- Cịc bờn ệă chuyến ệÒ cã liến quan.
b. Lao ựộng và việc làm
4.3.1. Các bước xử lý ảnh số
Kạt quờ phẹn loỰi 2005
Xẹy dùng chó giời
HiÓn thỡ, tẽng c−êng chÊt l−ĩng ờnh
Phẹn loỰi Khờo sịt thùc ệỡa ậịnh giị sau phẹn loỰi Kạt quờ phẹn loỰi 2010 ờnh 2005 1999 ờnh 2010 Bờn ệă + tội liỷu khịc
Bờn ệă hiỷn trỰng 2005
Bờn ệă hiỷn trỰng 2010 Nớn chửnh hừnh hảc
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
62
Hình 4.5: Quy trình xử lý ảnh số
4.3.1.1. Hiển thị ảnh
Ảnh ựược hiển thị dưới dạng ảnh tổ hợp màu, việc hiển thị tổ hợp màu giúp cho người sử dụng nhận biết ựược rõ ràng nhiều ựối tượng trên ảnh hơn hiển thị trắng ựen. Sự tổ hợp màu này có thể sử dụng phương pháp quang học hoặc kỹ thuật xử lý ảnh số ựể tạo ra nhiều tổ hợp màu khác nhau với việc tổ hợp ba màu cơ bản: Xanh lơ (blue), màu xanh lục (green), màu ựỏ (red).
Có hai dạng ảnh tổ hợp màu: tổ hợp màu giả và tổ hợp màu thực. Thông thường người ta hay sử dụng phương pháp tổ hợp màu giả chuẩn. đối với ảnh SPOT, tổ hợp màu giả chuẩn ựược gán 3:2:1 = Red:Green:Bluẹ Với tổ hợp màu này thì ựất có màu giống màu ựất, nước có màu giống màu nước thực, thực vật cỏ màu ựỏ.
4.3.1.2. Tăng cường chất lượng ảnh
Tăng cường chất lượng ảnh có thể ựược ựịnh nghĩa như một thao tác làm nổi bật hình ảnh sao cho người giải ựoán ảnh dễ ựọc, dễ nhận biết nội dung trên ảnh hơn so với ảnh gốc. Phương pháp cơ bản thường dùng là biến ựổi cấp ựộ xám, chuyển ựổi histogram, tổ hợp màu, chuyển ựổi màu giữa hai hệ RGB ( ựỏ,lục, chàm ) và HIS ( hue - sắc, intensity - cường ựộ, saturation - mật ựộ ) nhằm phục vụ việc giải ựoán bằng mắt (phân tắch ựịnh tắnh).
Chắnh việc thay ựổi giá trị ựộ xám của pixel trong ảnh (DN) ban ựầu thành một giá trị ựộ xám mới cho ảnh có chất lượng cao hơn. Kỹ thuật tăng cường chất lượng ảnh có thể áp dụng cho từng kênh riêng biệt. Với việc tăng ựộ tương phản nhằm cung cấp thêm các thông tin bị bỏ sót trong những trường hợp ựộ xám quá thấp hoặc quá caọ
255min). min). (max min ' − − = DN DN Trong ựó:
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
63
DNỖ: Giá trị ựộ xám của ảnh mới
DN : Giá trị ựộ xám của ảnh chưa xử lý Max: Giá trị DN cực ựại của ảnh chưa xử lý Min : Giá trị DN cực tiểu của ảnh chưa xử lý
Trong phần mềm ENVI, chúng ta sử dụng công cụ Enhance cho phép ta chọn một trong các cách tăng cường. Thông thường người ta chọn phương pháp biến ựổi tuyến tắnh (Linear). Sau khi tăng cường các ựối tượng trên ảnh có ựộ tương phản cao hơn.
4.3.1.3. Nắn chỉnh hình học
Thực chất của việc nắn chỉnh hình học là ựưa ảnh về hệ toạ ựộ quy chiếu cần thành lập bản ựồ, ựồng thời loại bỏ các sai số hình học, sai số do ựộ chênh cao ựịa hình. Ảnh vệ tinh SPOT5 thu năm 2005 và ảnh SPOT5 thu năm 2010 ựều ựã ựược hiệu chỉnh phổ và hiệu chỉnh hình học chắnh xác về hệ toạ ựộ WGS 84, múi chiếu 48, phép chiếu UTM. Vì vậy không cần phải qua các bước hiệu chỉnh phổ và hiệu chỉnh hình học.
