuracy สู งมาก แต่ เหมาะกับการใช้ เพือ0 เปรียบเทียบภาพทีท0 าํ ortho กับ ภาพทีไ0 ม่ ได้ ทาํ ortho เพือ0 ศึกษาการเปลีย0 นแปลงสิ0 งปกคลุมใน ช่ วงเวลาต่ างๆ 59
ในระดับสาธารณะนั น สิ0 งทีต0 ้ องการไม่ ใช่ absolutely accuracy แต่ เป็ น geo corrected และ systematically corrected มากกว่ า อีก ประการหนึ0งคือการทํา ortho นั นจะพบกับกระบวนการจัดการที0 ยุ่งยาก เพราะลักษณะความบิดเบือนมีความซับซ้ อนมาก กว่ าที0 จะผลิตภาพ ortho ออกมา หากต้ องการภาพทีม0 ีความถูกต้ องสู ง อาจใช้ วธิ ีการปรับแก้ ทาง georeferenced ก็เพียงพอแล้ วให้ กบั 2 ภาพ หรือมากกว่ านั นได้ นับว่ าเป็ นวิธีการทีง0 ่ ายทีส0 ุ ด โดยภาพที0ได้ น ันสามารถใช้ เป็ นแผน ทีฐ0 านต่ อไปได้ ส่ วนปัญหาของการทํา ortho แม้ ว่าจะได้ ภาพทีม0 ีความถูกต้ องสู งก็ ตาม แต่ เมื0อภาพทีผ0 ่ านการทํา ortho แล้ วก็ต้องใช้ ร่วมกับภาพทีม0 ี การปรับแก้ เชิงระบบให้ ถูกต้ องตรงตามไปด้ วย ดังนั นทําให้ กระบวนการจัดการภาพเป็ นไปอย่ างยุ่งยากและซับซ้ อนยิง0 ขึน 60
รู ปที0 25 การบิดเบีย วของภาพอันเนื0องมาจาการการจัดวาง ตําแหน่ งของเซนเซอร์
http://www.cardiofx.com/Cross-Platform_Fusion.html 61
รู ปที0 26 ภาพ RS ก่ อนและหลังการทิง ระเบิดจะเห็นความผิดปกติตามลูกศรชี
http://www.cardiofx.com/Cross-Platform_Fusion.html
62
รู ปที0 27 เปรียบเทียบความพิดพลาดของภาพ multispectral and panchromatic
multispectral http://www.cardiofx.com/Cross-Platform_Fusion.html
panchromatic 63
รู ปที0 28 Side-Oblique and Archive Orthophoto
http://www.cardiofx.com/Cross-Platform_Fusion.html
64
รู ปที0 29 จุดผิดปกติทเี0 กิดจากมุมมองในแนวเฉียง
สั งเกตอาคาร X - shape 65
รู ปที0 30 เปรียบเทียบภาพ หลังจากทําออโธแล้ ว
66
8. พิกเซลทีแ0 สดงความถูกต้ องอยู่ในรู ปตารางกริดจากการ ตรวจสอบพืน โลก เมื0อซู มภาพดาวเทียมจากคอมพิวเตอร์ จะเห็นตารางกริดเป็ นรู ป พิกเซลมากมาย แสดงให้ เห็นว่ าพิกเซลเป็ นตัวแทนความถูกต้ อง ว่ าเซนเซอร์ ตรวจสอบวัตถุและบันทึกค่ าอะไรเก็บไว้ แต่ เนื0องด้ วยในแต่ ละพิกเซลนั นเป็ นการตรวจสอบในรู ปทรงกลม หรือวงรีไปบนพืน ดิน ยิง0 ไปกว่ านั นค่ าสะท้ อนทีไ0 ด้ ประมาณแค่ 50% หรือมากกว่ านั น ทีพ0 อจะให้ รายละเอียดค่ าพลังงานจาก พืน ดินและรวมกับพืน ทีข0 ้ างเคียงอืน0 ๆ ด้ วยเก็บไว้ ในหนึ0งพิกเซล ดังรู ปที0 25 67
รู ปที0 31 ค่ าเฉลีย0 พลังงานในแต่ ละพิกเซล
68
ดังนั นค่ าพลังงานทีบ0 ันทึกได้ ในบริเวณหนึ0งจึงมีความสั บสนหรือ fuzzy borders ระหว่ างวัตถุต่างๆร่ วมด้ วย อธิบายได้ ว่า ช่ วงคลืน0 ทีใ0 ช้ ในการตรวจวัดพลังงานทีต0 ดิ ตั งไปกับ เซนเซอร์ จากตําแหน่ งของเซนเซอร์ ถงึ วัตถุเป้าหมายหรือ พืน ดิน จะทําให้ ช่วงคลืน0 ขยายออก (spread out)ไปตามเวลาที0ใช้ แล้ วบันทึกค่ าพลังงานสะท้ อนกลับไว้ ในแต่ ละพิกเซล ดังนั นช่ วงคลืน0 สะท้ อนถึงปลายทางของเซนเซอร์ ลําแสงจะขยาย ใหญ่ กว่ าแสงภายใน
69
เช่ นเหมือนกับเราส่ องไฟฉายไปทีร0 ู ปบนกําแพง จะเห็นลําแสงมี ขนาดเล็กจนไปชนกําแพงแล้ วเห็นเป็ นวงใหญ่ จะเห็นว่ ามีแสง บางส่ วนตกอยู่นอกรู ปแม้ ว่าจะส่ องไปตรงกลางรู ปแล้ วก็ตาม แล้ วลองเปรียบกับเซนเซอร์ ทตี0 ้ องบันทึกข้ อมูลให้ อยู่ในรู ป พิกเซล เซนเซอร์ กต็ ้ องบันทึกทั งรู ปและกําแพงเป็ นค่ าพลังงาน ร่ วมไปด้ วย แม้ ว่าจะส่ องแสงไปตรงรู ปก็ตาม แต่ ในระบบเซนเซอร์ ไม่ เหมือนกับไฟฉาย การบันทึกข้ อมูลสู งสุ ดจึงเกิดในบริเวณทีเ0 ป็ น มุมตรงหรือ FOV (Field of View) มากกว่ าทีจ0 ะบันทึกค่ า พลังงานจากชายขอบ ดังรู ปที0 26-28 70
รู ปที0 32 การรับค่ าการสะท้ อนกลับของเซนเซอร์ ค่ า DN ค่ าพิกเซล 30 เมตรจากดีเทคเตอร์ ค่ าพิกเซล 30 เมตรทีเ0 กิดจาก ค่ าเฉลีย0 การสะท้ อนพลังงาน
71
รู ปที0 33 ค่ าเฉลีย0 การสะท้ อนพลังงาน วงใน วงนอก
72
รู ปที0 34 ค่ าเฉลีย0 การสะท้ อนพลังงาน
73