Estimation of suspended sediment in the Lam Pao river by remote-sensing using UAV

Abstract

Aerial photos from unmanned aerial vehicles (UAV) have been use to create maps. Because they can be safe time and low cost. Beside above reasons, crucial point that UVAs should be use to create the maps is they can give a high spatial resolution. This study is for assessment images from unmanned aerial vehicle with rotating blade: (Phantom 3 Professional) with MAPIR Survey 3 camera that using reflectance spectrum of Red, Green, Blue and NIR for study estimating the suspended sediment concentration (SSC) in Pao River. Estimation of suspended sediments at ground sampling distance (GSD) 5, 10, 25, 50 and 100 centimeters ,details on many pictures size at a depth of sediments at differences levels namely; 15, 60, 90, and 180 centimeters. Then evaluate the effective of Mathematical models: Generalize linear Model, Deep Learning and Support Vector Machines. The estimation of suspended sediments in Pao River has showed that Support Vector Machines at GSD 10 centimeters gives the most precise prediction ; the coefficient of correlation (R2) = 0.994 and RMSE = 0.142 .

The result of this research showed that images from high ground sampling distance (GSD) unmanned aerial vehicles (UAV) give good effected of suspended sediment concentration (SSC). The reflectance spectrum of NIR from MAPIA survey 3 camera has less reflectance. Therefore SSC in Pao River quite low.

ภาพถ่ายทางอากาศจากอากาศยานไร้คนขับ (Unmanned aerial vehicle, UAV) ได้ถูกนำมาใช้สร้างแผนที่อย่างแพร่หลาย เนื่องจากใช้ต้นทุนที่ต่ำ ประหยัดเวลา และให้ความละเอียดเชิงพื้นที่ที่สูง การศึกษานี้มีเป้าหมายเพื่อทำการประเมินการใช้ภาพถ่ายความละเอียดสูงจากอากาศยานไร้คนขับแบบใบพัดหมุน Phantom 3 Professional และติดตั้งกล้อง MAPIR Survey 3 โดยใช้ค่าการสะท้อนแสงของช่วงคลื่น Red, Green, Blue, และ NIR เพื่อศึกษาการประมาณค่าปริมาณตะกอนแขวนลอยในลำน้ำปาว โดยใช้รายละเอียดจุดภาพขนาด 5, 10, 25, 50 และ 100 เซนติเมตร ที่ระดับความลึกของตะกอนแขวนลอยที่ต่างกัน 15 ,60 ,90 และ 180 เซนติเมตรจากระดับผิวน้ำ นำมาประเมิณประสิทธิภาพแบบจำลองทางคณิตศาสตร์ด้วยวิธี Generalized Linear Model, Deep Learning และ Support Vector Machines ผลการประมาณค่าปริมาณตะกอนแขวนลอย(SSC) ในลำน้ำปาวทำให้ทราบว่าแบบจำลอง Support Vector Machines ที่รายละเอียดจุดภาพ 10 เซนติเมตร ให้การประมาณค่าได้แม่นยำที่สุดเมื่อเทียบกับแบบจำลองอื่น โดยที่ให้ค่าสัมประสิทธิ์การตัดสินใจ (R2) มีค่าอยู่ที่ 0.994 และค่า RMSE อยู่ที่ 0.142

ผลการวิจัยแสดงให้เห็นว่าการใช้ภาพถ่ายจากอากาศยานไร้คนขับที่มีรายละเอียดจุดภาพสูง ส่งผลให้การประมาณค่าปริมาณตะกอนแขวนลอยได้ดียิ่งขึ้น ค่าการสะท้อนแสงของช่วงคลื่น NIR ที่ได้จากกล้อง MAPIR Survey 3 ให้ค่าการสะท้อนแสงในน้ำได้น้อยมากเมื่อเทียบกับช่วงคลื่น Red Green และ Blue เนื่องจากลำน้ำที่ศึกษามีความขุ่นน้อยมาก