Ứng dụng phương pháp phân loại phân cấp đối tượng chiết xuất thông tin sử dụng đất trên ảnh Landsat huyện Thái Thụy, Thái Bình

Trong nghiên cứu này, kiến thức chuyên gia được sử dụng trong phương pháp phân cấp đối tượng nhằm chiết xuất thông tin sử dụng đất khu vực huyện Thái Thụy, Thái Bình.

Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất Tập 58, Kỳ (2017) 43-50 43 Ứng dụ ng phương phá p phan loạ i phan cá p đó i tượng chiế t xuá t thong tin sử dụ ng đá t ả nh Landsat huyện Thá i Thụ y, Thá i Bình Phạ m Thị Là n 1,*, Lê Thị Thu Hà 1, Hò a Thị Lương 2, Nguyễn Văn Hùng Khoa Trắc địa - Bản đồ Quản lý đất đai, Trường Đại học Mỏ - Địa chất, Việt Nam Trường Đại học Tài nguyên Môi trường Hà Nội, Việt Nam Công ty Cổ phần Đo đạc Khống sản THƠNG TIN BÀI BÁO TĨM TẮT Q trình: Nhận 15/3/2017 Chấp nhận 21/5/2017 Đăng online 31/8/2017 Những năm qua, phương pháp phân loại theo pixel thường được sử dụng để chiết xuất thông tin sử dụng đất Tuy nhiên, kết phân loại manh mún dẫn đến hạn chế về độ chính xác Việc hiểu biết và phân loại tốt về ảnh có thể được kết hợp kiến thức chuyên gia và các kênh ảnh nhằm nâng cao độ chính xác kết phân loại Trong nghiên cứu này, kiến thức chuyên gia được sử dụng phương pháp phân cấp đối tượng nhằm chiết xuất thông tin sử dụng đất khu vực huyện Thái Thụy, Thái Bình Phương pháp phân loại phân cấp đối tượng là phương pháp hiệu nhờ việc phân chia ảnh thành cấu trúc phân cấp hình Các thông số đưa vào phân cấp này bao gồm: giá trị phổ, kênh chỉ số, khoảng cách các đối tượng, yếu tố địa mạo và yếu tố thổ nhưỡng Độ chính xác toàn cảnh của kết phân loại đạt 𝜌 = 0,713 Từ khóa: Phân loại phân cấp đối tượng Ảnh vệ tinh Landsat Sử dụng đất Thái Thụy © 2017 Trường Đại học Mỏ - Địa chất Tất quyền bảo đảm Mở đầu Có nhiều phương pháp phân loại ảnh số, tìm hướng sử dụng phương pháp phân loại phù hợp với độ xác đạt yêu cầu bước có ý nghĩa quan trọng Việc chiết xuất thông tin lớp phủ đất, sử dụng đất từ tư liệu viễn thám tiếp cận theo hai hướng: 1) tiếp cận theo pixel (pixel - based) pixel (Sub - pixêl) 2) hướng tiếp cận đối tượng (object - oriêntêd) Nhìn chung, phương pháp phân loại ảnh gộp thành _ *Tác giả liên hệ E-mail: phamthilan@humg.edu.vn nhóm như: có kiểm định không kiểm định; thống kê phi thống kê; cứng mềm (fuzzy); pixêl, pixel, chỉnh đồ phân loại định hướng đối tượng (Mario 2009; Choodarathnakara và nnk 2012) Trong nghiên cứu nà y, vá n đề đọ chính xá c kế t quả phan loạ i ả nh được khá c phụ c bà ng việ c sử dụ ng phương phá p phan cá p đó i tượng Trong điề u kiệ n sử dụ ng dữ liệ u ả nh Landsat, phạ m vi hiể u biế t về phỏ , cá c nguyên tá c phan loạ i phỏ có chứa đựng việ c đà o tạ o mã u và cá c quy tá c về khong gian cũ ng có thể được sử dụ ng để nâng cao đọ chính xá c kế t quả phan loạ i ả nh (Anil, 1989) Vì cá c loạ i lớp phủ biể u thị ả nh Landsat thêo cá u trú c phan cá p nên quy trình xử lý ả nh sễ được thực hiệ n thêo 44 Phạm Thị Làn nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 58 (4), 43-50 từ xuó ng dưới thêo cá p với cá c lớp tá ch biệ t Về chất, việc phân loại phan cá p giú p giảm sai só phan loạ i lớp phủ, thay đổi giá trị phổ tập hợp thường thấp đáng kể so với cá c lớp ở cá p khá c Việ c phan loạ i cá c lớp tạ p có thể sử dụ ng đế n thong tin về khong gian, thong tin chuyên đề ,… Nghiên cứu nà y sử dụ ng thong tin phỏ để phan loạ i cá c đó i tượng ở cá p đơn giả n nhá t (tá ch nước, đá t và thực vạ t) Cá c cá p đó i tượng lớp chi tiế t (cá p con) kế t hợp cả giá trị phỏ và thong tin khong gian, thong tin địa mạ o và thỏ nhưỡng sử dụ ng quá trình phan loạ i nhà m khá c phụ c tình trạ ng lã n phỏ củ a cá c đó i tượng rừng ngạ p mạ n với có i, đá t ả m với nước, bã i bò i với đá t là m muó i Dữ liệu khu vực nghiên cứu Dữ liệ u ả nh sử dụ ng chụ p ngà y 23/11/2016, hệ quy chiế u WGS-84 (Hình 1) Khu vực nghiên cứu huyệ n Thá i Thụy huyện đồng ven biển, nằm phía Đơng Bắc tỉnh Thái Bình, có diện tích tự nhiên 26.584,40 ha, chiếm 16,93% diện tích tự nhiên tỉnh, nằm toạ độ địa lý từ 20027’ đến 20050’ vĩ độ Bắc từ 106025’ đến 106050’ kinh độ Đông Thái Thụy huyện ven biển, thấp dần từ Đông Bắc xuống Tây Nam Giữa lưu vực có vùng trũng tập trung với cao độ thay đổi từ 0,3 m đến 0,5 m Tại triền sông Sinh, sông Phong Lẫm, sơng Bà Đa rải rác có vùng đất thấp bám theo bên sông cao độ thay đổi từ 0,4 m đến 0,7 m phù hợp phá t triể n có i, thực vạ t ngạ p nước và nuoi trò ng thủ y sả n Trên dải đất dọc theo 27 km từ biển có nhiều vùng đất cao điển hình từ 1,5 m đến m Các vùng lại địa hình tương đối phẳng có độ cao trung bình từ 0,1 m đến 1,25 m thuận lợi cho trồng lú a và hoa mà u Đất đai huyện Thái Thụy phong phú đa dạng, gồm đất cát, đất nhiễm mặn, đất phù sa đất phèn thuận lợi cho phát triển sản xuất nông nghiệp nuôi trồng thủy - hải sản đa dạng hóa trồng vật ni Phương pháp Nhiề u nhà nghiên cứu đã khẳng định rà ng: Phương phá p phan cá p đó i tượng chiế t xuá t thong tin sử dụ ng đá t rá t hiệ u quả á p dụ ng với ả nh viễ n thá m có đọ phan giả i từ trung bình đế n cao phương phá p nà y ngoà i việ c sử dụ ng giá trị phỏ củ a ả nh, phương phá p cò n sử dụ ng được những đạ c trưng khong gian củ a đó i tượng ả nh hình dạ ng, kích thước, cá u trú c, quan hệ khong gian, yế u tó chuyên đề ,… Trong quá trình phan loạ i, việc tích hợp thơng tin nói phân loại phan cá p đối tượng dựa chủ yếu vào thuật toán logic mờ (Fuzzy logic) Phương phá p được cụ thể hó a thêo Hình sau Việ c phan mả nh ả nh và xay dựng bọ quy tá c đề u dựa thêo nguyên lý phan cấp (Hierarchy) đối tượng nhằm đảm bảo đối tượng phân loại theo thuật toán khác đối tượng thuộc nhóm kế thừa đặc