CHƯƠNG 3-KẾT QUẢ THẢO LUẬN
3.3 Giải đoán ảnh
3.3.1 Phân loại không kiểm soát
Phân loại không giám sát nhằm xác định các loại có sự đồng nhất về phổ cho bởi ảnh vệ tinh bằng cách gộp các pixel có tính chất phổ giống nhau thành một nhóm. Phương pháp phân nhóm không phân cấp IsoData được sử dụng để phân loại. Với kiểu phân loại này các nhóm đối tượng được phân loại dựa trên quy luật phân bố và tần số xuất hiện của các pixel trên ảnh. Số lượng các nhóm đối tượng được phân loại cũng có thể tăng hoặc giảm tùy theo yêu cầu của người giải đoán đặt ra. Ngoài ra, người giải đoán còn có thể đặt ra những chỉ tiêu khác như: Số lần lập lại, số phần tử ảnh tối thiểu trong một nhóm,…khi tiến hành phân loại ảnh.
Ảnh được phân loại là ảnh NDVI, do vậy mỗi đối tượng được phân loại sẽ dựa sẽ có sự tương đồng về giá trị NDVI, mỗi nhóm đối tượng sau khi phân loại sẽ được gắn tương ứng với một khoảng giá trị NDVI chung. Sự phân loại chỉ cho thấy sự khác biệt về độ phủ thực vật ở ĐBSCL giữa các nhóm phần tử trên ảnh ta có thể xác định được trạng thái phát triển của thực vật chứ không xác định được tên gọi.
Trong phạm vi đề tài, phân loại không kiểm soát thực hiện hoàn toàn tự động bằng máy không lựa chọn các thông số đầu vào. Kết quả cho được 8 cấp đối tượng cho mỗi ảnh phân loại được chụp ở một thời điểm nhất định (dựa vào Histogram phân bố giá trị NDVI của từng đối tượng. Ví dụ sự phân bố Histogram của ảnh chụp ngày 8/5/2008 (hình 3.14 đến 3.20). Trong 8 cấp đối tượng có 1 đối tượng không phân loại (Unclassified) và 7 cấp đối tượng còn lại được đặt tên từ đối tượng 1, đối tượng 2,... đến đối tượng 7.
Hình 3.15: Biểu đồ phân bố Histogram của đối tượng 2
Hình 3.16: Biểu đồ phân bố Histogram của đối tượng 3
Hình 3.17: Biểu đồ phân bố Histogram của đối tượng 4
Hình 3.18: Biểu đồ phân bố Histogram của đối tượng 5
Hình 3.19: Biểu đồ phân bố Histogram của đối tượng 6
Hình 3.20: Biểu đồ phân bố Histogram của đối tượng 7
Kết quả phân loại của 7 cấp đối tượng, mỗi cấp đối tượng được hiển thị một màu sắc khác nhau (hình 3.22 và 3.23). Trong mỗi đối tượng được phân loại thì các pixel có giá trị dao
động trong một khoảng nhất định. Để biết được giá trị lớn nhất (NDVImax), giá trị nhỏ nhất (NDVImin), giá trị trung bình (Mean) và độ lệch chuẩn (Stdev) tiến hành thống kê cho các lớp đối tượng. Tuỳ vào ảnh được phân loại mà giá trị NDVI dao động khác nhau nhưng cùng chung một đặc điểm là tăng dần từ đối tượng 1 đến đối tượng 7.
Tùy vào từng thời điểm chụp của mỗi ảnh mà kết quả phân loại khác nhau. Sự khác nhau này dựa trên cơ sở sự thay đổi đặc điểm của thảm thực vật như: Chỉ số diện tích lá, khả năng quang hợp, sinh khối và đăc biệt là hàm lượng chlorophyl theo thời gian. Tất cả các ảnh NDVI của năm 2008 và 2009 sẽ được phân loại để theo dõi sự biến động của các đối tượng qua từng thời gian cụ thể, trong đó kết quả phân loại của các ảnh sẽ được trình bày đại diện ở hình 3.22; 3.23. Hầu hết tất cả các ảnh được phân loại đều có kết quả khác nhau về diện tích và vị trí phân bố của các đối tượng. Điều này cho thấy sự biến động của thảm thực vật là liên tục và không bao giờ có sự lặp lại môt cách hoàn toàn mà có lặp lại một cách tương đối vào một số thời điểm trong năm và quy luật biến động của cả hai năm có sự tương đồng với nhau.
