4.2.2.1. Nhập ảnh
Đây là công đoạn chuyển ảnh từ các khuôn dạng khác nhau về khuôn dạng của chương trình ErDAS để tiến hành các bước tiếp theo.
Khuôn dạng ảnh trong ErDAS là image. Thông thường dữ liệu viễn thám được lưu dưới 3 dạng cơ bản:
1. Dạng BSQ: các kênh được ghi nối tiếp nhau
2. Dạng BIP: ghi lần lượt liên tiếp các pixel của các kênh 3. Dạng BIL: ghi lần lượt các dòng của các kênh
Do số kênh phổ của 2 thế hệ vệ tinh là khác nhau và dữ liệu tải về là ảnh đơn kênh nên phải tiến hành cộng gộp các kênh ảnh.Vì vậy với Landsat 5 lựa chọn kênh 2, 3, 4 Landsat 8 lựa chọn kênh 3, 4, 5.Việc cộng gộp các kênh được thực hiện bởi công cụ Layer Stack trên phần mềm ErDAS 2014.
Hình 4.2. Ảnh vệ tinh Landsat thời điểm bay chụp 05/11/2009
4.2.2.2. Nắn chỉnh hình học ảnh
Ảnh vệ tinh Landsat thu thập đã được xử lý ở mức 1T (Level 1T – Terrain Corrected) nghĩa là đã hiệu chỉnh về bức xạ, khí quyển, hình học và khắc phục sai số do địa hình gây ra. Bản chất của hiệu chỉnh hình học là xây dựng mối
tương quan giữa tọa độ ảnh đo và hệ tọa độ quy chiếu chuẩn, nghĩa là phải đưa ảnh về một hệ tọa độ quy chuẩn.
Ảnh vệ tinh năm 2009 và năm 2015 đều đã được hiệu chỉnh phổ và hiệu chỉnh hình học chính xác về hệ tọa độ WGS 84, múi chiếu 48, phép chiếu UTM.
4.2.2.3. Tăng cường chất lượng ảnh
Mục đích nhằm tăng cường tính dễ đọc, tạo ra ảnh có chất lượng đọc tốt hơn. Trong phần mềm ERDAS cho phép ta chọn một trong sáu cách giãn ảnh bằng công cụ Adjust Radiometry. Thông thường người ta chọn phương pháp biến đổi tuyến tính (Linear). Sau khi tăng cường, các đối tượng trên ảnh có độ tương phản cao hơn.
4.2.2.4. Cắt ảnh
Từ ảnh thu được nhờ công cụ Layer Stack ta nhập file export_output.shp (ranh giới hành chính huyện Đông Anh) bằng cách mở Vector Layer, chuyển file sang định dạng aoi rồi sử dụng công cụ Create Subset Image để cắt ảnh (Hình 4.3). Kết quả các động tác cắt ảnh này thể hiện ở hình 4.4 và 4.5.
4.2.2.5. Xác định các loại đất để giải đoán
- Xác định các loại đất: Vì tư liệu ảnh vệ tinh luôn phản ánh trung thực, khách quan bề mặt đất tại thời điểm chụp ảnh, nên bản đồ xây dựng được sau khi giải đoán là bản đồ phủ thực vật. Để phục vụ cho việc xây dựng khóa giải đoán ảnh, trước tiên cần xác định các loại đất theo mục đích sử dụng trên khu vực nghiên cứu. Căn cứ vào hiện trạng sử dụng đất, đặc điểm của tư liệu ảnh vệ tinh, độ phân giải ảnh, xây dựng được bảng phân loại các loại hình sử dụng đất sau:
TT Loại đất Mô tả
1 Đất trồng lúa
2 Đất trồng cây hàng năm khác - Đất trồng hoa màu, cây ăn quả, đất cây hàng
năm khác
3 Đất xây dựng - Đất dân cư, khu công nghiệp, giao thông,
các công trình công cộng
4 Đất sông suối, mặt nước - Đất sông, suối
- Đất có mặt nước, ao, hồ
4.2.2.6. Xây dựng tệp mẫu
- Lựa chọn các đặc tính: các đặc tính ở đây bao gồm đặc tính về phổ và đặc tính cấu trúc. Việc lựa chọn này có ý nghĩa quan trọng: nó cho phép tách biệt các lớp đối tượng với nhau.
- Chọn vùng mẫu: việc chọn vùng mẫu có tính chất quyết định tới kết quả phân loại. Để đảm bảo độ chính xác khi lựa chọn vùng mẫu phải chú ý các yêu cầu sau:
+ Số lượng mẫu cho mỗi loại sử dụng đất là 10 mẫu.
+ 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.
+ Vùng mẫu được chọn phải đặc trưng cho đối tượng phân loại và phân bố đều trên khu vực nghiên cứu.
Bảng 4.4. Mẫu giải đoán ảnh vệ tinh (4,3,2) Loại đất Ảnh 2009 Ảnh 2015 Ảnh thực địa Đất trồng lúa Đất xây dựng Đất mặt nước Đất HNK
Sau khi đã chọn được số lượng mẫu tiến hành gộp các mẫu rờirạc thành một mẫu chung đặc trưng chung cho tất cả các mẫu trong cùng một loạihình sử dụng đất. Kết quả như hình 4.6 dưới đây.
Hình 4.6. Kết quả gộp lớp ảnh Landsat 2009 và Landsat 2015
- Đánh giá độ chính xác tệp mẫu: mỗi mẫu phân loại sẽ được tính toán để so sánh sự khác biệt với các mẫu còn lại theo một trong bốn phương pháp phân tích:
+ Display Histograms Window; + Serability;
+ Feature Space Layers.
Ở đây chúng tôi chọn đánh giá độ chính xác của kết quả phân loại theo phương pháp Serability.
Ta có bảng đánh giá độ chính xác của việc lấy mẫu năm 2015 được thể hiện ở hình dưới đây.
Hình 4.7. Đánh giá độ chính xác bằng phương pháp Separability
Nếu đánh giá độ chính xác của tệp mẫu theo phương pháp Maximum Likelihood, ta chọn Evaluate từ hộp thoại Signature Editor rồi chọn
Hình 4.8. Ma trận sai số phân loại ảnh 2015
Sau khi đánh giá độ chính xác tệp mẫu, ta tiến hành phân loại ảnh theo tệp mẫu đã chọn.
Phân loại ảnh theo phương pháp xác suất cực đại (Maximum likelihood). Cụ thể như sau:
- Xây dựng tệp mẫu tại vùng nghiên cứu: tiến hành chọn mẫu phân loại bằng cách khoanh vẽ trực tiếp lên trên ảnh cần phân loại. Sử dụng công cụ Signature Editor kết hợp với Polygon để chọn vùng mẫu trên ảnh. Hộp thoại Signature Editor xuất hiện cho phép ta đánh tên từng loại hình sử dụng đất cần lấy mẫu và tự động gán màu cho từng lớp.
- Từ menu cửa sổ chính của Erdas sử dụng công cụ Supervised
Classification. Trên màn hình xuất hiện hộp thoại Supervised Classification
cho phéplựa chọn ảnh cần phân loại, tệp mẫu xây dựng, tên và đường dẫn xuất của ảnh phân loại. Lựa chọn phương pháp phân loại theo thuật toán xác suất cực đại (Maximum Likelihood).
Hình 4.9. Kết quả phân loại ảnh Landsat – 2015
Sau khi có được ảnh phân loại năm 2009 và năm 2015, ta tiến hành lọc nhiễu kết quả phân loại được. Sử dụng công cụ Neighborhood với pháp sử dụng ở đây là Majority để gộp những pixel lẻ tẻ hoặc phân loại lẫn trong các lớp vào chính lớp chứa nó.
Hình 4.11. Kết quả lọc nhiễu ảnh phân loại Landsat – 2015
4.2.2.7. Đánh giá độ chính xác phân loại ảnh
Độ chính xác phân loại ảnh không những phụ thuộc vào độ chính xác các vùng mẫu mà còn phụ thuộc vào mật độ và sự phân bố các ô mẫu. Để đánh giá độ chính xác kết quả phân loại này ta tiến hành làm như sau:
- Đối với kết quả phân loại ảnh năm 2015, tiến hành sử dụng thiết bị đo GPS cầm tay của hãng Garmin đã được cài đặt hệ tọa độ WGS 84, phép chiếu UTM để đối soát thực địa 50 điểm đối với tất cả các loại đất phân bố ngẫu nhiên trên địa bàn huyện, sau đó lưu file dưới dạng *.txt.
- Đối với kết quả ảnh phân loại năm 2009, ta đối chiếu với bản đồ hiện trạng sử dụng đất năm 2009 để xây dựng file tọa độ có định dạng *.txt với 50 điểm cho 4 loại hình sử dụng đất.
Ma trận nhầm lẫn được xây dựng dựa vào số lượng pixel lấy mẫu các loại đất và số lượng pixelđúng các loại đất sau phân loại. Ma trận nhầm lẫn được xây dựng ở bảng 4.5 và 4.6.
Bảng 4.5. Đánh giá kết quả phân loại bản đồ sử dụng đất năm 2015 Loại đất (1) (2) (3) (4) Tổng hàng ĐCX phân loại Đất trồng lúa (1) 19 0 0 1 20 95 Đất nông nghiệp khác (2) 0 9 0 1 10 90 Đất mặt nước (3) 0 0 10 0 10 100 Đất xây dựng (4) 0 0 0 10 10 100 Tổng cột 19 9 10 12 50 ĐCX sử dụng 100 100 100 83,33
Bảng 4.6. Đánh giá kết quả phân loại bản đồ sử dụng đất năm 2009
Loại đất (1) (2) (3) (4) Tổng hàng ĐCX phân loại Đất trồng lúa (1) 16 2 0 2 20 80 Đất nông nghiệp khác (2) 0 9 0 1 10 90 Đất mặt nước (3) 0 0 9 1 10 90 Đất xây dựng (4) 0 0 0 10 10 100 Tổng cột 16 11 9 14 50 ĐCX sử dụng 100 81,82 100 71,43
- Ô chữ đậm (đường chéo): số điểm kiểm tra đúng; các ô còn lại: các điểm kiểm tra nhầm lẫn sang loại đất khác.
- Độ chính xác phân loại (%): số điểm kiểm tra đúng/số điểm kiểm tra tương ứng của các loại đất x100
Độ chính xác phân loại (%) = số điểm đúng/tổng hàng x100
- Tổng hàng và Tổng cột: số điểm trên thực tế của các loại đất khi đi kiểm tra: 50
- Độ chính xác sử dụng (%): số điểm kiểm tra đúng/số điểm kiểm tra thực tế của loại đất đó x100
Độ chính xác sử dụng (%) = số điểm đúng/tổng cột x100
- Độ chính xác bản đồ: là tỷ số giữa tổng số điểm kiểm tra đúng với tổng số điểm kiểm tra.
+ Đối với bản đồ năm 2015:
Tổng số điểm kiểm tra: 50 Độ chính xác bản đồ(%) = 96% + Đối với bản đồ năm 2009:
Tổng số điểm đúng (chữ đậm): 44 Tổng số điểm kiểm tra: 50
Độ chính xác bản đồ (%) = 88% - Phương pháp tính chỉ số Kappa:
Để đánh giá tính chất của các sai sót phạm phải trong quá trình phân loại người ta dựa vào chỉ số Kappa (κ), chỉ số này nằm trong phạm vi từ 0 đến 1 và biểu thị sự giảm theo tỷ lệ về sai số được thực hiện bằng một yếu tố phân loại hoàn toàn ngẫu nhiên.
Chỉ số Kappa (κ) được tính theo công thức sau:
∑ ∑ ∑ = + + = = + + − − = r i i i r i r i i i ii x x N x x x N 1 2 1 1 ) . ( ) . ( κ
Trong đó: N – Tổng số điểm lấy mẫu; r – Số lớp đối tượng phân loại;
xii – Số điểm thực địa đúng trong lớp thứ i; xi+ – Tổng điểm thực địa của lớp thứ i của mẫu; x+i – Tổng điểm thực địa của lớp thứ i sau phân loại. Kết quả tính chỉ số Kappa cho bản đồ năm 2015: κ = 0.9448 Kết quả tính chỉ số Kappa cho bản đồ năm 2009: κ = 0.8370
Nhận xét: Kết quả đánh giá độ chính xác có hạn chế về phương pháp vì có ẩn chứa sai số và phụ thuộc vào chất lượng ảnh cũng như khả năng áp dụng của phương pháp vào thực tế. Tuy nhiên, theo kết luận chủ quan của tác giả, kết quả có thể áp dụng cho đánh giá biến động đất nông nghiệp nói chung. Theo các bảng 4.5 và 4.6, việc có sự nhầm lẫn giữa các loại đất nông nghiệp với nhau (chiếm đa số sai sót trong giải đoán) cho thấy đây không phải là phương pháp hiệu quả để đánh giá chi tiết biến động đất nông nghiệp, mà nó phù hợp để làm tiền đề cho việc quy hoạch đất đai.
- Chuyển ảnh phân loại sang vector: Để biên tập và thành lập bản đồ lớp phủ, từ kết quả phân loại ảnh ta sử dụng công cụ Raster to Shapefile để chuyển kết quả phân loại sang dạng vector có định dạng *.shp.
Hình 4.12. Chuyển đổi ảnh phân loại sang dạng vector
4.2.2.8. Thành lập bản đồ sử dụng đất năm 2009 và 2015 huyện Đông Anh
Để thực hiện tính chuyển hệ tọa độ, sử dụng công cụ Create Custom
Geographic Transformation trong hộp công cụ Arctoolbox để xây dựng.
Tiếp theo sử dụng công cụ Add Data để nhập 2 bản đồ dạng vector được chuyển đổi từ ảnh phân loại năm 2009 và 2014. Tiếp đến sử dụng công cụ Project để tính chuyển sang hệ tọa độ VN-2000 cho 2 vector này.
Bản đồ sử dụng đất năm 2009 và 2015 huyện Đông Anh sau khi giải đoán bằng phần mềm Erdas được chuyển sang dạng shapefile để nhập vào phần mềm ArcGIS. Quá trình biên tập kết quả thu được bản đồ sử dụng đất năm 2009 (hình 4.13) và năm 2015 (hình 4.14) huyện Đông Anh, thành phố Hà Nội.
- Thành lập bản đồ biến động sử dụng đất nông nghiệp huyện Đông Anh giai đoạn 2009 – 2015:
Chồng xếp (intersect trong ArcGIS) bản đồ sử dụng đất năm 2009 và bản đồ sử dụng đất năm 2015. Kết quả thu được bản đồ biến động giai đoạn 2009 – 2015 huyện Đông Anh, thành phố Hà Nội (hình 4.15).
Hình 4.13. Bản đồ sử dụng đất huyện Đông Anh năm 2009
Hình 4.14. Bản đồ sử dụng đất huyện Đông Anh năm 2015
Hình 4.15. Bản đồ biến động đất nông nghiệp huyện Đông Anh 2009 – 2015