b. Điều kiện văn hoá xã hội
4.2.2. Biến động sử dụng đất huyện Trực Ninh và Nam Trực tỉnh Nam Định
Trong những năm qua huyện Trực Ninh và Nam Trực thay đổi mục đích sử dụng đất theo định hướng của tỉnh đưa Nam Định trở thành một tỉnh phát triển mạnh của vùng đồng bằng Sông Hồng.
Từ năm 2010 đến năm 2018, biến động của 3 loại đất chính thể hiện trong bảng 4.4.
Bảng 4.4. Biến động sử dụng đất giai đoạn 2010 – 2018 của huyện Trực Ninh và Nam Trực
STT Chỉ tiêu Diện tích năm
2010
Năm 2018 so với năm 2010 Diện tích năm 2018 Biến động tăng (+), giảm (-) Tổng diện tích 30.525,5 30.784,36 258,86 1 Đất nông nghiệp 21.550,7 21.313,1 -237,6 2 Đất phi nông nghiệp 8.783,08 9.304,06 520,98 3 Đất chưa sử dụng 191,72 167,2 -24,52
(Dấu + biểu thị diện tích loại đất tăng lên, dấu - biểu thị diện tích giảm)
Trong bảng 4.4 cho thấy được diện tích tăng giảm của 3 loại đất chính ở giai đoạn năm 2010 – 2018 tại khu vực nghiên cứu huyện Trực Ninh và Nam Trực, tỉnh Nam Định như sau:
+ Đất nông nghiệp
So với năm 2010 thì diện tích đất nông nghiệp giảm 237,6 ha tại năm 2018 trong đó: diện tích giảm đi được chuyển đổi đất phi nông nghiệp như xây dựng, cải tạo và nâng cấp cơ sở hạ tầng.
Việc chuyển đổi mục đích sử dụng đất từ đất nông nghiệp sang đất phi nông nghiệp có tác động rất lớn đến tình hình phát triển kinh tế xã hội của huyện.
+ Đất phi nông nghiệp
So với năm 2010 thì diện tích đất phi nông nghiệp tăng 520,98 ha tại năm 2018 tác động tích cực là sự hình thành các khu công nghiệp đã thu hút được các doanh nghiệp, các nhà đầu tư đồng thời góp phần tăng trưởng kinh tế, tăng thu nhập cho người lao động, góp phần nâng cao mức sống cho người dân.
Sự phát triển của các khu công nghiệp, cụm công nghiệp đã đóng góp không nhỏ cho việc giải quyết việc làm của địa phương.
+ Đất chưa sử dụng
2018 do cải tạo phục vụ sản xuất nông nghiệp và chuyển mục đích sang đất phi nông nghiệp.
- Trên địa bàn huyện có các loại đất khác nhau nhưng xu hướng là đất phi nông nghiệp luôn có biến động tăng, đất nông nghiệp và đất chưa sử dụng có xu hướng giảm dần sang các loại hình khác, diện tích đất phi nông nghiệp tăng dần là phù hợp với quá trình phát triển kinh tế, xã hội.
4.3. ĐÁNH GIÁ BIẾN ĐỘNG SỬ DỤNG ĐẤT KHU VỰC NGHIÊN CỨU BẰNG CÔNG NGHỆ VIỄN THÁM VÀ HỆ THỐNG THÔNG TIN ĐỊA LÝ BẰNG CÔNG NGHỆ VIỄN THÁM VÀ HỆ THỐNG THÔNG TIN ĐỊA LÝ 4.3.1. Nguồn tài liệu
a. Dữ liệu ảnh vệ tinh
Dữ liệu ảnh vệ tinh dùng trong nghiên cứu là ảnh vệ tinh SPOT-5 được thu nhận năm 2010 và ảnh Sentinel-2A được thu nhận năm 2018. Các thông tin chi tiết về ảnh được thể hiện trong bảng sau:
Bảng 4.5. Thông tin ảnh viễn thám khu vực nghiên cứu
Thông tin ảnh Ảnh năm 2010 Ảnh năm 2018
Vệ tinh SPOT-5 Sentinel-2B Số hiệu ảnh 271-310 T48QXH Ngày chụp 22/10/2010 02/11/2018
Độ phân giải 10 m 10 m
Số kênh phổ 4 13
Lưới chiếu UTM UTM
Datum WGS-84 WGS-84
Mức độ xử lý 1B 1C
Ảnh Sentinel có 13 kênh phổ có độ phân giải từ 10 – 60m, trong phạm vi nghiên cứu của đề tài chỉ sử dụng 4 kênh có độ phân giải 10 m là các kênh Red, Green, Blue, Near IR.
