Theo hƣớng phân loại này, kết quả của quá trình phân loại sẽ phụ thuộc hoàn toàn vào những giá trị phổ thu đƣợc từ các giá trị pixel mẫu. Đặc trƣng cho phép phân loại thống kê, đây là phƣơng pháp tính khoảng cách tối thiểu dựa chủ yếu vào các đặc trƣng thống kê phổ phản xạ của các pixel (hình 2.19).
Phƣơng pháp này giả định rằng các pixel của K kênh ảnh đƣợc tập hợp thành các lớp đƣợc tập hợp thành các lớp dƣới dạng các đám mây của siêu khối hình cầu hoặc hình ellipsoid. Một pixel thứ I nào đó của kênh ảnh K sẽ thuộc về lớp C nào đó nếu khoảng
cách từ pixel đó tới tâm của siêu khối hình cầu hoặc tâm của ellipsoid C nhỏ hơn hoặc bằng bán kính trục của ellipsoid C đó (Manakos I. And Schneider T. and Ammer, U. 2000).
Tiêu biểu cho các phƣơng pháp phân loại thuộc nhóm này là Maximum Likehood, Minimum distance, Decision tree.
Hình 2.19. Phân loại theo giá trị phổ của pixel ảnh (Nicholas M.Short, 1993)
Một số nguyên nhân gây giảm độ chính xác trong phân loại tiếp cận theo pixel cơ bản.
Với cách hiểu chung nhất về khái niệm phân loại trong viễn thám, đã có rất nhiều hƣớng thực hiện khác nhau để tìm ra lời giải tối ƣu cho bài toán phân loại nhằm lấy đƣợc một lƣợng thông tin lớn nhất và có độ chính xác cao làm nguồn dữ liệu phục vụ cho nhiều mục đích thực tiễn khác nhau, trong đó thành lập nhóm bản đồ chuyên đề về lớp phủ và lớp hiện trạng sử dụng đất đƣợc coi là trọng điểm.
Chiết tách thông tin từ ảnh viễn thám đa phổ và đa thời gian trong nghiên cứu biến động đƣợc thực hiện trên nhiều thuật toán. Có thể đƣợc xếp theo 4 nhóm: Phƣơng pháp phân loại trực tiếp trên ảnh đa thời gian, phƣơng pháp phân tích sau phân loại, nhóm phƣơng pháp nhận biết sự thay đổi phổ và cuối cùng là nhóm các phƣơng pháp kết hợp
BAND 5 255 BAND 4 BAND 4 255 B AN D 6 255
(Đinh Thị Bảo Hoa- Công nghệ viễn thám trong nghiên cứu biến động sử dụng đất đô thị).
Tuy nhiên, các kết quả nhận đƣợc cho đến nay theo đánh giá khả quan nhất cũng chỉ xấp xỉ 80%, đó là chƣa kể đến trong quá trình thực hiện, việc sử dụng các kiến thức chuyên môn của các chuyên gia (quá trình đoán đọc bằng mắt) đã là một yếu tố tham khảo rất quan trọng.
Đánh giá nguyên nhân gây nên sai số lớn và gây mất thông tin tiềm năng trên dữ liệu ảnh trong quá trình thực hiện khâu phân loại nhằm xây dựng các bản đồ hiện trạng hay các bản đồ phát hiện sự biến động lớp phủ, các tác giả Ross S. Lunneta và Christopher D.Elvidge (1998) đã chia ra làm hai nhóm nguyên nhân chính nhƣ sau:
+ Nhóm nguyên nhân do sự hạn chế trong liên kết dữ liệu
Sự giới hạn do không có sự phân tách một cách rõ ràng đặc trưng phổ giữa các lớp.
Điều này có thể thấy rõ khi số lƣợng đầu thu theo các kênh phổ của các vệ tinh chỉ có giới hạn thì số lƣợng các lớp trong hệ thống phân loại lớp phủ trên bề mặt trái đất lại phong phú hơn nhiều. Vì vậy điều không tránh khỏi là sẽ có nhiều lớp phân loại sẽ trùng giá trị phổ với nhau.
Sự giới hạn về độ phân giải không gian trong một tấm ảnh viễn thám, tại đó mỗi một pixel đơn lẻ sẽ đại diện cho một vùng tƣơng ứng trên bề mặt trái đất. Nhƣ vậy cho dù ở bất kỳ độ phân giải nào thì khi các pixel ấy khi kết hợp với nhau thành một vùng thì vùng này lại không đồng nhất các thông tin về lớp phủ mặt đất. Đây chính là nguyên nhân dẫn đến tình trạng “lẫn pixel” làm giảm độ chính xác của quá trình phân loại.
