Vegetation indices (Method II, Tabl

Vegetation indices (Method II, Table 13.1)
Normalised difference vegetation index (NDVI, Box 13.1) was
calculated using red and near infra-red bands. This was performed for Landsat TM using bands 3 and 4, SPOT XS bands 2
and 3, and CASI bands 6 and 7 (Table 5.10). An unsupervised
classification of the NDVI image produced 50 classes at a convergence level of 99%. Mangrove classes were identified, separated from non-mangrove classes, edited with reference to
field data, then merged into a single mangrove category.
Unsupervised classification (Method III, Table 13.1)
An unsupervised classification of the image produced 50
classes at a convergence level of 99%. Mangrove classes
were identified, separated from non-mangrove classes,
edited with reference to field data, then merged into a single
mangrove category.
Supervised classification (Method IV, Table 13.1)
Woodfine (1991) applied a 3x3 edge enhancement filter to her
Landsat TM data to accentuate the boundaries between different mangrove areas and experimentation showed the
application of a 3x3 filter helped in most cases. A 3x3 edge
enhancement filter was thus applied to the imagery. The
mangrove habitat classification scheme (see previous section) was used to direct a supervised classification using the
maximum likelihood decision rule.

Kết quả (Việt) 1:

Chỉ số thảm thực vật (phương pháp II, Bàn 13.1)Sự khác biệt normalised thảm thực vật index (NDVI, hộp 13.1) làtính toán bằng cách sử dụng màu đỏ và gần Ban nhạc bằng tia hồng ngoại. Điều này được thực hiện cho Landsat TM sử dụng băng tần 3 và 4, tại chỗ XS ban nhạc 2và 3, và ban nhạc CASI 6 và 7 (bảng 5,10). Một không có giám sátphân loại các hình ảnh NDVI sản xuất 50 các lớp học ở một mức độ hội tụ của 99%. Các lớp học thực vật ngập mặn được xác định, tách ra từ các lớp học đước, chỉnh sửa với tài liệu tham khảo đểtrường dữ liệu, sau đó được sáp nhập vào một thể loại thực vật ngập mặn duy nhất.Phân loại không có giám sát (phương pháp III, bảng 13.1)Một phân loại không có giám sát của hình ảnh sản xuất 50Các lớp học ở một mức độ hội tụ của 99%. Các lớp học thực vật ngập mặnđã được xác định, tách ra từ các lớp học đước,chỉnh sửa với tham chiếu đến dữ liệu trường, sau đó được sáp nhập vào một đĩa đơnthể loại thực vật ngập mặn. Phân loại giám sát (phương pháp IV, bảng 13.1)Woodfine (1991) áp dụng một bộ lọc nâng cao 3 x 3 cạnh cho cô ấyLandsat TM dữ liệu để nhấn mạnh các ranh giới giữa khu vực rừng ngập mặn khác nhau và thử nghiệm cho thấy cácáp dụng một bộ lọc 3 x 3 đã giúp trong hầu hết trường hợp. Một cạnh 3 x 3bộ lọc nâng cao do đó được áp dụng cho hình ảnh. CácSơ đồ phân loại môi trường sống rừng ngập mặn (xem phần trước) đã được sử dụng để trực tiếp một giám sát phân loại bằng cách sử dụng cáctối đa khả năng quyết định quy tắc.

Kết quả (Việt) 2:

Chỉ số thực vật (Phương pháp II, Bảng 13.1)
chỉ số thực vật khác biệt Normalised (NDVI, Box 13.1) đã được
tính toán bằng cách sử dụng dải hồng ngoại đỏ và gần. Điều này đã được thực hiện cho Landsat TM sử dụng ban nhạc 3 và 4, các ban nhạc SPOT XS 2
và 3, và ban nhạc CASI 6 và 7 (Bảng 5.10). An không có giám sát
phân loại các hình ảnh NDVI sản xuất 50 lớp học tại một mức độ hội tụ của 99%. Lớp học rừng ngập mặn đã được xác định, tách ra từ các lớp học không ngập mặn, biên tập với tham chiếu đến
dữ liệu của trường, sau đó sáp nhập vào một thể loại ngập mặn duy nhất.
phân loại có giám sát (Phương pháp III, Bảng 13.1)
Một phân loại không giám sát các hình ảnh được sản xuất 50
lớp học tại một mức độ hội tụ của 99%. Lớp học rừng ngập mặn
đã được xác định, tách ra từ các lớp học không ngập mặn,
chỉnh sửa với tham chiếu đến dữ liệu của trường, sau đó sáp nhập vào một đơn
loại rừng ngập mặn.
phân loại có giám sát (Phương pháp IV, Bảng 13.1)
Woodfine (1991) áp dụng một bộ lọc nâng cao lợi thế cạnh 3x3 để cô
Landsat TM dữ liệu để làm nổi bật những ranh giới giữa các khu vực rừng ngập mặn khác nhau và thử nghiệm cho thấy các
ứng dụng của một bộ lọc giúp 3x3 trong hầu hết các trường hợp. Một cạnh 3x3
do đó tăng cường bộ lọc được áp dụng cho các hình ảnh. Các
sơ đồ phân loại môi trường sống ngập mặn (xem phần trước) đã được sử dụng để chỉ đạo một phân loại có giám sát sử dụng các
quy tắc quyết định khả năng tối đa.