3. Ý nghĩa khoa học vă thực tiễn
2.3.3. Phương phâp viễn thâm vă hệ thống thơng tin địa lý (GIS)
2.3.3.1. Xđy dựng hệ thống phđn loại sử dụng đất
Trong nghiín cứu năy, để nghiín cứu sự thay đổi cơ cấu sử dụng đất đề tăi lựa chọn hệ thống phđn loại sử dụng đất gồm đất nơng nghiệp, đất phi nơng nghiệp vă đất chưa sử dụng. Đại diện cho nhĩm đất nơng nghiệp đề tăi lựa chọn hệ thống phđn loại lớp phủ bề mặt gồm đất sản xuất nơng nghiệp vă đất rừng; đại diện cho nhĩm đất phi
nơng nghiệp đề tăi lựa chọn loại lớp phủ bề mặt gồm đất cơng trình xđy dựng vă đất mặt nước; loại lớp phủ bề mặt đất trống được lựa chọn để đại diện cho loại hình đất chưa sử dụng đất. Mơ tả chi tiết âc loại hình sử dụng đất được lựa chọn để tiến hănh phđn loại được thể hiện như Bảng 2.2.
Bảng 2.2. Mơ tả câc loại hình sử dụng đất được lựa chọn nghiín cứu
STT Hệ thống phđn loại sử dụng đất Hệ thống phđn loại lớp phủ bề mặt Mơ tả 1 Đất nơng nghiệp Đất sản xuất nơng nghiệp
Bao gồm đất trồng lúa, hoa mău, cđy cơng nghiệp ngắn ngăy, đất lăm muối…
Đất rừng Bao gồm câc loại đất rừng tự nhiín, rừng đặc dụng, rừng phịng hộ, rừng trồng… 2 Đất phi nơng
nghiệp
Đất xđy dựng
Bao gồm đất nhă cửa khu dđn cư, câc khu cơng nghiệp, thương mại dịch vụ, đường giao thơng, liín lạc, đất cơ sở sản xuất kinh doanh, cơng trình sự nghiệp, nghĩa trang nghĩa địa… ở câc phường thănh phố Đă Nẵng.
Đất mặt nước
Bao gồm sơng suối, ao hồ tự nhiín, mặt nước ao hồ, đất cĩ mặt nước chuyín dùng….
3 Đất chưa sử
dụng Đất trống
Bao gồm câc khu vực đất trống, khu đất mở hay câc khu vực giải tỏa chưa xđy dựng, đồi trọc…
2.3.3.2. Tiền xử lýảnh viễn thâm
Dữ liệu ảnh viễn thâm câc năm 2003, 2010 vă 2015 được tiến hănh tiền xử lý trín phần mềm Erdas Imagine bao gồm loại nhiễu dưới ảnh hưởng của sương mù, khí quyển vă điều kiện chiếu sâng; ghĩp cảnh, nắn chỉnh hình học; cắt ảnh theo ranh giới vă loại bỏ mđy trín khu vực nghiín cứu để phục vụ cho câc bước phđn loại tiếp theo.
Trong quâ trình tiền xử lý, câc ảnh được kiểm tra vềđộ lệch khơng gian với yíu cầu độ lệnh phải nhỏ hơn 0,5 pixel vă câc ảnh được chuẩn hĩa theo ảnh năm 2010 để đưa đặc tính phản xạ phổ thu được trín câc ảnh về tương đương với nhau.
2.3.3.3. Phđn loại ảnh theo phương phâp định hướng đối tượng
Trong nghiín cứu năy, đề tăi lựa chọn phương phâp giải đôn ảnh theo định hướng đối tượng (object-oriented classification) với mục đích tăng độ chính xâc của kết quả giải đôn ảnh. Câc bước thực hiện giải đôn ảnh được thực hiện như sau:
a. Phđn mảnh ảnh
Phương phâp phđn loại định hướng đối tượng được phđn thănh hai giai đoạn chính: giai đoạn phđn mảnh ảnh (segmentation) vă giai đoạn phđn loại ảnh (image classification) dựa trín bộ quy tắc (rule set) được thiết lập bao gồm câc thuật tôn, chỉ số (indice) vă giâ trị ngưỡng phđn loại (threshold). Phđn mảnh ảnh lă gộp một số pixel năo đĩ thănh đối tượng vă quâ trình phđn loại ảnh sau đĩ được thực hiện dựa trín câc đối tượng thay vì dựa trín từng điểm ảnh riíng biệt. Trong quâ trình tạo ra câc đối tượng, tỷ lệ sẽ xâc định sự xuất hiện hoặc vắng mặt của một số lớp đối tượng vă kích thước của đối tượng cĩ thể ảnh hưởng đến kết quả phđn loại. Câch tiếp cận năy đê chứng minh cĩ thể cung cấp kết quả phđn loại tốt hơn so với câch tiếp cận phđn loại theo điểm ảnh, đặc biệt lă cho dữ liệu với độ phđn giải khơng gian cao [20, 45].
Phđn mảnh ảnh lă bước quan trọng nhất trong phđn loại định hướng đối tượng, theo đĩ tính đồng nhất của mỗi điểm ảnh sẽđược nhĩm lại thănh một đối tượng riíng biệt. Mức độđồng nhất của đối tượng được xâc định thơng qua câc thơng số như: tỷ lệ (scale), mău sắc (color), hình dâng (shape), độ chặt (compactness) vă độ trơn (smoothness) của đối tượng, trong đĩ thơng số tỷ lệ (scale) cĩ tính quyết định mức độ đồng nhất hay khơng đồng nhất cao nhất cho kết quả phđn mảnh đối tượng trín ảnh. Nếu sử dụng giâ trị cĩ tỷ lệ lớn sẽ dẫn đến tạo ra câc đối tượng ảnh cĩ kích thước lớn hơn. Thơng số về hình dâng vă mối quan hệ giữa hình dạng vă mău sắc đối tượng sẽ giúp cho quâ trình phđn mảnh đối tượng trín ảnh hiệu quả hơn. Thơng số về độ chặt giúp tối ưu hĩa việc phđn mảnh liín quan đến độ chặt tổng thể trong tiíu chí hình dâng. Việc kiểm sôt vă thay đổi linh hoạt câc thơng số trín sẽ giúp cĩ được một kết quả phđn mảnh ảnh tốt nhất phục vụ cho việc phđn loại câc đối tượng. Phần mềm eCognition Developer cung cấp một số câch thức phđn mảnh ảnh vă trong nghiín cứu năy phđn mảnh đa độ phđn giải (multirersolution) được sử dụng. Phương phâp năy lă một quâ trình tối ưu hĩa cho câc đối tượng ảnh cụ thể, giảm thiếu mức độ khơng đồng nhất trung bình vă tối đa hĩa mức đồng nhất tương ứng [20].
b. Xđy dựng cđy phđn loại vă bộ quy tắc phđn loại định hướng đối tượng
Mỗi một bộ quy tắc phđn loại lă tập hợp câc tiíu chí trong đĩ cĩ thể kết hợp nhiều tiíu chí khâc nhau để phđn loại một hay một nhĩm đối tượng năo đĩ. Nĩi câch khâc, một nhĩm đối tượng năo đĩ đâp ứng câc điều kiện do bộ quy tắc đề ra thì được coi lă cùng loại. Mỗi một bộ quy tắc chỉ cĩ thể dùng cho một ảnh duy nhất. Quy trình xđy dựng bộ quy tắc để phđn loại lớp phủ bề mặt ảnh viễn thâm qua câc năm cho thănh
Hình 2.1. Quy trình xđy dựng bộ quy tắc phđn loại lớp phủ bề mặt
Việc lập một bộ quy tắc trong phđn loại ảnh đối tượng địi hỏi người phđn tích ảnh phải kết hợp được nhiều kiến thức vă sự hiểu biết khâc nhau như đặc trưng của từng kính ảnh, đặc trưng phản xạ của đối tượng trín ảnh, sự hiểu biết về đặc thù của khu vực nghiín cứu, mối quan hệ giữa câc đối tượng trín ảnh vă cuối cùng lă kinh nghiệm của người xử lý ảnh. Trong nghiín cứu năy, để tâch chiết câc nhĩm đối tượng khâc nhau, ngoăi việc sử dụng câc chỉ số từ giâ trị trung bình của câc kính ảnh để phđn tâch câc đối tượng đề tăi cịn sử dụng thím một số chỉ sốđược tính tôn từ câc kính ảnh để cĩ thểđược lựa chọn bộ chỉ số phù hợp gồm:
+ NDWI (Normalized Difference Water Index) - Chỉ số nước khâc biệt thơng thường. Theo GAO (1996), chỉ số NDWI cho phĩp phđn biệt hai đối tượng đất vă nước theo cơng thức:
NDWI = NIR – MIR / NIR + MIR (2.1)
Trong đĩ: NIR: phản xạ vùng cận hồng ngoại, MIR: phản xạ vùng hồng ngoại trung bình.
+ LMW (Land Water Mask)-– Chỉ số năy dùng để phđn biệt câc đối tượng mặt nước, cơng thức tính chỉ số như sau:
LWM = SWIR1 / G*100 (2.2)
Trong đĩ: SWIR1 lă phản xạ vùng hồng ngoại trung bình (kính 5), G: phản xạ vùng sĩng xanh lục
Câc giâ trị trong khoảng được lựa chọn sẽ được sử dụng như một điều kiện xâc định ngưỡng phđn loại cho câc loại hình sử dụng đất với sự trợ giúp của phần mềm eCognition Developer 9.1.
2.3.3.4. Phương phâp đânh giâ độ chính xâc phđn loại ảnh viễn thâm
thâm được đânh giâ bằng câch sử dụng dữ liệu điểm mặt đất thực tế “ground truth” từ ảnh Google Earth ở sât thời điểm thu nhận ảnh. Một lưới câc điểm mẫu với khoảng câch lưới 1 km được tạo vă chuyển sang định dạng *.kml với tổng số 955 điểm mẫu điều tra. Tiếp theo mỗi điểm được nhập giâ trị lớp phủ bề mặt thực tế bằng câch giải đôn bằng mắt từảnh Google Earth.
Để dânh giâ độ chính xâc phđn loại ảnh, nghiín cứu sử dụng chỉ tiíu lă độ chính xâc tổng thể (overall accuracy) vă chỉ số thống kí Kappa (κ). Trog đĩ độ chính xâc tổng thểđược tính bằng tỷ lệ phần trăm của sốđiểm được phđn loại đúng trín tổng sốđiểm kiểm tra của mẫu kiểm chứng.
Đểđânh giâ độ tin cậy của kết quả phđn loại, ta dùng chỉ số thống kí κ. Chỉ số κđược tính theo cơng thức của Jensen (1995):
! =# &%'($%%) &%'(($%+.$+%) #.) &%'(($%+.$+%) (2.3) Trong đĩ: N: Tổng sốđiểm lấy mẫu r: Số lớp đối tượng phđn loại xii: Số điểm đúng trong lớp thứ i xi+: Tổng số điểm lớp thứ i của mẫu x+i: Tổng sốđiểm của lớp thứ i sau phđn loại. κ cĩ giâ trị từ 0 đến 1. Nếu κ lớn hơn hoặc bằng 0,8 cho thấy kết quả phđn loại cĩ độ tin cậy cao, nếu κ từ 0,4 đến dưới 0,8 kết quả phđn loại cĩ độ tin cậy trung bình, nếu κ nhỏ hơn 0,4 chứng tỏ kết quả phđn loại cĩ độ tin cậy thấp.
2.3.3.5. Phương phâp sử dụng cơng nghệ GIS
Câc kết quả giải đôn trín phần mềm eCognition sẽ được chuyển sang định dạng *.shapefile để biín tập lại trín phần mềm ArcGIS, kết hợp dữ liệu thuộc tính vă khơng gian nhằm thu được bản đồ hiện trạng sử dụng đất qua câc năm. Sau đĩ, tiến hănh chồng ghĩp câc bản đồ hiện trạng sử dụng đất để thănh lập bản đồ biến động sử dụng đất vă tính tôn diện tích biến động.
2.3.3.6. Chỉ sốđânh giâ xu hướng phât triển đơ thị [33]
Để đânh giâ xu hướng phđn bố của một đơ thị, cần sử dụng câc chỉ số định lượng khơng gian đại diện cho tính chất vật lí toăn cảnh một đơ thị. Theo Jingnan Huang, mức độ phât triển đơ thị chia lăm 4 chỉ sốđại diện đânh giâ gồm:
nhất giữa câc cơng trình trong khu vực nghiín cứu dựa trín một trong hai phương phâp tính khoảng câch Euclidean hoặc Manhattan, đđy lă hai phương phâp đo lường cho ra kết quả khoảng câch cĩ độ chính xâc cao.
+ Khoảng câch Euclidean
Khoảng câch Euclid giữa hai điểm P vă Q lă chiều dăi đoạn thẳng PQ. Trong hệ tọa độ Descartes, nếu P = (p1, p2,..., pn) vă Q = (q1, q2,..., qn) lă hai điểm trong khơng gian Euclid n chiều, thì khoảng câch từ P đến Q bằng:
/ 0, 2 = (01 − 21)5+ (02 − 22)5+ ⋯ + (09 − 29)5 = ; (0: − 2:)5
<=> (2.4)
+ Khoảng câch Manhattan
Khoảng câch Manhattan, cịn được gọi lă khoảng câch L1 hay khoảng câch trong thănh phố, lă một dạng khoảng câch giữa hai điểm trong khơng gian Euclid với hệ tọa độ Descartes. Đại lượng năy được tính bằng tổng chiều dăi của hình chiếu của đường thẳng nối hai điểm năy trong hệ trục tọa độ Descartes. Khoảng câch Manhattan giữa hai điểm: P1 cĩ tọa độ (x1,y1 ) vă P2 cĩ tọa độ (x2,y2)
| x1 – x2 | + | y1 – y2 | (2.5)
Hình 2.2. Hình ảnh mơ phỏng chỉ số vùng trung tđm
Để xâc định vùng trung tđm đơ thị cần tâch câc loại hình sử dụng đất cĩ ảnh hưởng đến phât triển kinh tế đơ thị gồm đất chuyín dùng (CDG) vă đất ở (OTC). Từ đĩ sẽ cĩ được vùng tđm chính xâc cho sự phđn bố.
- Chỉ số trục phđn bố (Directional Distribution): Kết quả của chỉ số năy lă tạo ra một vùng cĩ dạng elip phủ toăn bộ khu vực cĩ mật độ tập trung câc cơng trình xđy dựng cao bao gồm vùng trung tđm, câc vùng tập trung lđn cận mă cĩ khoảng câch với nhau nhỏ hơn những vùng khâc. Chỉ số năy giúp nhận định được xu hướng phđn bố của câc cơng trình xđy dựng.
- Chỉ số chặt chẽ (Compactness Index): Chỉ số năy đại diện cho sự phđn bố chặt chẽ, nhỏ gọn vă cĩ hình dâng ít lồi lõm của câc cơng trình xđy dựng. Chức năng chính lă đânh giâ sự nhỏ gọn của một cơng trình đối với chu vi của toăn khu vực mă nĩ trực thuộc, vì vậy, những cơng trình năo cĩ ít sự lồi lõm, cấu trúc đẹp sẽ cĩ chỉ số CI cao. Chỉ số năy được tính bằng câch lấy tỉ số giữa chu vi của vịng trịn với chu vi của vùng nghiín cứu với điều kiện diện tích của vịng trịn vă vùng nghiín cứu bằng nhau. Số liệu về chu vi, diện tích của cơng trình, cụm cơng trình chính xâc cao được tính tôn bằng câc cơng cụ của GIS, dẫn đến kết quả CI cĩ độ chính xâc cao lă ưu điểm lớn nhất của phương phâp tính tôn năy.
(2.6)
Trong đĩ, CI lă chỉ số chặt chẽ, si vă pi lă diện tích vă chu vi của khu vực nghiín cứu i, N lă tổng số khu vực nghiín cứu.
- Chỉ số mức độ tập trung (H): Chỉ số năy dùng để định lượng sự phât triển khơng gian đơ thị, cụ thể hơn nĩ tính tôn mức độ tập trung hoặc phđn tân của câc cơng trình xđy dựng trín khu vực nghiín cứu. Trong nghiín cứu năy, để kiểm tra việc mở rộng khơng gian đơ thị trong giai đoạn nghiín cứu, sử dụng cơng thức:
H= -Σni=1Pi×Ln (Pi) (2.7)
Trong đĩ, H lă chỉ số mức độ tập trung, Pi lă tỉ lệ diện tích đơ thị đối với tổng diện tích.
Hình 2.4. Hình ảnh mơ phỏng chỉ số tập trung