ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Accurate land use/land cover (LULC) classification in monsoon-driven and heterogeneous landscapes is challenged by strong seasonal variability and inconsistencies between dynamic satellite observations and static reference datasets. This study proposes a time-series-based framework integrating MODIS-derived Normalized Difference Vegetation Index (NDVI) and Normalized Difference Infrared Index (NDII) with unsupervised K-means clustering and a temporally consistent refinement strategy. Multi-temporal NDVI (23 composites year−1) and NDII (46 composites year−1) data from 2010–2021 were used to derive spectral clusters and aggregate them into five land use classes using percentile-based temporal signatures and RMSE-based similarity with Land Development Department (LDD) data. To reconcile discrepancies between dynamic satellite observations and static reference datasets, a refinement procedure combining spatial agreement and temporal similarity was applied to reassign misclassified pixels. Initial classifications achieved Overall Accuracies (OA) of 57.35% for NDII and 51.27% for NDVI, increasing to 87.28% and 86.24% after refinement, with Kappa coefficients of 0.82 and 0.81, respectively. NDII consistently outperformed NDVI, highlighting the value of moisture-sensitive indices for distinguishing vegetation classes in tropical environments. The modular Python-based version 3.11 implementation ensures reproducibility and transferability, providing a robust and scalable framework for LULC classification in dynamic landscapes.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 76/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Remote Sensing in Agriculture · Soil Moisture and Remote Sensing · Urban Heat Island Mitigation
บทบาทของนักวิจัยและสถาบันไทย
Nutchanart Sriwongsitanon · Chainarong Ophaphaibun · James Alexander Williams · Kasetsart University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง