PHƯƠNG PHÁP XỬ LÝ ẢNH VỆ TINH

Tuy nhiên, các nghiên cứu về phương pháp phân loại để thành lập bản đồ rừng; các dạng chỉ số thực vật có thể sử dụng để phân loại rừng; cách thành lập các dạng bản đồ tài nguyên rừng như

Tuy đã có những cố gắng nhất định nhưng do thời gian và trình độ có hạn nên chắc chắn luận văn này còn nhiều thiếu sót và hạn chế nhất định Kính mong nhận được sự góp ý của thầy cô và các bạn

Luận văn thạc sĩ này được thực hiện trong khuôn khổ đề tài nghiên cứu mang mã số QG.09.27, Đại học Quốc gia Hà Nội

 

Hà Nội, ngày tháng 11 năm 2010

Học viên

Phùng Nam Thắng

LỜI CAM ĐOAN

Tôi xin cam đoan kết quả đạt được trong luận văn là sản phẩm nghiên cứu, tìm hiểu của riêng cá nhân tôi Trong toàn bộ nội dung của luận văn, những điều được trình bày hoặc là của cá nhân tôi hoặc là được tổng hợp từ nhiều nguồn tài liệu Tất cả các tài liệu tham khảo đều có xuất xứ rõ ràng và được trích dẫn hợp pháp

Tôi xin hoàn toàn chịu trách nhiệm và chịu mọi hình thức kỷ luật theo quy định cho lời cam đoan của mình

Hà Nội, ngày tháng 11 năm 2010

Người cam đoan

Phùng Nam Thắng

MỤC LỤC

MỞ ĐẦU 8

1.1 Khái niệm cơ bản về viễn thám 12

1.2 Khái niệm về một số đặc trưng của ảnh viễn thám 12

1.5.1 Ảnh Landsat 17

1.5.2 Ảnh MODIS 19

1.5.3 Ảnh VHARR 22

1.5.4 Ảnh ASTER 23

1.5.5 Ảnh SPOT 24

1.5.6 Ảnh IKONOS 26

1.5.7 Ảnh QuickBird 27

1.5.8 Ảnh SPIN 27

1.5.9 Ảnh OrbView 27

1.5.10 Ảnh ARIES 27

CHƯƠNG 2 - PHƯƠNG PHÁP XỬ LÝ ẢNH VỆ TINH 31

2.1 Phương pháp giải đoán ảnh bằng mắt: 31

2.2 Phân loại ảnh vệ tinh bằng phương pháp xử lý số 33

2.3 Phương pháp theo dõi biến động 38

2.3.1 Yêu cầu về tạo ảnh nghiên cứu biến động 39

2.3.2 Các phương pháp 39

CHƯƠNG 3 - XÂY DỰNG HỆ THỐNG QUẢN LÝ TÀI NGUYÊN RỪNG 42

3.1 Phát biểu bài toán 42

3.2 Cơ sở phân chia rừng và quản lý rừng 42

3.2.1 Khái niệm về rừng 42

3.2.2 Phân chia ranh giới đối tượng điều tra 42

3.2.3 Phân chia kiểu trạng thái rừng 42

3.3 Khảo sát bài toán 45

3.4 Các công cụ hỗ trợ mã nguồn mở 46

3.4.1 Công cụ xử lý ảnh viễn thám Grass 46

3.4.2 Hệ quản trị cơ sở dữ liệu không gian PostGIS 51

3.4.3 WebGIS và MapServer 52

3.5 Mô hình hệ thống thông tin quản lý tài nguyên rừng 54

3.5.1 Mô hình tổng quan 54

3.5.2 Phương pháp xây dựng cơ sở dữ liệu quản lý tài nguyên rừng55 3.6 Thử nghiệm và kết quả 57

3.6.1 Giải đoán dự liệu ảnh vệ tinh 57 3.6.2 xây dựng cơ sở dữ liệu quản lý tài nguyên rừng 62 3.6.3 xây dựng modun website hiển thị bản đồ và biểu đồ biến động63

KẾT LUẬN 76 TÀI LIỆU THAM KHẢO 78

CÁC TỪ VIẾT TẮT

Viết tắt Tên đầy đủ - Mô tả

RS Remote sensing – Viễn thám

GIS Geographic information system - Hệ thống thông tin địa lý NDVI Normalized difference vegetation index

GRASS Geographic resources analysis support system

BV Brightness value - giá trị độ sáng của pixel

IFOV Instantaneous field of view - Trường nhìn không đổi FOV Field of view - Trường nhìn

DN Digital number - Giá trị của các pixel ảnh

MLC Maximum likelihood classifier - Phân loại gần đúng nhất LNN Layered neural networks - Phân loại mạng neural

DANH MỤC CÁC HÌNH VẼ

Hình 1 Cấu trúc dữ liệu ảnh vệ tinh 14

Hình 2 Phần mềm GRASS 46

Hình 3 Công cụ quản trị pgAdmin III 51

Hình 4 Mô hình hoạt động của Mapserver 53

Hình 5 Ứng dụng WebGIS 53

Hình 6 Mô hình tổng quan hệ thống 54

Hình 7 Quy trình cập nhật dữ liệu tài nguyên rừng 56

Hình 8 Ảnh Landsat TM khu vực nghiên cứu năm 2007 58

Hình 9 Ảnh huyện Kim Bôi - Hòa Bình sau khi cắt 58

Hình 10 Ảnh chỉ số NDVI năm 2007 61

Hình 11 Ảnh phân loại đối tượng năm 2007 62

Hình 12 Mô hình triển khai website quản lý tài nguyên rừng 64

Hình 13 Mô hình phát triển website bằng mapserver 68

Hình 14 Giao diện website theo dõi tài nguyên rừng 69

Hình 15 Kết quả biến động bằng biểu đồ 70 

DANH MỤC CÁC BẢNG

Bảng 1 Một số thông số các kênh phổ của ảnh Landsat TM 18 

Bảng 2 Một số thông số các kênh phổ ảnh Landsat ETM+, Landsat -7 19 

Bảng 3 Một số thông số về các kênh phổ của ảnh MODIS 22 

Bảng 4 Một số thông số về các kênh phổ của ảnh NOAA 23 

Bảng 5 Một số thông số về các kênh phổ của ảnh ASTER 24 

Bảng 6 Một số thông số về các kênh phổ của ảnh SPOT-1;-2;-3 25 

Bảng 7 Một số thông số các kênh phổ của ảnh SPOT-4 25 

Bảng 8 Một số thông số các kênh phổ của ảnh IKNONOS 26 

Bảng 9 Tổng hợp thông số kỹ thuật và ứng dụng một số loại ảnh viễn thám 30 

Bảng 10 Bảng ma trận biến động giữa hai thời điểm 40 

Bảng 11 So sánh chi phí bản quyền phần mềm (cho một giấy phép sử dụng) 49 

Bảng 12 So sánh về yêu cầu phần cứng hệ thống 50 

Bảng 13 Các phương pháp phân loại ảnh bằng GRASS 51 

Bảng 14 Khóa phân loại rừng ảnh Landsat 59 

Bảng 15 Kết quả phân loại ảnh theo chỉ số NDVI 62 

Bảng 16 Cấu trúc bảng dữ liệu lớp rừng 63 

Năm 1943, Việt Nam có 14,3 triệu ha rừng, độ che phủ là 43% nhưng đến năm 1990 chỉ còn 9,18 triệu ha, độ che phủ rừng là 27,2% Theo công bố tại quyết định số 1970/QĐ/BNN-KL-LN ngày 06 tháng 7 năm 2006, tính đến 31/12/2005, diện tích rừng toàn quốc là 12,61 triệu ha, độ che phủ rừng là 37%, trong đó mất rừng là nguyên nhân gây ra một loạt các hiện tượng như: lũ lụt, hạn hán, mất mùa, … kéo theo đó là các tai biến về môi trường đã làm ảnh hưởng rất lớn đến quá trình sản xuất và sinh hoạt của người dân Chính vì vậy, nhiệm vụ đặt ra đối với các cơ quan chức năng, những nhà quản lý lâm nghiệp là cần phát triển bền vững nguồn tài nguyên này làm cơ sở để đưa ra các phương án quy hoạch, đề xuất các giải pháp kỹ thuật, kinh tế - xã hội và định hướng cho việc sử dụng và quản lý bền vững tài nguyên rừng

Hiện trạng về công tác quản lý rừng ở Việt Nam

Ở nước ta, các chương trình theo dõi diễn biến tài nguyên rừng đã được tiến hành từ những năm 1976 với chương trình đánh giá diễn biến tài nguyên rừng toàn quốc giai đoạn 1976 - 1990 - 1995, chương trình điều tra, đánh giá và theo dõi diễn biến tài nguyên rừng toàn quốc 5 năm các giai đoạn 1996 – 2000

và 2000 - 2005 và hiện nay đang thực hiện chương trình điều tra, đánh giá và theo dõi diễn biến tài nguyên rừng toàn quốc giai đoạn 2006 - 2010 Những năm trước đây để điều tra theo dõi diễn biến tài nguyên rừng chủ yếu vẫn dựa trên việc đo vẽ, thành lập bản đồ hiện trạng rừng bằng phương pháp thủ công vì vậy công việc này đòi hỏi tốn rất nhiều thời gian, công sức, tiền bạc, độ chính xác không cao và thông tin thường không được cập nhật vì tình hình rừng và đất rừng luôn biến động Trong những năm gần đây, khi khoa học công nghệ viễn thám phát triển mạnh thì việc áp dụng công nghệ viễn thám vào lâm nghiệp là rất

cần thiết vì kỹ thuật viễn thám với khả năng quan sát các đối tượng ở các độ phân giải phổ và không gian khác nhau, từ trung bình đến siêu cao và chu kỳ chụp lặp từ một tháng đến một ngày cho phép ta quan sát và xác định nhanh chóng hiện trạng lớp phủ rừng, từ đó có thể dễ dàng xác định được biến động rừng và đặc biệt là xu hướng của biến động Tuy nhiên, các nghiên cứu về ứng dụng công nghệ viễn thám trong lâm nghiệp còn rất thiếu đặc biệt là công nghệ

xử lý ảnh số viễn thám tự động và bán tự động và hầu hết đều sử dụng các sản phẩm phần mềm xử lý ảnh thương mại có giá thành cao từ vài chục đến hàng trăm nghìn đô la Mỹ

Mục tiêu của luận văn

Nhìn chung, những nghiên cứu, ứng dụng công nghệ viễn thám trong phân loại và điều tra rừng ở Việt Nam đã được thực hiện từ rất sớm Tuy nhiên, từ trước đến nay thành lập bản đồ rừng vẫn chủ yếu áp dụng phương pháp truyền thống là giải đoán bằng mắt, điều tra ngoại nghiệp, sử dụng các phần mềm thương mại có giá thành cao và sử dụng các dạng tư liệu viễn thám chủ yếu có

độ phân giải thấp hoặc trung bình nên chỉ có thể thành lập được bản đồ tỷ lệ thấp, không đáp ứng đuợc yêu cầu về độ chính xác và tính cập nhật của bản đồ hiện trạng rừng Hiện nay, công nghệ viễn thám đang phát triển mạnh, nhiều ảnh

vệ tinh có độ phân giải cao cho phép thành lập được các bản đồ có tỷ lệ lớn Tuy nhiên, các nghiên cứu về phương pháp phân loại để thành lập bản đồ rừng; các dạng chỉ số thực vật có thể sử dụng để phân loại rừng; cách thành lập các dạng bản đồ tài nguyên rừng như bản đồ phân bố trữ lượng, sinh khối; nghiên cứu về phương pháp đánh giá biến động rừng từ ảnh vệ tinh có độ phân giải cao bằng các giải pháp phần mềm mã nguồn mở vẫn còn thiếu nhiều và hầu như chưa có

các nghiên cứu như vậy Chính vì vậy, tôi mạnh dạn thực hiện đề tài “Ảnh vệ tinh ứng dụng trong điều tra, quản lý diện tích rừng” nhằm đưa ra giải pháp

thành lập bản đồ tài nguyên rừng từ ảnh vệ tinh có độ phân giải cao bằng các công cụ mã nguồn mở, tìm ra được một số dạng chỉ số thực vật dùng để phân loại rừng cho ảnh vệ tinh có độ phân giải cao, đưa ra được quy trình đánh giá biến động rừng từ ảnh vệ tinh có độ phân giải cao từ đó góp phần vào việc ứng dụng vào thực tiễn sản xuất để thay thế các phương pháp truyền thống đặc biệt cho công tác điều tra, kiểm kê rừng trong giai đoạn mới hiện nay

Đối tượng và nhiệm vụ của luận văn là:

• Nghiên cứu về viễn thám - ảnh vệ tinh

• Nghiên cứu các phương pháp xử lý và giải đoán ảnh vệ tinh

• Nghiên cứu và sử dụng phần mềm mã nguồn mở Grass để xử lý và giải đoán ảnh vệ tinh

• Xây dựng hệ thống thông tin quản lý tài nguyên rừng dựa trên ảnh

vệ tinh và hệ thống thông tin địa lý

Phương pháp và nội dung nghiên cứu được sử dụng trong suốt quá trình làm luận văn là:

• Nghiên cứu về viễn thám, ảnh vệ tinh các đặc điểm của ảnh vệ tinh, phân loại ảnh vệ tinh, các phương pháp tổ chức dữ liệu của ảnh vệ tinh

• Tìm hiểu các phương pháp xử lý ảnh vệ tinh như hiệu chỉnh bức xạ, hiệu chỉnh hình học, tăng cường chất lượng ảnh, biến đối giữa các ảnh, phân loại ảnh

• Tìm hiểu về phần mềm mã nguồn mở GRASS để xử lý và giải đoán ảnh vệ tinh

• Xây dựng hệ thống thông tin quản lý tài nguyên rừng dựa trên các giải pháp GIS nguồn mở

Bố cục của luận văn được trình bày như sau:

Mở đầu: Đặt vấn đề về ý nghĩa, tính cấp thiết, nhiệm vụ và tính thực tiễn

của đề tài

Chương 1: Tổng quan về viễn thám và ảnh vệ tinh

• Giới thiệu chung về viễn thám

• Khái niệm về tư liệu ảnh số

• Một số loại ảnh vệ tinh

Chương 2: Phương pháp xử lý ảnh vệ tinh

• Phương pháp giải đoán ảnh vệ tinh

• Phương pháp phân loại ảnh vệ tinh

• Phương pháp đánh giá biến động

Chương 3: Xây dựng hệ thống thông tin quản lý tài nguyên rừng

CHƯƠNG 1 - TỔNG QUAN VIỄN THÁM VÀ ẢNH VỆ TINH 1.1 Khái niệm cơ bản về viễn thám

Thuật ngữ viễn thám (Remote sensing) - điều tra từ xa, xuất hiện từ năm

1960 do một nhà địa lý người Mỹ là E Pruit đặt ra (Thomas, 1999) Kỹ thuật viễn thám là một kỹ thuật đa ngành, nó liên kết nhiều lĩnh vực khoa học và kỹ thuật khác nhau trong các công đoạn khác nhau như:

- Thu nhận thông tin

- Tiền xử lý thông tin

- Phân tích và giải đoán thông tin

- Đưa ra các sản phẩm dưới dạng bản đồ chuyên đề và tổng hợp

Vì vậy có thể định nghĩa Viễn thám là sự thu nhận và phân tích thông tin

về đối tượng mà không có sự tiếp xúc trực tiếp với đối tượng nghiên cứu Bằng các công cụ kỹ thuật, viễn thám có thể thu nhận các thông tin, dữ kiện của các vật thể, các hiện tượng tự nhiên hoặc một vùng lãnh thổ nào đó ở một khoảng cách nhất định

1.2 Khái niệm về một số đặc trưng của ảnh viễn thám

Ảnh viễn thám (vệ tinh và máy bay) là những hình ảnh thu chụp được từ một khoảng cách (độ cao) nào đó trên những giải sóng khác nhau, bằng các thiết

bị khác nhau

Ảnh số là một dạng tư liệu ảnh ghi nhận các thông tin viễn thám ở dạng

số, thường được lưu trên các media điện từ bằng các băng từ, đĩa quay từ,… Hình ảnh thu được sẽ được chia thành nhiều phần tử nhỏ, mỗi phần tử được gọi

là các pixel Mỗi pixel tương ứng với một đơn vị không gian bao phủ trên bề mặt trái đất Độ rộng bao phủ mặt đất của một pixel có thể từ vài mét đến hàng

km tùy theo loại bộ cảm và được gọi là độ phân giải ảnh Vị trí của mỗi pixel được xác định theo tọa độ hàng và cột trên ảnh tính từ góc trên cùng bên trái Tùy theo hệ thống quét ảnh mà kích thước của hình ảnh (diện tích quét trên mặt đất) Ví dụ với hệ thống Landsat MSS là 185 x 185km, với hệ thống SPOT là 65 x 65km, ảnh NOAA là 2400 x 2400km [2] …

Ảnh vệ tinh được đặc trưng bởi một số thông số cơ bản như sau [2]:

- Tính chất hình học của ảnh vệ tinh

Trường nhìn không đổi IFOV (instantaneous field of view) được định nghĩa là góc không gian tương ứng với một đơn vị chia mẫu trên mặt đất Lượng thông tin ghi được trong IFOV tương ứng với giá trị của pixel

Góc nhìn tối đa mà một bộ cảm có thể thu được sóng điện từ được gọi là trường nhìn FOV (field of view) Khoảng không gian trên mặt đất do FOV tạo nên chính là bề rộng tuyến bay

Diện tích nhỏ nhất trên mặt đất mà bộ cảm có thể phân biệt được gọi là độ phân giải không gian Ảnh có độ phân giải không gian càng cao khi có kích thước pixel càng nhỏ Độ phân giải không gian cũng được gọi là độ phân giải mặt đất khi hình chiếu của 1 pixel tương ứng với một đơn vị chia mẫu trên mặt đất

- Tính chất phổ của ảnh vệ tinh

Cùng một vùng phủ mặt đất tương ứng, các pixel sẽ cho giá trị riêng biệt theo từng vùng phổ ứng với các loại bước sóng khác nhau Do đó, thông tin được cung cấp theo từng loại ảnh vệ tinh khác nhau không chỉ phụ thuộc vào số bit dùng để ghi nhận, mà còn phụ thuộc vào phạm vi bước sóng

