Trong đó:
Đất trồng lúa Đất trồng cây HNK Đất trồng cây lâu năm Đất xây dựng
Đất mặt nước Đất chưa sử dụng
4.3.2.6. Đánh giá độ chính xác của kết quả phân loại
Số lượng mẫu kiểm tra để đánh giá độ chính xác phân loại thường khó xác định vì nếu sử dụng các công thức cơ bản trong phân phối chuẩn hoặc phân phối xấp xỉ chuẩn để tính số lượng mẫu điều tra sẽ rất lớn nên không thể thực hiện được. Vì vậy với mỗi loại hình sử dụng đất tiến hành kiểm tra 30 điểm. Theo yêu
cầu đó, tiến hành kiểm tra ảnh phân loại năm 2010 với bản đồ hiện trạng và ảnh phân loại năm 2018 với thực địa.
Việc điều tra thực địa cho phép điền vào trong ma trận sai số thông tin tại các điểm kiểm tra mà tại đó công tác giải đoán cho kết quả đúng hoặc sai. Quá trình kiểm tra thực tế ngoài thực địa tại 180 điểm. Vị trí các điểm điểm kiểm tra giải đoán tệp mẫu ảnh được thể hiện ở Phụ lục 2.
Kết quả kiểm tra và đánh giá độ chính xác phân loại ảnh năm 2010 và ảnh năm 2018 lần lượt thể hiện trong bảng 4.7 và bảng 4.8.
Bảng 4.7. Ma trận sai số phân loại ảnh năm 2010
Lớp phân loại Dữ liệu kiểm chứng Tổng hàng (điểm) ĐCX sản xuất (%) (1) (2) (3) (4) (5) (6) Đất trồng lúa (1) 29 0 1 0 0 0 30 96,67 Đất trồng cây HNK (2) 1 30 0 0 0 4 35 85,71 Đất rừng-cây lâu năm (3) 0 0 29 0 0 1 30 96,67 Đất xây dựng (4) 0 0 0 30 0 0 30 100,00 Đất mặt nước (5) 0 0 0 0 30 0 30 100,00 Đất chưa sử dụng (6) 0 0 0 0 0 25 25 100,00 Tổng cột (điểm) 30 30 30 30 30 30 180 ĐCX sử dụng (%) 96,67 100,00 96,67 100,00 100,00 83,33 ĐCX tổng thể 96,11% Chỉ số Kappa: 0,95
Trong bảng 4.7, các phần tử nằm trên đường chéo chính là số điểm phân loại đúng của từng lớp đối tượng, các phần tử còn lại là số điểm bị phân loại nhầm sang lớp khác. Tổng cột là tổng số điểm kiểm chứng trên mỗi lớp phân loại, tổng hàng là tổng số điểm tương ứng của lớp đó sau phân loại.
dựng và lớp đất mặt nước có độ chính xác cao.
Đối với đất chưa sử dụng, trong 30 điểm kiểm chứng thì có 4 điểm bị phân loại nhầm sang lớp đất trồng cây hàng năm khác. Vì đất chưa sử dụng thường bỏ trống, cây cỏ tự mọc lên nhiều nên khi phân loại bị nhầm sang đất trồng cây hàng năm khác.
Độ chính xác tổng thể ảnh phân loại năm 2010 là 96,11% tương ứng với chỉ số Kappa bằng 0,95, độ chính xác đạt yêu cầu.
Tiến hành đánh giá độ chính xác tương tự như trên đối với ảnh năm 2018, kết quả được thể hiện trong bảng 4.8.
Bảng 4.8. Ma trận sai số phân loại ảnh năm 2018
Lớp phân loại Dữ liệu kiểm chứng Tổng hàng (điểm) ĐCX sản xuất (%) (1) (2) (3) (4) (5) (6) Đất trồng lúa (1) 26 1 0 0 2 1 30 86,67 Đất trồng cây HNK (2) 2 27 1 0 0 0 30 90,00 Đất rừng-cây lâu năm (3) 1 0 28 0 1 0 30 93,33 Đất xây dựng (4) 0 0 0 27 0 3 30 90,00 Đất mặt nước (5) 0 0 1 2 27 0 30 96,67 Đất chưa sử dụng (6) 1 2 1 0 0 26 30 86,67 Tổng cột (điểm) 30 30 31 29 30 30 180 ĐCX sử dụng (%) 86,67 90,00 90,32 93,10 90,00 86,67 ĐCX tổng thể 89,44% Chỉ số Kappa: 0,88
Trong bảng 4.8, đối với đất trồng lúa, trong 30 điểm kiểm chứng thì cũng có 2 điểm bị phân loại nhầm sang lớp mặt nước, do tại thời điểm chụp ảnh vệ tinh, đất trồng lúa nước có độ phản xạ phổ gần giống với đất mặt nước. Đối với đất chưa sử dụng, trong 30 điểm kiểm chứng thì cũng có 3 điểm bị phân loại nhầm sang lớp đất xây dựng. Đối với đất xây dựng có 4/30 bị nhầm lẫn sang đất chưa sử dụng do độ phản xạ phổ của hai lớp này gần với nhau.
