รวมงานมด

1. นาย ธานาธร ทองน่วม 58670129 กลุ่ม 3301
Lab คร้ังท ่1
ไปท่ Add Data เปิดไฟล์ภาพ (.jpg)
Data > Export Data

2. ติกเครื่องหมายถูก Use Renderer > เลือกโฟร์เดอร์ Save File > Save >
เปล่ยนนามสกุล .TIF
Serch > Tools > Reclassify > เลือก rr1 > value > classify = 2 > ok > save
> ok

3. ไปท่ตัว Reclass > คลิกขวา Properties > Symbology > Classes = 2 >
เลือกส ดา -ขาว > ok
New > Shapefile > line > Polyline > ok

4. Editor > Start > ArcScan > Cell selection
Select Connected Cells > Raster Cleanup > Erase Selected

5. ลบตัวหนังสือ > Raster Cleanup > Start Cleanup > Erase Selected Cells
ผลลัพธ์ท่ได้
Vectorization > Vectorization settings > styles > contours > Apply

6. Generate Features > วาดส่เหล่ยมแล้วดับเบิ้ลคลิก > ok
ผลลัพธ์ท่ได้

7. ผลลัพธ์ท่ได้
ถ้าเส้นไม่ต่อกันให้ทาตามน้

8. ผลลัพท่ได้
ผลลัพธ์ท่ได้
Feature To Polygon > Line > Output > Save > ok

9. ใส่ค่าพิกัดภายถ่าย > Coordinate Sytem > Zone 47N > ok
New > File Geodatabase > Dimension

10. New > Feature Class > ตั้งชื่อ Measurement
เลือก Type > Dimension Features > next > 47N > Next > Scale 2500
meters > Finish

11. Edit > start > Create Features > Aligned (วัดขนาดตึก)

12. ผลลัพธ์ท่ได้
Lab คร้ังท ่2
File > Open

13. เลือกไฟล์ภาพ .MTL .txt
Toolbox > Radiometric Correction (ปรับแก้ค่าการสะท้อน) >
Reflectance > Output Save > Ok

14. ภาพท่ได้ปรับแก้แล้ว
File > Open > ChantaBuri.shp(ERDAS)
Toolbox > Subset Data from ROIs (ตัดภาพ) > เลือก
Reflectance_LS8.dat > Ok

15. EVF : ChantaBuri > เปล่ยนเป็น Yes > Choose > SaveFile > Ok
จะได้ภาพท่ผ่านการตัดเรยบร้อยแล้ว

16. Change RGB Bands > เลือก Bands 5,6,4 ตามลาดับ > Ok
ปรับ Linear 5%

17. ROI > New ROI > ์ROI #w101 (คลอง) > เลือกส > Polygon > ทา
การดิจิไตท์
ROI > NewROI > ROI#w102 (ทะเล) > ดิจิไตท์Ellipse > คลิกขวา
Accept Ellipse

18. ROI#w201 (อ่างเก็บน้า)
ROI#F101 (ป่าดิบชื้น)

19. ROI#F106 (ป่าชายเลน)
ROI#U1 (เมือง)

20. ROI#A302 (ยางพารา)
ROI#A903 (บ่อกุ้ง)

21. ROI#A4 (สวนผลไม้)
ROI#Bareland (พื้นท่วางเปล่ัา)

22. File > Save As > Select All Items > Save File > Ok
Toolbox > Classification > Supervised Classification > Support
Vector Machine > เลือก Subset_reflec > Ok

23. เลือกหมด ยกเว้น EVF > Classification Probability เป็น 0.05 > Ok
ผลลัพธ์ท่ได้

24. Classification > Post Classification > Majior / Minority Analysis >
เลือกอันแรก > Ok
Select All ยกเว้น Unclassified > Choose save file > Ok

25. ได้ภาพท่ผลลัพธ์ดขึ้น
ทา Accuracy Assecsment > Confusion Matrix ROIs > เลือกตัว
แรก > OK

26. ดูในช่องด้านล่างจับคู่กันถูกต้องไหม> Ok > Ok
จะได้ค่า ClassConfusionMatrix

27. Lab คร้ังท ่3
เปิด Google Earth > File > Open > Kml1 ภาพ > Zoom หาตาแหน่ง

28. ได้ตาแหน่งท่ต้องการ
Save > ตั้งชื่อภาพ > Ok > เปล่ยนหน่วย > เลือกพิกัด
ปักหมุด Gcp1

