land use

1. Week1
เปิดภาพ
แปลงภาพ.jpg เป็น .tiff

2. ทาการตึงค่าพิกัด →เปลี่ยนเป็น Raster Size
→ เลือกLocation→Save

3. ทาการReclassify ตามรูปต่อไปนี้

5. ผลลัพธ์ดังนี้

6. ทาการเลี่ยนเป็นสี ขาว-ดา
ผลลัพธ์ดังภาพ

7. กด Customize → Extensions
สร้าง Shape file

8. เลือก Edit Features

10. กด StartCleanup
กด Erase Selected Cells

11. กด Vectorization Settings
ใส่ค่าแล้วกด Ok

12. เลือก Generate Features
ใส่ค่าแล้วกด Ok

13. หลังจากนั้นกด Stop editing
Seach ดังภาพ

14. ใส่ค่าดังภาพ แล้วกด Ok
Add Basemap

15. เลือก Imagery → Add
จะได้ผลลัพธ์ดังนี้

16. ใส่ค่าพิกัด
สร้าง Geodatabase

17. สร้าง Dimension วัดระยะกด Next → Finish

18. กด Edit Feature→ StartEditing
กด Continue

19. ทาการวัดระยะ

20. Week2 File Metadata = คาอธิบายของข้อมูล

21. โดยเปิดจาก File metadata ( .txt)
ทาการปรับความคมชัดของภาพ เลือก Linear 5%

22. Landsat 8 ถ้าอยากได้สีแบบ Landsat 5 ต้อง +1เช่น 123 เป็น 234

23. Red = มีคลอโรฟิลด์มาก
การปรับแก้เชิงคลื่น Rediometric Correction

24. กด Ok

25. Calbration Type เลือกเป็น Reflectance
เมื่อปรับเสร็จแล้วทาการ save

26. เครื่องมือแสดงค่า

27. ผลลัพธ์ที่ได้
การตัดภาพ ไปที่ ขอบเขตจันทบุรี → Open

28. เครื่องมือตัดภาพ Subset Data from ROIs

29. เปลี่ยน No เป็น Yes จะตัดได้เป็นรูปขอบเขตการปกครอง

30. หลังจากนั้นทาการ save

31. เปลี่ยนสี Change RGB Bands

32. ทาการแปลภาพ Region of Interest ROI Tool
ทาการแปลภาพ เลือก New ROI

33. ทาทั้งหมด 5 class

34. ตั้งชื่อ แล้วกด Open เปิดเครื่องมือ Classification →Supervised Classification →Support Vevtor Machine
เลือก Subset_reflectance_ls8_2014 → Ok

36. ผลลัพธ์ดังนี้

37. Week3
วิธีเปิดภาพใน envi
เปลี่ยนสีภาพ R G B

38. เก็บตัวอย่าง

39. ตรวจสอบความถูกต้อง Region of Interest ROI Tool
เลือกฝั่ง Select Input File → Ok

40. จับคู่Class
ผลตรวจสอบความถูกต้อง

41. ดูการเปลี่ยนแปลงของภาพ Image Change Workflow
Input File กด Browse

42. Input Mark กดBrowse
→ Next

43. Week4 เปิดภาพ
กาหนดค่าพิกัด Projected Coordinate systems →UTM→WGS 1984→Northern Hemisphere→WGS 1984
UTM Zone 47N

44. Zoomที่มุมซ้ายล่าง
ตึงค่าพิกัด

45. ไปที่ Georeferencing เพื่อใส่ค่าพิกัด X Yโดยใส่พิกัดตามภาพที่เปิดเทียบจาก Google Earth
ล่างซ้าย

46. บนซ้าย
บนขวา

47. ล่างขวา
หลังจากนั้นไปที่ Update Display เพื่อเป็นการ Save ข้อมูลเก่าด้วย

48. ทาการเลือกที่เก็บ → ตั้งชื่อ
Display → Meter

49. ผลลัพธ์ดังนี้
สร้าง Shape file →กาหนดค่าพิกัด Projected Coordinate systems →UTM→WGS 1984→Northern
Hemisphere→WGS 1984 UTM Zone 47N→Ok

50. เปิด Attribute
Add field

51. Name→ No/Type→ ShortInteger → Ok
Name→ Land_P /Type→ Long Integer → Ok

52. ไปที่Editor → Startediting
หลังจากนั้นทาการไตท์ด้วย Polygon

53. Week5
เปิดนาข้อมูลที่โหลดมา
ทาการ Stratediting

54. ไตท์พื้นที่ที่ต้องการ
ทาการใส่

55. Save editing →Stopediting
Seach → Feature To Point

56. Input Feature → Building_New
Output FeatureClass → ตั้งชื่อ→ Save

57. → Ok
Seach→ Point Density

58. Input point features → building_point / Outputraster →เลือกที่เก็บ → Save
คลิก Environments → กาหนด Processing Extent

