Field Sever (ตอนที่ 9): เปรียบเทียบคุณลักษณะเฉพาะของข้อมูลดาวเทียม Landsat 8 และ Field Server

ในตอนที่ผ่านมา เราแสดงให้เห็นถึงการเปรียบเทียบกราฟชีพลักษณะพืชพรรณ (Vegetation Phenology) ระหว่าง ข้อมูล Landsat 8  กับ รูปภาพ Field Server ซึ่งทำให้เราทราบว่า กราฟชีพลักษณ์พืชพรรณที่ได้จาก ข้อมูล Landsat 8 จะต้องถูกประมวลผลเพื่อลดสัญญารบกวนจาก เมฆ ฝน ฯลฯ  หลังจากนั้น จึงนำไปเปรียบเทียบกับ กราฟชีพลักษณ์พืชพรรณที่ได้จาก Field Server

โดยปกติแล้ว ในการประมวลผลข้อมูล (รูปภาพ) ใด ๆ จำเป็นที่จะต้องทราบคุณลักษณะของข้อมูลแต่ละประเภทก่อน สำหรับในตอนนี้ เราจะอธิบายย้อนกลับไปเล็กน้อย โดยอธิบายถึงการเปรียบเทียบคุณลักษณะเฉพาะของข้อมูล Landsat 8 และ Field Server เพื่อทำความเข้าใจคุณลักษณะเด่นและด้อยของแต่ละประเภท อันจะเป็นประโยชน์ในการสร้างระเบียบวิธี (Algorithm) สำหรับประมวลผลสัญญาณแต่ละแบบที่เหมาะสม โดยผลลัพธ์ที่ได้จากการประมวลผล เราได้แสดงให้ได้เห็นก่อนหน้านี้แล้ว ใน “ตอนที่ 8”

การเปรียบเทียบข้อมูล Landsat 8 และ รูปภาพ Field Server แสดงในตารางที่ 1

09_01

 

ตารางที่ 1 : เปรียบเทียบคุณลักษณะเฉพาะของข้อมูล Landsat 8  และ รูปภาพ Field Server [1]

 

09_table1_1

landsat-8

 

09_table1_2

Field Server

แพลตฟอร์ม (Platform)
ดาวเทียม (Satellite)
ภาคพื้น (Ground)
ความละเอียดเชิงพื้นที่

(Spatial resolution)

30 x 30 ตร. เมตร ต่อ จุดภาพ
100 x 100 ตร. เมตร ต่อ รูปภาพ

(โดยประมาณ)

ความละเอียดเชิงเวลา(Temporal resolution)
ทุก ๆ 16 วัน
ทุกวัน
ความละเอียดเชิงสเปคตรัม (Spectral resolution)
เช่น RGB (Red Green Blue), NIR (Near Infrared) ฯลฯ
RGB
ตัวอย่าง ดัชนีพืชพรรณ

(Vegetation Index)

ExG, NDVI (เนื่องจากมีข้อมูล NIR)
ExG
ข้อเด่น
ครอบคลุมพื้นที่บริเวณกว้าง
ความละเอียดเชิงพื้นที่และเชิงเวลาสูง
ข้อด้อย
ความละเอียดเชิงพื้นที่และเชิงเวลาต่ำ
ครอบคลุมพื้นที่บริเวณจำกัด (1-2 แปลงข้าว)

