L ỜI CẢM ƠN
1990 – 2015 tại khu vực nghiên cứu
4.1.2. Tiền xử lý ảnh viễn thám
Hiệu chỉnh bức xạ: Do nhiều nguyên nhân khác nhau như: do ảnh hưởng của bộ cảm biến hoặc có thể do ảnh hưởng của địa hình và góc chiếu của mặt trời hoặc do ảnh hưởng của khí quyển, … làm ảnh hưởng rất lớn đến chất lượng ảnh thu được. Để đảm bảo nhận được những giá trị chính xác của năng lượng bức xạ và phản xạ của vật thể trên ảnh vệ tinh, cần phải thực hiện việc hiệu chỉnh bức xạ nhằm loại trừ các nhiễu trước khi sử dụng ảnh
Hiệu chỉnh hình học ảnh: Bản chất các biến dạng hình học của ảnh được hiểu như là sự sai lệch vị trí giữa tọa độ ảnh thực tế (đo được) và tọa độ ảnh lý tưởng được tạo bởi một bộ cảm biến có thiết kế hình học chính xác và trong điều kiện thu nhận lý tưởng, nhằm loại trừ sai số giữa tọa độ ảnh thực tế và tọa độ ảnh lý tưởng cần phải tiến hành hiệu chỉnh hình học. Nguyên nhân gây ra biến dạng hình học có thể là do nội sai tức là do tính chất hình học của bộ cảm hoặc do ngoại sai gây ra bởi vị thế của vật mang và hình dáng của vật thể. Ngoài ra sự biến dạng của địa hình cũng gây nên biến dạng hình học của ảnh trong đó ảnh hưởng do sự thay đổi địa hình gây nên biến dạng tăng dần từ
38
tâm ảnh ra các biên, các điểm trên mặt đất có độ cao thấp hoặc cao hơn độ cao chuẩn tham chiếu (trong lúc chụp ảnh) đều bị biến dạng. Chính vì vậy, hiệu chỉnh hình học cần phải được thực hiện để loại trừ sự biến dạng hình học của ảnh. Bản chất của hiệu chỉnh hình học là xây dựng mối quan hệ giữa hệ tọa độ ảnh và hệ tọa độ quy chiếu chuẩn (có thể là hệ tọa độ mặt đất vuông góc hoặc địa lý) dựa vào các điểm không chế mặt đất, vị thế của sensor, điều kiện khí quyển, … Để hiệu chỉnh hình học ảnh vệ tinh cần phải dựa trên bản chất của sự biến dạng để có phương pháp hiệu chỉnh cho phù hợp
Tăng cường độ phân giải: Tăng cường chất lượng ảnh có thể được định nghĩa là một thao tác làm nổi bật hình ảnh sao cho người giải đoán ảnh dễ đọc, dễ nhận biết nội dung trên ảnh hơn so với ảnh gốc. Phương pháp thường được sử dụng là biến đổi cấp độ xám, biến đổi histogram, biến đổi độ tương phản, lọc ảnh, tổ hợp màu, chuyển đổi giữa 2 hệ RGB và HIS.
Tăng cường độ tương phản của ảnh: Mục đích của bước này là nhằm tăng cường khả năng giải đoán ảnh bằng mắt thông qua việc tăng cường độ tương phản của ảnh tổng hợp màu đã tăng cường độ phân giải không gian ở trên, ảnh sau khi được tăng cường, sự khác biệt giữa các đối tượng cần được giải đoán trên ảnh không những được cải thiện mà ảnh hưởng của sự “mờ ảo" giữa các đối tượng cũng được giảm thiểu, giúp đoán đọc viên dễ nhận biết hơn các đối tượng trên ảnh, tăng độ chính xác của công tác giải đoán ảnh.
4.1.3. Xây dựng khóa giải đoán ảnh
Khóa giải đoán ảnh có giá trị quan trọng trong việc quyết định kết quả giải đoán ảnh vệ tinh. Đây là cơ sở để các phần mềm chuyên ngành giải đoán, so sánh mẫu khóa với các vị trí ô pixel để chạy ra bản đồ. Nếu mẫu khóa sai sẽ dẫn tới phân tích sai và cuối cùng là bản đồ giải đoán ảnh đạt độ chính xác không cao, chưa đạt yêu cầu. Các loại mẫu khóa trong viễn thám có thể ở
39
dạng ASCII hoặc dạng ảnh. Tùy thuộc người phân tích và giải đoán ảnh mà chúng ta có những loại khóa giải đoán khác nhau. Các khóa giải đoán ảnh có thể được sử dụng nhiều lần, áp dụng cho các khu vực có điều kiện tự nhiên, điều kiện địa vật địa chất tương tự nhau. Tuy nhiên mẫu khóa được áp dụng phải đạt độ chuẩn và đặc trưng về đối tượng. Mộ khu vực có thể có nhiều mẫu để giải đoán, đó là dosự khác nhau của các đối tượng qua các mùa khác nhau
Việc điều tra thu thập mẫu hiện trường có vai trò hết sức quan trọng trong hiệu chỉnh sai số và nâng cao độ chính xác của giải đoán ảnh viễn thám. Đề tài này sẽ áp dụng phương pháp chọn mẫu phân tầng (Stratified Sampling)
để chọn mẫu giúp cho xây dựng khóa giải đoán và đánh giá độ chính xác của kết quả giải đoán.
