Phương pháp đánh giá độ tin cậy là phương pháp sử dụng các thuật toán xử lý giữa kết quả giải đoán ảnh bằng chương trình với kiểm tra tại thực địa. Phương pháp này sử dụng phần mềm ENVI 4.4 để đánh giá độ tin cậy dựa vào kết quả đối chiếu giữa ảnh MODIS đã giải đoán và các điểm khảo sát thực địa đo bằng GPS.
* Quy trình các bước thực hiện
Bước 1: Tham khảo tài liệu có liên quan về vùng nghiên cứu, lý thuyết về xử lý giải đoán ảnh viễn thám.
Tham khảo các công trình nghiên cứu ứng dụng công nghệ viễn thám, đặc biệt là viễn thám phản xạ bề mặt thực vật cũng như nghiên cứu nguyên lý ứng dụng ảnh này trong việc giải đoán độ phát xạ bề mặt, chỉ số thực vật NDVI.
Bước 2: Thu thập dữ liệu ảnh và số liệu về vùng nghiên cứu.
Thu thập dữ liệu ảnh MODIS MOD09A1, MOD09Q1, MOD13A1, MOD13Q1 khu vực ĐBSCL, thu thập bản đồ hiện trạng các tỉnh An Giang, Đồng Tháp, Sóc Trăng, thu thập số liệu thực tế bằng GPS các điểm thực địa làm cơ sở cho việc so sánh kết quả.
Bước 3 : Cắt, ghép ảnh
Do vùng ĐBSCL nằm trên hai ảnh khác nhau do đó ta tiến hành ghép các ảnh được chụp trong cùng một ngày lại với nhau.
Cắt ảnh: Ảnh có độ phủ rất lớn 2330 km, tổng số pixel của mỗi ảnh là 4800x4800. Để giảm dung lượng ảnh và tập trung vào vùng nghiên cứu ta tiến hành cắt ảnh bằng công cụ Basic Tools/ Resize Data.
Bước 4. Hiệu chỉnh hình học:
Ảnh được thu thập có hệ tọa độ dưới dạng lat/long do đó ta tiến hành nắn ảnh nhằm đưa ảnh về đồng nhất một hệ tọa độ với các bản đồ sẵn có như bản đồ hành chánh ĐBSCL, để thuận lợi cho việc tách các thông tin hữu ích trên ảnh vệ tinh như:
- Xác định tọa độ của các đối tượng trên bản đồ.
- Ảnh thu được có tọa độ ở dạng kinh độ/vĩ độ, ở đây ta thống nhất nắn chỉnh tọa độ về dạng UTM (x,y), datum WGS-84, zone 48 North.
- Sử dụng phần mềm ENVI để chuyển toạ độ.
Bước 5. Biến đổi ảnh
- Tăng cường chất lượng ảnh:
+ Lọc ảnh ta chọn lọc ảnh bằng phương pháp Median, đây là phương pháp dùng để loại bỏ các đối tượng gây nhiễu như mây, mưa, sương mù.
+ Tăng cường độ tương phản bằng phương pháp kéo giãn tuyến tính (Linear) đây là phương pháp sử dụng giá trị nhỏ nhất và lớn nhất của ảnh để thực hiện phép giãn tuyến tính. Tuyến tính 0-255 phương pháp này sẽ hiển thị các giá trị thực pixel của ảnh theo giá trị hiển thị của màn hình từ 0 đến 255.
- Tạo ảnh chỉ số thực vật
Theo Dương Văn Khảm và ctv (2007), chỉ số thực vật là thông tin tiêu biểu cho việc nghiên cứu lượng chlorophyl (diệp lục tố). Các chỉ số phổ thực vật được phân tách từ các band nhìn thấy, cận hồng ngoại, hồng ngoại và dải đỏ là các tham số trung gian mà từ đó có thể thấy được các đặc tính khác nhau của thảm thực vật như: Sinh khối, chỉ số diện tích lá, khả năng quang hợp các sản phẩm sinh khối theo mùa. Những đặc tính đó có liên quan và phụ thuộc rất nhiều vào dạng thực vật bao phủ và thời tiết, đặc tính sinh lý, sinh hoá và sâu bệnh… Vì vậy nó được sử dụng rộng rãi để xác định mật độ phân bố của thảm thực vật, đánh giá trạng thái sinh trưởng và phát triển của cây trồng, làm cơ sở số liệu để dự báo sâu bệnh, hạn hán, diện tích, năng suất và sản lượng cây trồng. Công nghệ gần đúng để giám sát đặc tính các hệ sinh thái khác nhau là phép nhận dạng chuẩn và phép so sánh giữa chúng.
