Bài giảng viễn thám

TRƯỜNG ĐẠI HỌC NÔNG LÂM, ĐẠI HỌC HUẾ KHOA TÀI NGUYÊN ĐẤT VÀ MÔI TRƯỜNG NÔNG NGHIỆP - - BÀI GIẢNG MÔN: VIỄN THÁM Người biên soạn: Ths Nguyễn Đình Tiến Huế, 2020 MỤC LỤC PHẦN LÝ THUYẾT CHƯƠNG TỔNG QUAN VIỄN THÁM 1.1 Định nghĩa 1.2 Lịch sử phát triển viễn thám 1.3 Nguyên lý viễn thám 1.4 Phân loại viễn thám 1.5 Phân loại cảm 1.5.1 Khái niệm chung cảm 1.5.2 Phân loại cảm 1.6 Vật mang quỹ đạo bay 1.6.1 Phân loại vật mang 1.6.2 Quỹ đạo bay thông số 1.7 Các tài liệu tham khảo cho việc xử lý tư liệu viễn thám 10 1.7.1 Ảnh tương tự 10 1.7.2 Ảnh số 10 1.7.3 Số liệu mặt đất 12 1.7.4 Số liệu định vị mặt đất 13 1.7.5 Bản đồ số liệu địa hình 13 1.8 Truyền thu số liệu vệ tinh 13 1.9 Giới thiệu số ảnh vệ tinh 15 1.9.1 Vệ tinh ASTER 15 1.9.2 Vệ tinh ALOS-2 16 1.9.3 Vệ tinh LANDSAT 17 1.9.4 Vệ tinh SPOT 21 1.9.5 Vệ tinh SENTINEL 24 CHƯƠNG CƠ SỞ VẬT LÝ CỦA VIỄN THÁM 27 2.1 Các nguồn lượng nguyên lý xạ 27 2.2 Tính chất hạt truyền lượng ánh sáng 29 2.3 Tương tác lượng khí 31 2.4 Các cửa sổ khí 33 2.5 Sự tương tác lượng với đối tượng mặt đất 34 2.6 Phổ phản xạ số đối tượng tự nhiên 36 2.7 Một số yếu tố ảnh hưởng đến phản xạ phổ đối tượng tự nhiên 37 2.7.1 Ảnh hưởng yếu tố không gian 37 2.7.2 Ảnh hưởng yếu tố thời gian 38 2.7.3 Ảnh hưởng khí 38 3.1.1 Khái niệm chung 42 3.1.2 Các kênh phổ sử dụng radar 42 3.1.3 Các ứng dụng radar 43 3.3.1 Độ phân giải không gian hệ thông thu ảnh radar 46 3.3.2 Những đặc điểm méo hình học ảnh radar 48 3.3.3 Bóng ảnh radar (Shadown) 49 3.3.4 Độ nhám bề mặt ảnh radar 49 3.3.5 Hiệu ứng phản xạ góc (coner reflect) 51 3.3.6 Khả tạo ảnh lập thể ảnh radar 51 CHƯƠNG GIẢI ĐOÁN ẢNH VIỄN THÁM 56 4.1 Khái niệm 56 4.2 Hiệu chỉnh ảnh 57 4.2.1 Hiệu chỉnh xạ 57 4.2.2 Hiệu chỉnh khí 58 4.2.3 Hiệu chỉnh hình học ảnh 58 4.3 Biến đổi ảnh 59 4.3.1 Tăng cường chất lượng ảnh chiết tách đặc tính 59 4.3.2 Biến đổi cấp độ xám 60 4.3.3 Thể màu tự liệu ảnh vệ tinh 60 4.3.4 Các phép biến đổi ảnh 61 4.3.5 Phân tích cấu trúc 62 4.4 Giải đoán ảnh viễn thám 63 4.4.1 Giải đoán ảnh mắt 63 4.4.2 Giải đoán ảnh theo phương pháp số 67 4.5 Giai đoạn đưa kết 73 CHƯƠNG ỨNG DỤNG VIỄN THÁM TRONG NGHIÊN CỨU TÀI NGUYÊN MÔI TRƯỜNG 75 5.1 Giới thiệu chung 75 5.2 Viễn thám nghiên cứu sử dụng đất lớp phủ bề mặt 76 5.3 Viễn thám điều tra thành lập đồ chuyên đề (bản thổ nhưỡng/ đồ khô hạn/ đồ lũ lụt/ đồ cháy rừng) 81 PHẦN THỰC HÀNH 92 Bài GIỚI THIỆU CÁCH TẢI ẢNH VỆ TINH VÀ PHẦN MỀM XỬ LÝ ẢNH 92 Bài LÀM QUEN VỚI PHẦN MỀM ENVI 93 Bài NẮN CHỈNH HÌNH HỌC ẢNH 99 Bài PHÂN LOẠI ẢNH .103 Bài CÁC KỸ THUẬT SAU PHÂN LOẠI 110 PHẦN LÝ THUYẾT CHƯƠNG TỔNG QUAN VIỄN THÁM 1.1 Định nghĩa Viễn thám (Remote sensing - tiếng Anh) hiểu khoa học nghệ thuật để thu nhận thông tin đối tượng, khu vực tượng thông qua việc phân tích tư liệu thu nhận phương tiện Những phương tiện khơng có tiếp xúc trực tiếp với đối tượng, khu vực với tượng nghiên cứu Thực công việc thực viễn thám - hay hiểu đơn giản; Viễn thám thăm dò từ xa đối tượng tượng mà khơng có tiếp xúc trực tiếp với đối tượng tượng Mặc dù có nhiều định nghĩa khác viễn thám, định nghĩa có nét chung, nhấn mạnh "viễn thám khoa học thu nhận từ xa thông tin đối tượng, tượng trái đất" Ngồi ra, tham khảo thêm số định nghĩa tác giả đây: Viễn thám nghệ thuật, khoa học, nói nhiều vật khơng cần phải chạm vào vật (Ficher nnk, 1976) Viển thám quan sát đối tượng phương tiện cách xa vật khoáng cách định (Barret Curtis, 1976) Viễn thám khoa học lấy thông tin từ đối tượng, đo từ khoảng cách cách xa vật không cần tiếp xúc với Năng lượng đo hệ viễn thám lượng điện từ phát từ vật quan tâm (D A Land Grete, 1978) Viễn thám ứng dụng vào việc lấy thông tin vê' mặt đất mặt nước trái đất, việc sử dụng ảnh thu từ đầu chụp ảnh sử dụng xạ phổ điện từ, đơn kênh đa phổ, xạ phản xạ từ bề mặt trái đất (Janes B Capbell, 1996) Viễn thám "khoa học nghệ thuật thu nhận thông tin vật thể, vùng, tượng, qua phân tích liệu thu phương tiện không tiếp xúc với vật, vùng, tượng khảo sát".