Độ phân giải phổ thể hiện bởi kích thước và số kênh phổ, bề rộng phổ hoặc sự phân chia vùng phổ mà ảnh vệ tinh có thể phân biệt một số lượng lớn các bước sóng có kích thước tương tự, cũng như tách biệt được các bức xạ từ nhiều vùng phổ khác nhau Độ phân giải bức xạ thể hiện độ nhạy tuyến tính của

bộ cảm biến trong khả năng phân biệt sự thay đổi nhỏ nhất của cường độ phản

xạ sóng từ các vật thể

Để lưu trữ, xử lý và hiển thị ảnh vệ tinh trong máy tính kiểu raster, tuỳ thuộc vào số bit dùng để ghi nhận thông tin, mỗi pixel sẽ có giá trị hữu hạn ứng với từng cấp độ xám (giá trị độ sáng của pixel; BV - Brightness Value) Số bit dùng để ghi nhận thông tin được gọi là độ phân giải bức xạ của ảnh vệ tinh

- Độ phân giải thời gian của ảnh vệ tinh

Độ phân giải thời gian không liên quan đến thiết bị ghi ảnh mà chỉ liên quan đến khả năng chụp lặp lại của ảnh vệ tinh Ảnh được chụp vào những ngày khác nhau cho phép so sánh đặc trưng bề mặt theo thời gian Ưu thế của độ phân giải thời gian là cho phép cung cấp thông tin chính xác hơn và nhận biết sự biến

động của khu vực cần nghiên cứu Hầu hết các vệ tinh đều bay qua cùng một điểm vào khoảng thời gian cố định (mất từ vài ngày đến vài tuần) phụ thuộc vào quỹ đạo và độ phân giải không gian

Dữ liệu ảnh vệ tinh được lưu trữ theo các khuôn dạng sau đây:

Theo kiểu BIL (band interleaved by lines): từng hàng được ghi theo thứ tự của số kênh, mỗi hàng được ghi tuần tự theo giá trị của các kênh phổ và sau đó lặp lại theo thứ tự của từng hàng, như vậy sẽ tạo ra các file dữ liệu ảnh chung cho các kênh phổ

Theo kiểu BSQ (band sequential): là khuôn dạng trong đó các kênh phổ được lưu tuần tự hết kênh này sang kênh khác Nghĩa là mỗi ảnh ứng với một kênh

Theo kiểu BIP (band inteleaved by pixel): mỗi pixel được lưu tuần tự theo các kênh, nghĩa là các kênh phổ được ghi theo hàng và cột của từng pixel Sau khi kết thúc tổ hợp phổ của pixel này lại chuyển sang tổ hợp phổ của pixel khác

Hình 1 Cấu trúc dữ liệu ảnh vệ tinh

1.3 Lịch sử nghiên cứu trên thế giới

Mặc dù bức ảnh đầu tiên được chụp năm 1858 nhưng mãi đến tháng 9 năm 1887 mới có một kỹ sư Lâm nghiệp người Đức thử nghiệm đoán đọc cây rừng trên ảnh hàng không Theo GS Vũ Tiến Hinh, TS Phạm Ngọc Giao [1] thì

Spurr đã chia lịch sử viễn thám trong lâm nghiệp thế giới thành ba giai đoạn chính như sau:

Giai đoạn thứ nhất: Từ cuối thế kỷ 19 đến trước chiến tranh thế giới lần thứ nhất, đánh dấu bằng sự ra đời của ảnh hàng không, kính lập thể và những thử nghiệm ban đầu về ứng dụng chúng trong lâm nghiệp như thí nghiệm của Rudolf Kobsa và Ferdinand Wang (Áo, 1882), Hugershoff.R (Đức-1911), Hand Dock (Áo.1913)

Giai đoạn thứ hai: Từ chiến tranh thế giới lần thứ nhất đến cuối chiến tranh thế giới lần thứ hai Giai đoạn này ghi nhận thành công của một số tác giả

ở một số nước Xây dựng bản đồ rừng từ ảnh hàng không ở vùng Maurice thuộc Canada, bản đồ thực vật rừng ở Anh (1924), điều tra trữ lượng rừng từ ảnh hàng không của Mỹ (1940) Thí nghiệm các phương pháp đo tán, đo chiều cao trên ảnh của Seely, Hugershoff,… Tuy nhiên, giai đoạn này chưa xây dựng được hoàn chỉnh hệ thống lý luận cũng như các phương pháp đọc đoán ảnh hàng không

Giai đoạn thứ ba: Từ chiến tranh thế giới thứ hai đến nay Cùng với sự phát triển khoa học kỹ thuật, việc nghiên cứu ứng dụng viễn thám ngày càng phát triển rộng rãi ở nhiều nước Kỹ thuật viễn thám phát triển theo chiều hướng ngày càng phong phú, tinh vi, chính xác và cập nhật hơn với chương trình

“Interkosmos” và vệ tinh “Landsat” Song song với hai hệ thống trên là hệ thống trạm thu và xử lý thông tin ở nhiều quốc gia trên thế giới như Canada, Brazin,

Ấn Độ, Thái Lan, Trung Quốc,… Gần đây hệ thống vệ tinh ảnh SPOT, ảnh ADEOS, ảnh TERRA, đã nâng cao hơn nữa khả năng ứng dụng của kỹ thuật viễn thám trong lâm nghiệp

1.4 Lịch sử nghiên cứu ở Việt Nam

Trong suốt thời gian dài trước năm 1945, Việt Nam không có khả năng thực hiện việc điều tra rừng Thời kỳ này chỉ có số liệu về tài nguyên rừng được công bố trong công trình "Lâm nghiệp Đông Dương" của P Maurand và số liệu

đó thường được xem là tài liệu gốc để so sánh diễn biến rừng ở Việt Nam từ năm 1945 trở về sau

Năm 1958, với sự hợp tác của CHDC Đức đã sử dụng ảnh máy bay đen trắng toàn sắc tỷ lệ 1/30.000 để điều tra rừng ở vùng Đông Bắc [3] Đó là một

bước tiến bộ kỹ thuật rất cơ bản, tạo điều kiện xây dựng các công cụ cần thiết để nâng cao chất lượng công tác điều tra rừng ở nước ta Từ cuối năm 1958, bình quân mỗi năm đã điều tra được khoảng 200.000 ha rừng, đã sơ thám được tình hình rừng và đất đồi núi, lập được thống kê tài nguyên rừng đơn giản và vẽ được phân bố tài nguyên rừng ở miền Bắc Đến cuối năm 1960, tổng diện tích rừng ở miền Bắc đã điều tra được vào khoảng 1,5 triệu ha Ở miền Nam ảnh máy bay được sử dụng từ năm 1959, đã xác định tổng diện tích rừng miền Nam là 8 triệu

ha

Giai đoạn 1970 – 1975 ảnh máy bay đã được sử dụng rộng rãi để xây dựng các bản đồ hiện trạng, bản đồ mạng lưới vận xuất, vận chuyển cho nhiều vùng thuộc miền Bắc (Vũ Tiến Hinh, Phạm Ngọc Giao, 1997) [1]

Từ năm 1981 đến năm 1983, lần đầu tiên ngành lâm nghiệp tiến hành điều tra, đánh giá tài nguyên rừng trên phạm vi toàn quốc Trong đó đã kết hợp giữa điều tra mặt đất và giải đoán ảnh vệ tinh do FAO hỗ trợ Do vào đầu những năm

1980, ảnh vệ tinh và ảnh hàng không còn rất hạn chế, chỉ đáp ứng yêu cầu điều tra rừng ở một số vùng nhất định mà chưa có đủ cho toàn quốc

Từ năm 1991 – 1995 đã tiến hành theo dõi diễn biến tài nguyên rừng toàn quốc và xây dựng bản đồ hiện trạng tài nguyên rừng trên cơ sở kế thừa những bản đồ hiện trạng rừng hiện có thời kỳ trước năm 1990, sau đó dùng ảnh vệ tinh Landsat MSS và Landsat TM có độ phân giải 30x30m để cập nhật những khu vực thay đổi sử dụng đất, những nơi mất rừng hoặc những nơi có rừng trồng mới hay mới tái sinh phục hồi [4] Ảnh vệ tinh Landsat MSS và Landsat TM tỷ lệ 1:250.000 được giải đoán khoanh vẽ trực tiếp trên ảnh bằng mắt thường Kết quả giải đoán được chuyển hoạ lên bản đồ địa hình tỷ lệ 1:100.000 và được kiểm tra tại hiện trường Thành quả đã thành lập được: bản đồ sinh thái thảm thực vật rừng các vùng tỷ lệ 1:250.000; bản đồ dạng đất đai các tỉnh tỷ lệ 1:100.000 và các vùng tỷ lệ 1:250.000

Từ năm 1996 – 2000, bản đồ hiện trạng rừng được xây dựng bằng phương pháp viễn thám Ảnh vệ tinh đã sử dụng là SPOT3, có độ phân giải 15m x 15m, phù hợp với việc xây dựng bản đồ tỷ lệ 1:100.000 So với ảnh Landsat MSS và Landsat TM, ảnh SPOT3 có độ phân giải cao hơn, các đối tượng trên ảnh cũng được thể hiện chi tiết hơn Ảnh SPOT3 vẫn được giải đoán bằng mắt thường nên

kết quả giải đoán vẫn còn phụ thuộc nhiều vào kinh nghiệm của chuyên gia giải đoán và chất lượng ảnh Kết quả về mặt thành lập bản đồ: đã xây dựng được bản