Có nhiều chỉ số thực vật khác nhau, nhưng chỉ số khác biệt thực vật (NDVI) được trung bình hoá trong một chuỗi số liệu theo thời gian sẽ là công cụ cơ bản để giám
sát sự thay đổi trạng thái lớp phủ thực vật và được sử dụng một cách hiệu quả trong quan trắc tình trạng/sức khỏe lớp phủ thực vật .
Chỉ số khác biệt thực vật (NDVI) được tính theo công thức: (NIR-R)
NDVI =
(NIR+R) Trong đó:
+ NIR là phổ phản xạ của kênh cận hồng ngoại gần + R là phổ phản xạ của kênh đỏ
+ -1< NDVI < 1
Một số kết quả nghiên cứu về mối liên hệ giữa giá trị NDVI với các loại thực vật, sinh khối, chiều cao cây, độ phủ…được trình bày hình 6; 7; 8; 9; 10.
Hình 6: Mối quan hệ giữa chỉ số NDVI với sự hiện diện của thực vật ( Dorit Gross, 2005)
Hình 7: Mối quan hệ giữa chiều cao cây và giá trị NDVI (Stefan Roettger, 2007)
Hình 8: Mối quan hệ giữa độ phủ thực vật và giá trị NDVI (Jiang, Z.Y, et al, 2006,)
Hình 9: Khối lượng thực vật tươi và giá trị NDVI ( J. Casadesús et al, 2000)
Hình 10: Diện tích thực vật xanh và giá trị NDVI ( J. Casadesús et al,2000)
Các kết quả nghiên cứu được trình bày cho thấy giá trị NDVI tăng dần theo sự gia tăng của độ phủ thực vật, sinh khối, chiều cao cây… và đạt cực đại bằng 1, đối với những cây trồng khỏe mạnh tán cây sẽ hấp thu nhiều ánh sáng đỏ và phản xạ nhiều hơn gần ánh sáng hồng ngoại và do đó có giá trị NDVI cao.. Điều này một lần nữa khẳng định lại lý thuyết về các chỉ số thực vật mà ở đây cụ thể là chỉ số khác biệt thực vật – NDVI. “Là tham số trung gian mà từ đó có thể thấy được các đặc tính khác nhau của thảm thực vật như: sinh khối, chỉ số diện tích lá, khả năng quang hợp các sản phẩm sinh khối” (Dương Văn Khảm và ctv, 2007).
+ Các chỉ số phổ thực vật được phân tách từ các băng nhìn thấy, cận hồng ngoại, hồng ngoại và dải đỏ là các tham số trung gian mà từ đó có thể thấy được các đặc tính khác nhau của thảm thực vật như: sinh khối, chỉ số diện tích lá, khả năng quang hợp các sản phẩm sinh khối theo mùa.
+ Có nhiều các chỉ số thực vật khác nhau, nhưng chỉ số khác biệt thực vật (NDVI) được trung bình hoá trong một chuỗi số liệu theo thời gian sẽ là công cụ cơ bản để giám sát sự thay đổi trạng thái lớp phủ thực vật, trên cơ sở đó biết được tác động của thời tiết, khí hậu đến sinh quyển.
Bước 6 Phân loại không kiểm soát
Phân loại không kiểm soát nhằm xác định các loại có sự đồng nhất về phổ cho bởi ảnh vệ tinh bằng cách gộp các pixel có các tính chất phổ giống nhau thành một nhóm. Kết quả cuối cùng của phân loại sẽ là một bản đồ với các đơn vị giải đoán từ ảnh. Đối với mục đích giải đoán ảnh để theo dõi mùa vụ và tiến độ xuống giống lúa
thì đối tượng cần được quan tâm là các ruộng lúa với các giai đoạn phát triển khác nhau. Các đối tượng còn lại được bỏ qua hoặc giải đoán kém chi tiết hơn.
Sau đó tiến hành phân loại không chọn mẩu, các pixel sẽ được phân chia tự động vào các lớp dựa trên một số đặc điểm về sự đồng nhất giá trị phổ sử dụng kỹ thuật gộp nhóm, cách làm này được áp dụng loại bỏ được những sai số chủ quan của con người.
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 tăng hoặc giảm tùy theo yêu cầu của người giải đoán đặt ra.
Ảnh được phân loại là ảnh NDVI, do vậy mỗi đối tượng được phân loại sẽ có sự tương đồng về giá trị NDVI, mỗi nhóm đối tượng sau khi phân loại sẽ được gán 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.
