7. Quan điểm và phương pháp nghiên cứu
2.3.2. Thành lập bản đồ hiện trạng sử dụng đất các thời điểm 2000,2005, 2010
Sờ đồ 2.2. Quy trình xử lý và thành lập bản đồ hiện trạng sử dụng đất 2.3.2.1. Các bước thực hiện giải đoán ảnh bằng phần mềm ENVI
a) Hiệu chỉnh hình học
Ảnh Landsat ETM+ năm 2000
Cắt ảnh theo ranh giới huyện
Xây dựng mẫu phân loại Phân đoạn ảnh (Segmentation) - Bản đồ hiện trạng sử dụng đất. - Khảo sát thực địa, sử dụng GPS.
Chuyển đổi sang dữ liệu dạng vector Ảnh Landsat TM năm 2010 Hiệu chỉnh hình học Cắt ảnh theo khung Khảo sát từng kênh ảnh Biến đổi kênh ảnh Tổ hợp màu Tăng cường chất lượng ảnh Nắn chỉnh ảnh theo dữ liệu nền khu vực
Phân loại
Xử lý sau phân loại
Thành lập bản đồ hiện trạng sử dụng đất
Ảnh Landsat TM năm 2006
Khi tải ảnh viễn thám về thì cần chồng các band ảnh và thực hiện các bước hiệu chỉnh ảnh cho ra một ảnh mới: Sensor Type, Pixel size, thay đổi tên các band, Wavelengths, Geographic Corner.
- Chồng lớp (ghép kênh)
Ảnh Landsat sử dụng các band 1,2,3,4,5,7 để chồng lớp.
Thực hiện import file:
Chọn tọa độ, hệ quy chiếu, độ phân giải và lưu vào folder theo đường dẫn
Hình 2.7. Thực hiện chồng lớp (Layer stacking)
- Chỉnh sửa Sensor Type và Pixel size
Chọn ảnh Landsat TM, độ phân giải 30/30, đơn vị meters (m).
Hình 2.8. Thực hiện chỉnh sửa Sensor Type và Pixel size
Hình 2.9. Chỉnh sửa Wavelengths và giá trị Geographic corner
b) Cắt ảnh khu vực nghiên cứu theo khung
Đây là bước đưa khu vực nghiên cứu về gần với khu vực nhằm phục vụ cho giải đoán và nắn chỉnh ảnh.
- Đầu tiên cần có 1 file Shapefile khu vực huyện Đức Thọ. - Mở file ảnh đã ghép kênh bước trên, chọn WGS 84, Zone 48.
Ảnh gốc Ảnh sau khi đã cắt theo khung
Hình 2.10. Cắt ảnh khu vực nghiên cứu theo khung
c) Nắn chỉnh ảnh theo dữ liệu nền khu vực
Việc chụp ảnh luôn mang theo những sai số nhất định về hình học do các nguyên nhân trong quá trình bay chụp, vì vậy nắn ảnh là giai đoạn nhằm đưa tấm ảnh về đúng thực tế nhất. Thực chất của việc nắn ảnh chính là đưa các điểm tương ứng trên ảnh và trên bản đồ về gần nhau nhất, tức là về cùng một tọa độ để hạn chế sự sai lệch về vị trí.
Để làm được như vậy chúng ta phải sử dụng một hệ thống điểm khống chế mặt đất đã biết tọa độ và dễ dàng nhận ra trên tấm ảnh.
ENVI cung cấp cho chúng ta 2 cách nắn ảnh, đó là nắn ảnh theo bản đồ và nắn ảnh theo ảnh. Trong giới hạn nghiên cứu của khóa luận sử dụng phương pháp nắn ảnh theo bản đồ sử dụng file *SHP của Mapinfo hoặc file *DGN từ phần mềm microstation để nắn.
Sơ đồ 2.3. Sơ đồ quy trình nắn ảnh
Để chọn phương pháp nắn ảnh thì trên thanh menu chính của ENVI chọn
Map\Registration\Select GSPs: Image to Map (nắn ảnh theo bản đồ). Sau khi chọn thấy
xuất hiện hộp thoại Image to Map Registration, điền các thông tin: Projection: Phép chiếu hình trụ ngang
UTM Datum: Hệ quy chiếu WGS 84 Unit: Đơn vị meter Zone: Múi chiếu 48 N Pixel size: Kích thước pixel 30.0
Sau khi điền đầy đủ các thông tin thì nhấn OK để tiến tới hộp thoại Ground
Control Points Selection cho phép ta chọn các cặp điểm khống chế tương ứng
trên ảnh và trên bản đồ, khung bên trái là tọa độ của một điểm trên
ảnh còn khung bên phải là tọa độ tương ứng do ta chọn của điểm đó trên bản đồ.
Hình 2.11. Hộp thoại chọn thông tin trước khi nắn
Ảnh vệ tinh (chưa có tọa độ) File vector (đã có tọa độ) Nắn chỉnh hình học Ảnh sau khi nắn chỉnh
Hình 2.12. Chọn các điểm khống chế
Chúng ta có thể lưu danh sách các điểm này để tiện theo dõi, bằng cách trong hộp thoại Imge to Map GCP List chọn File\Save Table to ASCII..., file này được lưu dưới định dạng *.txt.
Hình 2.13. Hộp thoại hiển thị danh sách các điểm khống chế
Sau khi chọn đủ số cặp điểm cần thiết và thỏa mãn với sai số RMS thì ta bắt đầu nắn ảnh bằng cách trên hộp thoại Ground Control Points Selection chọn Option\Wrap File...
Hình 2.14. Hộp thoại chọn nắn ảnh
Hộp thoại Input Warp Image hiện ra ta nhấp chọn ảnh cần nắn, hộp thoại
Hình 2.15. Hộp thoại chọn phương pháp nắn ảnh
- Method: Là phương pháp nắn (RST). - Resampling:
+ Nearest Neighbor - Người láng giềng gần nhất, tức là sử dụng giá trị của pixel gần nhất mà không tiến hành nội suy.
+ Bilinear – Hàm song tuyến tính tức là tiến hành nội suy tuyến tính sử dụng giá trị của bốn pixel.
+ Cubic Convolution - Xoắn lập phương tức là sử dụng giá trị của 16 pixel để tiến hành nội suy.
- Background: Chọn phổ băng tần gồm 255 giá trị màu.
Hình 2.16. Kết quả sau khi nắn chỉnh
d) Tăng cường chất lượng ảnh
ENVI cung cấp các công cụ khá hữu hiệu cho việc tăng cường khả năng hiển thị các thông tin trên ảnh. Để thực hiện chức năng này ta làm như sau:
Trên cửa sổ chính chọn Enhance từ đó một danh sách các phương pháp sẽ được xổ ra, sau đó ta chọn một phương pháp để tăng cường khả năng hiển thị ảnh. Ta cũng có thể tăng cường lọc ảnh bằng cách chọn Enhance\Filter để chọn một phương pháp lọc ảnh, làm mịn hoặc tăng độ nét của ảnh.
Hình 2.17. Hộp thoại tăng cường chất lượng ảnh
e) Cắt ảnh theo ranh giới khu vực nghiên cứu
Đầu tiên chúng ta mở ảnh căt theo khung ảnh, sau đó chồng lớp ranh giới huyện dạng shapefile lên trên cùng một cửa sổ Display.
Hình 2.18. Chồng file ranh giới trước khi cắt hoàn chỉnh
Tiếp theo trên thanh menu chính chọn Basic Tools\Masking\Build Mask.
Options\Import EVFs chọn file ranh giới huyện.
Hình 2.19. Chồng lớp tạo mặt nạ (Build Mask)
Vào Basic Tools\ Masking\ Apply Mask xuất hiện hộp thoại Apply Mask
Hình 2.20. Kết quả sau khi cắt theo ranh giới
f) Biến đổi kênh ảnh
Biến đổi kênh ảnh là tạo ra ảnh mới từ việc xử lý các ảnh đa phổ hoặc đa thời gian bằng các thuật toán được áp dụng trên ảnh gốc. Biến đổi kênh ảnh nhằm mục đích nhấn mạnh các đối tượng cần quan tâm trên ảnh hoặc để tách triết thông tin đối tượng nhanh chóng và chính xác. Trong biến đổi kênh ảnh thường sử dụng hai phép biến đổi chính là biến đổi logic (logical) và biến đổi số học, trong đó các phép biến đổi số học như (cộng, trừ, nhân, chia và sự phối hợp giữa chúng) được sử dụng khá phổ biến trong kỹ thuật Viễn thám và đáp ứng cho nhiều mục đích khác nhau.
Ngoài mục đích làm rõ các đối tượng, biến đổi ảnh tạo các tỷ số rất cần thiết trong giải đoán lựa chọn mẫu. Một trong những phương pháp biến đổi ảnh là tạo chỉ số thực vật (NDVI). Đề tài sẽ thực hiện tạo tỷ số thực vật gồm một ảnh có thực vật và một ảnh không thực vật. Do sự khác biệt về phổ phản xạ trong ảnh vệ tinh LandSat, thưc vật phản xạ (40 - 50%) năng lượng hồng ngoại nhiệt nhưng lại hấp thu (80 – 90%) năng lượng ánh sáng khả kiến. Vì vậy để nhấn mạnh đối tượng thực vật, ảnh tỷ số (B4/B3) được thành lập.
* Tạo ảnh tỷ số NDVI
Mở ảnh cắt theo ranh giới vào Basic Tools chọn Bandmath nhập vào công thức:
(float(b 4)-float(b3))/(float(b4)+float(b3))
Dựa trên công thức: NDVI=(NIR-VR)/(NIR+VR) - Ảnh Landsat TM, NIR=band4; VR=band3 - Ảnh Landsat MSS: NIR=B7; VR=B5
- Ảnh Spot XS: NIR=B3 (0.79-0.89µm); VR=B2 (0,61-0,68µm) - Ảnh ASTER: NIR=B3 (0.76-0.86µm); VR=B2 (0,63-0,69µm) - Terra MODIS: Bands 1 (0.62-0.67), 2 (0.841-0.876)
(Nguồn: http://rangeview.arizona.edu/)
Hoặc có thể: (float(b1)-b2)/(float(b1)+b2)
Hình 2.21. Hộp thoại tạo tỷ số NDVI
* Tạo ảnh NDVI không thực vật
- Sử dụng công thức: (b1 lt 0)*(-999)+(b1 ge 0)*b1
Hình 2.22. Biến đổi tạo ảnh chỉ số thực vật (NDVI) và NDVI không thực vật trên ảnh Lansat TM Đức Thọ năm 2010
g) Tổ hợp màu
Một ảnh màu trên ảnh đa phổ là gán ba kênh phổ nào đó cho ba màu cơ bản (red, green, blue). Mỗi đối tượng có những phản xạ mạnh yếu khác nhau trên cùng kênh phổ và một đối tượng cũng có phản xạ khác nhâu ở các kênh phổ khác nhau. Do đó tùy thuộc vào đặc trưng phản xạ phổ của đối tượng cần quan tâm, và màu muốn thể hiện đối tượng đó mà có cách chọn kênh phổ gán vào từng loại màu thích hợp. Trong quá trình tổ hợp màu của 3 kênh ảnh ứng với ba màu cơ bản (R_G_B) sẽ sảy ra sự pha trộn màu. Vì vậy, để đảm bảo màu của đối tượng ít bị thay đổi ta kết hợp kênh ảnh mà đối tượng phản xạ mạnh với kênh ảnh đối tượng phản xạ yếu. Ví dụ, để thực vật có màu G, nước có màu B, ta sẽ gán kênh 4 là kênh có đối tượng thực vật phản xạ mạnh nhất vào màu G, nước phản xạ kênh 1 mạnh vào B, và để nước, thực vật không thay đổi màu sắc đã chọn, ta gán màu R với kênh mà cả thực vật và nước đều phản xạ yếu.
