Please use this identifier to cite or link to this item: http://kb.psu.ac.th/psukb/handle/2016/18021
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorApichat Heednacram-
dc.contributor.advisorRawee Rattanakom-
dc.contributor.advisorSiriwan Ruamkeaw-
dc.contributor.authorArsanchai Sukkuea-
dc.date.accessioned2023-04-19T09:29:40Z-
dc.date.available2023-04-19T09:29:40Z-
dc.date.issued2022-
dc.identifier.urihttp://kb.psu.ac.th/psukb/handle/2016/18021-
dc.descriptionDoctor of Philosophy in Environmental Management Technology (International Program), 2022en_US
dc.description.abstractLandscape visualization is important in environmental planning. Environmental planners need accurate spatially continuous data across an area to make competent and confident decisions. Obtaining such information can be difficult and costly, particularly in mountainous or deep-sea regions. In addition, environmental data gathered from field surveys are frequently derived from point sources. To generate spatially continuous data, the values of an attribute at unsampled points must therefore be estimated. In such cases, spatial interpolation techniques can be employed to predict the height values at unsampled sites using data from point observations. In this thesis, we propose three novel algorithms for spatial interpolation methods using kriging models. Since there are not many findings of how kriging parameters in the semivariance model affect the performance of the spatial interpolators, we explore the parameters of the kriging algorithm and propose different semivariogram models to improve the performance of the spatial interpolation technique. Our three new models are compared with five contemporary kriging models. The performance is evaluated by error reduction that eight models can perform. The strengths of each model are analyzed based on a different set of sample sizes coming from two zones of study areas. The resulting errors of our proposed methods are relatively small. The lower bounds of the 95% confidence interval of our models are mostly lower than all five contemporary models. However, in general, the result shows no much significant differences among models. The benefits of this work are that it contributes to better accuracy resulting in more reliable decision making; supports different needs of algorithms for different area types, and can be practically used to improves the 3D surface plot in environmental planning. Although our three new algorithms are accurate approaches, we found that applying them for landscape 3D visual assessment is not so practical as the waiting time to complete the model surface plot can be up to 5 days. Therefore, the second challenge is to reduce the computational time to be less than 5 minutes while preserving the accuracy or reducing it down marginally. The thesis presents two additional algorithms by first applying the divide and conquer technique and later improving it by introducing a slope (terrain variation) threshold parameter. The final result reduces the waiting time further down to 4 minutes.en_US
dc.language.isoenen_US
dc.publisherPrince of Songkla Universityen_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Thailand*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/th/*