Hình 4.3. Cảnh ảnh Sentinel-2B mã hiệu 48QXH thời điểm năm 2018
Ảnh vệ tinh Sentinel năm 2018 khu vực nghiên cứu được download trực
tiếp từ website http://scihub.copernicus.eu/dhus/#/home của cơ quan Vũ trụ Châu Âu (ESA – European Space Agency).
Ảnh vệ tinh SPOT 5 năm 2010 được Cục Viễn thám Quốc gia – Bộ Tài nguyên Môi trường cung cấp, được xử lý ở mức 1B.
b. Nguồn dữ liệu khác
- Bản đồ địa hình tỷ lệ 1:25.000.
- Bản đồ hiện trạng sử dụng đất năm 2010 của huyện Nam Trực và huyện Trực Ninh.
- Số liệu thống kê, kiểm kê đất đai.
- Báo cáo tình hình sản xuất nông nghiệp năm 2010 và 2018 của huyện Nam Trực và huyện Trực Ninh.
4.3.2. Xử lý ảnh vệ tinh khu vực nghiên cứu
4.3.2.1. Nhập ảnh
Đây là công đoạn chuyển ảnh từ các khuôn dạng khác nhau về khuôn dạng của chương trình ENVI để tiến hành các bước tiếp theo. Khuôn dạng ảnh trong ENVI là dạng image.
Đối với ảnh SPOT 5 tiến hành tạo file.hdr, sau đó nhập ảnh vào phần mềm ENVI4.7 để xử lý.
Vệ tinh Sentinel 2A phóng lên quỹ đạo vệ tinh năm 2015 và Sentinel 2B phóng lên quỹ đạo vào năm 2017, do vậy phần mềm ENIVI 4.7 là phiên bản chưa được cập nhật để xử lý ảnh Sentinel do vậy phải tiến hành chuyển đổi định dạng sang phần mềm ENVI. Sử dụng công cụ Data Conversion của phần mềm SNAP chuyển 4 kênh Blue, Green, Red và NIR sang định dạng của phần mềm ENVI. Sau đó tiến hành ghép các kênh ảnh tạo thành file ảnh gồm có 4 kênh ảnh Sentinel của khu vực nghiên cứu.
4.3.2.2.Tăng cường chất lượng ảnh.
Khu vực nghiên cứu sử dụng ảnh SPOT5 có 4 kênh đa phổ với độ phân giải 10m và Ảnh Sentinel-2A với 4 kênh phổ với độ phân giải 10m. Trên phần mềm xử lý ảnh ENVI chọn phương pháp Equalization – Cân bằng: phương pháp này sẽ kéo giãn cân bằng đồ thị của dữ liệu được hiển thị. Việc tăng cường chất lượng ảnh cho phép thao tác, chuyển đổi giúp người giải đoán dễ đọc, dễ hiểu ảnh hơn.
Để nâng cao chất lượng hình ảnh nhằm phục vụ công tác giải đoán ảnh viễn thám, suy giải các đối tượng cần trộn ảnh toàn sắc và ảnh đa phổ đã xử lý màu để tạo ảnh màu phân giải cao.
4.3.2.3. Nắn chỉnh hình học
Thực chất của việc nắn chỉnh hình học là đưa ảnh về hệ tọa độ quy chiếu cần thành lập bản đồ đồng thời loại bỏ các sai số hình học, sai số do chênh cao địa hình…
Ảnh vệ tinh năm 2010 và năm 2018 đều đã được hiệu chỉnh phổ nên đề tài không thực hiện hiệu chỉnh phổ. Ảnh Sentinel 2018 khi thu thập đã được xử lý ở mức 1C, nghĩa là được hiệu chỉnh khí quyển và hiệu chỉnh hình học về hệ tọa độ WGS 84, múi chiếu 48, phép chiếu UTM. Vì vậy không cần phải qua các bước hiệu chỉnh phổ và hiệu chỉnh hình học.