trưng chung nhóm Ảnh viễn thám Phân cấp Phân mảnh ảnh (segmentation) Xây dựng bọ quy tá c Đánh giá độ xác kết phân loại Hiện trạng sử dụng đất Hình Ảnh Landsat với tổ hợp màu thật Hình Quy trình chiết xuất thông tin sử dụng đất bằng phương pháp phân cấp đối tượng Phạm Thị Làn nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 58 (4), 43-50 Kết quả và thảo luận 4.1 Hệ thống phân loại sử dụng đất Louisa J M Jansen nnk (2003) chìa khóa nội suy để xác định chức sử dụng đất đối tượng lớp phủ xác định theo hai bước: 1) nhận hoạt động người liên quan đến sử dụng loại lớp phủ chức cụ thể; 2) chia nhỏ nhóm chức thêo tiêu chuẩn hoạt động kinh tế văn hóa - xã hội Á p dụng khung lý thuyết cho khu vực huyệ n Thá i Thụy, tỉnh Thá i Bình, kế t hợp với chìa khó a giả i đoá n ả nh có điề u tra thực địa và tham khả o cá c bả n đò , bá o cá o liên quan đã đưa hệ thó ng phan loạ i sử dụ ng đá t thể cụ thể theo Hình sau Hệ thống lớp phủ cũ ng được phan cá p bao gồm cá p: 1) cá p lớp phủ : thực vật, đối tượng nhân tạo, đất trống nước 2) cá p chức sử dụng: đất nông nghiệp, phi nông nghiệp, đất chưa sử dụng đất mặt nước ven biển 3) cá p loạ i hình sử dụ ng đá t: hệ thống chức sử dụng đất chia nhỏ thành bảy loại hình sử dụng đất biển, song ngò i Hệ thống loại hình sử dụng đất khu vực huyện Thái Thụy, tỉnh Thá i Bình bao gồm: đất dân cư, đất lúa hoa màu, đất nuôi trồng thủy sản, đất trống, đất rừng ngập mặn, đất ruộng muối đất trồng cói mơ tả sau: 45 1) Đất dân cư bao gồm đất ở, đất chuyên dụng quan khu công nghiệp 2) Đất lúa hoa màu nhóm đất trồng lúa loại hoa màu lạc, đỗ, khoai sắn… 3) Đất ni trồng thủy sản bao gồm diện tích ni tơm, cá, rau câu ngoại trừ diện tích ni ngao 4) Đất trống bao gồm diện tích đất chưa sử dụ ng, bãi bồi cồn cát 5) Đất là m muối diện tích đất sử dụng canh tác muối 6) Đất rừng ngập mặn diện tích che phủ ngập mặn như: Sú vẹt, bần, vào cỏ ưa mặn 7) Đất trồng cói 8) Mạ t nước và song ngò i 4.2 Phân mảnh ảnh Phân mảnh ảnh nghiên cứu nà y đã sử dụng hai mức Mức 1, sử dụng phương pháp phân mảnh đa độ phân giải (multiresolution segmentation) mức sử dụng phương pháp phân mảnh theo khác biệt phổ (spectral difference segmentation) phần mềm êCognition Trong phương pháp phân mảnh ảnh đa độ phân giải cần xác định thông số: màu sắc (colour), hình dạng (shapê), độ mượt (smoothnêss), độ chặt (compastness), tỷ lệ (scale parameter) trọng số kênh ảnh (image layer weights) Hình Chức sử dụng đất được xác định theo loại lớp phủ 46 Phạm Thị Làn nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 58 (4), 43-50 Bảng Bảng giá trị phân ngưỡng ảnh Landsat 2013 Ảnh Màu sắc Hình dạng Độ mượt Landsat Thái Thụy 0,9 0,1 0,8 Độ chặt 0,2 Tỷ lệ 10 Trọng số kênh ảnh (b1:b2:b3:b4:b5:b7) 1:1:1:1:1:1;1 Hình Sơ đồ phân bậc ảnh vệ tinh Landsat Các thông số thể theo Bảng sau