0.02.0 2.0 4.0 6.0 8.0 10.0 12.0 1 2 3 4 5 6 7 8 9 10 11 12 Tháng Tỉ lệ % Đối tượng 1 Đối tượng 2 Đối tượng 3 Đối tượng 4 Đối tượng 5 Đối tượng 6 Đối tượng 7
Hình 3.21: Sự biến động của các đối tượng qua các tháng trong năm 2008
Đối tượng 1 không được thể hiện vì nó chiếm tỉ lệ cao mà phần lớn ngoài khu vực nghiên cứu – đối tượng này không quan trọng nên đã bỏ qua
Hình 3.23: Kết quả phân loại không kiểm soát của ảnh NDVI trong 6 tháng cuối năm 2008
Kết quả phân loại được 7 cấp đối tượng, mỗi cấp đối tượng được hiển thị một màu sắc khác nhau hình 3.22 và 3.23
Tỉ lệ của từng đối tượng không giữ nguyên mà nó thay đổi liên tục theo thời gian sự thay đổi này được thể hiện ở biểu đồ hình 3.21.
Diện tích của các đối tượng ở mỗi ảnh và tỉ lệ phần trăm của từng đối tượng được tính và trình bày phụ lục 5, 6.
Trong 7 đối tượng thì: Đối tượng 1 và 7 chiếm tỉ lệ cao nhất với tỉ lệ dao động từ 8,5%-11,0% trong đó đối tượng 1 (được giải đoán là không có hoặc có sự hiện diện rất thấp của thực vật) phân bố tập trung ở vùng ven biển và bán đảo Cà Mau vào 6 tháng đầu năm và ở An Giang, Đồng Tháp vào khoảng tháng 9 đến tháng 11 trùng hợp với mùa lũ từ sông Mê Kông bắt đầu từ tháng 6, 7 và đỉnh cao vào tháng 9, 10 hàng năm. Ngược lại, đối tượng 7 có giá trị NDVI cao nhất dao động từ khoảng 0,7 đến 1,0. Đây là đối tượng được cho là có sự hiên diện của thực vật cao về mật độ, sinh khối, chiều cao…có thể là các khu rừng, cây ăn trái, cây công nghiệp hoặc các loại cây mùa vụ đang phát triển ở giai đoạn tốt nhất. Phân bố đều ở hầu hết các tỉnh của ĐBSCL (trừ Cà Mau chiếm diện tích rất thấp trong tất cả các tháng của năm 2008). Các đối tượng còn lại dao động trong khoảng 2,0% - 8,0%, giá trị NDVI dao động từ khoảng 0,3 đến 0,7 (có sự hiên diện của thực vật ở mức độ trung bình đến tương đối cao). Tùy vào từng thời điểm mà sự phân bố của chúng khác nhau.
Trong mỗi đối tượng được phân loại thì các pixel có giá trị dao động trong một khoảng nhất định. Để đánh giá cho từng cấp phân loại (thông qua giá trị NDVI), ta tiến hành khoanh một số vùng đặc trưng (ROI) của từng cấp đối tượng và tiến hành thống kê mô tả để tính giá trị lớn nhất (NDVImax), giá trị nhỏ nhất (NDVImin), giá trị trung bình (Mean) và độ lệch chuẩn (Stdev) cho từng vùng đặc trưng. Các vùng đặc trưng được phân bố đều trên ảnh, kết quả được thể hiện bảng 3.3.