Độ chính xác tổng thể ảnh phân loại năm 2018 là 89,44% tương ứng với chỉ số Kappa bằng 0,88, đạt yêu cầu.
Trước khi chuyển kết quả phân loại sang dạng bản đồ 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 …
- Ghép nhóm các đối tượng: là việc ghép các lớp phân loại có cùng tính chất giống nhau thành một nhóm. Với một loại đối tượng có thể có nhiều giá trị độ xám có độ chênh lệch nhau lớn, còn khi chọn vùng mẫu chỉ chọn những vùng đặc trưng dẫn đến việc cùng một đối tượng nhưng ở các lớp khác nhau vì vậy phải gộp chúng lại về cùng một đối tượng để thể hiện trên bản đồ.
- Phân tích theo đa số và thiểu số: Đây là phương pháp phân tích để gộp các pixel lẻ tẻ hoặc phân loại lẫn trong các lớp vào chính lớp chứa nó. Phép lọc trong ENVI là phép lọc Majority/Minority Analysis. Sau khi nhập kích thước của sổ lọc thì giá trị của pixel trung tâm sẽ được thay thế bởi giá trị của pixel chiếm đa số (cách phân tích theo đa số) hoặc bằng giá trị của pixel chiếm thiểu số (cách phân tích theo thiểu số). Kết quả sẽ cho ta một ảnh mới. Kết quả của phép lọc không nâng cao được độ chính xác của kết quả phân loại mà chỉ cải thiện về mặt hình thức.
- Chuyển kết quả phân loại sang dạng véc tơ: Để biên tập và thành lập bản đồ sử dụng đất, từ kết quả phân loại ảnh ta phải chuuyển kết quả phân loại sang dạng véctơ. Hai ảnh vệ tinh năm 2010 và 2018 sau khi phân loại được chuyển sang dạng véctơ và lưu ở định dạng file 2010.evf và 2018.evf. Sau đó chuyển sang dạng shape file để nhập vào phần mềm Arc GIS.
4.3.3. Thành lập bản đồ biến động sử dụng đất
4.3.3.1. Đối soát thực địa
Thực chất kết quả phân loại ảnh thu được hiện trạng lớp phủ tại thời điểm phân loại, do vậy phải tiến hành đối soát thực địa để thành lập bản đồ sử dụng đất.
Tiến hành in kết quả phân loại và đối soát với thực địa để chỉnh lý kết quả phân loại đúng với hiện trạng sử dụng đất. Việc đối soát thực địa thực hiện với ảnh năm 2018, ảnh năm 2010 đối soát với bản đồ hiện trạng sử dụng đất.
Từ kết quả chỉnh lý tiến hành biên tập, thành lập bản đồ sử dụng đất.
4.3.3.2. Biên tập bản đồ sử dụng đất
Ảnh phân loại sau khi được chuyển sang dạng véctơ được nhập vào phần mềm ArcGis để biên tập thành lập bản đồ sử dụng đất. Tiến hành đổi màu, biên tập các yếu tố để thành lập bản đồ sử dụng đất.
Sau khi ảnh được phân loại, đánh giá độ chính xác vẫn cần phải kiểm tra, đối soát các lớp bản đồ với thực địa, sau đó chỉnh lý bản đồ theo đúng hiện trạng sử dụng đất. Kết quả thu được hai bản đồ sử dụng đất khu vực nghiên cứu năm 2010 và 2018 (thể hiện ở phụ lục 3 và phụ lục 4).
Hình 4.8 và 4.9 là sơ đồ sử dụng đất khu vực nghiên cứu năm 2010 và năm 2018 được thu nhỏ.