Phân 4 Kết qủa nghiên cứu
4.2. Xây dựng bản đồ sử dụng đất năm 2010, 2015 thị xã sông công
4.2.2 Giải đoán ảnh viễn thám
4.2.2.1. Cắt ảnh
Ảnh vệ tinh LANDSAT sau khi được gói sẽ xuất hiện trong hộp thoại Available Bands List của phần mềm Envi với đầy đủ các kênh ảnh đã gói, ảnh sau khi gói được đưa về cùng độ phân giải.
Hình 4.2. Các kênh ảnh vệ tinh hiển thị đầy đủ trong hộp thoại Available Bands List Bands List
Để cắt ảnh theo đúng địa giới hành chính thị xã Sông Công cần có file vecter địa giới hành chính của khu vực thị xã Sông Công được tách từ file vecter hành chính cấp huyện của Việt Nam “VNM_adm3_.evf”. Sau khi cắt ảnh ta có ảnh viễn thám theo địa giới hành chính của thị xã Sông Công tại hai thời điểm 2010 và 2015:
Hình 4.3a. Ảnh LANDSAT5 theo địa giới hành chính thị xã Sông Công năm 2010 –
Tổ hợp màu: 4-3-2
Hình 4.3b. Ảnh LANDSAT8 theo địa giới hành chính thị xã Sông Công năm 2015–
Tổ hợp màu: 5-4-3
4.2.2.2. Xây dựng tệp mẫu phân loại ảnh
a. Xác định các loại hình sử dụng đất
Vì tư liệu ảnh vệ tinh luôn phản ảnh 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 hiện trạng sử dụng đất. Để phục vụ cho việc xây dựng tệp mẫu phân loại ảnh, trước tiên cần xác định các loại đất theo mục đích sử dụng trên khu vực nghiên cứu.
Căn cứ vào tình hình sử dụng đất của thị xã Sông Công, đặc điểm của tư liệu ảnh vệ tinh, độ phân giải ảnh, trong điều kiện thời gian cũng như tư liệu nghiên cứu hạn hẹp, tôi xin được sử dụng tệp mẫu phân loại với 05 loại hình sử dụng đất cơ bản trên địa bàn thị xã Sông Công, cụ thể như sau:
Bảng 4.2. Các lớp phân loại
STT Loại đất Mô tả
1 Đất đô thị
Đất ở, đất giao thông, đất khu công nghiệp, đất cơ sở sản xuất kinh doanh, công trình sự nghiệp, đất chợ, đình chùa, nghĩa trang, nghĩa địa…
2 Đất nông nghiệp khác Đất trồng lúa, đất trồng cây hàng năm, đất trồng cây lâu năm, đất trồng cây ăn quả,...
3 Đất rừng Đất rừng sản xuất, rừng trồng
4 Đất chưa sử dụng (Đất trống) Đất hoang, đất chưa có mục đích sử dụng.
5 Mặt nước
Sông, suối, ao, hồ tự nhiên Đất có mặt nước chuyên dùng
Mặt nước ao, hồ, sông, chuyên nuôi trồng thuỷ sản ngọt..
b. Chọn vùng mẫu
- Yêu cầu khi chọn mẫu:
+ Số lượng các vùng lấy mẫu của mỗi loại đối tượng cần phải phù hợp. 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. Trong nghiên cứu này, mỗi loại hình sử dụng đất tôi đã chọn khoảng 10 mẫu phân loại với trung bình khoảng 600 - 700 pixels mỗi loại hình sử dụng đất.
+ 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.