đồ phân vùng sinh thái thảm thực vật cấp vùng và toàn quốc; bản đồ phân loại đất cấp tỉnh, vùng và toàn quốc; bản đồ hiện trạng rừng cấp tỉnh,vùng và toàn quốc và bản đồ hiện trạng rừng tỷ lệ 1:100.000; 1:250.000; 1:1000.000 [2],[ 5]

Từ năm 2000 – 2005, phương pháp xây dựng bản đồ trong lâm nghiệp đã được phát triển lên một bước Bản đồ hiện trạng rừng được xây dựng từ ảnh số

vệ tinh Landsat ETM+ Độ phân giải ảnh là 30m x 30m Việc giải đoán ảnh được thực hiện trong phòng dựa trên những mẫu khóa ảnh đã được kiểm tra ngoài hiện trường Ưu điểm của phương pháp giải đoán ảnh số là tiết kiệm được thời gian và có thể giải đoán thử nhiều lần trước khi lấy kết quả chính thức [6] Như vậy, tuy khoa học điều tra rừng ra đời muộn hơn so với nhiều môn khoa học khác nhưng đã đạt được những thành quả nhất định Song song với điều tra mặt đất, đã nghiên cứu thử nghiệm và từng bước ứng dụng có hiệu quả phương pháp viễn thám trong xây dựng các bản đồ tài nguyên rừng Tuy nhiên,

hệ thống các bản đồ tài nguyên rừng Việt Nam hiện nay, do được xây dựng tại các thời điểm khác nhau và đã sử dụng nhiều nguồn thông tin tư liệu, nhiều nguồn ảnh, từ ảnh vệ tinh Landsat MSS, TM, SPOT, Aster, Radar, ảnh máy bay

và hệ thống phân loại rừng rất khác nhau qua các thời kỳ, nên đã tạo ra nhiều loại số liệu không đồng bộ, gây khó khăn cho người sử dụng, đặc biệt trong việc theo dõi biến động về diện tích của rừng qua các thời kỳ

1.5 Một số loại ảnh vệ tinh phổ biến

ETM+ ghi phổ trên 8 kênh ở các bước sóng giống như của ảnh Landsat TM,

điều khác biệt là ở Landsat ETM+, kênh hồng ngoại nhiệt (Thermal) có độ phân

giải cao hơn (60mx60m) và có thêm kênh toàn sắc (Pan) với độ phân giải không

gian là 15mx15m

Kênh Bước sóng (µm) Tên gọi phổ Độ phân giải

không gian (m)

Lưu trữ (bit)

Bảng 1 Một số thông số các kênh phổ của ảnh Landsat TM

Ảnh Landsat được ứng dụng trong nghiên cứu của nhiều lĩnh vực từ nghiên

cứu hiện trạng đến giám sát biến động và được sử dụng phổ biến nhất, với giá

thành thấp, dưới đây đề tài thống kê những ứng dụng chính của ảnh Landsat

trong nghiên cứu:

- Kênh phổ xanh lam (0,45µm -0,52µm) được ứng dụng nghiên cứu đường

bờ, phân biệt thực vật và đất, lập bản đồ về rừng và xác định các đối tượng khác

- Kênh phổ xanh lục (0,52µm -0,60µm), được dùng để đo phản xạ cực đại

phổ lục của thực vật, xác định trạng thái thực vật, xác định các đối tượng khác

- Kênh phổ đỏ (0,63µm -0,69µm), dùng xác định vùng hấp thụ chlorophyl

giúp phân loại thực vật, xác định các đối tượng khác

- Kênh phổ cận hồng ngoại (0,76µm -0,90µm), dùng xác định các kiểu thực

vật, trạng thái và sinh khối, độ ẩm của đất

- Kênh hồng ngoại sóng ngắn (1,55-1,75µm; 2,08-2,35µm), được sử dụng

để xác định độ ẩm của thực vật và đất, nghiên cứu về đá khoáng, tách tuyết và

mây

- Kênh hồng ngoại nhiệt (10,4µm -12,5µm), được dùng để xác định thời

điểm thực vật bị sốc, độ ẩm của đất và thành lập bản đồ nhiệt

- Kênh toàn sắc 0,52-0,9: vói độ phân giải thấp và giải phổ liên tục, ảnh của

kênh này được sử dụng để chồng ghép với các kênh ảnh khác, từ đó đo vẽ chính

xác các đối tượng

Kênh Bước sóng

(µm) Tên gọi phổ

Độ phân giải không gian (m)

Lưu trữ (bit)

Ảnh MODIS được thu từ bộ cảm MODIS đặt trên vệ tinh Terra (2000) và

vệ tinh Aqua (2002) có mục đích cung cấp dữ liệu về đất liền, biển và khí quyển

một cách đồng thời Ảnh MODIS cung cấp dữ liệu ảnh toàn cầu 2 ngày một lần

với độ phân giải không gian là 250m, 500m và 1000m Số kênh phổ của MODIS

là 36 kênh và dữ liệu ở dạng 12 bit, MODIS có đặc tính chỉnh hình học và phổ Phương pháp chỉnh phổ kênh đối với kênh được tham chiếu cho 36 kênh cho ra sai số ½ pixel hoặc cao hơn

Dữ liệu của ảnh MODIS bao gồm các loại sau:

- Dữ liệu nghiên cứu mây với độ phân giản 250m x 1000m vào ban ngày và

độ phân giải 1000m x 1000m vào ban đêm

- Nồng độ tầng đối lưu và đặc tính quang với độ phân giải 5km cho vùng biển và 10km cho đất liền vào ban ngày

- Đặc tính về mây, độ dầy quang học, ảnh hưởng của bán kính hạt, pha nhiệt động học, mây ở các vùng vĩ tuyến cao, nhiệt độ mây ở độ phân giải 1km-5km ban ngày và 5km vào ban đêm

- Phủ thực vật đất: điều kiện và năng suất được đặc trưng bởi chỉ số thực vật, được hiệu chỉnh tác động của khí quyển, đất, phân cực và ảnh hưởng theo hướng phản xạ bề mặt, kiểu phủ đất và năng suất nguyên thủy thực, chỉ số lá theo diện tích và bức xạ hiệu lực mang tính quang hợp bị chắn

- Phản xạ về diện tích phủ của tuyết và băng trên biển

- Đo nhiệt độ bề mặt với độ phân giải 1km vào ban ngày và đêm với độ chính xác của hiệu chỉnh tuyệt đối là 0,3-0,50 tại đại dương và mặt đất

- Màu của biển (phổ phát xạ của đại dương được đo 5%), dựa trên dữ liệu kênh phổ trong giải sóng nhìn thấy và hồng ngoại gần

- Nồng độ chlorophyl a (với 35%) từ 0,05 đến 50mg/m3 cho nước

- Huỳnh quang của chlorophyl (50%) trên bề mặt với nồng độ 0,5mg/m3 của chlorophyla

Lưu trữ (bit) Ứng dụng

24 4,482-4,549 1000 12 Đo nhiệt độ khí quyển

số được xác định là chỉ số thực vật NDVI = (phổ hồng ngoại gần – phổ nhìn

thấy)/(phổ hồng ngoại gần + phổ nhìn thấy) và chỉ số thực vật đơn giản VI = phổ

Ảnh ASTER được thu từ bộ cảm ASTER đặt trên vệ tinh Terra, độ phủ

của ảnh là 60km Bộ cảm ASTER được cấu thành từ 3 phụ hệ riêng rẽ, mỗi hệ

phụ hoạt động trên một hệ quang riêng biệt Các hệ phụ này là nhìn thấy và

hồng ngoại gần (VNIR), bao gồm các kênh phổ 1-3, hồng ngoại sóng ngắn

(SWIR) gồm các kênh phổ 4-9 và hồng ngoại nhiệt (TIR) gồm các kênh phổ

10-14

Kênh phổ Bước sóng (µm) Độ phân giải không

gian (m) Lưu trữ (bit)

Bảng 5 Một số thông số về các kênh phổ của ảnh ASTER

Các ứng dụng chính của ảnh ASTER là: Quan sát đất liền, biển, mặt tuyết, quá trình mây; Nghiên cứu về động lực và cấu trúc của thực vật; Nghiên cứu về cân bằng phóng xạ của khí quyển, mây và sự mở rộng và đặc tính tầng đối lưu; Xác định nồng độ và biến động của các khí nhà kính; Nghiên cứu về núi lửa và các quá trình bề mặt của trái đất

1.5.5 Ảnh SPOT

Ảnh SPOT được thu từ bộ cảm HRG đặt trên vệ tinh SPOT (Systeme Pour L’observation de La Terre) do trung tâm nghiên cứu không gian của Pháp (CNES – French Center National d’etudies Spatiales) thực hiện có sự tham gia của Bỉ và Thụy Điển Ảnh SPOT tương đối đa dạng về dải phổ và độ phân giải không gian từ thấp, trung bình đến cao (5m-1km), trường phủ mặt đất của ảnh SPOT cũng tương đối đa dạng từ 10km x 10km đến 200km x 200km Ảnh SPOT có thể thu ảnh của từng ngày, thường vào 11h sáng