29. ArcMap > เปิดภาพ > คลิกขวา Georeferencing > จุดภาพให้ตรงกับ
Google Earth > คลิกขวา Input x and y
นาค่าพักดจากGoogle Earth ไปใส่ในArcMap

30. ใส่ค่าพิกดให้ครบ
ตึงภาพค่าพิกัดจนครบ Gcp1,Gcp2,Gcp3,Gcp4 จะได้ผลลัพธ์ดังภาพ
> Georeferen > Update

31. Data > Export Data > Spatial > Data Frame > Add Floder > Save
New > Shapefile > Landuse4000 > Polygon > Ok

32. Landuse4000 > Add Field ทั้งหมด 4 อัน
Add field

33. Add Field
Add Field

34. Editor > Start
ดิจิไตท์จุดท่ต้องการ

35. Edit tool > คลิกขวา > Attributes > ใส่ชื่อ
ดิจไตท ์Auto Complete Polygon > Clear Selected

36. Editor > stop > Yes
เปล่ยนตัวหนังสือ > Mask > Halo > Font > Size > Ok

37. Save File > Layer to KML
ได้ผลลัพธ์ท่ต้องการ

38. Lab ครั้งท่4
ENVI 5.3 > Image Change WorkFlow > Time1 (ภาพปีเก่า) >
Open file > .MTL > เลือก MultiSpectral
Time2 (ภาพปีใหม่) > Open file > .MTL > เลือก MultiSpectral

39. Next > Skip Image > Next
Image Difference > Next

40. ติ๊กถูก Preview > (สน้าเงินคือเพิ่มขึ้นสแดงคือลดลงมพื้นท่กัดเซาะ) >
Difference Of Feature > NDVI
Advanced > Band1 = 4 > Band2 = 5 > Next

41. Apply > Next
Increase And decrease > Otsu’s > Manial ปรับค่า > Next

42. ติกถูก Enable Aggregation > 5 > Next
ติกถูก Export Change Class Image > Save File > Finish

43. เอาเครื่องหมายถูกออก Unclassified และ Other

44. Lab คร้ังท ่5
ลาก Shapefile เข้ามาให้ครบ> คลิกขวา Layer > WGS1984 > Zone
47N
stream > Data > Export Data > The dataframe > Save > ทาทุกๆ
Shpefile

45. Euclidean Distance > stream > Output File > 40 >
Enviroment > Procesing > ChantaBuri > Raster > Mask >
Chantaburi

46. Reclassify > Dis_stream > Value > Classify > 4 > Manual >
500,1000,1500 > New values 4,3,2,1 > Output
Save File
ผลลัพธ์ท่ได้

47. Density > Line Density > stream_new > LENGTH > Savefile >
40 > square_meters > Environments
ผลลัพธ์ท่ได้

48. Reclassify > Dem_stream > Classify > 4 > Manual > 0.35,0.7,1
ผลลัพธ์ท่ได้

49. Feature to raster > rainfall_new > ANNVAV > save > 40 > ok
ผลลัพธ์ท่ได้

50. Reclassify

51. ผลลัพธ์ท่ได้
เลือก soil_grop_new
Open attribute ของ soil_group_new>select by attribute

52. rating = 4

53. ผลลัพธ์ท่ได้

54. ใส่ขอ้มูลท่ตอ้
select by attribute > ท่ต้องการ
rating = 3

55. ใส่ขอ้มูลท่ตอ้
select by attribute > ท่ต้องการ
rating = 2

56. ใส่ขอ้มูลท่ตอ้
select by attribute > ท่ต้องการ
rating = 1

57. ใส่ขอ้มูลท่ตอ้
select by attribute > ท่ต้องการ
rating = 2

58. ใส่ขอ้มูลท่ตอ้
feature to raster > ใส่ข้อมูลตามภาพ > ตั้งชื่อ output > ok
ผลลัพธ์ท่ได้
raster calculator > ใส่ค่าท่ต้องการ

59. ใส่ขอ้มูลท่ตอ้
คลิกขวาท่ชั้นข้อมูล > Classifed

60. ใส่ขอ้มูลท่ตอ้
ผลลัพธ์ท่ได้