59. กาหนด Raster Analysis
หลังจากนั้นกด Ok

60. Seach → Euclidean distance
Input raster or feature source data → Road Output distance raster → ตั้งชื่อ → Save

61. คลิก Environments → กาหนด Processing Extent
กาหนด Raster Analysis → Ok

62. Seach → Raster toPolygon
Input Feature → Land_price /Value field → Land_P /Output Raster Dataset→ ตั้งชื่อ→Save

63. Cellsize→5 กด Ok
Seach → Reclassify

64. Input raster → Ras_price /Reclass field →VALUE /Outputraster → ตั้งชื่อ → Save
ทาการ Reclassification →Ok

65. ใช้เครื่องมือ AHP
Add → Next

66. ใส่ค่า
กด Compute → Create map

67. เลือกที่เก็บ
กด Finish

68. ผลลัพธ์ดังนี้

69. Week6 ทาการ เปิดภาพดาวเทียม และ เปิดขอบเขต Chantaburi
เลือก ModleBuilder

70. ลากข้อมูลทั้ง 2 มาใส่ใน Model
เลือกคาสั่ง Raster calculator มาวางในModel

71. Double click Raster Calculator เพื่อทาการคานวณ
เลือกไฟล์นามสกุล mtl

72. นาค่าข้อมูลตัวเลข = 3.3420E-04 มาคานวณ
นำไปคำนวณในGoogle

73. นาค่าตัวเลขที่คานวณไว้มาใส่แล้ว Double click เครื่องหมาย Recycle
หลังกำรคำนวณกดOk

74. ทาการ save →Ok
จบการทางาน1คาสั่ง

75. ลากคาสั่ง Extract by Mask มาวางในModel

76. ทาการโยงเส้นจาก LS8_rad มาหา Extract by Mask แล้วคลิกขวาเลือก Input raster

77. โยงเส้นจาก chantaburi ไปที่ Extract by Mask แล้วคลิกขวาเลือก Input raster or featuremask data
Double click ที่ output save เปลี่ยนชื่อแล้ว save

78. ผลลัพธ์ดังนี้
ลากคาสั่ง Raster Calculator มาวางในModel

79. ทาการRaster Calculatorโดยหารเลือกext_ls8_rad
หลังจากนั้นทาการsave

80. ผลลัพธ์ดังนี้
Add todisplay ที่สีเขียวทั้งหมดแล้ว กด run

81. ผลลัพธ์ทั้งหมดของการทา ModleBuilder เป็นดังนี้
ภาพที่ได้จากการทา ModleBuilder

82. ทาการเปลี่ยนสีภาพ
เลือกคาสั่ง 3D Analyst แล้วเลือก temperature

83. ดูอุณหภูมิของวัตถุจาก Profile GraphTitle

84. Week 7
สร้างshape file → add filed มา 2 หัวข้อ
ทาการไตท์จุด 4จุด

85. เปิด Attributes ที่Add filedไว้แล้ว→ใส่ค่าในช่องspeed =75.38 direction =50.73
ใส่ค่าในช่องspeed = 45.87 direction =250.23

86. ใส่ค่าในช่องspeed = 26.46 direction = 14.47
ไปที่ Model

87. ทา 2 สาเนา
ผลลัพธ์

88. ทา IDW
ทาIDW(2)

89. ให้ข้อมูลอยู่ในขอบเขต →Model Properties → Environments → Processing Extent
Processing Extent → Same as layer Chantaburi /Raster Analysis → Maximum of Inputs/ Mask →
Chantaburi → Ok

90. ผลลัพธ์
ทั้ง 2ข้อมูล Add To Display

91. ผลลัพธ์
หลังจากนั้นสร้างตาข่ายคลุมงาน Create Fishnet → Output→เลือกที่เก็บ / Template Extent → Sameas
layer Chantaburi

92. Number of rows /Number of colums = 100 →Ok
ผลลัพธ์

93. ไปที่ Search→ Extract Multi Values to Points
Input point feature→ clip_wind / Input raster →diet_IDW/speed_IDW → Ok

94. ผลลัพธ์
หลังจากนั้นไปที่ Layer Properties → Symbology → Value → speed_IDW → Advanced →Ok

