เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การจำแนกประเภทข้อมูลการรับรู้จากระยะไกลทั่วโลก× | การจำแนกประเภทด้วยข้อมูลรับรู้จากระยะไกล (Remote Sensing Classification)× | |
|---|---|---|
| สาขาวิชา | การวิเคราะห์เชิงพื้นที่ | การวิเคราะห์เชิงพื้นที่ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1970s–1980s (pixel-based global classifiers); global land-cover products 1990s–2000s | 1970s–present |
| ผู้ริเริ่ม≠ | Rosenfeld & Kak; Jensen; Campbell & Wynne (textbook codifications) | Swain & Davis (1978); Lillesand & Kiefer (classical textbook treatments) |
| ประเภท | Supervised / unsupervised image classification | Supervised / unsupervised image classification |
| แหล่งต้นตำรับ≠ | Campbell, J. B., & Wynne, R. H. (2011). Introduction to Remote Sensing (5th ed.). Guilford Press. ISBN: 978-1609181765 | Lillesand, T. M., Kiefer, R. W., & Chipman, J. W. (2015). Remote Sensing and Image Interpretation (7th ed.). Wiley. ISBN: 978-1118343289 |
| ชื่อเรียกอื่น | global pixel-based classification, global image classification, wall-to-wall remote sensing classification, global land cover classification | land cover classification, image classification, satellite image classification, spectral classification |
| ที่เกี่ยวข้อง≠ | 3 | 4 |
| สรุป≠ | Global Remote Sensing Classification assigns every pixel across an entire image or worldwide dataset to a discrete land-cover or thematic class. Treating the scene uniformly — rather than adapting to local subregions — this wall-to-wall approach underpins continental and global land-cover products such as GlobCover, FROM-GLC, and ESA CCI Land Cover. | Remote sensing classification assigns discrete thematic labels — such as forest, urban, water, or cropland — to pixels in a satellite or aerial image based on their spectral, spatial, and temporal properties. It underpins land-use/land-cover mapping, change detection, environmental monitoring, and disaster response at local to global scales. |
| ScholarGateชุดข้อมูล ↗ |
|
|