Một số mẫu lựa chọn đối tượng trên ảnh LANDSAT 5 năm 2010, tổ hợp màu theo kênh 4-3-2 và một số mẫu lựa chọn đối tượng trên ảnh LANDSAT 8 năm 2015, tổ hợp màu theo kênh 5-4-3:
Bảng 4.3. Tệp mẫu phân loại ảnh vệ tinh Loại đất Ảnh 2010 Ảnh 2015 Ảnh thực địa Loại đất Ảnh 2010 Ảnh 2015 Ảnh thực địa Đất nông nghiệp khác Đất đô thị Đất mặt nước Đất rừng Đất chưa sử dụng (đất trống)
Sau khi tiến hành chọn mẫu phân loại bằng cách khoanh vẽ trực tiếp lên trên ảnh cần phân loại, ta tiến hành kiểm tra độ phân tách phổ giữa các đối tượng bằng công cụ “ROI separaquality Report” của phần mềm Envi, trên cửa sổ hiển thị của công cụ này xuất hiện sai số giữa các đối tượng mẫu.
Kết quả kiểm tra độ phân tách phổ giữa các mẫu phân loại ảnh được thể hiện trong bảng:
Bảng 4.4. Bảng kiểm tra độ phân tách phổ giữa các mẫu năm 2010
Mẫu giải đoán Đất đô thị Đất rừng nghiệp khác Đất nông trống Đất Mặt nước
Đất đô thị 0 1,99 1,94 1.96 1,99
Đất nông nghiệp khác 1,94 1,99 0 1,99 1,99
Đất rừng 1,99 0 1,99 1,99 1,99
Đất trống 1,96 1,99 1,99 0 1,99
Mặt nước 1,99 1,99 1,99 1,99 0
Bảng 4.5. Bảng kiểm tra độ phân tách phổ giữa các mẫu năm 2015
Mẫu giải đoán Đất đô
thị Đất nông nghiệp khác Đất rừng Đất trống Mặt nước Đất đô thị 0 1,99 1,99 1,98 1,99 Đất nông nghiệp khác 1,99 0 1,99 1,98 1,99 Đất rừng 1,99 1,99 0 1,99 1,99 Đất trống 1,98 1,98 1,99 0 1,99 Mặt nước 1,99 1,99 1,99 1,99 0
Những giá trị đánh giá khác biệt mẫu huấn luyện có khoảng giá trị từ 0 đến 2, chỉ ra sự riêng biệt giữa các cặp. Nếu giá trị lớn hơn 1,9 chỉ ra rằng cặp mẫu đó có sự khác biệt tuyệt đối. Đối với các cặp mẫu có giá trị đánh giá thấp hơn, nên cải thiện hoặc chỉnh sửa mẫu. Trong trường hợp các cặp mẫu có giá trị phân biệt quá thấp (nhỏ hơn 1), nên gom chúng lại thành một mẫu.
Dựa vào bảng phân tích trên, có thể thấy giữa các cặp mẫu đều có giá trị khác biệt (> 1,9). Điều này cho thấy không có sự nhầm lẫn giữa các cặp mẫu do vậy chấp nhận tệp mẫu này để phân loại.
4.2.2.3. Phân loại ảnh
Ảnh vệ tinh LANDSAT năm 2010 và năm 2015 được tiến hành phân loại độc lập bằng phương pháp phân loại có kiểm định theo thuật toán xác suất cực đại.
Quy trình phân loại ảnh được thể hiện qua sơ đồ sau:
Hình 4.4. Sơ đồ quy trình phân loại ảnh
a, Phân loại ảnh năm 2010
Mở ảnh cần phân loại năm 2010, từ menu cửa sổ chính của Envi, chọn Classification/Supervised và lựa chọn phương pháp phân loại có kiểm định Maximum likehood (nguyên tắc phân loại xác suất cực đại).
Kết quả sau khi phân loại ảnh của năm 2010 như sau: Lựa chọn 5 mẫu
Phân loại
Xử lý kết quả phân loại bằng phần mềm
Biên tập bản đồ sử dụng đất tại hai thời điểm có ảnh
Hình 4.5a. Ảnh phân loại năm 2010 – thị xã Sông Công
b, Phân loại ảnh năm 2015
Làm các bước tương tự như phân loại ảnh năm 2010, lựa chọn phương pháp phân loại có kiểm định Maximum likehood.
Kết quả sau khi phân loại ảnh của năm 2015 như sau:
Đất đô thị Đất nông nghiệp khác Đất rừng Đất chưa sử dụng (Đất trống) Mặt nước
4.2.2.4. Đánh giá độ chính xác của kết quả phân loại
Xác định độ chính xác phân loại thường được dùng để đánh giá chất lượng của ảnh vệ tinh được phân loại, hoặc so sánh độ tin cậy của kết quả đạt được khi áp dụng các phương pháp khác nhau trong phân loại ảnh viễn thám. Kết quả của việc so sánh sự phù hợp giữa loại thực trên mặt đất và những loại giải đoán bằng một thuật toán phân loại thường được thể hiện dưới dạng ma trận sai số, trong đó chỉ số phần trăm đạt được của độ chính xác toàn bộ và sai số phân loại nhầm cho từng loại được xác định. Để thiết lập được ma trận sai số, người phân tích phải so sánh kết quả phân loại trên khu vực đã biết (bộ dữ liệu kiểm tra ) trên cơ sở từng pixel một và xác định mức độ chính xác như thế nào tại các vị trí được kiểm tra đó.
Độ chính xác rất cao của phép phân loại thường được chấp nhận phổ biến là trên 85%, để kiểm tra và đánh giá độ chính xác kết quả phân loại thì phương pháp chính xác và hiệu quả nhất là kiểm tra thực địa. Mẫu kiểm tra thực đảm bảo phân bố đều trên khu vực nghiên cứu. Trong phạm vi bài nghiên cứu là đánh giá biến động giai đoạn 2010 và 2015. Vì vậy, chỉ có thể điều tra thực địa để lấy mẫu phân loại ảnh cũng như kiểm tra đối với ảnh năm 2015. Còn với ảnh năm 2010, các vị trí điểm kiểm tra được căn cứ theo bản đồ địa hình và bản đồ hiện trạng sử dụng đất gần thời điểm chụp ảnh nhất.
Độ chính xác phân loại được thể hiện bằng ma trận sai số (Error Matrix). Ma trận sai số là ma trận vuông với các giá trị ở trên hàng và cột biểu thị số lượng của mẫu của từng lớp phân loại. Số liệu trên cột thể hiện dữ liệu tham khảo kiểm chứng, số liệu trên hàng thể hiện kết quả phân loại.
Độ chính xác tổng thể (overall accuracy) được tính bằng tổng số điểm phân loại đúng trên tổng số điểm của toàn bộ mẫu.
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.
Trong đề tài này, tôi đã tiến hành lấy 59 mẫu thực địa để đánh giá độ chính xác phân loại ảnh năm 2015.
a, Kết quả đánh giá độ chính xác phân loại ảnh năm 2010
Tổng số điểm kiểm tra là 60 điểm. Kết quả đánh giá độ chính xác phân loại ảnh năm 2010 được thể hiện cụ thể trong bảng.
Bảng 4.6. Bảng ma trận sai số phân loại ảnh năm 2010 Loại đất (1) (2) (3) (4) (5) Tổng hàng Loại đất (1) (2) (3) (4) (5) Tổng hàng Độ chính xác loại đất Đất đô thị (1) 16 1 0 1 0 18 88.89 Đất nông nghiệp khác (2) 0 11 0 0 1 12 91.67 Đất rừng (3) 1 1 10 0 0 12 83.33 Đất chưa sử dụng, đất trống (4) 1 0 0 5 0 6 83,33 Mặt nước (5) 1 2 0 0 9 12 75.00 Tổng cột 19 15 10 6 10 Ghi chú:
+ Tổng hàng: Số điểm kiểm tra của các loại hình sử dụng đất. + Ô chữ bôi đen (đường chéo): Số điểm kiểm tra đúng
+ Các ô còn lại: Các điểm kiểm tra nhầm lẫn sang loại đất khác.
+ Độ chính xác loại đất (%): (Số điểm kiểm tra đúng / số điểm kiểm tra tương ứng của loại đất) * 100. + Tổng cột: Số điểm trên thực tế của các loại đất khi đi kiểm tra.
- Độ chính xác bản đồ (%): (Tổng số điểm kiểm tra đúng/ Tổng số điểm kiểm tra)*100.