Bước 7 Khảo sát thực địa
Điều tra, khảo sát thực tế có ý nghĩa rất qua trọng trong giải đoán ảnh như sau : - Kiểm chứng lại những quy luật biến động của giá trị NDVI từ đó tìm ra được đặc điểm biến động của ảnh chỉ số khác biệt thực vật – của các ảnh nghiên cứu : MOD09A1, MOD09Q1, MOD13A1, MOD13Q1 theo thời gian ở khu vực ĐBSCL với sự thay đổi của hiện trạng sinh trưởng của cây lúa.
- Làm cơ sở cho phân loại có kiểm soát thông qua việc chọn các đối tượng (vùng đại diện - ROI), xác định tên gọi cụ thể cho từng đối tượng.
Xác định các điểm khảo sát dựa trên:
- Các loại bản đồ hiện trạng sử dụng đất các tỉnh đã thu thập được : tỉnh Đồng Tháp, tỉnh An Giang, tỉnh Sóc Trăng, sự biến động giá trị NDVI thông qua đặc điểm ảnh kết quả phân loại không kiểm soát và kết quả giải đoán sơ bộ ban đầu.
- Chọn điểm khảo sát ưu tiên cho đối tượng là lúa và tập trung ở những vùng trồng lúa có tiến độ xuống giống đồng loạt.
- Vị trí khảo sát được phân bố tương đối trên các vùng đất ở ĐBSCL.
- Cách khảo sát: Sử dụng GPS và bản đồ để định vị được điểm khảo sát. Ghi nhận lại tọa độ, hiện trạng. Chia thành nhiều đợt khảo sát thực tế với tổng cộng 100 điểm chọn những thửa ruộng mà cây lúa đang ở các giai đoạn phát triển khác nhau.
Bảng 5: Thống kê vị trí khảo sát theo cơ cấu mùa vụ Tên tỉnh/thành phố Lúa 3 vụ (điểm khảo sát) Lúa 2 vụ (điểm khảo sát) Lúa 1 vụ (điểm khảo sát) An Giang 6 4 0 Cần Thơ 5 0 0 Hậu Giang 8 0 0 Sóc Trăng 8 0 0 Kiên Giang 0 8 5 Bạc Liêu 0 7 1 Cà Mau 0 3 7 Đồng Tháp 4 4 0 Tiền Giang 4 4 0 Long An 4 4 0 Trà Vinh 3 3 3 Bến Tre 2 2 1
Vị trí khảo sát được xác định trên ảnh để xác định mối quan hệ giữa đặc điểm ảnh (giá trị NDVI) và giai đoạn phát triển của cây lúa tại vị trí khảo sát.
Ngoài các điểm khảo sát, còn kết hợp sử dụng bản đồ hiện trạng sử dụng đất các tỉnh An Giang, Đồng Tháp, Sóc Trăng năm 2010 tỉ lệ 1:500.000.
Bước 8. Xác định mối quan hệ giữa NDVI và giai đoạn phát triển của cây lúa
Thống kê và vẽ đồ thị theo dõi sự thay đổi của giá trị NDVI theo thời gian, dựa vào đặc tính của giá trị khác biệt thực vật tìm ra mối quan hệ giữa giá trị NDVI và giai đoạn phát triển của cây lúa.
Bước 9. Phân loại có kiểm soát.
Thực hiện phân loại có kiểm soát trước hết là qua giai đoạn xác định các nhóm kiểm tra đại diện gọi là ROI (Region Of Interest). Số lượng ROI cần thiết để khoanh là những đối tượng có chung các đặc tính với nhau.
Phân loại có kiểm soát theo dữ liệu điều tra thực tế có tọa độ để gán kết quả cho các ROI bằng cách chọn vùng mẫu trên ảnh tương ứng với vùng mẫu được khảo sát thực địa hoặc từ những dữ liệu cần thiết. Vùng mẫu có ý nghĩa quyết định trong phân loại.
Do phân loại không kiểm soát chỉ là cơ sở cho việc khảo sát, kiểm tra, đánh giá phục vụ cho phân loại có kiểm soát. Do đó, để thực hiện việc phân loại có kiểm soát, trước hết phải qua giai đoạn xác định các nhóm kiểm tra đại diện. Các nhóm kiểm tra là tập hợp các nhóm pixel (ROI), các ROI này là các khu vực đã kiểm tra thực địa từ kết quả phân loại không kiểm soát. Để chọn ROI ít có sai số thì việc kết hợp giữa kinh nghiệm, sự hiểu biết từ kết quả khảo sát thực tế về vùng khảo sát và những cơ sở dữ liệu có được là rất quan trọng. Tuy nhiên, do hiện tượng phối hợp màu trên ảnh đa phổ độ phân giải thấp nên sai số khi chọn ROI thường không thể tránh khỏi.
