Improving the Estimated Area of Rice Cultivation by Classification Techniques

การปรับปรุงการประมาณพื้นที่ปลูกข้าว จากภาพถ่ายดาวเทียมโดยเทคนิคการแบ่งพื้นที่

Name: Ithiphol Ekahitanonda

Name: อิทธิพล เอกะหิตานนท์

keyword: Fuzzy Logic

; ตรรกศาสตร์คลุมเครือ

Abstract: The area of rice cultivation is a critical data item for predicting rice yield. If the calculated area is close to the real area, forecasts will be more accurate. This thesis focuses on improving the area estimation using several methodologies. The Office of Agricultural Economics (OAE) currently uses visual interpretation of a single LANDSAT TM epoch to classify rice area. However the process is time consuming and requires highly trained people. It is also error prone because it considers only a single. point in time; rice fields that have not yet been planted will be omitted. The objectives of this study are to improved initial estimates using novel classification techniques based on low resolution remote sensing images. Rice is difficult to classify correctly because the rice fields have different spectral signatures during different periods of growth (transplanting, growing, reproducing, mellowing, harvesting) but multiple periods may be present in a single scene. We examine multitemporal data in two methods, NDVI difference classification and fuzzy logic classification. NDVI difference classification defines the rice class by using the difference of NDVI between two dates of image data. Fuzzy logic classification is one technique which can deal with multitemporal data and can have multiple rules per class for different signatures. To find appropriate fuzzy logic rules, we used an optimization technique modeled on evolutionary biology called "genetic algorithm" (GA). NDVI difference classification produced good results when the selected dates matched the period of rice changing state and the selected difference threshold range was appropriate to the class. The images should have maximum difference between two dates. The results of fuzzy logic demonstrated with appropriate parameters that GA produced a stable set of fuzzy rules based on the training data. Using the fuzzy rules from GA process to classify rice areas resulted in class assignment that was close to the visual interpretation and as accurate as maximum likelihood classification for some image epochs.

Abstract: พื้นที่เพาะปลูกข้าวเป็นข้อมูลสำคัญยิ่งในการนำมาใช้ทำนายผลผลิตข้าวหากเราสามารถคำนวณพื้นที่ให้ออกมาได้ไกล้เคียงกับความเป็นจริงก็จะทำให้สามารถทำนายผล ผลิตได้แม่นยำมากยิ่งขึ้นเท่านั้น งานวิทยานิพนธ์ชิ้นนี้จึงมีวัตถุประสงค์ในการปรับปรุงขั้นตอนการประมาณพื้นที่โดยใช้เทคนิคการแบ่งพื้นที่สำหรับภาพถ่ายดาวเทียม ที่มีความละเอียดต่ำทั้งนี้เนื่องจากข้าวเป็นพื้นที่ที่ยากต่อการแยกแยะเพราะว่าข้าวมีคุณสมบัติของพื้นที่แตกต่างกันตามช่วงอายุของการเจริญเติบโต ซึ่งจะรวม อยู่ในภาพถ่ายดาวเทียมเวลาเดียวกัน เป็นผลจากการเริ่มเพาะปลูกที่ไม่ได้ทำพร้อมกันในทุกพื้นที่นั่นเองในปัจจุบัน ทางสำนักงานเศรษฐกิจการเกษตร ใช้การแปลข้อมูลจากภาพถ่ายดาวเทียมโดยให้ผู้เชี่ยวชาญ เป็นผู้ระบุพื้นที่ใช้สอยจากภาพถ่ายดาวเทียม ซึ่งต้องอาศัยความชำนาญ และเวลาในการทำงานเป็นอย่างมาก โดยในงานวิจัยชิ้นนี้ได้ใช้หลบักการแบ่งพื้นที่ 2 แบบ คือ การแบ่งพื้นที่โดยใช้ความแตกต่างของค่า ดัชนีพืชพรรณ และหลักการแบ่งพื้นที่โดยใช้ ตรรกศาสตร์คลุมเครือ หรือ ฟัซซี่ลอตจิก และใช้หลักการ ขั้นตอนวิธีเชิงพันธุกรรม หรือ จีเนติกส์ อัลกอริธึม ในการช่วยหาผลลัพธ์ให้ ได้ออกมาเร็สวที่สุด ผลการทดลองจากการใช้ความแตกต่างของค่าดัชนีพืชพรรณ ให้ผลที่ดีเมื่อเลือกใช้วันที่ถ่ายภาพได้เหมาะกับช่วงของการเพาะปลูก และเลือกช่วงค่าความแตกต่างได้ เหมาะสมกับพื้นที่ ส่วนการผลการทดลองการหาพื้นที่จากการใช้ตรรกศาสตร์คลุมเครือ ร่วมกับค่าตัวแปรต่างๆที่เหมาะสมในส่วนของ ขั้นตอนวิธีเชิงพันธุกรรม ให้ผลที่ใกล้เคียงกับการทำงานในปุจจิบัน และใกล้เคียงกับการแบ่งพื้นที่โดยใช้หลักการการประเมิณ ค่าความควรจะเป็นสูงสุด สำหรับบางช่วงเวลา

King Mongkut's University of Technology Thonburi. KMUTT Library.

Address: BANGKOK

Email: info.lib@mail.kmutt.ac.th

Name: Sally E. Goldin

Role: Advisor

Role: Advisor

Created: 2552-10-31

Modified: 2009-10-31

Issued: 2009-10-31

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: CPE909

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Computer Engineering

Grantor: King Mongkut's University of Technology Thonburi

©copyrights King Mongkut's University of Technology Thonburi

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	CPE909.pdf	2.15 MB	388	2025-04-15 16:23:21
2	CPE909ab.pdf	27.3 KB	168	2024-05-04 04:50:57

ใช้เวลา

-0.967376 วินาที