Độ chính xác bản đồ sử dụng đất năm 2010 đạt 85% (51/60); đạt yêu cầu Qua bảng 4.6 ta thấy: Đất mặt nước có độ chính xác thấp nhất, đây là thời điểm cuối tháng 11, thời gian địa phương tích trữ nước để chuẩn bị vào mùa lúa xuân, nên có 2 điểm bị nhầm lẫn với đất nông nghiệp khác.
Đất đô thị có 16/18 điểm giải đoán đúng, 1 điểm bị nhầm lẫn với đất nông nghiệp khác và 1 điểm nhầm lẫn sang đất trống.
Đất nông nghiệp khác có tỷ lệ giải đoán đúng cao nhất với 11/12 điểm kiểm tra cho kết quả giải đoán đúng.
b, Kết quả đánh giá độ chính xác phân loại ảnh năm 2015
Tổng số điểm kiểm tra là 59 điểm. Kết quả đánh giá độ chính xác phân loại ảnh năm 2015 được thể hiện cụ thể trong bảng.
Bảng 4.7. Bảng ma trận sai số phân loại ảnh năm 2015 Loại đất (1) (2) (3) (4) (5) Tổng hàng Loại đất (1) (2) (3) (4) (5) Tổng hàng Độ chính xác loại đất Đất đô thị (1) 19 0 0 1 0 20 95.00 Đất nông nghiệp khác (2) 0 10 1 0 1 12 83.33 Đất rừng (3) 0 1 7 0 0 8 87.50 Đất chưa sử dụng, đất trống (4) 1 0 0 9 0 10 90.00 Mặt nước (5) 0 2 1 0 6 9 66.67 Tổng cột 20 13 9 10 7 Ghi chú:
+ Tổng hàng: Số điểm kiểm tra của các loại hình sử dụng đất. + Ô chữ bôi đen (đường chéo): Số điểm kiểm tra đúng
+ Các ô còn lại: Các điểm kiểm tra nhầm lẫn sang loại đất khác.
+ Độ chính xác loại đất (%): (Số điểm kiểm tra đúng / số điểm kiểm tra tương ứng của loại đất) * 100. + Tổng cột: Số điểm trên thực tế của các loại đất khi đi kiểm tra.
- Độ chính xác bản đồ (%): (Tổng số điểm kiểm tra đúng/ Tổng số điểm kiểm tra)*100.
Độ chính xác bản đồ sử dụng đất năm 2015 đạt 86,44%, đạt yêu cầu. Qua bảng 4.7 ta nhận thấy, mặt nước có tỷ lệ giải đoán đúng thấp nhất, đạt 6/9 điểm giải đoán đúng, 2 điểm sai do giải đoán sang đất nông nghiệp khác và 1 điểm nhầm lẫn sang đất rừng.
Đất trống chưa sử dụng bị nhầm lẫn 1 điểm sang đất đô thị, số điểm giải đoán đúng là 9/10.
Đất đô thị vẫn là khu vực có tỷ lệ số điểm giải đoán đúng cao với 95% số điểm được kiểm tra cho kết quả đúng.
4.2.2.5. Lọc nhiễu, làm mịn ảnh
Sau khi phân loại, ảnh cần được thực hiện quy trình xử lý hậu phân loại để tạo ra các lớp có khả năng xuất ra bản đồ bằng cách khái quát hóa thông tin .Sử dụng công cụ Classification/Post Classification chọn phương pháp phân tích đa số (Majority Analysis) dùng để gộp các pixel lẻ tẻ, được phân loại lẫn trong chính các lớp chứa nó hoặc lấy kết quả của pixel thiểu số trong cửa số lọc thay thế cho pixel trung tâm. Ở đây chọn kích thước cửa sổ lọc 3x3.
Đây là một bước rất quan trọng trong quá trình giải đoán ảnh LANDSAT, bằng công cụ của phần mềm ENVI, ta có hai ảnh đã phân loại sau khi lọc nhiễu như hình sau:
Hình 4.6a. Ảnh phân loại năm 2010 sau lọc nhiễu