Có nhiều cách phân loại, trong đó kiểu phân loại hàm xác xuất cực đại (Maximum Likelihood) được chọn để phân loại vì nó phù hợp với mục đích nghiên cứu, vì việc phân loại theo phương pháp này tuy mất nhiều thời gian tính toán và phụ thuộc vào sự phân bố chuẩn của dữ liệu, tất cả các phần tử dù không được chọn thuộc về ROI nào hoặc cùng lúc thuộc nhiều ROI cũng được chọn vào những nhóm gần chúng nhất hoặc có xác suất cao nhất. Điều này giảm sai số khi ROI được chọn không đồng nhất tức là có một vài phần tử ảnh không mong muốn lẫn vào ROI được chọn sẽ bị loại ra và tính toán để đưa vào nhóm thích hợp (Nguyễn Quang Tuấn, 2008). Phương pháp này cho rằng các band phổ có sự phân bố chuẩn và các pixel sẽ được phân loại vào lớp mà nó có xác suất cao nhất. Việc tính toán không chỉ dựa vào giá trị khoảng cách mà nó còn dựa vào cả xu thế biến thiên độ xám trong mỗi lớp.
Các ROI được khoanh dựa vào:
- Bản đồ hiện trạng sử dụng đất và kết quả phân loại không kiểm soát (Phân loại không kiểm soát giúp ta định vị được những địa điểm mà có sự hiện diện của thực vật và biết được trạng thái phát triển của thực vật theo từng thời gian cụ thể). Căn cứ vào đây ta có thể phân biệt được những vùng canh tác khác nhau : vùng lúa một vụ, hai vụ, ba vụ.
- Kết quả điều tra thực tế (Dựa vào tọa độ của các điểm điều tra ta biết chính xác được hiện trạng và dựa vào phiếu đều tra để biết được cơ cấu mùa vụ của chúng. Từ đây ta đối chiếu với đồ thị thể hiện sự biến đổi giá trị NDVI để rút ra kết luận về quy luật biến đổi này). Từ đây làm cơ sở để giải đoán cho những đối tượng còn lại. - Màu được tổ hợp bằng nhiều cách từ các band của chuỗi ảnh đa thời gian, do mỗi band ảnh là một ảnh NDVI chụp tại một thời điểm nhất định do đó dựa vào màu này để ta có thể phân biệt được các đối tượng khác nhau trên ảnh.
Các ROI được khoanh phải dựa trên các điểm khảo sát thực địa làm cơ sở để chọn các ROI tương tự, sau khi khoanh từng ROI ta thống kê 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 12) ta ghi nhận, đặt tên và tiến hành khoanh ROI mới. Khi thống kê nếu kết quả cho thấy các giá trị của các pixel trong ROI biến động không đồng nhất (hình 13) thì ta bỏ và khoanh ở vị trí khác.
Hình 12: Giá trị NDVI tương đối đồng nhất trong cùng một ROI
Sự biến động giá của giá trị trung bình NDVI từ band 1 đến 30 Giá trị NDVI lớn nhất, nhỏ nhất, trung bình và độ lệch của từng band ảnh Giá trnhất (Min)ị nhỏ Giá trị lớn nhất (Max) Độ lệch thấp
Hình 13: Giá trị NDVI không đồng nhất trong cùng một ROI
Tất cả các ROI đều được thống kê và đặt tên. Cách đặt tên cho từng ROI dựa vào quy luật biến động của chúng, khi nhìn vào tên ROI có thể biết được những ROI có cùng một quy luật biến động và gộp chung vào một nhóm. Sau đó ta thống kê lại nhóm vừa tạo để kiểm tra lại tính đồng nhất của chúng. Kết quả thống kê bằng phần mềm ENVI sẽ được chuyển sang Excel và sử dụng giá trị trung bình (Mean) để vẽ đồ thị và tiến hành phân loại có kiểm soát. Từ đồ thị này có thể xác định được ngày xuống giống và ngày thu hoạch cho các đối tượng là lúa. Từ kết quả này xác định được cơ cấu mùa vụ và diện tích xuống giống cho từng thời điểm cụ thể trong năm. Tùy vào từng vùng nghiên cứu mỗi loại cây trồng có khoảng giá trị NDVI dao động trong một khoảng giới hạn nhất định (Do trên mỗi loại đất có đặc tính khác nhau, trên những vùng đất màu mỡ thì cây trồng phát triển tốt giá trị NDVI sẽ đạt cao và