- Kết quả phân tắch các thông tin kém.
DN(1,2) = DN(1) Ờ DN(2)
Trong ựó:
DN(1): Giá trị DN của pixel trong ảnh chụp ở thời gian (1) DN(2): Giá trị DN của pixel trong ảnh chụp ở thời gian (2)
DN(1,2): Giá trị DN của pixel ảnh biến ựộng giữa hai thời gian (1) và (2). DN sẽ có các giá trị (-), (+), hoặc bằng 0.
+ Giá trị 0 là không có biến ựộng.
+ Giá trị (-), (+) là biến ựộng theo hai hướng khác nhaụ Vắ dụ ựối với band Green (band 5 của MSS hay band 2 của TM) thì giá trị âm của DN(1,2) sẽ là biến ựộng theo hướng tăng ựộ xanh, khi ựó giá trị DN giảm ựị Còn ựối với các band khác, như band 4 của MSS hay band 1 của TM thì giá trị âm thể hiện nước biến ựổi theo xu thế trong hơn, sạch hơn. đối với ựất, ựá thì khi DN(1,2) dương nghĩa là ựất, ựá khô hơn hoặc nhiều cát hơn còn ngược lại khi
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ. 42
DN(1,2) âm thể hiện trong thực tế nước nông hơn và bẩn hơnẦ
2.5.3.2 Phân loại dữ liệu ựa thời gian
Tạo tổ hợp ảnh ựa thời gian và phân loại chúng, khi ựó những lớp biến ựộng sẽ có khác biệt phổ so với các lớp không biến ựộng.
Sơ ựồ 2.1. Phương pháp phân loại dữ liệu ựa thời gian
Trước khi phân loại ảnh người ta ghép (chồng phủ) hai ảnh có N kênh phổ ựể tạo nên một ảnh ựa thời gian có 2N kênh phổ. Kết quả phân loại ảnh chồng phủ gồm 2N kênh là một tập hợp bao gồm các lớp thay ựổi và các lớp không thay ựổị
độ chắnh xác của phương pháp này phụ thuộc vào việc lấy mẫu ựể phân loại ảnh, sự thay ựổi theo các mùa trong năm và ảnh hưởng của khắ quyển.
2.5.3.3 Tạo ảnh biến ựộng từ ảnh của hai thời ựiểm khác nhau
Ảnh kết quả là vùng có sự thay ựổi về phổ nhiều, sẽ là vùng có khả năng biến ựộng còn vùng mà kết quả của phép trừ ảnh ắt hoặc bằng 0 là vùng không có biến ựộng.
Sơ ựồ 2.2. Phương pháp ựánh giá biến ựộng tạo thay ựổi phổ
Ảnh 1
Ảnh 2
Ảnh ựa thời gian
Phân loại đánh giá
biến ựộng
Ảnh 1
Ảnh 2
Tạo thay ựổi phổ
Phân loại đánh giá
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ. 43
Từ hai ảnh viễn thám ban ựầu với việc sử dụng các kỹ thuật khác nhau sẽ tạo nên một hay nhiều kênh ảnh mới có sự thay ựổi phổ. Sự khác biệt phổ giữa các pixel có thể ựược tắnh cho từng pixel hoặc tắnh trên toàn cảnh cùng với tắnh trên từng pixel. Phương pháp này chỉ rõ những khu vực biến ựộng và không biến ựộng cũng như mức ựộ biến ựộng.
2.5.3.4 đánh giá biến ựộng bằng tỷ số ảnh
Nơi có giá trị tỷ số ảnh gần bằng hoặc bằng 1 là nơi không biến ựộng. Nơi biến ựộng sẽ có giá trị nhỏ hơn hoặc lớn hơn 1.