Tên band phổ Dải phổ

(µm)

Độ phân giải (m)

Độ che phủ mặt đất (km) Lưu trữ (bit)

Toàn sắc 0,51-0,73 10 60 x 60 8

Bảng 6 Một số thông số về các kênh phổ của ảnh SPOT-1;-2;-3

Ảnh SPOT thuộc thế hệ vệ tinh SPOT-1,-2,-3 ảnh có hai dạng là: ảnh

toàn sắc (panchromatic) có độ phân giải không gian là 10m x 10m và ảnh đa

phổ với độ phân giải không gian là 20m x 20m

Ảnh SPOT thuộc thế hệ vệ tinh SPOT-4, được thu từ thiết bị bộ cảm

HRVIR là ảnh thu liên tục trong dải phổ nhìn thấy và hồng ngoại và có độ

phân giải 20m x20m

Kênh phổ Tên phổ Dải phổ

(µm)

Độ phân giải không gian (m)

Lưu trữ (bit)

Kênh 4 Hồng ngoại trung 1,58-1,75 20 8

Bảng 7 Một số thông số các kênh phổ của ảnh SPOT-4

Đối với các ảnh SPOT thuộc thế hệ SPOT-5 được thu từ bộ cảm có độ

phân giải hình học cao HRG (High Resolution Geometric) là 5m thay cho

10m ở kênh toàn sắc và 5m cho các kênh xanh, đỏ, cận hồng ngoại và 20m

đối với kênh hồng ngoại trung Thế hệ vệ tinh SPOT-5 còn trang bị thiết bị

riêng để đo thực vật trong dải phổ nhìn thấy và cận hồng ngoại với độ phân

giải không gian 1000mx100m và ảnh được cập nhật hàng ngày Hiện nay ảnh

SPOT được ứng dụng trong nhiều lĩnh vực như: nghiên cứu hiện trạng sử

dụng đất, khai khoáng trong địa chất, thành lập bản đồ tỷ lệ 1:30.000 đến

1:100.000, nghiên cứu về thực vật ở cấp độ khu vực,… ảnh SPOT có thể ghi

phản xạ phổ của toàn mặt đất với sự khác biệt về dữ liệu, độ phân giải cao và

có khả năng nhìn nổi, nhạy cảm về phổ hồng ngoại cho thực vật

1.5.6 Ảnh IKONOS

Tên kênh Tên phổ Bước sóng

(μm)

Độ phân giải (m)

Lưu trữ (bit)

Bảng 8 Một số thông số các kênh phổ của ảnh IKNONOS

Ảnh IKONOS được thu từ vệ tinh tạo ảnh vũ trụ phân giải siêu cao

IKONOS được phóng lên quỹ đạo cân cực vào ngày 24 tháng 9 năm 1999 tại

độ cao 682 km, cắt xích đạo vào 10:30 phút sáng Độ lặp lại quỹ đạo tại một

điểm trên trái đất là sau 11 ngày, độ rộng của ảnh trên mặt đất là 11km, và độ

phủ là 11 x 11 km Ảnh có trên 4 kênh đa phổ với độ phân giải là 4 m và kênh

toàn sắc độ phân giải là 1m Các kênh đa phổ và kênh toàn sắc kết hợp cho

phép tạo ảnh có độ phân giải 1m giả mầu Dữ liệu số có cấu trúc là 11 bit

(2048 mức xám) IKONOS có thể nhìn vào vật, vào đối tượng và cố định vài

giây và có thể hướng theo đối tượng khảo sát Các thông số kỹ thuật của

IKONOS được nêu trong bảng

độ chính xác lớn, như quy hoạch sử dụng đất, xác định chính xác các đối tượng, thành lập bản đồ giao thông,… Hiện nay ảnh QuickBird được sử dụng phổ biến vào các lĩnh vực dân sự, an ninh, quản lý môi trường

1.5.8 Ảnh SPIN

Ảnh SPIN-2 được thu từ vệ tinh SPIN (Space Information Meter) của Nga, ảnh được thu từ độ cao 220km, các bức ảnh chụp có tỷ lệ 1:200.000 với từng cảnh chụp phủ một diện tích có kích thước là 40km x 160km, kích thước trung bình của pixel ảnh trên mặt đất là 1,56m Ảnh SPIN chủ yếu được dùng vào mục đích quân sự

1.5.9 Ảnh OrbView

Ảnh OrbView thuộc thế hệ vệ tinh OrbView-4 có 200 kênh phổ, với độ phân giải không gian là 8m, độ lặp lại của một điểm trên mặt đất là 3 ngày, được ứng dụng để nghiên cứu các kiểu vật chất trên mặt đất Dữ liệu của ảnh OrbView chủ yếu phục vụ cho quân đội Mỹ trong việc giám sát thông tin trên mặt đất

1.5.10 Ảnh ARIES

Ảnh ARIES (Australia Resource Information and Environmental Satellite) là loại ảnh siêu phổ với số kênh phổ là 105 kênh trên dải sóng từ 0,49 đến 0,25km, cho độ phân giải là 30m với độ phủ mặt đất là 15km x 15km, độ nhìn lặp một điểm là 7 ngày, kênh toàn sắc có độ phân giải là 10m Mục đích của ảnh này là dùng vào việc khai khoáng, ngoài ra còn được dùng vào mục đích nghiên cứu nông nghiệp, rừng, đất ẩm và điều tra môi trường

Qua việc thống kê các thông số kỹ thuật của một số loại ảnh viễn thám đang được sử dụng trong nhiều lĩnh vực nghiên cứu của Việt Nam, đề tài nhận thấy có nhiều loại ảnh vệ tinh có thể ứng dụng vào lĩnh vực nghiên cứu của đề tài Tuy nhiên để thuận lợi cho việc so sánh các ảnh vệ tinh, đề tài tổng

hợp một số thông số kỹ thuật và ứng dụng chủ yếu của một số ảnh vệ tinh mà

đề tài có thể sử dụng

Loại ảnh Thông số kỹ thuật Ứng dụng trong phân

loại và theo dõi biến động

1 Ảnh đa phổ có độ phân giải thấp (Multispectral Low Resolution Sensors

MODIS

Độ phân giải thấp (250m – 1000m); Trường phủ 2330km;

Chu kỳ bay chụp 1-2 ngày; Ảnh

có từ 2000 (vệ tinh Terra) hoặc

2002 (vệ tinh Aqua) đến nay

AVHRR

Độ phân giải thấp 1km từ các vệ tinh NOAA; Trường phủ 2400km

x 6400km; Ảnh có từ 1980 đến nay

- Quy mô bản đồ: toàn cầu, lục địa hoặc quốc gia

- Phân loại lớp phủ và theo dõi biến động của lớp phủ (vd: rừng, đô thị, mặt nước )

2 Ảnh đa phổ có độ phân giải trung bình (Multispectral Moderate Resolution Sensors)

- Quy mô bản đồ: khu vực

- Phân loại và theo dõi biến động của lớp phủ

ASTER

Độ phân giải trung bình (15-90m) với 14 kênh phổ từ bước sóng nhìn thấy tới hồng ngoại gần;

Trường phủ 60km x 60km Ảnh

có từ năm 2000 đến nay

- Quy mô bản đồ: khu vực

- Phân loại và theo dõi biến động của lớp phủ, xác định một số đối tượng có thể nhận biết rõ

3 Ảnh đa phổ có độ phân giải cao (Multispectral High-spatial Resolution Sensors – Hyperspatial )

SPOT

Độ phân giải cao đến trung bình,

từ 2.5m đến 20m (với SPOT VGT là 1km); Trường phủ 60km

x 60km (với SPOT VGT là 1000km x 1000 km); SPOT 1, 2,

3, 4 và 5 có ảnh tương ứng từ

1986, 1990, 1993, 1998 và 2002

Dữ liệu ảnh cung cấp trong 1-2 ngày Hiện nay SPOT 1 và 3 đã ngừng cung cấp ảnh

- Quy mô bản đồ: địa phương, khu vực (hoặc lớn hơn đối với SPOT VGT)

- Phân loại rừng ở cấp độ quần xã hoặc các loài cụ thể

- Ứng dụng tốt trong việc theo dõi biến động của lớp phủ

- Quy mô bản đồ: khu vực, địa phương hoặc nhỏ hơn

- Phân loại rừng chi tiết ở cấp độ quần xã hoặc các loài cụ thể;

- Thường được sử dụng để kiểm tra kết quả phân loại

vĩ độ của vệ tinh mà ảnh có độ phân giải > 1m, trường phủ >

OrbView

Ảnh có 200 kênh phổ, với độ phân giải không gian là 8m, độ lặp lại của một điểm trên mặt đất

là 3 ngày Ảnh có từ năm 2001

- Quy mô bản đồ: khu vực hoặc địa phương

- Ứng dụng để nghiên cứu các kiểu vật chất trên trái đất

ARIES

Ảnh có số kênh phổ là 105 kênh trên dải sóng từ 0,49 đến 0,25μm, cho độ phân giải là 30m với độ phủ mặt đất là 15km x 15km, độ nhìn lặp một điểm là 7 ngày

- Quy mô bản đồ: khu vực hoặc địa phương

- Ứng dụng trong việc khai khoáng, nghiên cứu nông nghiệp, rừng, đất ẩm và điều tra môi trường

Bảng 9 Tổng hợp thông số kỹ thuật và ứng dụng của một số loại ảnh viễn thám

CHƯƠNG 2 - PHƯƠNG PHÁP XỬ LÝ ẢNH VỆ TINH

Xử lý ảnh vệ tinh là quá trình chiết tách các thông tin theo định tính cũng như định lượng từ ảnh dựa trên các tri thức chuyên ngành hoặc kinh nghiệm của người giải đoán Việc tách các thông tin trong ảnh viễn thám có thể phân thành 5 loại: Phân loại đa phổ, phát hiện biến động, chiết tách các thông tin tự nhiên, xác định các chỉ số, chiết tách các thông tin tự nhiên, xác định các đối tượng đặc biệt [7] Xử lý thông tin viễn thám có hai phương pháp

cơ bản là: phân tích bằng mắt và xử lý số

2.1 Phương pháp giải đoán ảnh bằng mắt:

Giải đoán bằng mắt là sử dụng mắt người cùng với trí tuệ để tách chiết các thông tin từ tư liệu viễn thám dạng hình ảnh Trong việc xử lý thông tin viễn thám thì giải đoán bằng mắt (visual interpretaion) là công việc đầu tiên, phổ biến nhất và có thể áp dụng trong mọi điều kiện có trang thiết bị từ đơn giản đến phức tạp Việc phân tích ảnh bằng mắt có thể được trợ giúp bằng một số thiết bị quang học từ đơn giản đến phức tạp như kính lúp, kính lập thể, kính phóng đại, kính tổ hợp mầu, nhằm nâng cao khả năng phân tích của mắt người Phân tích ảnh bằng mắt là công việc có thể áp dụng một cách dễ dàng trong mọi điều kiện và có thể phục vụ cho nhiều nội dung nghiên cứu khác nhau: nghiên cứu lớp phủ mặt đất, nghiên cứu rừng, thổ nhưỡng, địa chất, địa mạo, thuỷ văn, sinh thái, môi trường (Hà Văn Hải, 2002) [8]

Nhìn chung, có thể chia các yếu tố giải đoán thành 8 nhóm chính sau:

1 - Kích thước: Kích thước của đối tượng tùy thuộc vào tỷ lệ ảnh, kích thước có thể được xác định nếu lấy kích thước đo được trên ảnh nhân với nghịch đảo tỷ lệ của ảnh (cần phải chọn một tỷ lệ ảnh phù hợp để giải đoán)

2 - Hình dạng: Là đặc trưng bên ngoài tiêu biểu cho đối tượng và có ý nghĩa quan trọng trong giải đoán ảnh Hình dạng đặc trưng cho mỗi đối tượng khi nhìn từ trên cao xuống được coi là dấu hiệu giải đoán ảnh quan trọng (ruộng thường có dạng hình vuông hay chữ nhật, khu vực chung cư cao tầng khác với nhà riêng lẻ, …)

3 - Bóng râm: Khi nguồn phát năng lượng (mặt trời hay radar) không nằm ngay trên đỉnh đầu hoặc trong trường hợp chụp ảnh xiên sẽ xuất hiện bóng của đối tượng Căn cứ theo bóng của vật thể xác định được chiều cao

của chúng, trong ảnh radar bóng râm là yếu tố giúp cho việc xác định địa hình

và hình dạng mặt đất Tuy nhiên, bóng râm trong ảnh vệ tinh quang học thường làm giảm khả năng giải đoán đối với khu vực nhiều nhà cao tầng, rất khó khăn trong việc xác định diện tích của vật thể

4 - Độ đậm nhạt: Là tổng hợp năng lượng phản xạ bởi bề mặt của đối tượng Mỗi vật thể được thể hiện bằng một cấp độ sáng nhất định tỷ lệ với cường độ phản xạ ánh sáng của nó (ảnh đen trắng biến thiên từ trắng đến đen tuyền, ảnh màu thì tone ảnh sẽ cho độ đậm nhạt màu để phân biệt các vật thể khác nhau) Độ đậm nhạt của ảnh là yếu tố rất quan trọng và cơ bản trong việc giải đoán ảnh

5 - Màu sắc: Là một yếu tố rất thuận lợi trong việc xác định chi tiết các đối tượng Ví dụ, các kiểu loài thực vật vật có thể được phát hiện dễ dàng qua mầu sắc (ngay cả cho những người không có kinh nghiệm) Trong giải đoán ảnh khi sử dụng ảnh hồng ngoại màu, các đối tượng khác nhau sẽ có tone màu khác nhau, đặc biệt sử dụng ảnh đa phổ tổ hợp màu Tùy theo mục tiêu giải đoán, việc chọn lựa các kênh phổ để tổ hợp màu sẽ hiển thị được tốt nhất các đối tượng mà người giải đoán quan tâm

6 - Cấu trúc: Là tần số lặp lại của sự thay đổi cấu trúc tone ảnh cho một khu vực cụ thể trên ảnh quang học Cấu trúc còn là một tập hợp của nhiều hình mẫu (đối tượng) nhỏ phân bố thường theo một quy luật nhất định trên một vùng ảnh mà trong một mối quan hệ với đối tượng cần nghiên cứu, các đối tượng nhỏ này sẽ quyết định đối tượng đó có cấu trúc là mịn hay sần sùi

7 - Hình mẫu: Liên quan đến việc sắp xếp của các đối tượng về mặt không gian và mắt người giải đoán có thể phân biệt được Đây là dạng tương ứng với vật thể theo một quy luật nhất định, nghĩa là sự lặp lại theo trật tự cụ thể của tone ảnh hay cấu trúc sẽ tạo ra sự phân biệt và đồng thời có thể nhận biết được hình mẫu Hình mẫu cung cấp thông tin từ sự đồng nhất về hình dạng của chúng

8 - Mối liên quan: Sự phối hợp tất cả các yếu tố giải đoán, môi trường xung quanh hoặc mối liên quan của đối tượng nghiên cứu với các đối tượng khác sẽ cung cấp một thông tin giải đoán quan trọng để giảm nhẹ việc xác định chính xác đối tượng

Khóa giải đoán ảnh

Khóa giải đoán là chuẩn giải đoán cho đối tượng nhất định bao gồm tập hợp các yếu tố và dấu hiệu do nhà giải đoán thiết lập, nhằm trợ giúp cho công tác giải đoán nhanh và đạt kết quả chính xác thống nhất cho các đối tượng từ nhiều người khác nhau [2]

Kết quả giải đoán chủ yếu phụ thuộc vào khóa giải đoán, thông thường khóa giải đoán được thành lập dựa trên những vùng nghiên cứu thử nghiệm

đã được điều tra kỹ lưỡng Bằng cách sử dụng khóa giải đoán, người giải đoán có thể phát triển mở rộng và phân tích cho nhiều vùng khác trên cơ sở cùng một loại tư liệu cũng như cùng mùa và thời gian chụp ảnh do đó giúp cho công tác giải đoán nhanh hơn và đảm bảo được tính thống nhất trong quá trình giải đoán

2.2 Phân loại ảnh vệ tinh bằng phương pháp xử lý số

• Hiệu chỉnh bức xạ

Do nhiều nguyên nhân khác nhau như: do ảnh hưởng của bộ cảm biến hoặc có thể do ảnh hưởng của địa hình và góc chiếu của mặt trời hoặc do ảnh hưởng của khí quyển, … làm ảnh hưởng rất lớn đến chất lượng ảnh thu được

Để đảm bảo nhận được những giá trị chính xác của năng lượng bức xạ và phản xạ của vật thể trên ảnh vệ tinh, cần phải thực hiện việc hiệu chỉnh bức

xạ nhằm loại trừ các nhiễu trước khi sử dụng ảnh [2]

• Hiệu chỉnh hình học ảnh

Bản chất các biến dạng hình học của ảnh được hiểu như là sự sai lệch

vị trí giữa tọa độ ảnh thực tế (đo được) và tọa độ ảnh lý tưởng được tạo bởi một bộ cảm biến có thiết kế hình học chính xác và trong điều kiện thu nhận lý tưởng, nhằm loại trừ sai số giữa tọa độ ảnh thực tế và tọa độ ảnh lý tưởng cần phải tiến hành hiệu chỉnh hình học Nguyên nhân gây ra biến dạng hình học

có thể là do nội sai tức là do tính chất hình học của bộ cảm hoặc do ngoại sai gây ra bởi vị thế của vật mang và hình dáng của vật thể Ngoài ra sự biến dạng của địa hình cũng gây nên biến dạng hình học của ảnh trong đó ảnh hưởng do sự thay đổi địa hình gây nên biến dạng tăng dần từ tâm ảnh ra các biên, các điểm trên mặt đất có độ cao thấp hoặc cao hơn độ cao chuẩn tham chiếu (trong lúc chụp ảnh) đều bị biến dạng Chính vì vậy, hiệu chỉnh hình học cần phải được thực hiện để loại trừ sự biến dạng hình học của ảnh Bản chất của hiệu chỉnh hình học là xây dựng mối quan hệ giữa hệ tọa độ ảnh và

hệ tọa độ quy chiếu chuẩn (có thể là hệ tọa độ mặt đất vuông góc hoặc địa lý) dựa vào các điểm không chế mặt đất, vị thế của sensor, điều kiện khí quyển,

… Để hiệu chỉnh hình học ảnh vệ tinh cần phải dựa trên bản chất của sự biến dạng để có phương pháp hiệu chỉnh cho phù hợp [2]

• Tăng cường chất lượng ảnh

Tăng cường chất lượng ảnh có thể được định nghĩa là một thao tác làm nổi bật hình ảnh sao cho người giải đoán ảnh dễ đọc, dễ nhận biết nội dung trên ảnh hơn so với ảnh gốc Phương pháp thường được sử dụng là biến đổi cấp độ xám, biến đổi histogram, biến đổi độ tương phản, lọc ảnh, tổ hợp màu, chuyển đổi giữa 2 hệ RGB và HIS , …[2]

• Biến đổi giữa các ảnh

Biến đổi giữa các ảnh liên quan đến việc tạo ra ảnh mới từ việc xử lý các ảnh đa phổ hoặc đa thời gian bằng các thuật toán được áp dụng trên nguồn ảnh gốc đã có Tùy thuộc vào yêu cầu thực tế ứng dụng, các kênh của ảnh đa phổ hoặc các ảnh đa thời gian (chụp ở thời điểm khác nhau) được phối hợp rất đa dạng để tạo ảnh mới nhằm nhấn mạnh các đối tượng được quan tâm trên ảnh hoặc cho phép chiết tách được đặc tính của các đối tượng nhanh chóng và chính xác hơn so với việc thực hiện trên nguồn ảnh gốc Phương pháp biến đổi giữa các ảnh thường được sử dụng là phương pháp biến đổi số học, trong phương pháp này có 2 phương pháp thường được sử dụng là biến đổi tạo ảnh dựa trên chỉ số thực vật NDVI và biến đổi tạo ảnh tỷ số [2]

- Biến đổi tạo ảnh dựa trên chỉ số thực vật:

Tạo ảnh dựa trên chỉ số thực vật NDVI là dạng đặc biệt của ảnh tỷ số được đề xuất đầu tiên bởi Rouse và các cộng sự năm 1973, nhằm nhấn mạnh vùng thực phủ cho trên ảnh mới Các chỉ số thực vật như NDVI (Normalized Differenct Vegetation Index) và EVI (Enhanced Vegetation Index) [22] cũng được xem như là một thuật toán để phân loại lớp phủ thực vật Các chỉ số này được tính toán trên căn cứ, thực vật thường phản xạ mạnh với bước sóng hồng ngoại gần và hấp thụ mạnh với bước sóng màu đỏ Sự tương phản giữa

2 kênh phổ này được sử dụng để tính toán chỉ số thực vật Các chỉ số thực vật thường có liên hệ rất chặt với hoạt động của quá trình quang hợp Chỉ số NDVI đã được nhiều tác giả sử dụng trong phân tích biến động của lớp phủ rừng trên các ảnh vệ tinh đa thời gian [23] Các nhóm thực vật, hoặc kiểu

rừng cũng có thể nhận biết được qua việc nghiên cứu phân bố giá trị NDVI trên ảnh (Lenney, 1996) [22]

- Biến đổi tạo ảnh tỷ số:

Phép chia được sử dụng khá rộng rãi trong việc tạo ảnh tỷ số nhằm loại trừ bóng râm do ảnh hưởng của địa hình, tách đặc tính các yếu tố địa chất, nhấn mạnh các đối tượng cần quan tâm như vùng phủ thực vật hay chênh lệch nhiệt độ, … Bằng cách chọn 2 kênh thích hợp của ảnh đa phổ, chia giá trị độ sáng tương ứng với từng pixel của 2 kênh ảnh gốc này để nhận được giá trị độ sáng pixel của ảnh mới được gọi là ảnh tỷ số [2]

• Phân loại ảnh

Phương pháp phân loại ảnh được thực hiện bằng cách gán tên loại (loại thông tin) cho các khoảng cấp độ sáng nhất định (loại phổ) thuộc một nhóm đối tượng nào đó có các tính chất tương đối đồng nhất về phổ nhằm phân biệt các nhóm đó với nhau trong khuôn khổ ảnh Tùy thuộc vào số loại thông tin yêu cầu, loại phổ trên ảnh được phân thành các loại tương ứng dựa theo một luật quyết định nào đó được xác định trước Có 2 hình thức phân loại ảnh là phân loại có kiểm định (Suppervised Classification) và phân loại không kiểm định (Unsuppervised Classitication) cả hai phương pháp phân loại này đều được phân loại dựa trên nguyên lý là các chỉ tiêu phân loại được xác lập dựa trên đặc trưng phổ của các vùng mẫu và dùng luật quyết định thích hợp để gán nhãn pixels ứng với từng vùng phổ cụ thể [2]

- Phân loại không kiểm định:

Là việc phân loại thuần túy theo tính chất phổ mà không biết rõ tên hay tính chất của lớp phổ đó và việc đặt tên chỉ là tương đối dựa vào việc phân lớp phổ (Chistens)

- Phân loại có kiểm định:

Là phân chia một cách có kiểm định các giá trị DN (Digital Number) của các pixel ảnh theo từng nhóm đơn vị lớp phủ mặt đất bằng việc sử dụng máy tính và các thuật toán Để thực hiện việc phân loại có kiểm định, phải tạo được “chìa khoá phân tích phổ” nghĩa là tìm được tính chất phổ đặc trưng cho từng đối tượng lớp phủ mặt đất và đặt tên cho chúng Công việc xác định chìa khoá phân tích phổ được gọi là tạo các vùng mẫu (hay vùng kiểm tra – trainning areas) Từ các vùng này, các pixel khác trong toàn ảnh sẽ được xem

xét và sắp xếp theo nguyên tắc “giống nhất” (Look must like) để đưa về các nhóm đối tượng đã được đặt tên

Trong phân loại có kiểm định có một số phương pháp thường được sử dụng là: phân loại hình hộp (Parallelpiped Classification), phân loại theo khoảng cách nhỏ nhất (Minimum distance Classification), phân loại hàm xác suất cực đại (Maximum Likelihood Classification), …

+) Phân loại hình hộp (Parallelpiped Classification): Là phương pháp phân loại đơn giản nhất, trên mỗi trục không gian phổ từng loại được xác định dựa trên giá trị max và min ứng với từng loại Các giá trị max và min này sẽ xác định hình hộp trong không gian đặc trưng (nên gọi là phân loại hình hộp), số hộp phụ thuộc vào số loại cần xác định Phương pháp này còn được gọi là Paralleleiped classifier vì các cạnh đối diện của hộp là song song nhau Các pixel có giá trị nằm trong không gian giới hạn bởi các miền xác định (hộp) trên trục phổ như vậy sẽ được phân loại vào loại tương ứng, những pixel có giá trị nằm ngoài tất cả các hộp sẽ được gán nhãn là loại khác (ngoài các loại được quan tâm)

+) Phân loại theo cây quyết định (Decision Tree - DT): Là phương pháp phân loại dựa trên cơ sở phân cấp Người phân loại sẽ phải xuất phát từ việc đánh giá khả năng phân tách các đối tượng dựa trên tri thức chuyên gia kết hợp với đặc tính phổ của vùng mẫu để tạo dựng ra sơ đồ phân loại Trong thực tế, không có thuật toán tổng quát nào cho phương pháp phân loại này, do

đó từng cây quyết định hay luật phân loại thường được thiết kế bởi chuyên gia sao cho khả năng phân biệt giữa các loại là cao nhất

+) Phân loại khoảng cách nhỏ nhất (Minimum distance Classification): Phương pháp này được sử dụng để phân loại đối tượng trong không gian phổ

đa chiều Khoảng cách giữa các pixel như thước đo đánh giá sự thuộc về một lớp nào đó của pixel đang khảo sát Các khoảng cách thường sử dụng trong viễn thám đó là: khoảng cách Ơclit, khoảng cách Ơclit chuẩn hóa, khoảng cách Mahalanobis Việc lựa chọn khoảng cách nào là tùy thuộc vào tính chất

và từng điều kiện cụ thể Đây là một phương pháp phân loại khá nhanh Giá trị phổ của pixel gần với giá trị phổ trung bình của lớp mẫu Tuy nhiên, phương pháp này cũng chưa thật sự chính xác vì chưa tính đến sự biến thiên của các lớp phân loại