95. Rotate→ diet_IDW → Rotation Style → Geographic → Ok
SymbolPropertyEditor → Type→ Character Marker Symbol→ Ok

96. หลังจากนั้นทาการเลือกสัญลักษณ์ที่สามารถบอกทิศทางลมได้
ผลลัพธ์ บอกทิศทางลม

97. Week 8 ทาการเปิดภาพ Chantaburi
กด New สร้าง shapefile

98. ตั้งชื่อ shapefile = Lu เลือกเป็น Polygon
เปิดAttribute → Add field

99. Add field → LU_name เลือก Type → Text
Add field → LU_code เลือก Type → Text

100. Addfield → ID_studentเลือก Type → Long Integer
ไปที่Symbol Selector เปลี่ยนสี Polygon

101. เริ่มการไตท์ ไปที่ editor→ start editing

102. ไตท์โดยการใช้ Auto Complete Polygon

103. Week9
เปิดโปรแกรม QGIS
กดที่ Plugins→Manage and Install Plugins

104. ค้นหา Semi-Automatic Classification PI →Upgrade all

105. กดที่ SCP→ Preprocessing →Landsat

108. หลังจากนั้นทาการใส่เครื่องหมายถูกดังนี้

109. กด Run
หลังจากนั้นสร้างFolder→ Select folder จะได้ภาพดังนี้

110. นาขอบเขตจันทบุรีมาใส่
กด Open

111. จะได้ผลลัพธ์ดังนี้
การตัดภาพ

112. กด refres1 ครั้ง
จะได้ดังนี้

113. เลือกข้อมูลทั้งหมด
กดRun

114. สร้าง New Folder
กด Select Folder

115. ได้ผลลัพธ์ดังนี้
เลือกข้อมูลทั้งหมด

116. กด refres1 ครั้ง
จะได้ดังนี้

117. กด Run
Save

118. ผลลัพธ์ดังนี้
เหลือไว้แค่ส่วนขอบเขตจันทบุรี

119. Double clickที่ LS8_2014 ใส่ค่าตามภาพ
ผลลัพธ์ดังนี้

120. เปลี่ยนเป็น 5 64 R G B
กด Setting → Options

121. ใส่ค่าแล้วกด Ok
ผลลัพธ์ดังนี้

122. หลังจากนั้นกด Refresh list
เลือก

123. หลังจากนั้นกด Create anew traing input
ทาการ Save

124. กด classification dock
เปลี่ยนตรง ROI creation

125. กด Save
หลังจากนั้นกดProject → Save As

126. กด Save

127. Weekที่ 10
เปิดไฟล์ เลือก Subset_reflectance_ls8_2014
เปิดรูป

128. เปิด shape file นามสกุล .tiff →Open
จะได้ภาพดังนี้

129. ทาการปรับแก้ ไปที่ Radiometric Correction
หลังจากนั้น เลือก LC81280512014026LGN00_B8.TIF → Ok

130. → IAR Reflectance Correction → Choose →Output
→ Output Filename → เลือกที่เก็บ → Open

131. หลังจากนั้นเปิด shape file chantaburi.shp → Open
ไปที่ Toolbox → Subset Data From ROIs

132. เลือก pan_reflectance_2014 → Output
เลือก EVF:ChantaBuri.shp → Choose→เลือกที่เก็บ →Ok

133. ผลลัพธ์ดังนี้
ไปที่ NNDiffuse Pan Sharpening

134. ช่องInput Low → Subset_reflectance_ls8 ช่องInput High → Subset_pan_reflectance_ls8 ช่องOutput →
เลือกที่เก็บ → Ok
ผลลัพธ์ดังนี้

135. ทาการเลือก Bands Red Green Blue
ปรับเป็น Equalization

136. จะได้ผลลัพธ์ดังนี้

137. หลังจากนั้นกด Rule Based Feature Extraction Workflow → ช่อง Browse เลือก subset_reflectane_ls8_2014
→ Next
ช่อง Scale Level ปรับเป็น 50 →Next หลังจากนั้นจะแสดงผลลัพธ์

138. Weekที่11
ขั้นตอนแรกเปิดโปรแกรม Monteverdi application
กด File เลือก Open dataset หลังจากนั้นกด Brows เลือกข้อมูล Chantaburi.jpg → Data type เป็น Real image
→ Name เป็น Chantaburi

139. หลังจากนั้นกด Open
เปิดภาพ โดยคลิกขวา → chantaburi →Display in viewer

140. จะได้ภาพดังนี้
กด Filtering →Mean shift clustering

141. หลังจากนั้น เลือก Setinput กด chantaburi ถึงจะเลือก Reader0 ได้
ทาการเลือกพื้นที่ในกรอบสีแดง ปรับค่าตามความเหมาะสมแล้วกด Run

142. จะได้ภาพดังนี้
หลังจากนั้นเลือก Clustered Image →Export dataset

143. เลือกไฟล์ที่เก็บ → ตั้งชื่อ → Ok
เลือกเป็น unsigned char (8bit)

144. เปิดโปรแกรม ArcMap10.1 → เปิดรูป → Drawing → Polygon
เลือกDrawing → ConvertGraphics To Features

145. ไปที่ this layer’s source data: เลือก durian.jpg → Ok
กด Search → Extract by Mask

146. ช่องInput raster → durain.jpg ช่องInput raster or featuremask data → area ช่องOutputraster →
เลือกที่เก็บ → Ok
กด ImageClassification → ex_durian

147. เลือก Training Sample Manager → ทาการไตท์บริเวณที่เป็นทุเรียน
หลังจากนั้น → Merge training samples ของclassทั้งหมด

148. จะได้ผลลัพธ์ดังนี้
หลังจากนั้นไตท์พื้นที่บริเวณอื่นๆ → Merge training samples ของclassทั้งหมด

149. ไปที่ Image Classification → Interactive Supervised Classification
จะได้ผลลัพธ์ดังนี้

150. หลังจากนั้น กด Seach → raster topolygon
ช่องInput raster → Classification_ex_durian ช่องField → Value ช่องOutput polygon feature → เลือกที่เก็บ
→ Ok

151. ได้ผลลัพธ์ดังนี้
หลังจากนั้นไปที่ Seach → Feature topoint

152. จะได้ผลลัพธ์ดังนี้