2.5.3.5 Tạo ảnh biến ựộng từ ảnh chỉ số thực vật
Chỉ số thực vật ựược dùng rất rộng rãi ựể xác ựịnh mật ựộ phân bố của thảm thực vật, ựánh giá trạng thái sinh trưởng và phát triển của cây trồng, làm cơ sở số liệu dự báo sâu bệnh, hạn hán, diện tắch và năng suất, sản lượng cây trồngẦ
Từ nhiều band phổ ảnh chỉ số thực vật của từng thời ựiểm sẽ ựược tạo nên theo phương pháp NDVỊ Công thức tắnh:
(NIR Ờ Red) NDVI =
(NIR + Red) Trong ựó:
NDVI: Chỉ số thực vật
NIR: Giá trị phản xạ phổ trong vùng cận hồng ngoại Red: Giá trị phản xạ phổ trong vùng ánh sáng ựỏ
Tạo ảnh hiệu số từ hai ảnh NDVI sẽ cho các giá trị biến ựộng hoặc không biến ựộng về chỉ số thực vật. đó là biến ựộng về sinh khối của lá, biến ựộng về diện tắch. Vắ dụ:
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ. 44
Hình 2.16. Chỉ số thực vật qua hai mùa khác nhau trong năm
Qua vắ dụ ta thấy giữa các mùa khác nhau thì chỉ số thực vật cũng khác nhaụ Vào mùa xuân khi lá cây xanh tốt thì chỉ số NDVI xác ựịnh ựược là 0,72; vào mùa thu khi lá cây chuyển sang màu vàng ựỏ thì chỉ số NDVI xác ựịnh ựược là 0,14. điều này chứng tỏ giữa các mùa có sự biến ựộng về chất lượng lá..
2.5.3.6 Tạo ảnh biến ựộng từ ảnh ựã phân loại
để áp dụng ựược phương pháp này, ựể có kết quả chắnh xác và tiện so sánh việc phân loại phải ựược thực hiện theo nguyên tắc hai cùng: cùng hệ thống phân loại và cùng phương pháp phân loạị Nguyên tắc ựánh giá sự biến ựộng của hai ảnh ựã phân loại là dựa vào ma trận biến ựộng (ma trận hai chiều). Vắ dụ như bảng sau:
Bảng 2.2. Bảng ma trận biến ựộng giữa hai thời gian a và b
ảnh thời gian a L1 L2 L3 L4 L5 L1 L11 L21 L31 L41 L51 L2 L12 L22 L32 L42 L52 L3 L13 L23 L33 L43 L53 L4 L14 L24 L34 L44 L54 L5 L15 L25 L35 L45 L55 ảnh thời gian b
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ. 45
Trên ma trận, theo cột và theo hàng là tên các ựơn vị ựã ựược phân loại theo hai thời ựiểm a và b. Theo ựường chéo là các ựơn vị không có sự biến ựộng (ựược tô màu ựánh dấu), còn lại là những biến ựộng chi tiết của từng ựơn vị (ựược khoanh tròn). Vắ dụ L23 là ựơn vị L2 của thời ựiểm a biến thành ựơn vị L3 của thời ựiểm b.
2.5.3.7 Phương pháp phân tắch Vector
Là phương pháp nghiên cứu hướng biến ựộng của các vector thông tin của từng pixcel trên ảnh. Có thể áp dụng phương pháp ựể nghiên cứu xu thế biến ựộng của nhiều yếu tố tự nhiên, môi trường như rừng, nước và ựất.
2.5.3.8 Nghiên cứu biến ựộng sau phân loại
Là phương pháp thông dụng nhất ựược áp dụng ựể nghiên cứu biến ựộng. Bản chất của nó là so sánh sự biến ựộng của kết quả phân loại ảnh.
để áp dụng phương pháp này cần lựa chọn hai tư liệu ảnh ở hai thời ựiểm khác nhau của cùng một khu vực nghiên cứụ độ chắnh xác phụ thuộc vào ựộ chắnh xác của từng phương pháp phân loại do phải tiến hành phân loại ựộc lập các ảnh viễn thám.
Sơ ựồ 2.3. Phương pháp ựánh giá biến ựộng sau phân loại
Ảnh 1 Ảnh 2 Phân loại Phân loại đánh giá biến ựộng
Trường đại học Nông Nghiệp Hà Nội Ờ Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦẦ. 46