Bảng 3.3: Thống kê mô tả các vùng đặc trưng của 7 nhóm đối tượng từ kết quả phân loại không kiểm soát (ảnh chụp ngày 8/5/2008)
Đối tượng NDVImin NDVImax Mean Stdev
1 -0,19 0,34 0,21 0,09 2 0,34 0,42 0,38 0,02 3 0,42 0,50 0,46 0,02 4 0,50 0,57 0,54 0,02 5 0,57 0,65 0,61 0,02 6 0,65 0,73 0,69 0,02 7 0,73 1,00 0,81 0,05
Qua bảng 3.3 ta thấy giá trị NDVI tăng dần từ đối tượng 1 đến 7 (-0.2 đến 0.9). Đối tượng 1 bao gồm giá trị âm và giá trịượng 7 có giá trị NDVI cao nhất đạt trung bình 0.8 nó tương ứng với những vùng mà thực 0 do nó bao gồm cả khu vực đã được che lúc xử lý ảnh. Đúng với phân tích trên thì đối tvật đang phát triển tốt.
3.3.2 Kết quả khảo sát thực địa.
Việc khảo sát nhằm kiểm tra lại kết quả phân loại không kiểm soát và làm cơ sở cho phân loại có kiểm soát. Lựa chọn những điểm đại diện trên ảnh để đi khảo sát thực địa (vị trí kiểm tra tập trung ở những vùng trồng lúa có tiến độ xuống giống đồng loạt). Ghi nhận lại hiện trạng của cánh đồng và điều tra chủ sử dụng về mùa vụ (Ghi nhận thông tin theo mẫu điều tra phụ lục 1).
Vị trí khảo sát được phân bố ở cả vùng đất trồng lúa nước ngọt và vùng nước nhiễm mặn. Bên cạnh, theo kết quả phân loại không kiểm soát và giải đoán sơ bộ ban đầu ta cũng khảo sát ở một số mà đối tượng không phải là lúa. Có tổng cộng 96 điểm khảo sát tọa độ, hiện trạng và cơ cấu mùa vụ được thể hiện phụ lục 7.
3.3.3 Mối quan hệ giữa giá trị NDVI và giai đoạn phát triển của cây lúa
Sự biến động chỉ số khác biệt thực vật của vùng lúa ở các giai đoạn tăng trưởng rất quan trọng. Nó là cơ sở để theo dõi mùa vụ và ước đoán thời gian gieo sạ. Đối với vùng canh tác lúa nước, có ba thời kỳ phân biệt của một mùa vụ lúa: thời kỳ sạ-cấy, thời kỳ tăng trưởng và thời kỳ sau thu hoạch.
- Thời kỳ sạ-cấy: cánh đồng bị ngập nước với lớp nước dày từ 2 - 15 cm;
- Thời kỳ tăng trưởng: cây lúa phát triển qua ba giai đoạn: giai đoạn sinh trưởng; giai đoạn sinh sản và giai đoạn lúa chín;
- Thời kỳ sau thu hoạch: cánh đồng trơ trụi và khô cằn (trừ khi có mưa).
Chỉ số NDVI của vùng lúa trên ảnh thay đổi bình quân từ 0.1 đến 0.9 theo quy tắc thấp vào đầu vụ, tăng dần và đạt cao nhất vào lúc cây lúa phát triển tốt ở giai đoạn sau khi đẻ nhánh và sau đó giảm dần khi cây lúa bắt đầu chín và sẽ giảm đến mức thấp nhất vào cuối vụ (hình 3.25). Thông thường đối với các loại hình sử dụng như: vườn cây ăn quả; rừng,…nói chung là các loại cây lâu năm quan sát cho thấy chỉ số NDVI ổn định và dao động trong khoảng giá trị tương đối cao từ 0,5 đến 1,0.
