Download to read offline
นางสาวศรีสุดาพร คำอ้าย
- 1.
- 2. ทาการตึงค่าพิกัด →เปลี่ยนเป็น RasterSize → เลือกLocation→Save
- 3.
- 5.
- 6.
- 7. กด Customize →Extensions สร้าง Shape file
- 8.
- 10. กด StartCleanup กด EraseSelected Cells
- 11.
- 12.
- 13.
- 14. ใส่ค่าดังภาพ แล้วกด Ok AddBasemap
- 15. เลือก Imagery →Add จะได้ผลลัพธ์ดังนี้
- 16.
- 17. สร้าง Dimension วัดระยะกดNext → Finish
- 18. กด Edit Feature→StartEditing กด Continue
- 19.
- 20. Week2 File Metadata= คาอธิบายของข้อมูล
- 21. โดยเปิดจาก File metadata( .txt) ทาการปรับความคมชัดของภาพ เลือก Linear 5%
- 22. Landsat 8 ถ้าอยากได้สีแบบLandsat 5 ต้อง +1เช่น 123 เป็น 234
- 23. Red = มีคลอโรฟิลด์มาก การปรับแก้เชิงคลื่นRediometric Correction
- 24.
- 25. Calbration Type เลือกเป็นReflectance เมื่อปรับเสร็จแล้วทาการ save
- 26.
- 27.
- 28. เครื่องมือตัดภาพ Subset Datafrom ROIs
- 29. เปลี่ยน No เป็นYes จะตัดได้เป็นรูปขอบเขตการปกครอง
- 30.
- 31. เปลี่ยนสี Change RGBBands
- 32. ทาการแปลภาพ Region ofInterest ROI Tool ทาการแปลภาพ เลือก New ROI
- 33.
- 34. ตั้งชื่อ แล้วกด Openเปิดเครื่องมือ Classification →Supervised Classification →Support Vevtor Machine เลือก Subset_reflectance_ls8_2014 → Ok
- 36.
- 37.
- 38.
- 39. ตรวจสอบความถูกต้อง Region ofInterest ROI Tool เลือกฝั่ง Select Input File → Ok
- 40.
- 41. ดูการเปลี่ยนแปลงของภาพ Image ChangeWorkflow Input File กด Browse
- 42.
- 43. Week4 เปิดภาพ กาหนดค่าพิกัด ProjectedCoordinate systems →UTM→WGS 1984→Northern Hemisphere→WGS 1984 UTM Zone 47N
- 44.
- 45. ไปที่ Georeferencing เพื่อใส่ค่าพิกัดX Yโดยใส่พิกัดตามภาพที่เปิดเทียบจาก Google Earth ล่างซ้าย
- 46.
- 47. ล่างขวา หลังจากนั้นไปที่ Update Displayเพื่อเป็นการ Save ข้อมูลเก่าด้วย
- 48.
- 49. ผลลัพธ์ดังนี้ สร้าง Shape file→กาหนดค่าพิกัด Projected Coordinate systems →UTM→WGS 1984→Northern Hemisphere→WGS 1984 UTM Zone 47N→Ok
- 50.
- 51. Name→ No/Type→ ShortInteger→ Ok Name→ Land_P /Type→ Long Integer → Ok
- 52.
- 53.
- 54.
- 55. Save editing →Stopediting Seach→ Feature To Point
- 56. Input Feature →Building_New Output FeatureClass → ตั้งชื่อ→ Save
- 57. → Ok Seach→ PointDensity
- 58. Input point features→ building_point / Outputraster →เลือกที่เก็บ → Save คลิก Environments → กาหนด Processing Extent
- 59.
- 60. Seach → Euclideandistance Input raster or feature source data → Road Output distance raster → ตั้งชื่อ → Save
- 61. คลิก Environments →กาหนด Processing Extent กาหนด Raster Analysis → Ok
- 62. Seach → RastertoPolygon 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.
- 66. ใส่ค่า กด Compute →Create map
- 67.
- 68.
- 69. Week6 ทาการ เปิดภาพดาวเทียมและ เปิดขอบเขต Chantaburi เลือก ModleBuilder
- 70. ลากข้อมูลทั้ง 2 มาใส่ในModel เลือกคาสั่ง Raster calculator มาวางในModel
- 71. Double click RasterCalculator เพื่อทาการคานวณ เลือกไฟล์นามสกุล mtl
- 72. นาค่าข้อมูลตัวเลข = 3.3420E-04มาคานวณ นำไปคำนวณในGoogle
- 73. นาค่าตัวเลขที่คานวณไว้มาใส่แล้ว Double clickเครื่องหมาย Recycle หลังกำรคำนวณกดOk
- 74.
- 75. ลากคาสั่ง Extract byMask มาวางในModel
- 76. ทาการโยงเส้นจาก LS8_rad มาหาExtract by Mask แล้วคลิกขวาเลือก Input raster
- 77. โยงเส้นจาก chantaburi ไปที่Extract by Mask แล้วคลิกขวาเลือก Input raster or featuremask data Double click ที่ output save เปลี่ยนชื่อแล้ว save
- 78. ผลลัพธ์ดังนี้ ลากคาสั่ง Raster CalculatorมาวางในModel
- 79.
- 80.
- 81.
- 82. ทาการเปลี่ยนสีภาพ เลือกคาสั่ง 3D Analystแล้วเลือก temperature
- 83.
- 84. Week 7 สร้างshape file→ add filed มา 2 หัวข้อ ทาการไตท์จุด 4จุด
- 85. เปิด Attributes ที่Addfiledไว้แล้ว→ใส่ค่าในช่องspeed =75.38 direction =50.73 ใส่ค่าในช่องspeed = 45.87 direction =250.23
- 86. ใส่ค่าในช่องspeed = 26.46direction = 14.47 ไปที่ Model
- 87.
- 88.
- 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 AddTo 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→ ExtractMulti 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.
- 97. Week 8 ทาการเปิดภาพChantaburi 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_studentเลือกType → Long Integer ไปที่Symbol Selector เปลี่ยนสี Polygon
- 101. เริ่มการไตท์ ไปที่ editor→start editing
- 102. ไตท์โดยการใช้ Auto CompletePolygon
- 103. Week9 เปิดโปรแกรม QGIS กดที่ Plugins→Manageand Install Plugins
- 104. ค้นหา Semi-Automatic ClassificationPI →Upgrade all
- 105. กดที่ SCP→ Preprocessing→Landsat
- 108.
- 109. กด Run หลังจากนั้นสร้างFolder→ Selectfolder จะได้ภาพดังนี้
- 110.
- 111.
- 112.
- 113.
- 114. สร้าง New Folder กดSelect Folder
- 115.
- 116.
- 117.
- 118.
- 119. Double clickที่ LS8_2014ใส่ค่าตามภาพ ผลลัพธ์ดังนี้
- 120. เปลี่ยนเป็น 5 64R G B กด Setting → Options
- 121.
- 122.
- 123. หลังจากนั้นกด Create anewtraing input ทาการ Save
- 124. กด classification dock เปลี่ยนตรงROI creation
- 125.
- 126.
- 127. Weekที่ 10 เปิดไฟล์ เลือกSubset_reflectance_ls8_2014 เปิดรูป
- 128. เปิด shape fileนามสกุล .tiff →Open จะได้ภาพดังนี้
- 129. ทาการปรับแก้ ไปที่ RadiometricCorrection หลังจากนั้น เลือก LC81280512014026LGN00_B8.TIF → Ok
- 130. → IAR ReflectanceCorrection → Choose →Output → Output Filename → เลือกที่เก็บ → Open
- 131. หลังจากนั้นเปิด shape filechantaburi.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 PanSharpening
- 134. ช่องInput Low →Subset_reflectance_ls8 ช่องInput High → Subset_pan_reflectance_ls8 ช่องOutput → เลือกที่เก็บ → Ok ผลลัพธ์ดังนี้
- 135. ทาการเลือก Bands RedGreen Blue ปรับเป็น Equalization
- 136.
- 137. หลังจากนั้นกด Rule BasedFeature Extraction Workflow → ช่อง Browse เลือก subset_reflectane_ls8_2014 → Next ช่อง Scale Level ปรับเป็น 50 →Next หลังจากนั้นจะแสดงผลลัพธ์
- 138. Weekที่11 ขั้นตอนแรกเปิดโปรแกรม Monteverdi application กดFile 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 →Meanshift clustering
- 141. หลังจากนั้น เลือก Setinputกด 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’ssource 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 SampleManager → ทาการไตท์บริเวณที่เป็นทุเรียน หลังจากนั้น → Merge training samples ของclassทั้งหมด
- 148. จะได้ผลลัพธ์ดังนี้ หลังจากนั้นไตท์พื้นที่บริเวณอื่นๆ → Mergetraining 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.