Đọ chính xá c phan mả nh ả nh được đá nh giá nhờ việ c so sá nh với ranh giới cá c đó i tượng ả nh được só hó a từ ả nh có đọ phan giả i cao Googlê Earth Mức đọ tương quan là 0,83, tức đọ chính xá c phan mả nh ả nh là 83% 4.3 Phân bậc đối tượng ảnh Phân bậc đối tượng ảnh công đoạn quan trọng giúp cho q trình chiết xuất thơng tin đối tượng cách logic, dễ hiểu thuận tiện Sử dụng phân cấp để phân loại đối tượng nhằm giảm thiểu lẫn phổ thêm thông tin cấu trúc đối tượng nhằm làm tăng độ xác kết phân loại (Wei Su, Chao Zhang, et al., 2009) Sau trình khảo sát đặc điểm đối tượng ảnh kết hợp với khảo sát thực địa giải đồ xây dựng mục 4.1, ảnh Landsat khu vực nghiên cứu phân bậc với cấp hình 3: cấp 1, đối tượng ảnh phân theo lớp phủ với đối tượng tự nhiên gồm đất, nước, thực vật; cấp 2, đối tượng ảnh phân theo mục đích sử dụng đất với đối tượng theo giải xây dựng Trong sơ đồ hình ta thấy cấp 2, đối tượng đất trồng lúa cấp đối tượng đất (cấp 1) Lý giải cho điều đó ta có thể thấy ảnh Landsat chụp vào thời điểm khoảng tháng 11, thời điểm lúa gặt Bên cạnh đó, đất thêo đặc trưng phổ biến khu vực đất nơng thơn, bao gồm nhà cửa, đường xá, ao, ruộng vườn nhỏ khu dân cư Do đó, với độ phân giải không gian 30m ảnh Landsat, đối tượng đất (cấp 2) cấp lớp phủ thực vật (cấp 1) 4.4 Xây dựng quy tắc phân loại (Rule set) Phân loại quy trình mô tả, gán thông tin cho đối tượng ảnh có cơng đoạn phân mảnh ảnh Việc xây dựng quy tắc bước quan trọng cần thiết phương pháp phân loại dựa thêo hướng đối tượng Bộ quy tắc tập hợp mơ tả đối tượng ảnh để qua sử dụng thuật toán phân loại tách chiết đối tượng theo giải xác đinh Phương pháp phân loại đối tượng dựa vào phép phân loại mờ cho phép phân tích kết hợp giá trị phổ, kiến trúc, hình dạng, cấu trúc, mối quan hệ đối tượng để gán mức độ liên thuộc đối tượng ảnh thêo đối tượng chuyên đề (Bênz và nnk 2004, Walkêr và nkk, 2008) Bộ quy tắc phân loại xây dựng dựa vào sơ đồ phân cấp hình Các đối tượng cấp mô tả đối tượng cấp Bên cạnh đó, đối tượng cấp có mối quan hệ ràng buộc lẫn Bộ quy tắc phân loại cho ảnh Landsat khu vực nghiên cứu cụ thể hóa theo Hình sau Phạm Thị Làn nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 58 (4), 43-50 4.4.1 Nhóm thủy sản sơng śi Bước đà u tiên quy tắc chiết xuất đối tượng nước, thực chất việc tách biệt thủy sản đất ẩm (là khu vực ruộng trũng ngập nước) Đất nuôi trồng thủy sản thể nước với khoanh nuôi rõ ràng khu vực đất mặn ít, mặn nhiều, bề mặt tích tụ biển đại Nước nhận biết với kênh kênh ảnh Band ảnh Landsat sử dụng để phân biệt đất nước, khu vực chuyển đổi, đối tượng bị lẫn độ ẩm Nếu giá trị phản xạ phổ tách thành hai khu vực, giá trị thấp nước giá trị cao đất Tuy nhiên, phương pháp khó để xác định giá trị ngưỡng xác thấp cao, giá trị ngưỡng cho khu vực cụ thể tất Để tránh giảm thiểu ảnh hưởng việc lựa chọn giá trị ngưỡng tăng độ xác ranh giới hai đối tượng đó , bà i bá o sử dụng kênh tỷ số band 3/band hấp thụ mạnh kênh phản xạ mạnh kênh (green) Giá trị ngưỡng tách biệt nước kênh tỷ số cụ thể hóa Hình 47 tượng nhóm Đất dân cư đặc trưng nhà cửa, ruộng vườn, cối có giá trị nhỏ so với ba đối tượng lại nhóm Đối tượng dân cư có giá trị kênh khoảng 50 đến 77 (50 ≤ band ≤ 77) khoảng phổ kênh lại thơng tin đối tượng hoa màu, rừng ngập mặn, cói Trong đó, hoa màu tách biệt với giá trị phổ kênh từ 77 đến 90 Hai đối tượng rừng ngập mặn đất trồng cói thật khó phân biệt phổ, vị trí phân bố cấu trúc ảnh 4.5 Đánh giá độ xác kết phân loại 4.4.2 Nhóm đới tượng đất Nhóm đối tượng đất tách từ đối tượng nước b5 b3/b6 Trong nhóm đối tượng khơng phải nước gồm có hai nhóm đối tượng nhóm đối tượng đất nhóm đối tượng thực vật Nhóm đối tượng tách biệt số NDVI Chỉ số NDVI nằm khoảng -0,24 ≤ NDVI ≤ -0,02 nhóm đối tượng đất lại nhóm đối tượng thực vật với số NDVI cao Trong nhóm đối tượng đất bao gồm: đất khô, bãi bồi đất làm muối Trong đó, bãi bồi đối tượng ngồi biển thường nằm sát khu vực rừng ngập mặn diện tích đất làm muối khu vực sát biển bề mặt tích tụ sơng, biển-đầm lầy Do đó, để tách biệt ba đối tượng nà y, nhó m tá c giả dù ng nguyên tắc mối quan hệ láng giềng bãi bồi rừng ngập mặn đất làm muối nước biển 4.4.3 Nhóm đối tượng thực vật Thực vật tách biệt với nhóm đối tượng đất nhờ số NDVI>-0,02 Thực vật bao gồm đối tượng dân cư, hoa màu, rừng ngập mặn cói Trên tồn dải phổ ảnh Landsat, thực vật phản xạ mạnh kênh cận hồng ngoại (b5) Nhờ kênh sử dụng để tách đối Hình Ma trận sai số Sản phẩm viễn thám GIS hàm chứa nhiều nguồn thơng tin khơng chắn tích lũy lan truyền từ việc lấy mẫu, thu thập, xử lý phân tích hình ảnh liệu mặt đất, mơ hình hóa, biến đổi không gian biến thể tương tác chúng (Đinh Thị Bảo Hoa và nnk, 2010) Độ xác thơng số mức độ tin cậy liệu Do đó, độ xác kết phân loại tính để mức độ phù hợp so với thực tế (Janssên và nnk, 1994 ; Smits P C., Dellepiane S G và nkk, 1999) Congalton (2008) bốn giai đoạn lịch sử việc đánh giá độ xác (Foody, 2002; Congalton và nkk, 2008): 1) đánh giá độ xác dựa vào đánh giá mắt với đồ gốc; 2) đánh giá độ xác việc so sánh phạm vi diện tích lớp đối tượng đồ chuyên đề với phạm vi diện tích đối tượng thực địa liệu tham khảo khác; 3) đánh giá độ xác việc đưa ma trận độ xác nhờ so sánh thuộc tính đối 48 Phạm Thị Làn nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 58 (4), 43-50 Hình Sơ đồ quy tắc phân loại ảnh Landsat 2016 khu vực huyện Thái Thụy, tỉnh Thái Bình Đ là đối tượng thỏa mãn đúng điều kiệu, S khơng thỏa mãn điều kiện Hình bầu dục kết phân loại cuối (Mi-đất mặn ít, Mn-đất mặn nhiều, ĐM3 - Bề mặt tích tụ hỗn hợp sông, biển tuổi đại, ĐM6 - Bề mặt tích tụ biển tuổi đại) đối tượng đồ chuyên đề với liệu thực vị trí cụ thể (Hình 5); 4) đánh giá độ xác giai đoạn cải tiến giai đoạn thứ ba với ma trận lẫn Theo Congalton (2008) dựa và o ma trạ n lã n đã tính toá n được ba đọ chính xá c là : đọ chính xá c toà n cả nh (ovêrral accuracy), đọ chính xá c sả n phả m (producêr’s accuracy) và đọ chính xá c sử dụ ng (usêr’s accuracy) (Congalton và nkk, 2008) Đọ chính xá c toà n cả nh ρ (ovêrral accuracy) được tính thêo cong thức (1) Phạm Thị Làn nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 58 (4), 43-50 ∑𝑘𝑖=1 𝑛𝑖𝑖 (1) 𝑛 Đọ chính xá c sử dụ ng từng đó i tượng i (usêr’s accuracy) Đọ chính xá c củ a sả n phả m từng đó i tượng j (producêr’s accuracy) được tính thêo công thức (2) (3) (2) 𝑛𝑗𝑗 𝑗= 𝑛+𝑗 𝑛𝑖𝑖 (3) 𝑖= 𝑛+𝑖 Việc lựa chọn phương thức đánh giá kết phân loại ảnh phụ thuộc vào khả tài liệu tham khảo mà tá c giả thu thập Trong phạm vi bà i bá o, nhó m tá c giả sử dụng đánh giá độ xác phân loại ảnh Landsat 2016 việc so sánh kết phân loại với kết giải đốn mắt có kiểm chứng thực địa đồ liên quan, độ xác kết phân loại huyện Thá i Thụ y có 𝜌 = 0,713 𝜌= Kết luận Kế t quả chỉ phương phá p phan cá p đó i tượng có mọ t só ưu điể m: - Ngoà i tiêu chí phỏ , phương phá p cò n tạ n dụ ng được kiế n thức chuyên gia và cá c yế u tó chuyên đề khá c (địa mạ o, thỏ nhưỡng) để đưa và o quy tá c phan loạ i sử dụ ng đá t nhà m khá c phụ c hạ n chế củ a cá c kênh phỏ việ c phan tá ch cá c đó i tượng - Quy tá c phan loạ i được thiế t lạ p có sử dụ ng đạ c điể m khoả ng cá ch khong gian giữa cá c đó i tượng nhà m khá c phụ c việ c lã n mọ t só yế u tó sử dụ ng đá t đá t bã i bò i với đá t lú a và hoa mà u - Đá t trò ng có i và rừng ngạ p mạ n có giá trị phỏ tương đó i gà n và nế u chỉ sử dụ ng cá c yế u tó phỏ , thỏ nhưỡng và địa mạ o thì khong thể tá ch biệ t được hai đó i tượng nà y Do vạ y, phương phá p phan cá p đó i tượng đã chuyể n đỏ i hệ mà u từ RGB sang HIS để đưa và o bọ quy tá c quá trình phan loạ i chiế t tá ch thong tin đá t trò ng có i và đá t rừng ngạ p mạ n Tài liệu tham khảo Đinh Thị Bảo Hoa, Phạm Hà Trang, Nguyễn Thị Ngọc, 2010 Một vài tổng kết vấn đề đánh giá 49 độ xác hay độ không chắn từ kết xử lý tư liệu viễn thám phân tích khơng gian GIS, Hội nghị khoa học Địa lý - Địa chính, 15-25 Benz U C., Peter H., Gregor, W., Iris, L., Markus, H., 2004 Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information, ISPRS Journal of Photogrammetry and Remote Sensing 58 (3-4), 239-258 Choodarathnakara A L., Ashok K T., Shivaprakash, K Dr., Patil Dr C G., 2012 Soft Classification Techniques for RS Data, IJCSET, (11), 1468 - 1471 Congalton, R G., Green K., 2008 Assessing the accuracy of remotely sensed data: Principies and practices, Taylor& Francis Group, New York Foody, G., 2002 Status of land cover classification accuracy assessment, Remote Sensing of Environment 80, 185 - 201 Janssen L L F., Van Der Wel F J M., 1994 Accuracy assessment of satellite derived landcover data: a review, Photogrammetric Engineering and Remote Sensing 60, 419 - 426 Mario, C., 2009 ESA advanced training course on land remote sensing: image classification, ESA, Smits P C., Dellepiane, S G., Schowengerdt, R A., 1999 Quality assessment of image classification algorithms for land-cover mapping: a review and proposal for a costbased approach, International Journal of Remote Sensing 20, 1461 - 1486 Walker J S., Blaschke, T., 2008 Object-based landcover classification for the Phoenix metropolitan area: optimization vs transportability, International Journal of Remote Sensing 29 (7), 2021-2040 Wei Su, Chao Zhang, Xiang Zhu, Daoliang Li, 2009 A Hierarchical object oriented method for Land Cover of SPOT5 Imagery, Wseas Transactions on Information Science and Applications (3), 437 - 446 50 Phạm Thị Làn nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 58 (4), 43-50 ABSTRACT A Hierarchical object oriented method for land use classification of LANDSAT Imagery in Thai Thuy district, Thai Binh province Lan Thi Pham 1,*, Ha Thu Thi Le 1, Luong Thi Hoa 2, Hung Van Nguyen Faculty of Geomatics and Land Administration, Hanoi University of Mining and Geology, Vietnam Hanoi University of Natural Resources and Environtment, Vietnam Survey and Mineral Company Pixel based classification are often used to extract land use information However, fragmentation results make the accuracy is limitted Image classification can be combined with expert knowledge and spatral values to improve the accuracy of classification results In this study, expert knowledge was used in object - oriented classification to extract land use information in Thai Thuy district, Thai Binh province Object-oriented classification is an effective method by dividing the image into hierarchies The parameters in this hierarchical include: spectral value, NDVI index, distance of objects, geomorphological factors and soil factors Thê ovêrall accuracy of classification rêsults was ρ = 0.713 Key words: Hierarchical object-based classification, satellite images Landsat, land use, Thai Thuy district  ... 83% 4.3 Phân bậc đối tượng ảnh Phân bậc đối tượng ảnh cơng đoạn quan trọng giúp cho q trình chiết xuất thông tin đối tượng cách logic, dễ hiểu thuận tiện Sử dụng phân cấp để phân loại đối tượng. .. 4.1, ảnh Landsat khu vực nghiên cứu phân bậc với cấp hình 3: cấp 1, đối tượng ảnh phân theo lớp phủ với đối tượng tự nhiên gồm đất, nước, thực vật; cấp 2, đối tượng ảnh phân theo mục đích sử dụng. .. phương pháp phân loại dựa thêo hướng đối tượng Bộ quy tắc tập hợp mô tả đối tượng ảnh để qua sử dụng thuật tốn phân loại tách chiết đối tượng theo giải xác đinh Phương pháp phân loại đối tượng dựa