Tổ hợp 3,2,1 Tổ hợp 5,4,3 Tổ hợp NDVI,NDVIKTV,1
Hình 2.23. Tổ hợp màu các band ảnh khác nhau
h) Phân đoạn ảnh (segmentation)
Một trong những điểm quan trọng của phương pháp phân loại theo đối tượng là quá trình Segmentation. Đây là quá trình nhằm phân ra các đối tượng khác nhau trên ảnh thành các vùng riêng biệt có các giá trị pixel giống nhau, sau đó sử dụng phương pháp phân loại có chọn mẫu để phân loại. Có rất nhiều phần mềm dùng để phân đoạn ảnh, tuy nhiên quan trọng nhất vẫn là các thông số được sử dụng trong qua trình segmentation. Việc lựa chọn các thông số phải phụ thuộc vào tỉ lệ khu vực nghiên cứu. Trong nghiên cứu này, tỉ lệ dự định là 1:150.000.
Trong đề tài này, chúng tôi sử dụng chức năng Feature extraction trong ENVI ZOOM. Feature extraction là sự kết hợp của 3 quá trình: phân đoạn, tính toán thuộc tính đối tượng và phân lớp các đối tượng. Tuy nhiên đề tài chỉ sử dụng chức năng này để phân đoạn và xuất sang file vector để tiếp tục sử dụng phương pháp phân loại supervied (chọn mẫu) phân ra các loại đất trong ảnh mà không bị lẫn sang các pixel của lớp khác.
i) Xây dựng mẫu phân loại
Độ chính xác của kết quả phân loại tùy thuộc vào độ chính xác của quá trình lấy mẫu, vì vậy các mẫu được lựa chọn hết sức cẩn thận.
Bảng 2.5. Lựa chọn các mẫu để phân loại ĐỐI TƯỢNG ẢNH VỆ
TINH YẾU TỐ GIẢI ĐOÁN THUYẾT MINH
Đất trồng lúa
Màu xanh, cấu trúc mịn, phân bố ở vùng đồng bằng, có hình dạng ô thửa rõ rệt. Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m. Đất trồng màu và cây hàng năm khác
Màu xanh lá cây nhạt, cấu trúc mịn, phân bố các bãi bồi ven sông, xen lẫn trong vùng trồng lúa, sát vùng rừng trồng. Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m. Đất trồng cây lâu năm
Màu xanh đậm, phân bố thành từng cụm.
Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m.
Đất khu dân cư
Màu xanh đến tím nhạt, cấu trúc hạt thô, lốm đốm do nhà xen cây lâu năm. Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m. Đất rừng tự nhiên
Màu xanh thẫm, phân bố ở vùng núi, có độ nhàu rất rõ do cấu trúc nhiều tầng. Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m. Đất rừng trồng
Màu xanh nhạt, phân bố ở rìa của các khu rừng tự nhiên hoặc trên các sườn đồi thấp.
Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m.
Đất mặt nước
Màu xanh đậm, hơi tối, sông có dạng tuyến, cấu trúc mịn. Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m. Đất bằng chưa sử dụng Màu trắng hoặc trắng ngã sang màu vàng rất rõ nhận biết trên ảnh, phân bố chủ yếu ven sông.
Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m.
k) Phân loại
Phân loại ảnh số là việc phân loại và sắp xếp các pixel trên ảnh thành những nhóm khác nhau dựa trên một số đặc điểm chung về giá trị độ xám, sự đồng nhất, mật độ, tone ảnh... có hai kiểu phân loại chính, là phân loại không chọn mẫu và phân loại có chọn mẫu.
- Phân loại không chọn mẫu - Unsupervised Classification
Với phương pháp phân loại này, các pixel sẽ được phân chia tự động vào các lớp dựa trên một số đặc điểm về sự đồng nhất giá trị phổ sử dụng kỹ thuật gộp nhóm, phương pháp này được áp dụng trong trường hợp ta không biết hoặc không quen với những đối tượng xuất hiện trên ảnh, đồng thời nó cũng loại bỏ được những sai số chủ quan của con người. Phần mềm ENVI cung cấp cho chúng ta hai phương pháp phân loại không chọn mẫu là Isodata và K-Means.
- Phân loại có chọn mẫu – Supervised Classification
Phân loại có chọn mẫu là phương pháp phân loại ảnh số dựa trên các pixel mẫu đã được chọn sẵn bởi người thực hiện công tác phân loại. Bằng cách chọn mẫu người phân loại đã chỉ ra giúp phần mềm xác định những pixel có cùng một số đặc trưng đối tượng về phổ phản xạ, từ đó gộp những đối tượng có chung đặc điểm về thành một lớp.
Để phân loại theo phương pháp này chúng ta bắt buộc phải xác định xem sẽ phân làm mấy loại đất từ đó đi chọn mẫu cho các loại đất đó, việc này có thể được tiến hành ngay trên ảnh hoặc tiến hành ngoài thực địa, để hạn chế sai số, đảm bảo khách quan chính xác thì chúng ta phải đi thực địa để lấy mẫu là tốt nhất.
Phương pháp lấy mẫu: Chúng ta phải sử dụng GPS có độ chính xác cao tiến hành bấm điểm khoanh vùng các khu vực được chọn làm mẫu. Sau đó dùng phần mềm Mapinfo hiển thị điểm, nối điểm và chuyển sang định dạng vector để chồng các mẫu lấy được lên ảnh. Sau khi đã chồng các mẫu lấy được lên ảnh (giống như chồng lớp ranh giới lên ảnh, đã trình bày ở phần nắn ảnh) thì trên cửa sổ hiển thị ảnh ta tiến hành chọn mẫu.
Trong giới hạn đề tài xin trình bày phương pháp phân loại có chọn mẫu sử dụng thuật toán Maximum Likelihood vì nó đạt độ chính xác hơn so với cách phân loại không chọn mẫu.
- Chọn mẫu phân Loại
Tiến hành phân loại ảnh dựa trên đặc điểm các đối tượng khác nhau thì có sự phản xạ với bước sóng khác nhau. Phương pháp được sử dụng là Maximum Likehood. Do đặc điểm ảnh Landsat có kích thước các pixel khá lớn nên trong nghiên cứu này chỉ phân loại các mục đích sử dụng đất chủ yếu của vùng.
(GPS) đi thực địa, kết hợp với sử dụng các loại bản đồ hiện trạng sử dụng đất, bản đồ địa chính để tham khảo, đối chiếu.
Hình 2.25. Chọn mẫu phân loại
Hình 2.26. Kết quả chọn vùng mẫu
Độ chính xác của mẫu phải đảm bảo có tính đồng nhất cao; chỉ số đồng nhất dao động từ 1,9 đến 2,0 là đạt yêu cầu. Sử dụng phương pháp Maximum Likelihood để giải đoán ảnh, kết quả thu được như sau. Độ chính xác phân loại của năm 2010 là 96% với hệ số Kappa là 0,95; tương ứng năm 2005 là 86% và 0,83, năm 2000 là 83% và 0,8.
- Phân loại Maximum Likelihood
Phương pháp Maximum Likelihood coi số liệu thống kê của mỗi lớp trong mỗi kênh ảnh được phân tán một cách thông thường và phương pháp này có tính đến khả năng một pixel thuộc một lớp nhất điịnh. Nếu như không chọn một ngưỡng xác suất thì sẽ phải phân loại tất cả các pixel. Mỗi pixel được gán cho một lớp có độ xác suất cao nhất (nghĩa là “Maximum Likelihood”).
Để tiến hành phân loại với phương pháp này, từ thanh công cụ chính của ENVI chọn Classification\Supervised và chọn Maximum Likelihood. Xuất hiện hộp thoại
Classification Input file, để mặc định của phần mềm. Xuất hiện hộp thoại Maximum
Hình 2.27. Hộp thoại Maximum Likelihood Parameters
Sau khi kết thúc kết quả phân loại xuất hiện trong hộp thoại Available bands List.