Hình 3.25: Sự phát triển của lúa ở vụ Đông xuân và Hè Thu và sự biến động của chỉ số NDVI
Căn cứ vào mối tương quan này ta có thể theo dõi chính xác được cơ cấu mùa vụ và ước đoán được thời gian xuống giống của những vùng trồng lúa.
Biến động chỉ số NDVI ở vùng lúa 2 vụ được thể hiện ở hình 3.29. Theo hình 3.29 nhận thấy chỉ số NDVI của toàn bộ các năm nghiên cứu đều biến động theo một đồ thị hình Sin, xuất hiện cực đại ở hai thời điểm trong năm đó là khoảng tháng 4 - 5 và tháng 8 - 9 rõ ràng đây là hai thời kỳ lúa phát triển tốt nhất trong năm tương ứng là vụ lúa Đông Xuân và vụ lúa Mùa. Giá trị NDVI cực tiểu cũng xuất hiện vào hai thời điểm trong khoảng cuối năm trước đầu năm sau và trong khoảng tháng 6 - 7 đây là hai thời kỳ lúa đang thu hoạch hoặc đã thu hoạch xong.
3.3.4 Phân loại có kiểm soát
Phân tích sự biến đổi chỉ số NDVI trong vòng 21 tháng (1/2008 - 9/2009) bằng cách khoanh các vùng đại diện (ROI- Region Of Interest) và vẽ đồ thị thể hiện sự biến đổi này. Do hệ thống mùa vụ ở ĐBSCL rất phức tạp nếu tạo chuỗi ảnh NDVI cho cả 2 năm thì quá trình giải đoán sẽ khó khăn và độ chính xác không cao. Trong đề tài này, ảnh của từng năm sẽ được xử lý và giải đoán riêng. Kích thước của mỗi ROI được khoanh để phân loại phải có tổng số pixel lớn hơn tổng số band của ảnh được phân loại. Trong năm 2008 có tổng số ảnh chụp ở 24 thời điểm trong năm tương ứng với 24 band và năm 2009 có tổng số 17 ảnh chụp ở các thời điểm trong năm tương ứng với 17 band và cho cả hai năm ta có chuỗi ảnh gồm 41 band. Các vùng mẫu (ROI) được chọn đại diện cho các kiểu sử dụng khác nhau. Các ROI được khoanh dựa vào:
- Kết quả phân loại không kiểm soát - Kết quả điều tra thực tế
- Bản đồ hiện trạng sử dụng đất
- Màu được tổ hợp bằng nhiều cách từ các band của chuỗi ảnh đa thời gian
Các ROI này phải phân bố đều trên cả đồng bằng, sau khi khoanh từng ROI tính thống kê (Stat) để ghi nhận lại sự biến động và đặt tên cho vùng vừa khoanh, nếu kết quả thống kê cho thấy giá trị của các pixel trong ROI có sự biến động đồng nhất (hình 3.26) ta ghi nhận, đặt tên và tiến hành khoanh ROI mới. Khi chạy thống kê nếu kết quả cho thấy các giá trị của các pixel trong ROI biến động không đồng nhất (hình 3.28) thì ta bỏ và khoanh ở vị trí khác.
Bảng3.4: Tiêu chuẩn sử dụng cho phân loại sử dụng đất
Khoảng biến động Loại
NDVI > 0,74 0,74 < NDVI > 0,46
Rừng (forest)
0,20 < NDVI > 0,15 0,15 < NDVI > 0,05 0,05 < NDVI > 0,001 NDVI < -0,001
Đất hoang (Fallow land) Đất trống (Bare soils) Đất làm muối (Salt pans) Nước (Water)
(B.R. Parida et al, 2008)
Hình 3.27: Thể hiện các giá trị NDVI không đồng nhất trong một ROI
-Đối tượng không canh tác theo mùa vụ thì chỉ số này bình ổn qua các tháng trong năm khoảng giao động của giá trị NDVI không cao hoặc nó biến động theo một quy luật khác. Thông thường, nếu chỉ số NDVI đạt giá trị cao (0,5 – 0,9) là những vùng có sự hiện diện của thực vật phát triển tốt quanh năm (cây công nghiệp, cây ăn trái, rừng…) hình 3.27. Nếu giá trị này chỉ dao động trong khoảng < 0,5 thì đây là vùng không có thực vật hoặc có nhưng ít và phát triển kém (là những vùng chuyên tôm, làm muối hay vùng ngập nước) hình 3.29. Tất cả những nhóm này sẽ tách thành một đối tượng riêng.