Ảnh năm 2010 chưa được hiệu chỉnh hình học, vì vậy cần phải hiệu chỉnh. Để nghiên cứu biến động 2 ảnh vệ tinh cần nắn chỉnh chính xác đảm bảo các đối tượng trùng khớp do đó độ chính xác tối thiểu cần đạt được để hạn chế sai số là nhỏ dưới 0,5 pixel.
Chọn ảnh vệ tinh năm 2018 làm cơ sở, tiến hành nắn ảnh vệ tinh năm 2010 theo ảnh năm 2018.
Các bước để nắn chỉnh hình học ảnh vệ tinh: - Chọn điểm khống chế ảnh:
Chọn 5 điểm khống chế phải phân bố đều trên ảnh, các địa vật được chọn làm điểm khống chế ảnh phải là những địa vật rõ nét trên cả 2 ảnh, dễ nhận biết. Các điểm khống chế là các điểm giao của ngã ba, ngã tư,…
Tọa độ các điểm khống chế ảnh khi nắn ảnh 2010 theo ảnh 2018 thể hiện trên hình 4.4.
Sau khi chọn đủ 5 điểm khống chế, phần mềm tự động tính toán sai số trung phương khi nắn (RMS). Sai số nắn ảnh năm 2010 đạt 0,278 pixel (hình 4.5) nên đạt yêu cầu để thực hiện các bước xử lý ảnh tiếp theo.
Hình 4.5. Sai số các điểm nắn ảnh
Sau khi chọn đủ số điểm khống chế ảnh, ta có thể lựa chọn một trong ba phương pháp nắn sau:
+ Phương pháp RST: chỉ thực hiện những chuyển dịch đơn giản như xoay, xác định tỷ lệ và tịnh tiến ảnh.
+ Phương pháp Polynomial: cho kết quả tốt hơn phương pháp RST.
+ Phương pháp Triangulation (lưới tam giác): Chọn các điểm khống chế làm các đỉnh của các tam giác không đều và tiến hành nội suy.
Quá trình nắn ảnh được thực hiện bằng phần mềm ENVI theo phương pháp nắn Polynomial, chọn phương pháp nội suy là phương pháp láng giềng gần nhất (Nearest Neighbor).
* Cắt ảnh
Ảnh vệ tinh trước khi đưa vào phân loại cần được cắt theo ranh giới khu vực nghiên cứu. Mở file địa giới hành chính huyện Nam Trực, Trực Ninh, dùng chức năng cắt ảnh trong phần mềm ENVI ta được ảnh cắt theo địa giới hành chính khu vực nghiên cứu. Kết quả thu được ảnh vệ tinh năm 2010 (hình 4.7) và năm 2018 (hình 4.8) khu vực nghiên cứu đã được cắt theo ranh giới hành chính.
Hình 4.7. Ảnh cắt theo ranh giới năm 2010
Hình 4.8. Ảnh cắt theo ranh giới năm 2018
4.3.2.4. Phân loại ảnh
Bước 1: Xây dựng tệp mẫu các loại hình sử dụng đất
- Định nghĩa các lớp
Từ tư liệu ảnh, căn cứ vào mức phản xạ phổ của các đối tượng thể hiện bằng màu sắc trên ảnh tiến hành định nghĩa các lớp phân loại. Mặc dù ảnh vệ tinh Spot và Sentinel đều có độ phân giải cao nhưng trên thực thực tế rất khó phân biệt được sự khác nhau của một số loại đất cụ thể. Qua nhiều lần thực nghiệm và kiểm chứng chỉ có thể phân biệt được thành 5 lớp. Các lớp phân loại cụ thể bao gồm: đất trồng lúa, đất trồng cây hàng năm khác, đất trồng cây lâu năm, đất xây dựng và đất mặt nước.
Bảng 4.6. Mô tả các loại sử dụng đất dùng trong phân loại
STT Loại sử dụng đất Mô tả
1 Đất trồng lúa Đất chuyên trồng lúa nước,
2 Đất trồng hàng năm Đất trồng rau màu, đậu tương, lạc, khoai… 3 Đất trồng cây lâu năm Đất trồng chuối, nhãn, táo, ổi, thanh long
4 Đất xây dựng Đất ở, xây dựng cơ quan, trụ sở, đất khu công nghiệp 5 Mặt nước Đất sông, kênh mương, ao hồ
Xây dựng tệp mẫu cho 5 loại sử dụng đất bao gồm: Đất trồng lúa (30 mẫu), đất trồng cây hàng năm khác (30 mẫu), đất cây lâu năm (30 mẫu), đất xây dựng (30 mẫu), Mặt nước (30 mẫu). Vị trí điểm lấy mẫu phân loại ảnh thể hiện ở Phụ lục 1.
- Chọn vùng mẫu:
Đây là bước quan trọng trong quá trình giải đoán ảnh. Các mẫu được lựa chọn phải đặc trưng cho từng loại sử dụng đất.
Mỗi một mẫu ở đây được thu thập ngoài thực địa (đối với ảnh 2018) và được đánh dấu khoanh vị trí trên ảnh vệ tinh, đồng thời tại mỗi điểm lấy mẫu được chụp một ảnh cảnh quan nhằm mô tả đặc điểm mẫu ảnh trên thực tế và các dấu hiệu giải đoán trên ảnh cho từng loại hình sử dụng đất.
Từ dữ liệu thu thập được bằng GPS cầm tay tiến hành chọn vùng mẫu trực tiếp trên tư liệu ảnh. Số lượng vùng mẫu phải thỏa mãn yêu cầu phân bố đều trên toàn bộ khu vực nghiên cứu và đặc trưng cho đặc tính phổ của từng lớp. Số lượng vùng mẫu quá ít sẽ không đảm bảo độ chính xác, ngược lại nếu nhiều quá sẽ làm tăng khối lượng tính toán lên rất nhiều đôi khi làm nhiễu kết quả tính toán. Diện tích các vùng lấy mẫu đủ lớn, đồng thời các vùng mẫu không được nằm gần ranh giới giữa các lớp đối tượng với nhau. Những vị trí mẫu không thỏa mãn về phổ và cấu trúc với các mẫu khác trong cùng một lớp phân loại thì loại bỏ.
Mẫu giải đoán ảnh vệ tinh năm 2010 và 2018 thể hiện trong bảng 4.7
Bảng 4.7. Mẫu giải đoán ảnh vệ tinh
STT Loại sử dụng đất Mẫu ảnh năm 2010 Mẫu ảnh năm 2018 Ảnh thực địa 1 Đất trồng lúa 2 Đất trồng cây hàng năm khác 3 Đất xây dựng 4 Đất lâu năm 5 Đất mặt nước
- Tính toán chỉ số thống kê mẫu:
Sau khi lựa chọn xong tệp mẫu cần tính toán chỉ số khác biệt của các mẫu phân loại. Dựa vào đặc tính phản xạ phổ của các đối tượng được chọn trong tệp mẫu tiến hành tính toán sự khác biệt giữa các mẫu phân loại theo phương pháp phân tích ROI Separability.
Trong phương pháp phân tích Separability, chương trình sẽ tính toán giá trị khoảng cách phổ trung bình của các tín hiệu giữa các lớp loại sử dụng đất khác nhau.
+ Nếu kết quả tính toán có giá trị = 1 thì giá trị các mẫu giống nhau hoàn toàn.
+ Nếu kết quả tính toán có giá trị >1 và <2 thì có sự khác biệt.
+ Nếu kết quả tính toán có giá trị =2 thì giá trị các mẫu khác biệt hoàn toàn. + Nếu kết quả tính toán các mẫu nhỏ hơn 1,5 chứng tỏ sự khác biệt giữa các mẫu không lớn cần tiến hành chọn lại để tránh bị nhầm lẫn khi phân loại.
Kết quả tính toán sự khác biệt giữa các mẫu phân loại năm 2010 thể hiện trong bảng 4.8.
Bảng 4.8. Giá trị khác biệt phổ giữa các mẫu phân loại ảnh năm 2010
Loại sử dụng đất (1) (2) (3) (4) (5)
Đất trồng lúa (1) - 1,99 1,55 1,78 1,83 Đất trồng cây hàng năm(2) - 1,84 1,90 2,00 Đất xây dựng (3) - 1,72 1,81 Đất trồng cây lâu năm (4) - 1,93 Mặt nước (5) -
Kết quả trong bảng 4.8 cho thấy: Sự khác biệt giữa các lớp mẫu có giá trị từ 1,55 đến 2,00, chứng tỏ các mẫu được chọn có sự khác biệt khá tốt. Trong đó lớp đất trồng cây hàng năm với đất mặt nước có sự khác biết hoàn toàn với chỉ số bằng 2,00, lớp đất trồng lúa và lớp đất xây dựng có chỉ số khác biệt bằng 1,55 là do tại thời điểm chụp ảnh năm 2010, nhiều thửa đất trồng lúa đang bỏ trống và đất rất khô, nên khi chụp ảnh độ phản xạ lớn gần giống với đất xây dựng nên sự khác biệt của hai lớp ở mức trung bình.
Sự khác biệt giữa các lớp của tệp mẫu năm 2010 có sự khác biệt khá tốt nên đáp ứng yêu cầu phần loại ảnh.
Kết quả tính toán sự khác biệt lớp mẫu đối với ảnh năm 2018 thể hiện trong( bảng 4.9).
Bảng 4.9. Giá trị khác biệt phổ giữa các mẫu phân loại ảnh năm 2018
Loại sử dụng đất (1) (2) (3) (4) (5) Đất trồng lúa (1) - 1,99 1,77 1,94 1,97 Đất trồng cây hàng năm khác (2) - 1,94 1,98 1,96 Đất xây dựng (3) - 1,68 1,91 Đất trồng cây lâu năm (4) - 1,95 Mặt nước (5) -
Kết quả trong bảng 4.9 cho thấy: Sự khác biệt giữa các lớp mẫu phân loại ảnh năm 2018 có giá trị từ 1,68 đến 1,99 chứng tỏ các mẫu được chọn có sự khác biệt khá tốt. Trong đó lớp đất trồng cây hàng năm với đất trồng lúa có sự khác biết gần tuyệt đối với chỉ số bằng 1,99, lớp đất lớp đất trồng lúa và lớp đất xây dựng có chỉ số khác biệt bằng 1,68 là do tại thời điểm chụp ảnh năm 2010, nhiều thửa đất trồng lúa đang bỏ trống và đất rất khô, nên khi chụp ảnh độ phản xạ lớn gần giống với đất xây dựng nên sự khác biệt của hai lớp ở mức trung bình.
Sự khác biệt giữa các lớp của tệp mẫu năm 2018 có sự khác biệt tốt nên đáp ứng yêu cầu phần loại ảnh.
Bước 2: Phân loại ảnh
Ảnh vệ tinh năm 2010 và năm 2018 được phân loại độc lập với nhau. Có nhiều phương pháp phân loại ảnh khác nhau, tuy nhiên trong đề tài này tôi sử dụng phương pháp phân loại có kiểm định theo thuật toán xác suất cực đại (Maximum likelihood).
Sau khi xây dựng tệp mẫu phân loại ảnh tiến hành phân loại ảnh theo phương pháp phân loại có kiểm định theo thuật toán xác suất cực đại (Maximum likelihood). Kết quả phân loại ảnh vệ tinh năm 2010 và năm 2018 thể hiện tại hình 4.9 và 4.10.
4.3.2.5. Đánh giá độ chính xác phân loại
Để đánh giá độ chính xác phân loại, tiến hành thu thập số liệu thực địa với sự trợ giúp của GPS cầm tay để kiểm tra và đánh giá độ chính xác kết quả phân loại. Mẫu kiểm tra thực địa không trùng vị trí với mẫu đã sử dụng khi phân loại và phân bố đều trên khu vực nghiên cứu. Đề tài nghiên cứu 2 thời điểm là năm