dc.subjectKrigingen_US
dc.subjectInterpolationen_US
dc.subjectSpatialen_US
dc.subjectHeighten_US
dc.subjectPredictionen_US
dc.subjectGeometrical modelsen_US
dc.titleImproved Kriging Algorithms for Spatial Data Interpolationen_US
dc.title.alternativeการปรับปรุงคริกกิ้งอัลกอริทึมสำหรับการประมาณช่วงข้อมูลเชิงพื้นที่en_US
dc.typeThesisen_US
dc.contributor.departmentFaculty of Technology and Environment-
dc.contributor.departmentคณะเทคโนโลยีและสิ่งแวดล้อม-
dc.description.abstract-thการสร้างภาพภูมิทัศน์มีความสำคัญในการวางแผนสิ่งแวดล้อม นักวางแผนด้านสิ่งแวดล้อมต้องการข้อมูลเชิงพื้นที่ที่แม่นยำเพื่อการตัดสินใจอย่างถูกต้องและเหมาะสม อย่างไรก็ตาม ข้อมูลดังกล่าวมักไม่พร้อมใช้งาน หาได้ยากและมีราคาสูง โดยเฉพาะอย่างยิ่งข้อมูลพื้นที่บริเวณภูเขาหรือบริเวณใต้ทะเลลึก นอกจากนี้ ข้อมูลสิ่งแวดล้อมที่รวบรวมจากการสำรวจภาคสนามมักได้มาจากการกำหนดจุดต่าง ๆ ในบริเวณที่กำหนด ดังนั้น ค่าของตำแหน่งจุดที่ยังไม่ทราบค่าจำเป็นต้องใช้วิธีการประมาณเพื่อสร้างข้อมูลต่อเนื่องเชิงพื้นที่ ในกรณีนี้นักวิจัยสามารถใช้วิธีการประมาณช่วงค่าเชิงพื้นที่เพื่อทำนายค่าความสูงของตำแหน่งจุดที่ไม่ได้เก็บตัวอย่างโดยใช้ข้อมูลจุดโดยรอบของตำแหน่งต่าง ๆ ที่สำรวจ ในวิทยานิพนธ์นี้ ผู้วิจัยนำเสนออัลกอริทึมใหม่ 3 วิธี สำหรับวิธีการประมาณข้อมูลเชิงพื้นที่โดยใช้แบบจำลองคริกกิ้ง เนื่องจากการศึกษาที่ผ่านมายังไม่มีงานวิจัยที่แพร่หลายเกี่ยวกับการเลือกใช้คริกกิ้งพารามิเตอร์ในแบบจำลองเซมิแวริโอแกรมที่ส่งผลต่อประสิทธิภาพของการประมาณข้อมูลเชิงพื้นที่อย่างไร ดังนั้น แบบจำลอง 3 แบบจำลองของงานวิจัยจะถูกเปรียบเทียบกับแบบจำลองคริกกิ้ง ที่มีใช้กันอยู่ 5 แบบจำลอง และทำการประเมินประสิทธิภาพจากค่าความผิดพลาดน้อยที่สุดของทั้งแบบจำลอง 8 แบบจำลอง โดยจุดแข็งของแต่ละแบบจำลองจะได้รับการวิเคราะห์โดยพิจารณาจากชุดตัวอย่างที่มีตำแหน่งจุดต่าง ๆ ที่มาจากพื้นที่ศึกษาแตกต่างกัน จากการศึกษาจะเห็นว่าค่าความคลาดเคลื่อนที่เกิดจากวิธีการและแบบจำลองที่ผู้วิจัยเสนอนั้นมีค่าค่อนข้างน้อย โดยค่าขอบเขตล่างของช่วงความเชื่อมั่น 95% ของแบบจำลองของผู้วิจัยส่วนใหญ่ต่ำกว่าแบบจำลองที่มีอยู่เดิมทั้ง 5 แบบจำลอง อย่างไรก็ตามผลลัพธ์ไม่แสดงความแตกต่างอย่างมีนัยสำคัญระหว่างแบบจำลองต่าง ๆ ประโยชน์ของงานวิจัยชิ้นนี้จะช่วยให้มีวิธีการใหม่ ๆ ทีมีความแม่นยำมากขึ้น ส่งผลให้ผู้ใช้งานมีความเชื่อมั่นในการตัดสินใจและสามารถต่อยอดงานวิจัยให้ตรงกับความต้องการสำหรับประเภทพื้นที่ที่แตกต่างกันและสามารถนำมาใช้จริงเพื่อปรับปรุงแผนผังพื้นผิว 3 มิติในการวางแผนสิ่งแวดล้อม แม้ว่าอัลกอริทึมใหม่ 3 วิธีของผู้วิจัยจะเป็นแนวทางที่ถูกต้อง แต่ผู้วิจัยพบว่าการนำอัลกอริทึมมาใช้ในการประเมินภาพ 3 มิตินั้นยังมีอุปสรรค์ในการนำมาประยุกต์ใช้งานได้จริง เนื่องจากระยะเวลาในการทำแผนผังพื้นผิวแบบจำลองที่ใช้เวลานานถึง 5 วัน อีกทั้งยังพบอุปสรรค์ในการลดเวลาในการคำนวณให้น้อยกว่า 5 นาที โดยคงไว้ซึ่งความแม่นยำหรือความแม่นยำลดลงเล็กน้อย วิทยานิพนธ์นี้ได้นำเสนออัลกอริทึมเพิ่มเติม 2 อัลกอริทึม โดยอัลกอริทึมแรกใช้เทคนิคการแบ่งพื้นที่เพื่อแยกการคำนวณก่อน และอัลกอริทึมที่สองมีการนำพารามิเตอร์ความชัน (ความแปรผันของภูมิประเทศ) มาใช้เพื่อเลือกพื้นที่คำนวณ ผลการทดลองครั้งล่าสุด ผลลัพธ์สุดท้ายสามารถลดเวลาในการรอจนเหลือเวลาเพียง 4 นาทีเท่านั้นen_US
Appears in Collections:978 Thesis

Files in This Item:
File Description SizeFormat 
6130231001.pdfImproved Kriging Algorithms for Spatial Data Interpolation3.34 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons