การใช้ภาพถ่ายจากอากาศยานไร้คนขับเพื่อจำแนกพื้นที่แนวปะการัง บริเวณเกาะมันใน จังหวัดระยอง

บทคัดย่อ

งานวิจัยนี้เป็นการประยุกต์ใช้อากาศยานไร้คนขับเพื่อการจำแนกพื้นที่แนวปะการังบริเวณเกาะมันใน จังหวัดระยอง ด้วยวิธีการจำแนกแบบกำกับดูแล (Supervised classification)  เปรียบเทียบวิธีการ Pixel-based classification 3 โมเดล ได้แก่ Maximum likelihood (ML), Random trees (RT) และ Support Vector Machine (SVM) ที่ระดับความสูงของการบิน 100 เมตร และ 200 เมตร ได้ผลลัพธ์ของการจำแนกสิ่งปกคลุมพื้นที่ แบ่งเป็น 3 ประเภท ได้แก่ ปะการัง หิน และทราย จากการประเมินความถูกต้องของการจำแนกแนวปะการังที่ระดับความสูง 100 เมตร พบว่า SVM มีค่าความถูกต้องโดยรวมมากที่สุดเท่ากับ 72.73 % ค่าสัมประสิทธิ์แคปปา (Kappa coefficient) เท่ากับ 0.748 รองลงมาคือ ML มีค่าความถูกต้องโดยรวมเท่ากับ 70.91 % ค่าสัมประสิทธิ์แคปปาเท่ากับ 0.719 และ RT มีค่าความถูกต้องโดยรวมน้อยที่สุดเท่ากับ 62.27 % ค่าสัมประสิทธิ์แคปปาเท่ากับ 0.675 ตามลำดับ ส่วนผลการประเมินความถูกต้องของการจำแนกแนวปะการังที่ระดับความสูง 200 เมตร นั้น SVM ให้ค่าความถูกต้องโดยรวมมากที่สุดเท่ากับ 67.27 % เช่นเดียวกับที่ระดับความสูง 100 เมตร ค่าสัมประสิทธิ์แคปปาเท่ากับ 0.689 รองลงมาคือ ML และ RT ที่มีค่าความถูกต้องโดยรวมเท่ากับ 65.45 % และ 63.3 % ค่าสัมประสิทธิ์แคปปาเท่ากับ 0.651 และ 0.633 ตามลำดับ ผลการศึกษาแสดงให้เห็นว่าระดับความสูงของโดรนส่งผลต่อความถูกต้องของผลการจำแนกสิ่งปกคลุมพื้นที่ให้มีความแตกต่างกัน การบินในระดับต่ำทำให้ผลการจำแนกพื้นที่มีความถูกต้องมากกว่า และ SVM เป็นโมเดลของการวิเคราะห์การจำแนกสิ่งปกคลุมพื้นที่ที่ให้ความถูกต้องสูงที่สุด