Summary of case study results for d

Summary of case study results for discriminating mangrove and non-mangrove vegetation
•In the Turks and Caicos Islands it does not appear possible
to discriminate accurately between mangrove and non mangrove vegetation using SPOTXS (Figure 13.1). This sensor is therefore inappropriate for mapping mangrove in the
Eastern Caribbean. However, in larger mangrove areas
SPOT XS can undoubtedly be used (Table 13.1).
•The band ratio/principal components analysis (Box 13.2)
is the most accurate method of discriminating between
mangrove and non-mangrove vegetation in the Eastern
Caribbean (Figure 13.1).
•Discrimination between mangrove and non-mangrove vegetation in the Eastern Caribbean is achieved equally well
using CASI and Landsat TM data with 92–96% accuracy.
•Merging Landsat TM and SPOT Pan data does not improve
accuracy over processing the original TM data alone. If a
merged dataset is available then visual interpretation is
the most accurate way of interpreting it

Kết quả (Việt) 1:

Bản tóm tắt của nghiên cứu trường hợp kết quả cho thảm thực vật ngập mặn và rừng ngập mặn phòng không phân biệt đối xử•In quần đảo Turks và Caicos nó không xuất hiện có thểđể phân biệt đối xử một cách chính xác giữa rừng ngập mặn và thảm thực vật ngập mặn phòng không sử dụng SPOTXS (con số 13.1). Cảm biến này là do đó không thích hợp cho lập bản đồ ngập mặn trong cácĐông Caribê. Tuy nhiên, trong khu vực rừng ngập mặn lớn hơnVị trí XS chắc chắn có thể được sử dụng (bảng 13.1). Ban nhạc tỷ lệ/hiệu trưởng thành phần phân tích (hộp 13.2)là phương pháp chính xác nhất của phân biệt đối xử giữathảm thực vật ngập mặn và phòng không ngập mặn ở đôngCaribbean (hình 13.1).•Discrimination giữa rừng ngập mặn và phòng không ngập mặn thảm thực vật ở đông Caribê đạt được tốt như nhausử dụng dữ liệu CASI và Landsat TM với độ chính xác 92-96%.•Merging Landsat TM và SPOT Pan dữ liệu không cải thiệnđộ chính xác trong xử lý dữ liệu TM ban đầu một mình. Nếu mộtsáp nhập số liệu có sẵn, sau đó trực quan giải thích làcách chính xác nhất để giải thích nó

Kết quả (Việt) 2:

Tóm tắt các kết quả nghiên cứu trường hợp phân biệt đối xử đối với rừng ngập mặn và thảm thực vật ngập mặn không
• Trong Quần đảo Turks và Caicos nó không xuất hiện có thể
phân biệt chính xác giữa rừng ngập mặn và thảm thực vật ngập mặn không sử dụng SPOTXS (Hình 13.1). Cảm biến này là do đó không thích hợp để lập bản đồ rừng ngập mặn ở
phía Đông Caribbean. Tuy nhiên, ở các khu vực rừng ngập mặn lớn hơn
SPOT XS có thể chắc chắn được sử dụng (Bảng 13.1).
• Các band tỷ lệ / chính thành phần phân tích (Hộp 13.2)
là phương pháp chính xác nhất của phân biệt đối xử giữa
rừng ngập mặn và thảm thực vật không ngập mặn ở phía Đông
Caribbean (hình 13.1 ).
• Phân biệt đối xử giữa rừng ngập mặn và thảm thực vật không ngập mặn ở phía Đông Caribbean đạt được tốt như nhau
sử dụng CASI và Landsat TM dữ liệu với độ chính xác 92-96%.
• Kết hợp Landsat TM và SPOT Pan dữ liệu không cải thiện
độ chính xác trong xử lý dữ liệu TM gốc một mình. Nếu một
bộ dữ liệu kết hợp có sẵn sau đó giải thích trực quan là
cách chính xác nhất của giải thích nó