หมายเหตุ ExG : Exessive Green, NDVI : Normalized Difference Vegetation Index

จากตารางที่ 1 เราสามารถกล่าวโดยสรุปได้ดังนี้ รูปภาพจาก Field Server จะมีความละเอียดเชิงพื้นที่และเชิงเวลา ที่สูงกว่า Landsat 8 (กล่าวคือ ครอบคลุมพื้นที่ประมาณ 100 x 100 ตร. เมตร และ เป็นข้อมูลรูปภาพรายวัน) แต่จะมีความละเอียดเชิงสเปคตรัม น้อยกว่า (รูปภาพ Field Server จะมี RGB เพียง 3 แบนด์เท่านั้น ในขณะที่ Landsat 8 จะครอบคลุมมากกว่า [2])   อย่างไรก็ตาม การคำนวณกราฟชีพลักษณ์พืชพรรณ สามารถทำได้จากข้อมูล RGB เพียง 3 แบนด์ (เช่น ดัชนี ExG: Excessive Green) ดังแสดงให้ดูในก่อนหน้านี้แล้ว เมื่อเราทราบถึงคุณสมบัติเฉพาะแล้ว เราสามารถออกแบบระเบียบวิธีในการประมวลผลกราฟที่เหมาะสมได้ เช่น 1) ความละเอียดเชิงเวลาที่ไม่เท่ากัน การทำ Interpolation ถือเป็นสิ่งจำเป็น    2) การคำนวณดัชนีพืชพรรณ Field Server มีข้อจำกัดที่ใช้ได้เฉพาะ RGB แบนด์ ไม่สามารถคำนวณ NDVI ได้ เป็นต้น

วัตถุประสงค์อันหนึ่ง ของการใช้ข้อมูล Field Server คือ ใช้เป็นข้อมูลอ้างอิง เพื่อสอบเทียบ (Calibration) กับข้อมูล Landsat 8 เนื่องจากข้อมูล Field Server มีความละเอียดเชิงพื้นที่และเวลาที่สูงกว่า โดยคาดหวังว่า จะทำให้เราสามารถปรับปรุงกราฟชีพลักษณ์พืชพรรณที่ได้จาก Landsat 8 ให้มีประสิทธิภาพมากยิ่งขึ้น และเมื่อนำข้อเด่นจาก ข้อมูล Landsat 8 (หรือ ข้อมูลดาวเทียม) มาใช้ คือ ครอบคลุมบริเวณกว้าง จะทำให้สามารถเพิ่มความถูกต้องในการติดตามการเพาะปลูกข้าวในบริเวณกว้างได้เป็นอย่างดี ในอนาคต

ในตอนต่อไป เราจะพูดถึงผลลัพธ์ของกราฟชีพลักษณ์พืชพรรณและการเปรียบเทียบวันเพาะปลูกที่ได้จาก Landsat 8 และ Field Server บนแปลงข้าวต่าง ๆ … แล้วพบกันครับ …

 

เอกสารอ้างอิง

  1. Soontranon, S. Lawawirojwong, K. Jitkajornwanich, P. Srestasathiern and P. Rakwatin, “A Comparison of Ground and Satellite Based Phenologies for Monitoring Rice Field”, ACRS 2015, Manila, Philippines.
  2. http://landsat.usgs.gov/landsat8.php

Field Server: ระบบเก็บข้อมูลสภาพอากาศและรูปภาพรายวันจากแปลงเกษตรกรรม (ตอนที่ 1) 

Field Server: ระบบเก็บข้อมูลสภาพอากาศและรูปภาพรายวันจากแปลงเกษตรกรรม (ตอนที่ 2)

Field Server: ระบบเก็บข้อมูลสภาพอากาศและรูปภาพรายวันจากแปลงเกษตรกรรม (ตอนที่ 3)

Field Server: ระบบเก็บข้อมูลสภาพอากาศและรูปภาพรายวันจากแปลงเกษตรกรรม (ตอนที่ 4)

Field Server: ระบบเก็บข้อมูลสภาพอากาศและรูปภาพรายวันจากแปลงเกษตรกรรม (ตอนที่ 5)

Field Server: การตรวจหาช่วงเวลาการเพาะปลูก (Cultivation) จากกราฟชีพลักษณ์พืชพรรณ (ตอนที่ 6)

Field Server: วันเริ่มต้น/สิ้นสุดของรอบการปลูกข้าว จากกราฟชีพลักษณ์พืชพรรณ  (ตอนที่ 7)

Field Server: เปรียบเทียบกราฟชีพลักษณ์พืชพรรณ ระหว่าง Landsat 8 และ Field Server (ตอนที่ 8)

 

Copyright © 2018 LEARN : อาณาจักรภูมิสารสนเทศ อาณาเขตแห่งการเรียนรู้

LEARN