Hình 3.28: Biểu đồ thể hiện sự thay đổi giá trị NDVI của vùng có thực vật phát triển tốt quanh năm
Hình 3.29: Biểu đồ thể hiện sự thay đổi giá trị NDVI của vùng có giá trị NDVI thấp quanh năm
- Đối với những vùng canh tác theo mùa vụ biểu đồ sẽ biến động theo quy tắc hình sin, giá trị đạt cực đại vào khoảng 0,8-1 sẽ tương ứng với giai đoạn cây phát triển tốt nhất (hàm lượng chlorophyl cao nhất) và giảm xuống vào khoảng 0 – 0.4 khi kết thúc mùa vụ, sau đó giá trị này lại tiếp tục gia tăng theo quy luật như trên khi bắt đầu một vụ mùa mới . Trong vùng ĐBSCL thì đối tượng này phần lớn là lúa.
Tùy theo số mùa vụ trong năm mà giá trị NDVI cực đại 1, 2 hay 3 lần (tương ứng 1, 2 hay 3 vụ) hình 3.32; 3.31 và 3.30. Thời gian mà giá trị này đạt cực đại khác nhau theo từng vị trí mà ta khoanh ROI. Do đó, ta chia ra thành nhiều nhóm nhỏ mỗi nhóm đại diện cho một cơ cấu và thời gian mà giá trị NDVI đạt cực đại và cực tiểu. Số lượng các đối tượng này
tương đối cao do mùa vụ canh tác ở ĐBSCL phức tạp nên để tránh sự nhằm lẫn giữa các đối tượng ta đặt tên dựa vào thời gian mà chỉ số NDVI đạt cực đại, cực tiểu.
Trên khu vực ĐBSCL, trên những vùng canh tác theo mùa vụ ta phân chia ra nhiều đối tượng cho cả năm 2008 và 2009. Bên cạnh đó, có một số đối tượng mà diện tích (hay số pixel) không đủ lớn để tiến hành phân loại trong ENVI đã được bỏ qua.
Dựa vào các biểu đồ thể hiện sự biến động, tính chất của giá trị NDVI, mối quan hệ giữa giá trị NDVI và giai đoạn phát triển của cây lúa, đồng thời dựa vào kết quả khảo sát thực tế về hiện trạng và lich thời vụ của các vị trí đã khảo sát ta xác định được vị trí xuống giống cho từng cơ cấu lúa một, hai hay ba vụ.
Hình 3.30: Biểu đồ thể hiện sự thay đổi giá trị NDVI của vùng trồng lúa 3 vụ
Hình 3.31: Biểu đồ thể hiện sự thay đổi giá trị NDVI của vùng trồng lúa 2 vụ (Đông Xuân – Hè Thu)
Hình 3.32: Biểu đồ thể hiện sự thay đổi giá trị NDVI của vùng trồng lúa 1 vụ
Kết hợp các biểu đồ này với kết quả khảo sát thực tế và những kiến thức về cây lúa, chỉ số biến động thực vật ta có thể ước đoán được thời gian xuống giống của từng đối tượng đã được khoanh ROI. Đó là khoảng thời gian khi giá trị NDVI bắt đầu tăng sau đó nó đạt cực đại vào khoảng sau thời kỳ đẻ nhánh của cây lúa và giảm xuống đến khi kết thúc mùa vụ. Thời gian từ khi bắt đầu đến kết thúc khoảng trên dưới 3 tháng. Do ảnh chụp được lặp lại