Sai số gây ra trong quá trình nắn chỉnh hình học trƣớc khi đƣa một bức ảnh vào thực hiện khâu phân loại. Nếu dữ liệu không đƣợc quản lý chính xác về cơ sở toán học thì điều dẫn đến tất nhiên là sự không chính xác về vị trí các đƣờng bao của các vùng đồng nhất, thậm chí các sai số này còn tăng thêm khi cộng thêm các giá trị sai số của các tài liệu dùng làm cơ sở trong quá trình nắn chỉnh.
+ Nhóm nguyên nhân do sự hạn chế trong phƣơng pháp thực hiện
Đứng từ góc độ nghiên cứu về sự biến động sử dụng đất, một số nguyên nhân sau đây đƣợc coi là sự hạn chế gây ra do các phƣơng pháp thực hiện trong khâu phân loại.
Sự tách các bước của khâu phân loại và phát hiện biến động cũng là một nguyên nhân gây nên độ thiếu chính xác. Khi tách rời các bƣớc thực hiện phân loại trên dữ liệu ảnh ban đầu, sự xác định về biến động chỉ dựa vào quá trình lấy thông tin từ 2 bức ảnh chụp tại 2 thời điểm mà không sử dụng dữ liệu gốc. Điều này gây nên sự tổn thất trong mất thông tin và gây nên sai số lớn (Mariamni,1994).
Quá trình lấy mẫu phân loại (training sets) đáng tin cậy cho mỗi bức ảnh là một thủ tục có liên quan đến độ chính xác của khâu phân loại. Để có thể nhận đƣợc số nhãn lớp (class labels) đặc trƣng cho mỗi nhóm phổ, việc thu nhận thông tin trực tiếp ngoài thực địa là rất tốn kém về kinh phí và về thời gian, đôi khi là không thể thực hiện. Vì vậy quá trình lấy mẫu trên máy tính là bƣớc đầu tiên giúp máy tính hiểu đƣợc các đặc trƣng thống kê liên quan đến từng mẫu để dùng các mẫu này thực hiện thuật toán phân loại. Quá trình này cũng phụ thuộc vào những nhận biết chủ quan của ngƣời phân loại và hiển nhiên sẽ làm giảm cả độ chính xác trong quá trình đánh giá mức độ biến động so với thực tế.
Các nguyên tắc của phân loại (the classification taxonomies)
Thông thƣờng các nguyên tắc trong phân loại sẽ dựa vào các loại hình sử dụng đất, điều mà bản thân viễn thám không thể thay thế cho các định nghĩa của con ngƣời. Ví dụ trong nhiều trƣờng hợp, rất khó xác định sự khác biệt rõ ràng giữa một cái hồ chứa nhân tạo hay một cái ao…, chính vì vậy trong nhiều trƣờng hợp các đối tƣợng thuộc các nhóm khác nhau trong hệ thống phân loại đất lại bị gộp chung vì vậy gây nên tình trạng mất chính xác của kết quả.
Số lƣợng các nguyên nhân gây trên đây đƣợc coi là những nguyên nhân cơ bản gây nên sự mất thông tin và làm giảm độ chính xác của khâu phân loại trong nghiên cứu biến động sử dụng đất. Khi công nghệ viễn thám phát triển cao hơn, vƣợt qua các loại tƣ liệu ảnh với độ phân giải không gian gian từ thấp đến trung bình, các loại đầu thu cho phép nhận đƣợc dữ liệu có độ phân giải từ cao đến siêu cao (<1m). Tuy nhiên khi đáp ứng nhu cầu của con ngƣời trong việc thu nhận thông tin về thế giới thực ngày càng rõ ràng hơn thì một điều không mong muốn lại xảy ra khi thực hiện các phép phân tích biến động trên các dữ liệu mới này khi lấy pixel làm cơ sở. Đó là sự tăng lên rất lớn sự bất đồng nhất về giá trị phổ của những pixel tạo nên các đối tƣợng trọn vẹn trên mặt đất. Điều này đã làm tăng thêm sự khó khăn trong quá trình định nghĩa các lớp phủ và lớp sử dụng. Thêm vào
đó, ngoài thông tin về phổ của các pixel, các tƣ liệu viễn thám độ phân giải cao còn có thể cung cấp rất nhiều thông tin hữu ích khác có thể là chìa khóa cho khâu giải đoán nhƣ cấu trúc, các hình dạng chuẩn… và đặc biệt là thông tin về ngữ cảnh đƣợc tạo ra do chính mối liên hệ do chính các đối tƣợng ảnh tạo nên.