L ời cam đoan
2.2.5 Phương pháp viễn thám
2.2.5.1 Phương pháp giải đoán ảnh thành lập bản đồ hiện trạng rừng
a. Tiền xử lý ảnh
- Hiệu chỉnh hình học
Đối với ảnh vệ tinh, trong quá trình chụp ảnh do sự thay đổi tốc độ quay của gương nên thường dẫn đến sự méo mó hình ảnh, lệch tọa độ…Việc nắn chỉnh ảnh nhằm đưa ảnh về đúng hình dạng thực tế, về tọa độ thực. Ảnh được nắn tọa độ dựa trên tọa độ thực bản đồ đã có tọa độ chuẩn với hệ tọa độ và lưới chiếu (WGS 84, UTM 48N). Chọn và xác định tọa độ 4 góc và trung tâm của mỗi ảnh hoặc chọn ít nhất 4 điểm khống chế tại các vị trí tương ứng giữa ảnh và bản đồ, khi đó ảnh sẽ không bị méo. - Hiệu chỉnh khí quyển (Atmosphere correction) trước tiên phải tính toán góc vệ tinh, góc thiên đỉnh, góc chụp…sau đó tiến hành hiệu chỉnh ảnh. Do nhiều nguyên nhân khác nhau như: do ảnh hưởng của bộ cảm biến hoặc có thể do ảnh hưởng của địa hình và góc chiếu của mặt trời hoặc do ảnh hưởng của khí quyển, … làm ảnh hưởng rất lớn đến chất lượng ảnh thu được. Đểđảm bảo nhận được những giá trị chính xác của năng lượng bức xạ và phản xạ của vật thể trên ảnh vệ tinh, cần phải thực hiện việc hiệu chỉnh bức xạ nhằm loại trừ các nhiễu trước khi sử dụng ảnh.
b. Phân loại không kiểm soát
Với nguyên tắc gom nhóm những pixel có giá trị phổ tương đồng phương pháp phân loại không kiểm soát được thực hiện. Có 2 phương pháp phân loại ảnh không kiểm soát Isodata và K-mean. Đề tài sử dụng phương pháp phân loại Isodata (Classification/Unsupervised/Isodata). Các thông số trong hộp thoại phân loại ảnh được chọn dựa trên những giá trị mặc định của phần mềm.
c. Thành lập chìa khoá giải đoán
Trên cơ sở nhận định từ kiểm tra thực tế, các đối tượng trên ảnh được xác định dựa vào các đặc điểm khác nhau. Thành lập bảng chìa khóa giải đoán cho các đối tượng dựa vào các yếu tố về phản xạ phổ, màu sắc, tôn ảnh, hình dạng, kích thước, cấu trúc và vị trí của các đối tượng trên ảnh.
d. Phân loại có kiểm soát
Chuyển tọa độ các điểm khảo sát lên ảnh, khoanh vùng mẫu cho từng nhóm đối tượng ở vị trí các điểm khảo sát đã được xác định hiện trạng (Basic Tools\ Region Of Interest\ROI tool).
Kết quả chọn và khoanh vùng mẫu cho từng nhóm đối tượng rất quan trọng vì nó quyết định trực tiếp đến độ chính xác của kết quả phân loại có kiểm soát. Để đảm bảo tính tập trung và sự khác biệt của từng vùng mẫu đặc trưng cho từng nhóm đối tượng, kết quả khoanh vùng mẫu (ROI) cần đảm bảo các yếu tố:
- Độ lệch chuẩn (Stdev) của từng vùng mẫu phải thấp.
- Kết quả phân tích so sánh sự khác biệt của từng cặp nhóm đối tượng phải đảm bảo tốt (hệ số khác biệt >1). Tuy nhiên chỉ có thể kiểm tra được sự khác biệt đối với ảnh tổ hợp từ nhiều band phổ.
Tiến hành phân loại có kiểm soát với các vùng mẫu đã chọn cho từng nhóm đối tượng (Classification/Supervised/ Maximum Likelihood).
Kết quả phân loại được hiển thị dưới dạng thống kê theo từng nhóm đối tượng sau phân loại với các thông số: tên đối tượng, số lượng pixel, % pixel (Classification/Post classification/Class Statistics).
e. Đánh giá độ chính xác sau phân loại
Việc phân loại chỉ được coi là hoàn chỉnh một khi sự đánh giá về độ chính xác là đạt yêu cầu. Nguyên tắc đánh giá là so sánh tài liệu thực tế và kết quả phân loại.