Khóa giải đoán bao gồm các đối tượng sau:
- Khu vực đất có rừng: Khu vực đất rừng ngập mặn
- Khu vực đất trống: Bao gồm các khu vực đất không có nhiều thảm thực vật, đất trống không có thực vật, đất cát.
- Khu vực đất dân cư: Bao gồm khu vực các công trình xây dựng, các khu đô thị, khu công nghiệp.
- Khu vực đất mặt nước: Bao gồm đất mặt nước, ao hồ, sông suối. - Khu vực đất khác: Các loại đất khác ngoài những đối tượng trên
4.1.3.1. Xác định mẫu khóa giải đoán cho từng đối tượng
Các mẫu khóa được xác định bằng cách khoanh vùng các khu vực mẫu trên ảnh viễn thám nhằm thể hiện một cách chính xác nhất về các đặc trưng riêng của từng trạng thái. Mỗi một đối tượng được thực hiện lấy nhiều mẫu khác nhau, các mẫu được thực hiện lấy mẫu độc lập và thể hiện được độ đặc trưng cho mẫu của nó ở từng khu vực khác nhau. Việc lấy mẫu như vậy mục
40
đích để ra được mẫu trung bình của từng đối tượng, nhằm giúp thuận lợi và chính xác trong quá trình giải đoán.
Các mẫu khóa giải đoán được xác định dựa trên cơ sở phân tích các điểm ảnh thông qua các mẫu đi thực tế để đối chứng và xác thực với hình ảnh trên mỗi cảnh ảnh. Trước tiên cần hiển thị ảnh cần phân loại sau đó vào Raster/ Classification/ Supervised/ Signature editor trong cửa sổ ảnh chính. công cụ chọn hình mẫu sẽ hiện ra như hình:
41
Kết quả khoanh vùng và xác định mẫu khóa phân loại được thể hiện trong bảng dưới đây:
Bảng 4.2. Mẫu khóa giải đoán ảnh năm 2015 tổ hợp màu tự nhiên
STT Hình ảnh khóa Thực tế Trạng
thái
1 Mă ̣t
nước
42 3 Đất trống 4 Đất khác 5 Dân cư
43
4.1.3.2. Đánh giá mẫu khóa giải đoán
Đánh giá khóa giải đoán ảnh là công việc hết sức cần thiết để xác định mẫu khóa lựa chọn để giải đoán có thực sự chuẩn xác. Việc đánh giá mẫu khóa là tiền đề để hướng tới quyết định giải đoánh ảnh viễn thám theo mẫu khóa đã lấy. Mẫu khóa giải đoán ảnh sau khi được phân tích và chiết tách từ ảnh gốc, cần phải được xem xét và đánh giá độ chuẩn xác của mẫu khóa ảnh. Việc phân tích đánh giá sai mẫu khóa sẽ dẫn tới giải đoán ảnh không chính xác.
Các phương pháp giải đoán cơ bản đều phải thực hiện qua việc đánh giá khóa giải đoán ảnh. Phương pháp phân loại có kiểm định là một trong những phương pháp cần phải xem xét tới yếu tố khóa ảnh. Việc lựa chọn khóa ảnh này phụ thuộc rất nhiều vào kinh nghiệp của người giải đoán. Những khu vực cần phải được nghiên cứu kỹ lưỡng trước khi lấy mẫu khóa. Như vậy, nếu người chuyên viên không có hiểu biết nhiều về khu vực nghiên cứu sẽ rất khó có thể lấy được bộ khóa giải đoán chuẩn xác.
Sử dụng phương pháp dùng hàm khoảng cách để đánh giá sự cách biệt thống kê về giá trị phổ của các mẫu được lựa chọn. Đề tài xây dựng mẫu khóa giải đoán dựa trên ảnh vệ tinh Landsat năm 2015 với năm bộ mẫu khóa gồm: Mặt nước, dân cư, đất trống, đất khác và rừng.
44
Bảng 4.3. Phân loại để đánh giá chất lượng
STT Cấp giá trị Chất lượng
1 1900 – 2000 Các mẫu lựa chọn có sự khác biệt rõ
2 1700 – 1900 Các mẫu được chọn có sự khác biệt trung bình
3 < 1700 Các mẫu được chọn có sự khác biệt kém
Thực hiện đánh giá mẫu thông qua phần mềm Erdas Image với các bước như sau: Trong hộp thoại Signature Editor chọn Evaluate\Separability,
hộp thoại Signature Separability xuất hiện:
45
Trong mục Distance Measure chọn Transformed Divergence; Mục Output Form chọn Cell Array; Mục Which Listing chọn Best Average, tiếp tục chọn Ok để xuất hiện bảng kết quả đánh giá chất lượng khóa ảnh. Dựa vào các ngưỡng chất lượng trong bảng trên để đánh giá.
Kết quảthành lập được bảng thống kê về giá trị phổ của các mẫu như sau:
Hình 4.3. Bảng khác biệt các đối tượng mẫu khóa
Qua bảng ta thấy các giá trị phổ của các mẫu có sự các biệt rất rõ, ngưỡng cách biệt từ 1994 đến 2000. Theo bảng phân ngưỡng giá trị cách biệt thì kết quả lấy mẫu để giải đoán ảnh tại Quảng Yên là đạt tiêu chuẩn. Các mẫu có sự khác biệt càng lớn thì mẫu khóa càng chính xác, điều này có nghĩa các trạng thái được lấy mẫu đúng đặc trưng của nó, không có sự nhầm lẫn hay mẫu không chứa những vùng “mờ”.
46
4.1.4. Thực hiện giải đoán ảnh viễn thám theo mẫu khóa giải đoán
Khóa giải đoán ảnh viễn thám là cơ sở để thành lập bản đồ giải đoán ảnh. Xác định được mẫu khóa chuẩn sẽ giúp cho chúng ta nhận định và thành lập bản đồ hiện trạng chuẩn xác sau này. Phương pháp giải đoán ảnh với sự tham gia của tri thức con người thì mức độ đầy đủ, độ chính xác của kết quả phụ thuộc rất nhiều vào khả năng của người giải đoán, hiệu quả kinh tế thấp và tốn kém nhiều về các chi phí điều tra ngoại nghiệp.
Phân loại có giám định là một hình thức phân loại mà các chỉ tiêu phân loại được xác lập dựa trên các vùng mẫu. Vùng mẫu là khu vực mà trên ảnh người giải đoán biết chắc chắn thuộc vào một trong các lớp cần tìm. Dựa vào các vùng mẫu, các tham số thống kê sẽ được xác định và đó chính là các chỉ tiêu thống kê sử dụng trong quá trình phân loại sau này.
Như vậy phân loại giám định đòi hỏi quá trình chọn mẫu đặc trưng cho các đối tượng trên ảnh dựa trên các kết quả đi khảo sát thực địa hoặc từ các thông tin liên quan khác nếu không đi khảo sát, có nghĩa là phải biết trước được đặc điểm một số vùng ngoài thực tế tương ứng với một vùng trong ảnh
47
Hình 4.4. Bản đồ giải đoán ảnh Thị Xã Quảng Yên năm 2015
4.1.5. Đánh giá độchính xác kết quảsau phân loại
Phân loại ảnh trong viễn thám là quá trình phân định các pixel trong hình ảnh thành các lớp hoặc các nhóm đơn vị lớp phủ mặt đất. Để thực hiện giải đoán chúng ta cần có bộ khóa giải đoán và bộ khóa đánh giá độ chính xác. Việc chọn mẫu để đánh giá độ chính xác được thực hiện qua xác định vị trí các điểm mẫu ở thực địa để so sánh và đánh giá với kết quả giải đoán ảnh. Để thực hiện chúng ta cần phải đi ra khu vực thực tế và xác định các trạng thái tại địa điểm đó sau ghi lại tọa độ xác định bằng GPS. Thực hiện với dung lượng mẫu tương đối phù hợp với diện tích giải đoán để có được sự tổng quát khách quan và bao quát các đối tượng cần đánh giá sau đó chồng xếp lên lớp bản đồ nền bản đồ giải đoán để kiểm tra độ chính xác của kết quả.
48
Thực hiện so sánh kết quả giải đoán và kết quả thực địa để thành lập bảng ma trận sai số (Confusion Matrix). Ma trận sai số là một bản ma trận thể hiện sự sai khác và trùng khớp kết quả kiểm tra thực địa và kết quả giải đoán. Từ đó tính được chỉ số Kappa (K) để đánh giá độ chính xác của kết quả giải đoán. Hệ số Kappa được sử dụng là thước đo đánh giá độ chính xác phân loại. Không giống như độ chính xác tổng thể của phân loại, đây là hệ số tiện ích của tất cả các nguyên tố từ ma trận sai số. Nó là sự khác nhau cơ bản giữa những gì có thực về sai số độ lệch của ma trận và tổng số thay đổi được chỉ ra bởi hàng và cột.