Tuy nhiên, ựể nâng cao ựộ chắnh xác và theo quy phạm thành lập bản ựồ, hai ảnh trên ựều ựược nắn về hệ tọa ựộ VN-2000 .
Các ựiểm khống chế nắn ảnh phải ựược chọn phân bố ựều trên ảnh. Sau khi chọn xong các ựiểm khống chế, tiến hành lựa chọn phương pháp nắn và phương pháp tái chia mẫụ Quá trình nắn ảnh ựược thực hiện bằng phần mềm ENVI theo phương pháp nắn RST, ựây là phương pháp nắn ựơn giản nhất. Chọn phương pháp tái chia mẫu là phương pháp Ộláng giềng gần nhấtỢ(Nearest Neighbor). Quá trình nắn ảnh ựược thực hiện bằng phần mềm ENVI theo phương pháp nắn ảnh theo bản ựồ (Map\Registration\ Image to Map).
Dựa vào sai số trung phương khi nắn ảnh thấy rằng kết quả nắn ảnh ựạt yêu cầu với:
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
64
- Sai số trung phương khi nắn ảnh 2005 (Total RMS Error): 0.582261 - Sai số trung phương khi nắn ảnh 2010 (Total RMS Error): 0.799777
Bảng 4.3. Tọa ựộ và sai số của các ựiểm nắn ảnh năm 2005
Map X Map Y Image
X Image Image Y Predict X Predict Y Error X Error Y RMS 399199.64 2319654.88 1850.00 3327.67 1849.17 3327.33 -0.83 -0.34 0.89 402863.57 2324021.53 3284.50 1557.50 3285.26 1557.84 0.76 0.34 0.83 406846.96 2323630.06 4881.00 1687.29 4880.59 1687.18 -0.41 -0.11 0.42 405487.91 2319414.68 4366.00 3382.71 4365.97 3382.59 -0.03 -0.12 0.12 400641.33 2315501.85 2452.90 4977.30 2453.45 4977.52 0.55 0.22 0.59 405302.08 2307316.61 4374.20 8222.80 4374.15 8222.81 -0.05 0.01 0.05 Total RMS Error 0.582261
Bảng 4.4. Tọa ựộ và sai số của các ựiểm nắn ảnh năm 2010
Map X Map Y Image
X Image Image Y Predict X Predict Y Error X Error Y RMS 399200.58 2319648.70 955.20 4196.40 953.93 4197.06 -1.27 0.66 1.43 402863.26 2324020.90 1313.50 3754.75 1314.28 3754.17 0.78 -0.58 0.97 409079.92 2320643.58 1950.75 4077.88 1950.14 4078.20 -0.61 0.32 0.69 402249.62 2315499.16 1268.73 4605.64 1270.09 4605.27 1.36 -0.37 1.40 403098.12 2308731.55 1364.80 5282.50 1364.53 5282.40 -0.27 -0.10 0.29
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
65 406007.88 2313070.71 1636.89 4852.78 1636.91 4852.84 0.02 0.06 0.07 406007.88 2313070.71 1636.89 4852.78 1636.91 4852.84 0.02 0.06 0.07
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
66
4.3.1.4. Xây dựng chú giải bản ựồ hiện trạng sử dụng ựất
Theo tác giả Bonn, ông ựã ựưa ra mối quan hệ giữa ựộ chi tiết của ựộ phân giải không gian và phép phân loại (hình 4.6)
Hình 4.6. Mối quan hệ giữa ựộ phân giải không gian và chi tiết phân loại (Nguồn : "Bonn F, 1996")
Theo luật ựất ựai năm 2003 thì ựất ựai ựược phân theo các mục ựắch sử dụng và ựược chia thành 3 nhóm ựất chắnh: ựất nông nghiệp, ựất phi nông nghiệp và ựất chưa sử dụng. Trong từng nhóm ựất như vậy thì ựược phân ra nhiều loại ựất khác nhaụ Nhưng khi nghiên cứu hiện trạng sử dụng ựất tại khu vực nghiên cứu, sau khi kiểm tra thực ựịa, ảnh SPOT5 các giai ựoạn, bản ựồ hiện trạngẦTôi tiến hành nghiên cứu các loại hình sử dụng ựất theo bảng 4.5 với các lý do sau:
- Sử dụng tư liệu viễn thám với ựộ phân giải không gian là 10m, theo biên ựộ chi tiết phân loại chỉ ựạt mức ựộ I nhằm mục ựắch có cái nhìn khái quát về tình hình sử dụng ựất. Thêm vào ựó mức ựộ chi tiết của chú giải trong bản ựồ hiện trạng sử dụng ựất phụ thuộc vào kết quả phân loạị
độ phân giải
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
67
- Yên Hưng là khu vực có tình hình sử dụng ựất khá phức tạp.
- Vấn ựề khó khăn lớn khi chiết xuất thông tin chắnh là sự nhầm lẫn các ựối tượng.
Bảng 4.5: Danh sách mục ựắch sử dụng ựất trong nghiên cứu
STT Mã loại ựất Loại ựất
1 SXN đất sản xuất nông nghiệp
2 RSX+RđD đất rừng sản xuất+ ựất rừng ựặc dụng 3 RPH đất rừng phòng hộ
4 NTS đất nuôi trồng thủy sản
5 PNN đất khu dân cư và ựất chuyên dùng
6 SMN Sông, suối, ao, hồ, kênh, mặt nước chuyên dùng 7 CSD đất chưa sử dụng
4.3.1.5. Phân loại ảnh:
Do ựộ phân giải của ảnh là 10m nên ựề tài sử dụng phương pháp phân loại không kiểm ựịnh, với thuật toán ISODATA (Interactive Self-Organizing Data Analysis). Trong phương pháp này, ựầu tiên số nhóm ựược ấn ựịnh tạm thời bằng một số nào ựó, sau ựó các pixel ựược phân tắch và ựược ghép sao cho khả năng phân biệt giữa các nhóm là cao nhất, sau ựó các trọng tâm ựược tắnh lại và số lượng các nhóm cũng ựược ựiều chỉnh. Quá trình này ựược lặp lại cho ựến khi số lượng các nhóm trở nên ổn ựịnh. Ghép nhóm không phân cấp theo phương pháp ISODATA ựược dùng khá phổ biến hiện naỵ Phương pháp ISODATA là một trong những thuật toán lặp tối ưu cơ bản tiêu biểu nhất ựược thực hiện gồm các bước sau:
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
68
Bước 1: Chọn C ựiểm nào ựó trên ảnh xem như là trọng tâm của C nhóm
tương ứng với số loại có trên ảnh, do ựó giá trị của pixel tại ựiểm chỉ ựịnh ựược xem là trung bình của nhóm mi (i=1,.., C).
Bước 2: Tắnh khoảng cách từng pixel trên ảnh ựến trung bình của nhóm mi, gộp pixel vào nhóm thắch hợp dựa vào khoảng cách ngắn nhất.
Bước 3: Tắnh giá trị trung bình của các nhóm mới hình thành mi (i=1,Ầ,C).
Bước 4: Nếu mi = mi* cho tất cả các nhóm thì quá trình lặp kết thúc, ngược lại tắnh lại trọng tâm các nhóm và tiếp tục lặp cho ựến khi các nhóm ổn ựịnh.
Phương pháp ISODATA do Duda và Hart ựề xuất năm 1973 vừa mang ựặc tắnh của phân loại không giám ựịnh, nhưng cũng vừa mang ựặc tắnh của phân loại giám ựịnh. Bởi vì nếu giá trị của pixel tại ựiểm chỉ ựịnh ban ựầu chắnh là giá trị trung bình của loại ựược tắnh từ vùng mẫu ựã biết (nhóm mi với i=1,Ầ,C tương ứng với C loại cần ựược xác ựịnh) khi ựó ISODATA ựược xem như là dạng của phương pháp khoảng cách ngắn nhất trong phân loại giám ựịnh.