Phương pháp phổ biến trong đáng giá theo phương pháp Crossing giữa kết quả phân loại và bản đồ thực tế. Việc đánh giá kết quả phân loại đảm bảo tính trung thực và của giá trị phân loại (Lê Văn Trung, 2005).
Sử dụng ma trận sai số phân loại để xác định độ chính xác của việc giải đoán ảnh, kết quả tính được tỷ lệ phần trăm sai số bỏ sót, tỷ lệ phần trăm sai số thực hiện và độ chính xác toàn cục.
Bảng 2.2 Ma trận sai số phân loại
Loại được giải đoán
Loại thực (1) (2) … (k – 1) (k) Tổng cộng (1) O11 O12 … O1(k -1) O1k S1+ (k) Ok1 Ok2 ….. Ok(k-1) Okk Sk+ Tổng cộng S+1 S+2 ….. S+k-1 S+k n = ∑k i=1Oi = ∑k j=1Oj
(Nguồn: Lê Văn Trung, 2005)
Loại thực hiện là hiện trạng nhóm đối tượng tại vị trí kiểm tra ngoài thực tế; loại được giải đoán là kết quả giải đoán ảnh tại vị trí đó ứng với nhóm đối tượng nào.
Tỷ lệ % sai số bỏ sót: t+i = 100*(S+i - Oii)/S+I (%) Tỷ lệ % sai số thực hiện: tj+ = 100*(Sj+ – Ojj)/Sj+ (%) Độ chính xác toàn cục của thuật toán phân loại: T = ∑k
i=1Oii * 100 / n (%).
2.2.5.2 Phương pháp phân loại dựa trên đối tượng thành lập bản đồ tỷ lệ rừng
a. Phân đoạn ảnh
Quy trình phân đoạn ảnh là một bước quan trọng của phương pháp phân loại dựa trên đối tượng cơ bản. Phân đoạn ảnh thành các đối tượng không chỉ dựa vào giá trị tại pixel mà còn dựa vào quan hệ của nó với các pixel lân cận. Việc phân đoạn thường được tiến hành tự động. Quá trình này thực hiện việc phân vùng ảnh thành các vùng rời rạc và đồng nhất với nhau hay nói cách khác là xác định các biên của các vùng ảnh đó. Các vùng ảnh đồng nhất này thông thường sẽ tương ứng với tòan bộ hay từng phần của các đối tượng thật sự bên trong ảnh. Vì thế, trong hầu hết các ứng dụng của lĩnh vực xử lý ảnh (image processing), thị giác máy tính, phân đoạn ảnh luôn đóng một vai trò cơ bản và thường là bước tiền xử lý đầu tiên trong toàn bộ quá trình trước khi thực hiện các thao tác khác ở mức cao hơn như nhận dạng đối tượng, biểu diễn đối tượng, nén ảnh dựa trên đối tượng, hay truy vấn ảnh dựa vào nội dung.
Hình 2.1. Minh họa quá trình phân đoạn đối tượng bằng phần mềm eCognition
(Nguồn Definiens, 2007)
Ảnh gốc
Phân đoạn ảnh cấp 1
Trên cơ sở lý thuyết về phân đoạn ảnh, hình 2.1 minh họa quá trình phân đoạn ảnh. Quá trình phân đoạn này được thể hiện là từ ảnh gốc sử dụng các thông số ảnh (như kích thước vùng mẫu, hình dạng, độ sáng của các đối tượng) cắt các đối tượng trên ảnh gốc ra thành những vùng chứa đối tượng nhỏ hơn. Nếu đối tượng thể hiện trên ảnh có kích thước nhỏ hơn kích thước mà quy định trong phân đoạn ảnh lần thứ nhất thì trên cơ sở các vùng đã phân đoạn đó tiếp tục sử dụng các thông số quy định về kích thước, hình dạng…cắt các đối tượng ảnh ra thành các vùng nhỏ hơn nữa.
b. Phân loại ảnh thành lập bản đồ
Phân loại ảnh dựa vào nhiều phương pháp khác nhau, trong đó phổ biến nhất là phương pháp phân loại có kiểm định và phân loại dựa vào cây quyết định. Phương pháp phân loại ảnh số theo đối tượng phân loại dựa trên cả giá trị của các pixel và ngữ cảnh của nó với các pixel xung quanh. Đây là một phương pháp mới nhưng đã chứng tỏ được tính ưu việt của nó, đặc biệt trong thành lập bản đồ hiện trạng sử dụng đất/lớp phủ thực vật/bản đồ hiện trạng rừng.
Quy trình giải đoán ảnh theo phương pháp phân loại dựa trên đối tượng được trình bày ở hình 2.2 cho kết quả thành lập bản đồ tỷ lệ phần trăm che phủ của rừng khu vực ven biển mũi Cà Mau. Theo quy trình thì đề quá trình phân loại ảnh dựa trên đối tượng thành lập bản đồ tỷ lệ rừng gồm các bước được thực hiện như sau:
- Hiệu chỉnh ảnh: ảnh sau khi thu thập cần được hiệu chỉnh về khí quyển (khí quyển
ảnh hưởng đến quá trình quét và thu nhận ảnh, gây nhiễu và sai lệch các thông tin), hiệu chỉnh hình học (giúp cho ảnh trở về tọa độ thực tế) và tăng cường chất lượng ảnh (làm cho ảnh rõ nét hơn, trơn và mịn hơn so với ảnh gốc).
- Phân đoạn ảnh lần thứ nhất: Phân đoạn ảnh lần thứ nhất được thực hiện với các
thông số được quy định là quy mô (hay kích thước) là 30, hình dạng là 0,05 và độ chặt là 0,5. Quá trình này được hiểu là khi các đối tượng trên ảnh có sự khác biệt nhau về hình dáng, độ chặt thì các đối tượng đó sẽ bị phân ra thành những đối tượng riêng với kích thước của vùng được phân nhỏ nhất là 30.
- Xác định đối tượngtrong phần phân đoạn ảnh lần thứ nhất: gồm đối tượng nước
biển và bãi bồi. Trong phân đoạn ảnh lần thứ nhất giúp xác định được đối tượng là nước biển nhờ vào giá trị về độ sáng của đối tượng, cùng với đó cũng xác định được đối tượng là khu vực bãi bồi (dựa vào sự hiểu biết về sự phân bố những khu vực bãi bồi ở vùng ven biển mũi Cà Mau)
- Phân đoạn ảnh lần thứ hai:Trên cơ sở các đối tượng phân đoạn ảnh lần thứ nhất,
tiếp tục cắt ảnh ra thành những khu vực nhỏ hơn với các thông số về quy mô (hay kích thước) là 10, hình dạng là 0,05 và đột chặt là 0,5. Quá trình tách các đối tượng trên ảnh ở lần phân đoạn thứ hai cũng tương tự quá trình phân đoạn ảnh lần thứ nhất chỉ
khác là khi đối tượng có sự khác nhau về hình dạng và độ chặt thì đối tượng đó sẽ bị tách ra thành các vùng riêng biệt với kích thước của vùng nhỏ nhất là 10.
- Xác định đối tượng trong phần phân đoạn ảnh lần thứ hai: Trong phương pháp
phân đoạn ảnh lần thứ hai giúp xác định thêm các đối tượng là rừng (dựa vào phân tích giá trị NDVI), dân cư (đó là những khu vực có giá trị NDVI <=0) và sông ao hồ.
- Thành lập bản đồ tỷ lệ rừng: tỷ lệ rừng được xác định dựa vào tỷ lệ của khu vực có rừng trên tổng diện tích của toàn khu vực từ đó gom nhóm lại thành các nhóm đối tượng có tỷ lệ che phủ rừng khác nhau.
Sai Đúng Bãi bồi Kiến thức chuyên môn Sai Đúng Ảnh SPOT 5 Hiệu chỉnh ảnh Ảnh SPOT 5 – hiệu chỉnh Phân đoạn ảnh Tỷ lệ: 30 Hình dạng: 0.05 Độ chặt: 0.5 Tỷ lệ rừng Tổng diện tích Đối tượng (phân đoạn cấp độ 1) Đối tượng (phân đoạn cấp độ 2) Tỷ lệ: 10 Hình dạng: 0.05 Độ chặt: 0.5 NDVI>=0.4 Độ sáng >= 15 NDVI<= 0 Rừng Sông Thổ cư Diện tích rừng Diện tích rừng/ Tổng diện tích*100 Độ sáng >0 Nước biển