Mẫu giải đoán là ảnh vệ tinh năm 2015, do vậy đề tài thực hiện đánh giá độ chính xác trên kết quả giải đoán ảnh viễn thám năm 2015 với các điểm mẫu được xác định bằng GPS. Tổng số điểm lấy mẫu là 250 mẫu. Các đối tượng được thu thập gồm: Mặt nước, đất trống, rừng, dân cư và đất khác.
Công thức xác định chỉ số Kappa như sau:
K = 𝑁 ∑ 𝑋𝑖𝑖 𝑟 𝑖=1 − ∑𝑟𝑖=1(𝑋𝑖+−𝑋+𝑖) 𝑁2− ∑𝑟𝑖=1(𝑋𝑖+−𝑋+𝑖) Trong đó: r = Sốlượng cột trong ma trận ảnh
Xii = Số lượng pixel quan sát được tại hàng i và cột i (trên đường
chéo chính)
Xi+ = Tổng pixel quan sát tại hàng i
X+I = Tổng pixel quan sát tại cột i
49
Hệ số Kappa thường nằm giữa 0 và 1, giá trị nằm trong khoảng này thì độ chính xác của sự phân loại được chấp nhận. Theo Cục Địa chất Mỹ, Kappa
có 3 nhóm giá trị:
• K>0.8: độ chính xác cao
• 0.4<K<0.8: độ chính xác vừa phải
• K<0.4: độ chính xác thấp
Bảng 4.4. Ma trận sai số các trạng thái giải đoán
Đánh giá Điều tra GPS Tổng Tỷ lệ Đất khác Đất trống Dân cư Mặt nước Rừng Đất khác 54 3 0 6 2 65 0,26 Đất trống 6 32 0 2 2 42 0,17 Dân cư 5 2 31 2 0 40 0,16 Mặt nước 3 0 0 43 2 48 0,19 Rừng 3 0 2 5 45 55 0,22 Tổng 71 37 33 58 51 250 Tỷ lệ 0,28 0,15 0,13 0,23 0,2
Qua kết quả thực hiện phân tích, kết quả đánh giá mức độchính xác sau khi phân loại 5 lớp thảm phủ bằng phương pháp phân loại có kiểm định chỉ ra rằng:
50
- Hệ số thống kê Kappa = 0,77
Như vậy độ chính xác đạt độ chuẩn xác ở mức tốt, với một nghiên cứu khoa học có thể chấp nhận được. Nguyên nhân cơ bản của việc giải đoán có độ chính xác như trên một phần là do dữ liệu ảnh có độ phân giải thấp, chưa cao, dẫn tới các đối tượng đôi khi bị nhầm lẫn với nhau. Với kết quả này đề tài xác định ngưỡng giá trị NDVI để thành lập khóa giải đoán cho những năm trong quá khứ, khi không có số liệu điều tra thực địa.
4.1.6. Thành lập mẫu khóa giải đoán NDVI
NDVI (Nomarlized Difference Vegetation In-dex – chỉ số khác biệt thực vật chuẩn hóa) được dùng để xác định độ che phủ thực vật trên bề mặt trái đất ở diện rộng. Nó được tính dựa trên sự khác biệt phản xạ của ánh sáng cận hồng ngoại và ánh sáng đỏ.
NDVI = (NIR-R)/(NIR+R)
Trong đó:
NIR là băng phổ cận hồng ngoại (Near Infra-red); R là băng phổ thuộc bước sóng màu đỏ (Red).
Thực hiện tính toán chỉ số NDVI trên ảnh vệ tinh năm 2015 của Thị xã Quảng Yên bằng phần mềm ArcGis như sau: Arctool box/ Spatial Analyst
51
Hình 4.5. Công cụ tính NDVI trong phần mềm ArcGis.
Kết quả thành lập được bản đồ NDVI như hình dưới đây:
52
Thống kê các giá trị NDVI đối với từng trạng thái rừng được bảng dưới đây:
Bảng 4.5. Khóa giải đoán NDVI Thị xã Quảng Yên
Trạng thái Khoảng giá trị Mặt nước < 0.05
Đất trống 0.05 – 0.12
Đất khác 0.12 – 0.3144
Dân cư 0.3144 – 0.3846
Rừng > 0.3846
4.2. Thành lập bản đồ hiện trạng rừng giai đoạn năm 1990 đến năm 2015
Thực hiện giải đoán ảnh viễn thám bằng bộ khóa ảnh tại mỗi khu vực, kết quả thành lập được bản đồ hiện trạng rừng của Thị xã Quảng Yên các năm 1990, 1995, 2000, 2005, 2010 và năm 2015.