ISODATA có thể coi là thuật toán ựáng tin cậy nhất trong số các phương pháp phân loại không kiểm ựịnh và ựược cài ựặt trong hầu hết các phần mềm xử lý ảnh số. Tuy nhiên, ngoài nhược ựiểm ựã nêu về yêu cầu ựối với người sử dụng, thời gian xử lý cũng là một yếu ựiểm ựáng kể của phương pháp nàỵ
Ảnh khu vực nghiên cứu ựược phân loại với một vài phương án, từ việc phân 20 lớp, số lần lặp 5ẦPhương án cho kết quả tốt nhất là phương án với số lớp là 30, số lần lặp 20. Các lớp ựược giải ựoán và ựặt tên theo bảng 4.6.
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
69
khi giải ựoán tiến hành ghép các lớp vào với nhau ựược 7 lớp ựó là ựất sản xuất nông nghiệp, ựất rừng sản xuất+ ựất rừng ựặc dụng, ựất rừng phòng hộ, ựất nuôi trồng thủy sản,ựất khu dân cư và ựất chuyên dùng, Sông, suối, ao, hồ, kênh, mặt nước chuyên dùng, ựất chưa sử dụng
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
70
Bảng 4.6: Các lớp giải ựoán và tên lớp sau phân loại
STT Lớp Tên loại hình SĐ
1 Lớp 1 Không dữ liệu
2 Lớp 2 đầm nuôi trồng thủy sản
3 Lớp 3 đầm nuôi trồng thủy sản; nước sông 4 Lớp 4 đầm nuôi trồng thủy sản; nước hồ 5 Lớp 5 đầm nuôi trồng thủy sản
6 Lớp 6 Nước sông; nước biển
7 Lớp 7 Nước sông, ựầm nuôi trồng thủy sản
8 Lớp 8 Nước sông
9 Lớp 9 Rừng phòng hộ
10 Lớp10 Rừng ựặc dụng, rừng sản xuất 11 Lớp11 Khu dân cư, chuyên dùng
12 Lớp 12 Rừng phòng hộ, sản xuất nông nghiệp 13 Lớp 13 đất sản xuất nông nghiệp
14 Lớp 14 đất sản xuất nông nghiệp
15 Lớp 15 Khu dân cư
16 Lớp 16 Khu dân cư, ựất chuyên dùng 17 Lớp 17 đầm nuôi trồng thủy sản 18 Lớp 18 đầm nuôi trồng thủy sản 19 Lớp 19 đất chưa sử dụng
20 Lớp 20 Chuyên dùng
21 Lớp 21 đất khu dân cư
22 Lớp 22 đất sản xuất nông nghiệp 23 Lớp 23 đất sản xuất nông nghiệp
24 Lớp 24 Rừng sản xuất
25 Lớp 25 Rừng sản xuất
26 Lớp 26 Sông, suối
27 Lớp 27 đất chuyên dùng
28 Lớp 28 đầm nuôi trồng thủy sản 29 Lớp 29 Nước sông , nước biển
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ.
71
Hình 4.7: Ảnh phân loại năm 2005 và 2010
4.3.1.6. Khảo sát thực ựịa
Khảo sát ngoại nghiệp nhằm mục ựắch kiểm tra kết quả phân tắch, giải ựoán ảnh ở nội nghiệp, xác ựịnh những loại ựất giải ựoán chưa chắc chắn ở nội nghiệp. điều vẽ thực ựịa những loại ựất không xác ựịnh ựược ở nội nghiệp và thu thập những thông tin không hiện trên ảnh nhằm xác ựịnh chắnh xác các loại ựất. Khảo sát dọc theo các tuyến giao thông và những khu vực có sự thay ựổi mục ựắch sử dụng ựất.
4.3.1.7. Một số kỹ thuật sau phân loại
Trước khi chuyển kết quả phân loại sang dạng bản ựồ chúng ta cần phải thực hiện một số thao tác cần thiết như khái quát hóa các lớp thông tin, véc tơ hóa ảnh sau khi phân loại Ầ