Page 49 - รายงานการประยุกต์ใช้ฐานข้อมูลการสำรวจระยะไกลจากซอฟต์แวร์รหัสเปิดและคลาวด์คอมพิวติงเพื่องานพัฒนาที่ดิน Utilization of Remote Sensing Database derived from Open-source software and Cloud computing platform for Land Development
P. 49
ห้องสมุดกรมพัฒนาที่ดิน
41
จ าแนก หากภาพที่ใช้ในการจ าแนกมีสิ่งรบกวน เช่น เงาของก้อนเมฆ มุมตกกระทบของแสงที่ท าให้วัตถุมี
ค่าการสะท้อนผิดเพี้ยนไปจากปกติ (Prama & Projo, 2016) และยังมีการน าอัลกอริทึมของระบบการ
เรียนรู้เครื่อง (Machine learning) มาประยุกต์ใช้ในการจ าแนกข้อมูลของภาพถ่ายดาวเทียม เนื่องจาก
อัลกอริทึมของระบบดังกล่าวเป็นอัลกอริทึมแบบไม่มีพารามิเตอร์ (Non-parametric algorithms) ไม่
ตั้งสมมติฐานเกี่ยวกับการกระจายของข้อมูล ไม่ใช้ตัวแปรหรือพารามิเตอร์ทางสถิติ (Statistical
parameters) ในการจ าแนกข้อมูล สามารถใช้จ าแนกข้อมูลที่มีการกระจายหลากหลายแบบ มีความ
รวดเร็วและแม่นย าในการจ าแนกข้อมูลที่มีความซับซ้อนและปริมาณมาก
การวิเคราะห์สภาพการใช้ที่ดินโดยใช้การเรียนรู้ของเครื่องจักรเป็นการพัฒนากระบวนการแปล
ตีความการใช้ประโยชน์ที่ดินแบบอัตโนมัติ ซึ่งเดิมการจ าแนกการใช้ประโยชน์ที่ดินจากข้อมูลภาพถ่ายดาวเทียม
ที่นิยมใช้กัน ได้แก่ การแปลตีความด้วยสายตา (Visual Interpretation) การแปลตีความด้วยเครื่องคอมพิวเตอร์
เป็นต้น ซึ่งการจ าแนกขึ้นอยู่กับองค์ประกอบของการแปลตีความที่หลากหลาย ทั้งนี้กระบวนการด าเนินงาน
เพื่อให้ได้ผลลัพธ์ที่มีคุณภาพต้องใช้ทั้งเวลาและบุคลากรที่มี ความรู้ความช านาญ ท าให้ข้อมูลที่ได้ไม่ทันต่อ
สถานการณ์ของผู้ใช้งาน ปัจจุบันความก้าวหน้าของเทคโนโลยีท าให้เกิด การพัฒนาประสิทธิภาพการท างาน โดย
มีการเปลี่ยนแปลงการท างานให้อยู่ในรูปแบบอัตโนมัติมากขึ้น เช่นเดียวกับ ผลงานการพัฒนากระบวนการแปล
ตีความการใช้ประโยชน์ที่ดินที่ได้พัฒนาขึ้น โดยกระบวนการประกอบด้วยการ พัฒนาชุดค าสั่งส าหรับการ
ประมวลผลใน 3 ขั้นตอน ได้แก่ 1.กระบวนการดาวน์โหลดข้อมูลภาพถ่ายดาวเทียม LANDSAT-8 แบบอัตโนมัติ
(API Downloader) 2.กระบวนการเตรียมข้อมูลภาพจากดาวเทียม LANDSAT-8 แบบอัตโนมัติ (Pre-
processing) และ 3. การพัฒนาชุดค าสั่งส าหรับการจ าแนกการใช้ประโยชน์ที่ดินด้วยวิธี Machine Learning
(Classification Landuse L1) ผลการพัฒนากระบวนการจ าแนกการใช้ประโยชน์ที่ดินแบบอัตโนมัติจากข้อมูล
ภาพถ่ายดาวเทียม LANDSAT-8 พบว่าช่วยลดระยะเวลาในการท างาน เพิ่มความถี่ในการจ าแนกการใช้
ประโยชน์ที่ดินได้มากขึ้น และสามารถประมวลผลได้แบบอัตโนมัติโดยปราศจากบุคลากรในการป้อนน าเข้าข้อมูล
(Input) ซึ่งก่อให้เกิดการท างานที่เป็นระบบ ไม่มีข้อจ ากัดเรื่องเวลาท างาน อีกทั้งยังสามารถต่อยอดและพัฒนา
เพื่อน าไปประยุกต์ใช้ในการจ าแนกชั้นข้อมูลอื่นๆ ต่อไปได้
การแปลตีความภาพเพื่อจ าแนกวัตถุได้ดีและถูกต้อง ขึ้นอยู่กับองค์ประกอบต่างๆ ดังกล่าว
ข้างต้นอย่างใดอย่างหนึ่งหรือหลายอย่างพร้อมๆ กันไป ตามความยากง่ายและมาตราส่วนที่แตกต่างกัน
ซึ่งอาจไม่แน่นอนเสมอไปรูปร่าง สี และขนาด อาจใช้เป็นองค์ประกอบในการแปลตีความภาพพื้นที่หนึ่ง
หรือลักษณะหนึ่ง ส่วนอีกบริเวณอื่นของพื้นที่เดียวกันอาจต้องใช้องค์ประกอบอีกอย่างก็ได้ นอกจากนี้
จ าเป็นต้องน าข้อมูลจากดาวเทียมอีก 3 ลักษณะมาประกอบการพิจารณา คือ ลักษณะการสะท้อนช่วง
คลื่นแม่เหล็กไฟฟ้าของวัตถุ (Spectral characteristic) ซึ่งสัมพันธ์กับความยาวช่วงคลื่นแสงในแต่ละ
แบนด์โดยวัตถุต่างๆ สะท้อนแสงในแต่ละช่วงคลื่นไม่เท่ากัน ท าให้สีของวัตถุในภาพแต่ละแบนด์แตกต่าง
กันในระดับสีขาว-ด า ซึ่งท าให้สีแตกต่างในภาพสีผสมด้วย ลักษณะรูปร่างของวัตถุที่ปรากฏในภาพ
(Spatial characteristic) แตกต่างตามมาตราส่วนและรายละเอียดภาพจากดาวเทียม เช่น MSS วัตถุหรือ
พื้นที่ขนาด 80×80 เมตร จึงจะปรากฏในภาพ และระบบ PLA มีขนาด 10×10 เมตร เมื่อคุ้นเคยกับ