(Lillesand Kiefer, 1986) Phương pháp viễn thám phương pháp sử dụng lượng diện từ ánh sáng, nhiệt, sóng cực ngắn phương tiện dể điều tra đo dạc đặc tính đối tượng (Theo Floy Sabin 1987) Định nghĩa loại trừ quan trắc điện, từ trọng lực quan trắc thuộc lĩnh vực địa vật lý, sư dụng đổ đo trường lực nhiều đo xạ điện từ 1.2 Lịch sử phát triển viễn thám Viễn thám khoa học, thực phát triển mạnh mẽ qua ba thập kỷ gần đây, mà công nghệ vũ trụ cho ảnh số, bắt đầu thu nhận từ vệ tinh quĩ đạo trái đất vào năm 1960 Tuy nhiên, viễn thám có lịch sử phát triển lâu đời, bắt đầu việc chụp ảnh sử dụng phim giấy ảnh Từ kỷ XIX, vào năm 1839, Louis Daguerre (1789 - 1881) đưa báo cáo cơng trình nghiên cứu hóa ảnh, khởi đầu cho ngành chụp ảnh Bức ảnh đầu tiên, chụp bề mặt trái đất từ khinh khí cầu, thực vào năm 1858 Gaspard Felix Tournachon - nhà nhiếp ánh người Pháp Tác giả sử dụng khinh khí cầu để đạt tới độ cao 80m, chụp ảnh vùng Bievre, Pháp Một ảnh liếp theo chụp bề mặt trái đất từ khinh khí cầu ảnh vùng Bostom tác giả James Wallace Black, 1860 Việc đời ngành hàng không thúc đẩy nhanh phát triển mạnh mẽ ngành chụp ảnh sử dụng máy ảnh quang học với phim giấy ảnh, nguyên liệu nhạy cảm với ánh sáng (photo) Công nghệ chụp ảnh từ máy bay tạo điều kiện cho nghiên cứu mặt đất ảnh chụp chồng phủ kế liếp cho khả nhìn ảnh nổi(stereo) Khả giúp cho việc chỉnh lý, đo đạc ảnh, tách lọc thơng tin từ ảnh có hiệu cao Một ngành chụp ảnh, thực phương tiện hàng không máy bay, khinh khí cầu tàu lượn phương tiện không khác, gọi ngành chụp ảnh hàng không Các ảnh thu từ ngành chụp ảnh hàng không gọi không ảnh Bức ảnh chụp từ máy bay, thực vào năm 1910, Wilbur Wright, nhà nhiếp ảnh người Ý, việc thu nhận ảnh di động vùng gần Centoccli thuộc nước Ý (bảng 1.1) Bảng 1.1 Tóm tắt phát triển viễn thám qua kiện Thời gian Sự kiện (Năm) 1800 1839 Phát tia hồng ngoại Bắt đầu phát minh kỹ thuật chụp ảnh đen trắng 1847 Phát dải phổ hồng ngoại phổ nhìn thấy 1850-1860 Chụp ảnh từ kinh khí cầu 1873 Xây dựng học thuyết phổ điện từ 1909 Chụp ảnh từ máy bay 1910-1920 Giải đốn từ khơng trung 1920-1930 Phát triển ngành chụp đo ảnh hàng không 1930-1940 Phát triển kỹ thuật radar ( Đức, Mỹ, Anh) 1940 Phân tích ứng dụng ảnh chụp từ máy bay 1950 Xác định dải phổ từ vùng nhìn thấy đến khơng nhìn thấy 1950-1960 Nghiên cứu sâu ảnh cho mục đích qn 12-4-1961 Liên xơ phóng thành cơng tàu vũ trụ có người lái chụp ảnh trái đất từ vũ trụ 1960-1970 Lần sử dụng thuật ngữ viễn thám 1972 Mỹ phóng vệ tinh Landsat-1 1970-1980 Phát triển mạnh mẽ phương pháp xử lý ảnh số 1980-1990 Mỹ phát triển hệ vệ linh Landsat Thời gian Sự kiện (Năm) 1986 Pháp phóng vệ tinh SPOT vào quĩ đạo 1990 đến Phát triển cảm thu đa phổ, tăng dải phổ số lượng kênh phổ, tăng độ phân giải cua cảm Phát triển nhiều kỹ thuật xử lý Trong nghiên cứu mơi trường khí hậu trái đất, ảnh vệ tinh NOAA có độ phủ lớn có lặp lại hàng ngày, cho phép nghiên cứu tượng khí hậu xảy khí nhiệt độ, áp suất nhiệt đới dự báo bão Sự phát triển lĩnh vực nghiên cứu trái đất viễn thám mạnh áp dụng tiến khoa học kỹ thuật với việc sử dụng ảnh radar Viễn thám radar tích cực, thu nhận ảnh việc phát sóng dài siêu tần thu tia phản hồi, cho phép thực nghiên cứu độc lập, không phụ thuộc vào mây Sóng radar có đặc tính xun qua mây, lớp đất móng thực vật nguồn sóng nhân tạo, nơn có khả hoạt động ngày đem, không phụ thuộc vào nguồn lượng mặt trời Các ảnh tạo nên hệ radar kiểu SLAR ghi nhận cảm Seasat Đặc tính sóng radar thu tia phản hồi từ nguồn phát với góc xiên đa dạng Sóng nhạy cảm với độ ghồ ghề bề mặt vật, chùm tia radar phát tới, ứng dụng cho nghiên cứu cấu trúc khu vực Cơng nghệ máy tính ngày phát triển mạnh mẽ với sản phẩm phần mềm chuyên dụng, tạo điều kiện cho phân tích ảnh vệ tinh dạng số ảnh radar Thời đại bùng nổ Internet, công nghệ tin học với kỹ thuật xử lý ảnh số, kết hợp với Hệ thống thông tin Địa lý (GIS), cho khả nghiên cứu Trái đất viễn thám ngày thuận lợi đạt hiệu cao 1.3 Nguyên lý viễn thám Viễn thám nghiên cứu đối tượng giải đốn tách lọc thơng tin từ liệu ảnh chụp hàng khơng, việc giải đốn ảnh vệ tinh dạng số Các liệu dạng ảnh chụp ảnh số thu nhận dựa việc ghi nhận lượng xạ (không ảnh ảnh vệ tinh) sóng phản hồi (ảnh radar) phát từ vật thể khảo sát Năng lượng phổ dạng sóng điện từ, nằm dải phổ khác nhau, cho thông tin vật thể từ nhiều góc độ góp phần giải đốn đối tượng cách xác (hình 1.2) Hình 1.1 Nghiên cứu viễn thám theo đa quan niệm (Theo Lillesand Kiefer, 1986) Nếu biết trước phổ phát xạ, phản xạ (emited/retlected) chuẩn vật thể phịng thí nghiệm, xác định máy đo phổ, ta giải đốn vật thể cách phân tích đường cong phổ thu từ ảnh vệ tinh Các phần mềm xử lý ảnh số phát triển, nhằm cho thông tin phố xạ vật thổ tượng xảy giới hạn diện phủ ảnh Xử lý ảnh số kỹ nghệ làm hiển thị rõ ảnh tách lọc thông tin từ liệu ảnh số, dựa vào thông tin chìa khóa phổ xạ phát Hiện nay, có nhiều phương pháp xử lý ảnh số thực phần mềm xử lý ảnh IDRISI, ERDAS (PC), ERDAS Imagine (UNIX), PCI, ERMAPER, DRAGON, ENVLILWIS, GLOBAL MAPPER, QGIS, ARCGIS, ENVI… Giải đoán, tách lọc thông tin từ liệu ảnh viễn thám thực dựa cách tiếp cận khác nhau, kể đến là: Đa phổ: Sử dụng nghiên cứu vật từ nhiều kênh phổ dải phổ từ nhìn thấy đến sóng radar Đa nguồn liệu: Dữ liệu ảnh thu nhận từ nguồn khác độ cao khác nhau, ảnh chụp mặt đất, chụp khinh khí cầu, chụp từ máy bay trực thăng phản lực đến ảnh vệ tinh có người điều khiển tự động Đa thời gian: Dữ liệu ảnh thu nhận vào thời gian khác Đa độ phân giải: Dữ liệu ảnh có độ phân giải khác khơng gian, phổ thời gian Đa phương pháp: Xử lý ảnh mắt số 1.4 Phân loại viễn thám Sự phân biệt loại viễn thám vào yếu tố sau: - Hình dạng quỹ đạo vệ tinh - Độ cao bay vệ tinh, thời gian lại quỹ đạo - Dải phổ thiết bị thu - Loại nguồn phát tín hiệu thu nhận Có hai phương thức phân loại viễn thám là: • Phân loại theo nguồn tín hiệu Căn vào nguồn tia tới mà viễn thám chia làm hai loại: Chủ động Hình 1.2 Sơ đồ mơ tả hai hệ thống viễn thám chủ động bị động - Chủ động (active) : nguồn tia tới tia sáng phát từ thiết bị nhân tạo, thường máy phát đặt thiết bị bay - Thụ động (hay bị động - passive): nguồn phát xạ mặt trời từ vật chất tự nhiên Hiện nay, việc ứng dụng phối hợp viễn thám công nghệ vũ trụ trở nên phổ biến phạm vi tồn cầu Các nước có cơng nghệ vũ trụ phát triển phóng nhiều vệ tinh lên quỹ đạo, có mang nhiều thiết bị viễn thám khác Các trạm thu mặt đất phân bố tồn cầu có khả thu nhận nhiều loại tư liệu viễn thám vệ tinh truyền xuống • Phân loại theo đặc điểm quỹ đạo: có hai nhóm viễn thám vệ tinh địa tĩnh viễn thám vệ tinh quỹ đạo cực (hay gần cực) Hình 1.3: Vệ tinh địa tĩnh (trái) Vệ tinh quỹ đạo gần cực (phải) Căn vào đặc điểm quỹ đạo vệ tinh, chia hai nhóm vệ tinh là: + Vệ tinh địa tĩnh vệ tinh có tốc độ góc quay tốc độ góc quay trái đất, nghĩa vị trí tương đối vệ tinh so với trái đất đứng yên + Vệ tinh quỹ đạo cực (hay gần cực) vệ tinh có mặt phẳng quỹ đạo vng góc gần vng góc so với mặt phẳng xích đạo Trái Đất Tốc độ quay vệ tinh khác với tốc độ quay trái đất thiết kế riêng cho thời gian thu ảnh vùng lãnh thổ mặt đất địa phương thời gian thu lặp lại cố định vệ tinh (ví dụ LANDSAT 18 ngày, SPOT 26 ngày, SENTINEL 14 ngày ) Trên hai nhóm vệ tinh nói áp dụng nhiều phương pháp thu nhận thông tin khác tùy theo thiết kế nơi chế tạo Có ngun tắc thu nhận hình ảnh sau (chủ động, bị động, chụp khung, quét dọc, quét ngang, quét bên sườn, ) 1.5 Phân loại cảm 1.5.1 Khái niệm chung cảm Bộ cảm giữ nhiệm vụ thu nhận lượng xạ vật thể phản xạ từ nguồn cung cấp tự nhiên(mặt trời) nhân tạo(do vệ tinh phát) Năng lượng chuyển thành tín hiệu số (biến đổi quang thành điện chuyển đối tín hiệu điện thành số nguyên hữu hạn gọi giá trị pixel) tương ứng với lượng xạ ứng với bước sóng cảm nhận dải phổ xác định Để hiểu rõ nguyên tắc hoạt động cảm, cách đơn giản xét khả phản xạ phổ thực vật sóng điện từ có bước sóng nằm vùng nhìn thấy Nhìn thấy hay cảm nhận xạ điện từ khả đặc biệt quan trọng không cảm mà cịn mắt người,nhờ hình ảnh vật thể màu sắc tạo từ việc thu lượng vật thể phản xạ từ nguồn cung cấp Trong giác quan người, mắt giác quan có cảm nhận tốt sóng điện từ; mắt người giữ chức giống cảm hệ thống viễn thám Ánh sáng vào mắt qua giác mạc hội tụ võng mạc (con người giữ vai trị thấu kính), tế bào thần kinh (hình que hình nón) võng mạc biến đổi lượng ánh sáng mạnh hay yếu ứng với bước sóng khác thành xung điện truyền não (bộ xử lý tín hiệu) Não người phân tích giá trị khác xung điện để cảm nhận màu sắc hình ảnh Trong vùng ánh sáng nhìn thấy, sắc tố ảnh hưởng đến đặc tính phản xạ phổ nó, đặc biệt chất diệp lục (còn số yếu tố khác ảnh hưởng đến lượng phản xạ phổ cây) hấp thụ ánh sáng có bước sóng xanh đỏ đồng thời phản xạ mạnh ánh sáng có bước sóng xanh tương ứng bước sóng 0,55µm Do đó, tươi tốt, mắt người cảm nhận có màu xanh; úa rụng bị bệnh hàm lượng diệp lục giảm dẫn đến phản xạ phổ bị thay đổi có màu vàng đỏ Đối với cảm, kính lọc phổ sử dụng để tách lượng xạ ứng với bước sóng khác nhau, lượng dẫn đến tế bào quang điện để biến đổi quang thành điện Tuỳ thuộc vào số bit dùng để ghi nhận thơng tin, việc chuyển đổi tín hiệu thành số nguyên hữu hạn thể thay đổi cường độ phản xạ sóng từ vật thể cảm xác định Trong viễn thám, lượng ứng với đơn vị nhỏ mặt đất tương ứng với pixel ảnh kỹ thuật phối hợp vận hành Nắn ảnh theo ảnh Mở ảnh cần nắn ảnh gốc dùng để tham chiếu Chọn phương pháp nắn ảnh theo ảnh bằ ng cách vào Map/Registration/Select GSPs: Image to Image Trên hình xuất hộp thoạ i Image to Image Registration Chọn ảnh tham chiếu hộp Base Image, chọn ảnh cần nắn chỉnh hình học hộp Warp Image Nhấn OK, xuất hộp thoại Ground Control Point Selection Chọn cặp điểm khống chế tương ứng hai ảnh, nhấn Add hộp thoại Ground Control Points để chấp nhận Hình Chọn ảnh nắn ảnh gốc Chú ý nên chọ n cho đ i ể m khố ng chế phân bố toàn ảnh, sai số RMS cuối hộp thoại Ground Control Points Selection cố gắng đạt mức nhỏ pixel chọn tối thiểu điểm cho phương pháp nắn đơn giản Hình 10 Chọn điểm khống chế hai ảnh Sau chọn đủ số điểm, ta chọn Options/Warp File hộp thoại Ground Control Points Selection, chọn tiếp file tương ứng chọn ba phương pháp nắn - Warp Method để tiến hành nắn ảnh 100 Hình 11 Bảng sai số tổng hợp sai số điểm Khi số điểm khống chế ảnh đủ, tiến hành nắn ảnh Options/Warp file chọn phương pháp nắn mong muốn - Phương pháp RST - Rotating, Scaling, Translation: thực chuyển dịch đơn giản: xoay, xác định tỷ lệ tịnh tiến ảnh - Phương pháp Polynomial - Hàm đa thức: phương pháp cho kết tốt phươngpháp RST, với yêu cầu số số điểm khống chế N tương ứng với bậc hàm n sau: N > (n+1) - Phương pháp Triangulation - lưới tam giác: ENVI sử dụng nguyên lý tam giác Delaunay để nắn ảnh cách chọn điểm khống chế làm đỉnh tam giác không tiến hành nội suy Để tiến hành nắn ảnh ta phải lựa chọn ba phương pháp tái chia mẫu - Resampling cho đạt kết mong muốn - Nearest Neighbor - người láng giềng gần sử dụng giá trị pixel gần mà không cần tiến hành nội suy - Bilinear - hàm song tuyến: tiến hành nội suy tuyến tính sử dụng giá trị bốn pixel Hình 12 Lựa chọn thông số nắn ảnh - Cubic Convolution - xoắn lập phương: sử dụng hàm lập phương với giá trị 16 pixel để tiến hành nội suy Sau chọn phương pháp phù hợp ta nhấn OK để thực nắn ảnh File tọa độ điểm khống chế chọn lưu lại để kiểm tra cách chọn File/Save GCPs hộp thoại Ground Control Points Selection 101 Nắn ảnh theo đồ Mở ảnh cần nắn Lựa chọn phương pháp nắn ả nh theo đồ: chọn Map/Registration/Select GCPs: Image to Map để chọn điểm khống chế mặt đất Trên hình xuất hộp thoại Image to Map Registration cho phép ta chọn tham số phép chiếu, lưới chiếu, múi chiếu, đơn vị kích thước pixel cho phù hợp Sau chọn xong, nhấ n OK để bắt đầu thực việc chọn điểm khống chế Hộp thoại chọn điểm khống chế - Ground Control Points Selection xuất cho việc chọn điểm Hình 13 Hộp thoại chọn điểm khống chế Di chuyển trỏ chuột đến vị trí điểm biết tọa độ nhập tọa độ vào ô tọa độ trống hộp thoại Ground Control Points Selection Vị trí trỏ xác định giao điểm dấu thập đỏ xuất cửa sổ Zoom ảnh nắn Tọa độ điểm khống chế nhập vào dạng tọa độ đồ vào ô E (Easting - Đông) N (Northing - Bắc) tọa độ địa lý vào ô Lat (Latitude - Vĩ độ) Lon (Longitude - Kinh độ) cách chọn vào phím mũi tên lên xuống góc bên trái hộp thoại Ground Control Points Selection để chuyển hai chế độ nhập tọa độ Có hai cách để biết nhập tọa độ điểm khống chế: đọc trực tiếp tọa độ đồ dựa vào điểm đo GPS, hai chọn điểm tương ứng ảnh với điểm đồ dạng số trình bày cụ thể Mở file đồ vectơ: Chọn Vector/Open Vector File chọn định dạng file vectơ phù hợp ENVI hỗ trợ mở file số phần mềm thông dụng: ArcView, ArcGIS, ArcInfo, Mapinfo, Microstation, AiitoCad, Sau chọn file vectơ cần mở nhấn OK, định dạng file vectơ ENVI hình xuất hộp thoại yêu cầu chuyển file vectơ vừa mở sang định dạng file vectơ ENVI *.evf Ta lưu vào nhớ tạm thời cách chọn Memory chọn File để lưu thành file Để lưu thành file ta chọn Choose chọn đường dẫn đến thư mục định lưu Nhấn OK để thực Hộp thoại Danh sách file vectơ - Available Vectors List xuất hiện, chọn file vectơ cần mở danh sách, nhấn Load Selected/New Vector Layer để mở file vectơ Chọn t ừng cặp điểm khống chế tương ứng ảnh file bả n đồ vectơ, nhập tọa độ điểm khống chế quan sát góc phía bên trái cửa sổ vectơ, nhấn Add hộp thoại Ground Control Points Selection để chấp nhận Để thuận lợi cho 102 nhập tọa độ điểm khống chế, sau chọn cặp điểm tương ứng ảnh file vectơ, ta nhấn chuột phải cửa sổ vectơ chọn Export Map Location, tọa độ điểm tự động cập nhật vào ô tọa độ điểm khống chế hộp thoại Ground Control Points Selection Hình 14 Chọn điểm khống chế Sau chọn đủ số điểm, sai số - RMS cuố i hộp thoạ i Ground Control Points Selection đạt mức nhỏ pixel ta chọn Options/Warp File, chọn file cần nắn chọn phương pháp nắn (RST, Polynomial, Triangulation), phương pháp tái chia mẫu (Nearest Neighbor, Bilinear, Cubic Convolution) để tiến hành nắn ảnh Sau đ ã chọ n phương pháp phù hợ p ta nhấ n Choose để chọn đường dẫn lưu kết quả, nhấn OK để thực nắn ảnh File tọa độ điểm khống chế chọn lưu lại để ki ểm tra cách chọn File/Save GCPs hộp thoại Ground Control Points Selection Bài PHÂN LOẠI ẢNH Phân loại ảnh số việc phân loại xếp pixel ảnh thành nhóm khác dựa số đặc điểm chung giá trị độ xám, đồng nhất, mật độ, tone ảnh Có hai kiểu phân loại chính: phân loại có chọn mẫu phân loại không chọn mẫu Phân loại không chọn mẫu Với phương pháp phân loại này, pixel phân chia tự động vào lớp dựa số đặc điểm đồng giá trị phổ sử dụng kỹ thuật gộp nhóm Phương pháp áp dụng trường hợp ta không quen với đối tượng xuất ảnh, đồng thời loại bỏ sai số chủ quan người Phần mềm ENVI cung cấp cho hai phương pháp phân loại không chọn mẫu Isodata K-Means Để tiến hành phân loại ảnh, từ thực đơn lệnh ENVI ta 103 chọn Classification/Unsupervised chọn hai phương pháp phân loại trên, chọn ảnh cần phân loại, nhấn OK để chấp Với phương pháp phân loại ta phải đưa tham số giới hạn để máy thực 1.1 Phương pháp phân loại IsoData Phương pháp phân loại IsoData tính tốn cách thức phân lớp khơng gian liệu, sau nhóm nhóm lại pixel kỹ thuật khoảng cách tối thiểu (Minimum distance) Mỗi lần nhóm lại lớp tính tốn lại cách thức phân lớp phân loại lại pixel theo cách thức phân lớp Quá trình tiếp tục lặp lặp lại đến số pixel lớp nhỏ ngưỡng thay đổi chọn số lần lặp đạt tối đa Trên menu củ a ENVI chọ n Classification/Unsupervised/Isodata Xuấ t hiệ n hộ p thoại ISODATA Parameters Hình 15 Chọn tham số để phân loại - Number of classes: chọn số lớp tối thiểu - Min tối đa - Max để phân loại - Maximum Iterations: Số lần tính tốn lặp lại tối đa Việc phân loại dừng lại đạt tới số lần lặp tối đa đưa - Change Threshold: Ngưỡng thay đổi sau lần tính tốn lặp lại Việc phân loại dừng lại sau lần tính lặp lại, số phần trăm biến động lớp nhỏ ngưỡng biến động xác định - Minimum # Pixel in class: Số pixel nhỏ có lớ p - Maximum Class Stdv: Ng ưỡng độ lệ ch chuẩ n t ố i đ a củ a mộ t lớ p N ế u độ lệ ch chuẩ n lớp lớn ngưỡng lớp bị chia làm hai - Minimum Class Distance: Khoả ng cách tố i thiể u gi ữ a giá trị trung bình củ a lớp Nếu khoảng cách giá trị trung bình lớp nhỏ giá trị nhập vào lớp gộp vào - Maximum Merge Pairs: Số t ố i đ a cặ p l p gộ p - Maximum Stdev From Mean: Khoảng cách độ lệ ch chuẩn tối đa từ giá trị trung bình lớp - Maximum Distance Error: Kho ả ng sai số tố i đ a cho phép xung quanh giá trị 104 trung bình lớp Hình 16 Kết phân loại theo ISODATA 1.2 Phương pháp phân loại K-Means Phân loại không kiểm định dùng kỹ thuật thống kê để nhóm liệu n chiều thành lớp phổ tự nhiên Phân loại không kiểm định theo phương pháp K-Means dùng cách phân tích nhóm, u cầu người phân tích phải chọn số nhóm cần đặt liệu, tùy ý đặt số nhóm xác định lại vị trí chúng lặp lặp lại đến đạt phân chia tối ưu lớp phổ Trên menu củ a ENVI chọ n Classification / Unsupervised / K-Means Hộ p thoạ i ra, ta cần thiết lập tham số để thực phân loại.(Ý nghĩa tham số trình bày phương pháp Isodata) Hình 17 Cài đặt tham số kết phân loại theo phương pháp K-Means 105 Phương pháp K-Means tham số sau so với phương pháp Isodata: Change Threshold, Minimum Pixel in Class, Maximum Class Stdv, Minimum Class Distance, Maximum Merge Pairs Tại Output Result chọn ghi lưu theo File liệ u bấm chọn Memory Nhấp OK Ta thu kết Phân loại có chọn mẫu Phân loại có chọn mẫu phép phân loại ả nh dựa pixel mẫu chọn sẵn người phân tích Bằng cách chọn mẫu, người phân tích giúp máy tính xác định pixel có số đặc trưng phổ phản xạ Phân loại có kiểm định yêu cầu người sử dụng phải chọn vùng mẫu làm sở phân loại Tiếp dùng phương pháp so sánh để đánh giá liệu pixel định đủ tiêu chuẩn để gán cho lớp chưa Phần mềm ENVI cung cấp loạt phương pháp phân loại khác nhau, bao gồm Parallelepiped, Maximum Likelihood, Minimum Distance, Mahalanobis Distance, Binary Encoding Spectral Angle Mapper Để thực phân loại, vào Classification/Supervised/Method, Method phương pháp phân loại có kiểm định ENVI Để thực phân loại có chọn mẫu, trước hết ta cần định nghĩa lớp: Từ tư liệu ảnh vệ tinh, tiến hành định nghĩa lớp phân loại Có thể phân thành lớp: đất trồng hàng năm, đất trồng lâu năm, đất sông suối, đất mặt nước, đất xây dựng, đất chưa sử dụng Lựa chọn đặc tính: đặc tính bao gồm đặc tính phổ đặc tính cấu trúc Việc lựa chọn có ý nghĩa quan trọng, cho phép tách biệt lớp đối tượng với Chọn vùng mẫu: ta cần chọn vùng mẫu cho xác phù hợp với mục đích cần phần loại, cần chọn lựa vùng mẫu thực địa tài liệu liên quan để lấy vùng mẫu chuẩn Ta dùng ảnh phân loại theo phương pháp khơng kiểm định để ngồi thực địa chọn cách hiệu Việc chọn ROIs cần phải tuân thủ theo tiêu chí vùng có đặc tính phổ đồng đặc trưng cho đối tượng cần phân loại Những tính chất thống kê ROIs cần xem xét để đảm bảo chất lượng trình phân loại 106 Bảng Chọn mẫu phân loại Từ menu củ a ENVI chọ n Basic Tools / Region of Interest / Roi Tools Hộp thoại Roi Tools xuất Chọn dấu tích vào Image, Scroll, Zoom để chọn mẫu phân loại cửa sổ ảnh tương ứng chọn Off để tạm thời tắt chức chọn mẫu Dùng chuột trái để khoanh vùng mẫ u ảnh kích chuột phải để thực đóng vùng Chú ý mẫu phân loại gồm nhiều vùng Sau chọn xong mẫu phân loại, ta tiến hành chọn mẫu cách nhấn vào ô New Region Để đặt tên chọn mầ u cho mẫu ta chọn Edit Để xóa mẫu chọn vào mẫu cần xóa nhấn Delete Với mẫu chọn, ENVI cung cấp cho tiện ích hữu hiệu, tính tốn khác biệt mẫu - Compute ROI Separability Để chọn chức ta làm sau: từ hộp thoại ROI Tool / Options/ComputeROI Separability Hình 18 Ví dụ chọn mẫu Khi hình xuất hộp thoại Select Input File for ROI Separability, chọn ảnh tương ứng nhấn OK để chấp nhận 107 Trên hình xuất tiếp hộp thoại ROI Separability Calculation, ta chọn tất mẫu cần tính tốn khác biệt nhấn OK để thực Kết tính tốn xuất hình hộp thoại ROI Separability Report Quan sát giá trị hộp thoại nhận thấy mẫu phân loại so sánh với mẫu lại Cặp giá trị thể khác biệt đặt ngoặc sau mẫu Hình 19 Tính tốn khác biệt mẫu - Nếu cặp giá trị nằm khoảng từ 1.9 đến 2.0 chứng tỏ mẫu chọn có khác biệt tốt - Nếu cặp giá trị nằm khoảng từ 1.0 đến 1.9 nên chọn lại cho mẫu có khác biệt tốt - Nếu có giá trị nhỏ 1.0 ta nên gộp hai mẫu lại với nhau, tránh tượng phân loại nhầm lẫn Sau chọn xong tất mẫu, ta lưu mẫu chọn lại cách chọn File/Save ROIs từ hộp thoại ROI Tool Các phương pháp phân loại có kiểm định 3.1 Phương pháp phân loại Parallelepiped Phương pháp Parallelepiped sử dụng qui luật đơn giản để phân loại liệu đa phổ Các ranh giới tạo thành Parallelepiped n chiều không gian liệu ảnh Các chiều Parallelepiped xác định dựa ngưỡng chênh lệch chuẩn theo giá trị trung bình lớp mẫu chọn Trong phương pháp giá trị vector trung bình cho tất band tính cho lớp mẫu chọn Sau pixel so sánh gán vào lớp mà giá trị nằm phạm vi sai số lần độ lệch chuẩn vector trung bình Nếu pixel khơng nằm trong khoảng giá trị gán vào lớp chưa phân loại Phương pháp có ưu điểm nhanh chóng, đơn giản nhiên kết có độ xác khơng cao 108 thường dùng để phân loại sơ ban đầu Ta thấy ảnh sau phân loại phân loại theo vùng mẫu ta chọn lựa, ảnh có khu vực chưa xác định vào lớp Bởi ta chưa chọn lựa hết tất mẫu cho tồn ảnh Vì ta muốn ảnh phân loại tồn ta phải chọn lựa mẫu cho thể toàn ảnh 3.2 Phương pháp phân loại Minimum Distance Phương pháp Minimum Distance sử dụng vector trung bình ROI tính khoảng cách Euclidean từ pixel chưa xác định đến véc tơ trung bình lớp Tất pixel phân loại tới lớp ROI gần trừ người sử dụng định rõ độ chênh lệch chuẩn ngưỡng khoảng cách chuẩn Trong trường hợp số pixel không phân loại chúng không thỏa mãn tiêu chí chọn Về mặt lý thuyết với việc sử dụng phương pháp này, pixel phân loại người phân tích đưa ngưỡng giới hạn định khoảng cách để pixel phân loại khơng phân loại Đây cách phân loại nhanh, giá trị phổ pixel gần với giá trị phổ trung bình mẫu nhiên chưa thật xác không cân nhắc đến biến thiên lớp phân loại Ta quan sát ảnh sau phân loại tất pixel ảnh gán vào lớp Phương pháp gán khác so với phương pháp có độ xác khác so với phương pháp 3.3 Phương pháp phân loại Maximum Likelihood Phương pháp Maximum Likelihood coi số liệu thống kê lớp kênh ảnh phân tán cách thơng thường phương pháp có tính đến khả pixel thuộc lớp định Nếu khơng chọn ngưỡng xác suất phải phân loại tất pixel Mỗi pixel gán cho lớp có độ xác suất cao Phương pháp cho band phổ có phân bố chuẩn phân loại vào lớp mà có xác suất cao Việc tính tốn khơng dựa vào giá trị khoảng cách mà dựa vào xu biến thiên độ xám lớp Đây phương pháp phân loại xác lại nhiều thời gian tính tốn phụ thuộc vào phân bố chuẩn liệu Đánh giá độ xác phân loại Để kiểm tra đánh giá độ xác kết phân loại phương pháp xác hiệu kiểm tra thực địa Mẫu kiểm tra thực địa không trùng vị trí với mẫu sử dụng phân loại đảm bảo phân bố khu vực nghiên cứu Độ xác phân loại ả nh khơng phụ thuộc vào độ xác vùng mẫu mà phụ thuộc vào mật độ phân bố mẫu Độ xác mẫu giám định ảnh phân loại thể ma trận sai số Ma trận thể sai số nhầm lẫn sang lớp khác (được thể theo hàng) sai số bỏ sót lớp mẫu (được thể theo cột) Do để đánh giá hai nguồn sai số 109 có hai độ xác phân loại tương ứng: Độ xác phân loại có tính đến sai số nhầm lẫn (do sai số nhầm lẫn gây nên) độ xác phân loại có tính đến sai số bỏ sót (do sai số bỏ sót gây nên) Độ xác phân loại tính tổng số pixel phân loại tổng số pixel tồn mẫu Để đánh giá tính chất sai sót phạm phải q trình phân loại người ta dựa vào số Kappa (K), số nằm phạm vi từ đến biểu thị giảm theo tỷ lệ sai số thực yếu tố phân loại hồn tồn ngẫu nhiên Chỉ số K tính theo công thức sau: Bài CÁC KỸ THUẬT SAU PHÂN LOẠI Những ảnh phân loại cần thực quy trình hậu phân loại để đánh giá chất lượng phân loại tạo lớp cho việc xuất chuyển sang dạng đồ ảnh vector GIS Các kỹ thuật hậu phân loại gồm có: Lọc nhiễu kết phân loại Sử dụng phương pháp Majoriry Analysis để gộp pixel lẻ tẻ phân loại lẫn lớp vào lớp chứa Ta nhập kích thước cửa sổ lọc Kernel Size, sau giá trị pixel trung tâm thay giá trị pixel chiếm đa số cửa sổ lọc Nếu chọn Minority Analyis, giá trị pixel trung tâm thay giá trị pixel chiếm thiểu số cửa sổ lọc Để thực chức này, từ thực đơn lệnh ENVI ta chọn Classification / Post Classification / Majority / Minority Analysis Hộp thoại Majority/Minority Parameters xuất cho phép ta chọn lớp định lọc, phương pháp dự định tiến hành, kích thước cửa sổ lọc đường dẫn lưu kết Kết tính tốn cho ảnh danh sách Available Bands List Gộp lớp Chức gộp lớp cung cấp thêm công cụ để khái quát hóa kết phân loại Các lớp có đặc tính tương tự gộp vào để tạo thành lớp chung - Để thực chức từ thực đơn lệnh ENVI chọn Classification / Post Classification / Combine Classes 110 - Trên hình xuất hộp thoạ i Combine Classes Input File, chọn file kết phân loại cần gộp lớp nhấn OK - Chọn cặp lớp định gộp tương ứng với ô Input Class - lớp đầu vào, Output Class - lớp đầu ra, nhấn OK chọn đường dẫn lưu kết - Ta nên chọn lớp có đặc tính để gộp vào lưu ý chọn lớp đầu vào đầu Thống kê kết phân loại Chức cho phép tính tốn thống kê ảnh dựa lớp kết phân loại, nhằm Hình 20 Lựa chọn cặp lớp để gộp phục vụ công tác báo cáo Các giá trị thống kê tính cho lớp giá trị thống kê như: giá trị nhỏ - min, giá trị lớn - max, giá trị trung bình - mean, độ lệch chuẩn - Stdev (Standard Deviation) liệu ảnh đồ thị - Histogram Để tiến hành tính tốn thống kê ta làm sau: Từ thực đơn lệnh ENVI chọn Classification / Post Classification / Class Statistics - Trên hình xuất hộp thoại Classification Input File yêu cầu chọn file kết phân loại - Tiếp đến hình xuất hộp thoại Statistics Input File yêu cầu chọn file ảnh tương ứng để tiến hành tính tốn thống kê - Hộp thoại Class Selection cho phép chọn lớp kết dự định sử dụng để tiến hành tính toán - Sau chọn xong lớp xuất hộp thoại Compute Statistics Parameters cho phép Chọn đường dẫn đến thư mục lưu kết quả,và nhấn OK để thực tính tốn Hình 21 Thố ng kê kết sau phân loại chọn tham số để tính thống kê Sau tính tốn, hình xuất loạt hộp thoại: Class Stats Summary: bảng thống kê tổng số pixel có lớp tỷ lệ phần trăm chúng tổng số pixel có ảnh - 111 - Statistics Report: thống kê giá trị nhỏ nhất, lớn nhất, giá trị trung bình, độ lệch chuẩn theo kênh phổ lớp kết phân loại - Nếu chọn chức vẽ đồ thị chọn tham số hộp thoại Compute Statistics Parameters hình có hộp thoại đồ thị giá trị thống kê tương ứng Thay đổi tên màu lớp Khi có ảnh kết phân loại, ta thay đổi màu sắ c lớ p cho phù hợp với tên gọi chúng - Để thực chức trên, từ sổ ảnh phân loại, chọn Tools/Color Mapping/Class Color Mapping - Trên hình xuấ t hiệ n hộ p thoạ i Class Color Mapping cho ta chọ n lớ p để gán tên màu tương ứng, sau hoàn tất ta chọn Options/Save Changes để thực việc thay đổi Chồng lớp véc tơ lên ảnh Để quan sát trự c quan hoặ c dễ dàng nhậ n biết đối tượng ảnh, đơi có nhu cầu chồng lớp thơng tin lên ảnh, chẳng hạn file vectơ đường bình độ, giải phân loại hay lớp phân ioại, - Từ cửa sổ hiển thị ảnh, ta chọn Overlay / Vectors hình xuất hộp thoại Vector Parameters - Từ hộp thoại Vector Parameters ta chọn File / Open Vector File chọn định dạng file vectơ tương ứng định mở (file vector vừa chuyển từ raster phân loại) File vectơ chọn hiển thị chồng phủ lên file ảnh Hình 22 Chồng lớp vector lên ảnh Chuyển kết phân loại sang dạng véc tơ Sau hồn tất cơng tác phân loại, kết phân loại thường chuyển sang dạng vector để dễ dàng trao đổi, biên tập hay xử lý với chức GIS - Từ thực đơn lệnh ENVI ta chọn Classification/Post Classification/Classification to Vector hay chọn Vector/Classification to Vector - Trên hình xuất hộp thoại Raster to Vector Input Band, ta chọn file kết phân loại cần chuyển định dạng nhấn OK - Tiế p đ ó hình xuấ t hiệ n h ộ p thoạ i Raster To Vector Parameters cho 112 phép ta chọn lớp cần chuyển sang dạng vectơ Chọn đường dẫn lưu kết nhấn OK để thực Kết lưu theo định dạng file vector *.evf ENVI 113 TÀI LIỆU THAM KHẢO Nguyễn Đình Dương (1998) Bài giảng: Kỹ thuật phương pháp viễn thám Đặng Văn Đức (2001) Hệ thống thông tin địa lý GIS, NXB khoa học kỹ thuật - Hà Nội Phạm Trọng Mạnh, Phạm Vọng Thành (1999) Cơ sở GIS quy hoạch quản lý đô thị Phạm Vọng Thành (1995) Về phương pháp điều vẽ kết hợp phịng với ngồi trời khả ứng dụng chúng - Tuyển tập cơng trình khoa học XXI Phạm Vọng Thành (2000) Trắc địa ảnh - phần đoán đọc điều vẽ ảnh, Nhà xuất giao thông vận tải - Hà Nội Phạm Vọng Thành (1995) Quy trình xây dựng ảnh mẫu điều vẽ dùng cho lập hiệu chỉnh đồ địa hình nước ta, Tạp chí Trắc địa đồ N01 Phạm Vọng Thành Cơng nghệ tích hợp Viễn thám GIS quản lý Đất đai Phạm Vọng Thành (2009) Ứng dụng cơng nghệ tích hợp Viễn thám GIS công tác đồ, Đại học Mỏ - Địa chất Phạm Vọng Thành, Nguyễn Trường Xuân (2003) Công nghệ Viễn thám 10 Nguyễn Ngọc Thạch công (1997) Viễn thám nghiên cứu tài nguyên môi trường , Nhà xuất khoa học kỹ thuật - Hà Nội 11 Nguyễn Ngọc Thạch Bài giảng Cơ sở viễn thám - Khoa địa lý, trường Đại học khoa học tự nhiên 12 Lê Văn Trung (2005) Viễn Thám, NXB Đại học quốc gia TP Hồ Chí Minh ... CHƯƠNG TỔNG QUAN VIỄN THÁM 1.1 Định nghĩa 1.2 Lịch sử phát triển viễn thám 1.3 Nguyên lý viễn thám 1.4 Phân loại viễn thám 1.5... Thực cơng việc thực viễn thám - hay hiểu đơn giản; Viễn thám thăm dò từ xa đối tượng tượng mà khơng có tiếp xúc trực tiếp với đối tượng tượng Mặc dù có nhiều định nghĩa khác viễn thám, định nghĩa... triển viễn thám Viễn thám khoa học, thực phát triển mạnh mẽ qua ba thập kỷ gần đây, mà công nghệ vũ trụ cho ảnh số, bắt đầu thu nhận từ vệ tinh quĩ đạo trái đất vào năm 1960 Tuy nhiên, viễn thám