+) Phân loại gần đúng nhất (Maximum Likelihood Classifier - MLC) Phương pháp phân loại gần đúng nhất MLC được áp dụng khá phổ biến và được xem như là thuật toán chuẩn để so sánh với các thuật toán khác được sử dụng trong xử lý ảnh viễn thám MLC được xây dựng dựa trên cơ sở giả thuyết hàm mật độ xác suất tuân theo luật phân bố chuẩn Mỗi pixel được tính xác suất thuộc vào một loại nào đó và nó được chỉ định gán tên loại mà xác suất thuộc vào loại đó là lớn nhất Mặc dù phương pháp phân loại này cho kết quả chính xác nhưng khi sử dụng cần phải chú ý một số điểm như sau:

o Số lượng pixel khi được chọn cho vùng mẫu phải đủ lớn ứng với từng loại, để các giá trị trung bình cũng như ma trận phương sai - hiệp phương sai tính cho một loại nào đó có giá trị đúng với thực tế

o Ma trận nghịch đảo của ma trận phương sai - hiệp phương sai sẽ không ổn định trong trường hợp có sự tương quan cao giữa các kênh phổ gần nhau Để nâng cao độ chính xác phân loại, cần phải giảm số kênh của ảnh vệ tinh bằng cách phân tích thành phần chính (PCA)

o MLC chỉ cho phép phân loại tối ưu trên cơ sở giả thuyết hàm mật

độ xác suất tuân theo luật phân bố chuẩn Trong trường hợp hàm phân bố của dữ liệu ảnh không tuân theo luật phân bố chuẩn thì không nên sử dụng phương pháp này

+) Phân loại mạng neural LNN (Layered Neural Networks): Những năm gần đây, mạng neural đa lớp LNN đã được nghiên cứu áp dụng trong lĩnh vực nhận dạng và xử lý ảnh số Cấu trúc của mạng neural đa lớp bao gồm một lớp nhập, một lớp xuất và một số lớp trung gian Số lớp trong lớp nhập

và xuất cố định và được xác định bởi từng ứng dụng cụ thể Số nút trong lớp trung gian (lớp ẩn) có thể thay đổi và được quyết định bởi người sử dụng Tín hiệu đi từ lớp nhập và xuất thông qua tuyến nối giữa các neuron và mỗi tuyến nối có giá trị trọng số tương ứng gọi là trọng số nối Vì neuron nhập chỉ nhận

và truyền tín hiệu, còn các neuron ở lớp ẩn và xuất đều sử dụng cùng hàm hoạt tính Do đó, khi cấu trúc ổn định, xuất của mạng neuron đa lớp được xác định bởi giá trị của các trọng số nối Huấn luyện khả năng nhận biết của LNN

là quá trình điều chỉnh các giá trị trọng số, sao cho giá trị xuất của LNN phù hợp với những giá trị mong muốn Để ứng dụng LNN trong phân loại ảnh vệ tinh, số neuron của lớp nhập tương ứng với số kênh phổ của ảnh, số neuron

của lớp xuất tương ứng với số loại cần xác định và số neuron của lớp ẩn sẽ do nhà phân tích quyết định Phương pháp LNN trong phân loại được gọi là phương pháp phi tham số có khả năng ứng dụng rất tốt trong xử lý ảnh viễn thám LNN thường được sử dụng để khắc phục nhược điểm của thuật toán MLC nhằm nâng cao độ chính xác phân loại trong những trường hợp ảnh vệ tinh có sự tương quan cao giữa các kênh phổ Vấn đề khó khăn cho người sử dụng là việc chọn mô hình thích hợp để LNN nhận biết bộ dữ liệu mẫu sẵn có

để phân loại chính xác các dữ liệu chưa biết trong phân loại ảnh viễn thám

+) Phân loại mờ (fuzzy classification):

Lý luận mờ là một phương pháp toán học nhằm lượng hóa các phát biểu mơ hồ Ý tưởng cơ bản là thay thế hai phát biểu lý luận nghiêm ngặt

“có” và “không” bởi dãy liên tục [0…1], mà 0 nghĩa là “không chính xác” và

1 là “chính xác” Mọi giá trị giữa 0 và 1 đại diện một phát biểu ít nhiều chắc chắn của “chính xác” và “không chính xác” Vì vậy, các hệ phân loại mờ thích hợp tốt với việc xử lý hầu hết các vấn đề trong tách thông tin viễn thám

Do các loại thuộc lớp phủ mặt đất khá đa dạng nên việc chỉ định chính xác pixel đến từng loại cụ thể là không đơn giản Mục tiêu phân loại là tìm sự phù hợp 1 - 1 giữa thông tin phổ của pixel và thông tin loại tương ứng (dựa vào bộ

dữ liệu mẫu) và mong muốn sự phân loại đạt sự chính xác cao nhất Tuy nhiên, trong thực tế, nhiều trường hợp gặp phải bởi các phương pháp phân loại truyền thống đó là sự không phân biệt rõ ràng giữa “chính xác” và

“không chính xác”

2.3 Phương pháp theo dõi biến động

Theo dõi biến động là yêu cầu cấp thiết của nhiều lĩnh vực điều tra, quản lý được ứng dụng rộng rãi trong các ngành nói chung và quản lý tài nguyên nói riêng

Phát hiện biến động là quá trình nhận dạng sự khác biệt về trạng thái của một đối tượng hay hiện tượng bằng cách quan sát chúng tại những thời điểm khác nhau Sử dụng ảnh vệ tinh để phát hiện biến động là phát hiện những sự thay đổi về lớp phủ phía trên bề mặt đất dựa trên sự thay đổi về giá trị bức xạ Tuy nhiên sự thay đổi về bức xạ do sự thay đổi lớp phủ mặt đất phải lớn so với những sự thay đổi về bức xạ gây ra bởi các yếu tố khác Những yếu tố khác như: Sự khác biệt về điều kiện khí quyển, sự khác biệt về

góc mặt trời và sự khác biệt về độ ẩm của đất Để giảm ảnh hưởng của các yếu tố chúng ta sử dụng bằng cách chọn dữ liệu thích hợp, và các phương pháp tiền xử lý ảnh để tăng cường chất lượng ảnh

 Để nghiên cứu biến động thì cần phải xây dựng ảnh biến động về đối tượng nghiên cứu

2.3.1 Yêu cầu về tạo ảnh nghiên cứu biến động

- Tư liệu của cùng một khu vực

- Tư liệu phải là cùng loại hoặc có tính chất tương tự như nhau

- Ảnh phải được chụp trong các thời gian khác nhau

2.3.2 Các phương pháp

Nhiều phương pháp phát hiện biến động sử dụng ảnh vệ tinh đã được

đề xuất như: so sánh các phân loại lớp phủ; phân loại ảnh đa thời gian; ảnh hiệu hoặc ảnh chia; sự khác biệt về chỉ số thực phủ; phân tích thành phần chính

Các phương pháp chính là:

- Tạo ảnh biến động từ ảnh gốc theo từng kênh phổ: Phương pháp so sánh các giá trị DN của từng kênh giữa hai thời điểm chụp ảnh khác nhau, bằng cách tạo ảnh hiệu số của hai kênh đó:

DN (1, 2) = DN (1) – DN (2) trong đó:

DN (1) - giá trị DN của pixel trong ảnh chụp ở thời gian (1),

DN (2) - giá trị DN của pixel trong ảnh chụp ở thời gian (2),

DN (1, 2) - giá trị DN của pixel ảnh biến động giữa thời gian 1- 2, Nếu DN = 0 Æ Không biến động, DN>0 biến động theo hướng 1,

DN <0 biến động theo hướng 2

- Phương pháp dựa vào ngưỡng: Xác định ngưỡng phân chia bằng thực nghiệm để tách các pixels biến động và không biến động Sau đó áp dụng trên từng pixels của ảnh cần phân tích Độ chính xác của phương pháp này phụ

thuộc vào việc xác định ngưỡng phân chia Trong thực tế, việc xác định ngưỡng phân chia chính xác không là vấn đề đơn giản

- Phương pháp dựa vào vùng mẫu: Dự trên nghiên cứu thực nghiệm vùng mẫu trên tập các kênh đa phổ ở các thời điểm khách nhau để phát hiện

sự biến động và không biến động Tuy nhiện để chọn được vùng mẫu phù hợp xác định được là biến động và không biến động cần phải nghiên cứu kỹ lưỡng

- Phương pháp đánh giá biến động sau phân loại: Để đánh giá biến động theo phương pháp này thì từ kết quả của phương pháp nghiên cứu phân loại rừng ta sẽ phân loại 2 ảnh ở 2 thời điểm khác nhau theo phương pháp phân loại chính xác nhất sau đó sẽ đem 2 ảnh sau phân loại chồng phủ lên nhau để có bản đồ biến động Để áp dụng phương pháp này có kết quả chính xác việc phân loại phải thực hiện theo cùng hệ thống phân loại và cùng phương pháp Nguyên tắc đánh giá biến động của hai ảnh đã phân loại là dựa vào bảng ma trận biến động Bảng ma trận biến động là một bảng chéo (Crossing image) từ hai ảnh đã phân loại

Bảng 10 Bảng ma trận biến động giữa hai thời điểm

Trên ma trận, theo cột và theo hàng là tên các đối tượng đã được phân loại theo 2 thời điểm a và b Theo đường chéo là các đối tượng không có sự biến động, còn lại là những biến động chi tiết của từng đối tượng Ví dụ: L23

là đối tượng L2 của thời điểm a biến thành đối tượng L3 của thời điểm b

- Phương pháp đánh giá biến động có sự kết hợp giữa viễn thám và GIS: Để đánh giá biến động theo phương pháp này thì ta cần thành lập bản đồ hiện trạng tại hai thời điểm cần đánh giá sau đó chồng xếp 2 lớp bản đồ hiện trạng này ta sẽ có bản đồ biến động Trong đó bản đồ hiện trạng ở hai thời