7. Quan điểm và phương pháp nghiên cứu
2.3.1. Khái quát nguồn tư liệu và lựa chọn hệ thống phân loại
a) Dữ liệu ảnh vệ tinh LandSat
Dữ liệu gồm 7 file ứng với 7 kênh phổ lưu trữ ở dạng file “.TIFF” theo khuôn dạng BSQ (Dạng BSQ – Band Sequential: các kênh được ghi nối tiếp nhau), các ảnh này đã được đăng ký trong hệ tọa độ WGS84. Dữ liệu ảnh Landsat ETM+ chụp ngày 06/06/2000, ảnh Landsat TM 03/09/2006 và Landsat TM chụp ngày 09/07/2010 bao gồm 6 kênh phổ, 2 kênh nhiệt và một kênh toàn sắc.
Năm 2000
Năm 2010
Hình 2.1. Ảnh vệ tinh Lansat khu vực nghiên cứu năm 2000, 2010 ở tổ hợp màu giả Red_Green_Blue (7:5:1)
Để sử dụng cho luận văn, tác giả đã tiến hành ghép 5 kênh phổ bao gồm các kênh 1, 2, 3, 4, 5 và kênh 7 để tạo thành ảnh ghép đa phổ.
- Ảnh Landsat chụp ngày 06/06/2000
Đây là ảnh Landsat 7 ETM+ có độ phân giải không gian là 28.5m.
Ảnh gốc chụp ngày 06/06/2000 Ảnh đã cắt theo khung
Hình 2.3. Dữ liệu ảnh Landsat ETM+ năm 2000
- Ảnh Landsat chụp ngày 03/09/2006
Ảnh gốc chụp ngày 03/09/2006 Ảnh cắt theo khung
Hình 2.4. Dữ liệu ảnh Landsat TM năm 2006
- Ảnh Landsat TM chụp ngày 9/7/2010
Đây là ảnh Landsat7 TM có độ phân giải không gian là 30m. Ảnh này chỉ có 6 kênh phổ, và 2 kênh nhiệt, không có kênh toàn sắc. Khi ghép các kênh phổ lại với nhau, thu được ảnh có chất lượng tương đối tốt. Ảnh chụp vào tháng 7 là thời điểm vụ lúa Hè Thu đang làm đòng.
Ảnh gốc Ảnh sau khi đã cắt theo khung
Hình 2.6. Dữ liệu ảnh Landsat TM năm 2010 cắt theo ranh giới
+ Ưu điểm: Ảnh được lấy từ năm 2000 và ảnh năm 2010 có thời gian chụp gần
sát nhau nên sẽ không ảnh hưởng nhiều tới sự thay đổi các loại đất. Chỉ có ảnh năm 2006 là cách tới ba tháng nên sẽ có sự khác nhau về loại đất lúa. Cả ba ảnh đều không bị sọc, ít mây, rất rõ và thuận lợi cho công đoạn chọn mẫu giải đoán.
+ Nhược điểm: Ảnh năm 2006 bị lỗi và không cùng thời điểm chụp với hai ảnh
còn lại nên sẽ ảnh hưởng tới phân loại ảnh.
Bảng 2.3. Thông số dữ liệu ảnh vệ tinh Landsat năm 2000, 2006, 2010
Hàng/Cột Bộ cảm Cảnh Năm Tháng Ngày Độ phân
giải không gian
Kênh phổ sử dụng
126/47 ETM+ 126 47 2000 2000 06 06 30 x 30 m 1,2,3,4,5,7
126/47 TM 126 47 2006 2006 09 03 30 x 30 m 1,2,3,4,5,7
126/47 TM 126 47 2010 2010 09 06 30 x 30 m 1,2,3,4,5,7
(Nguồn: Phân tích ảnh viễn thám)
b) Các nguồn dữ liệu khác
Bao gồm các nguồn dữ liệu để phục vụ cho giải đoán và thành lập bản đồ hiện trạng sử dụng đất huyện Đức Thọ gồm có:
- Bản đồ hiện trạng sử dụng đất huyện Đức Thọ năm 2005, 2010 định dạng Microstation.
- Bản đồ địa hình khu vực huyện Đức Thọ tỷ lệ 1: 10.000.
- Các file vector nền như: Hệ thống thủy văn, hệ thống giao thông, đường đẳng cao, ranh giới huyện… .
- Mô hình số độ cao khu vực nghiên cứu được lập từ đường bình độ. - Số liệu thống kê huyện Đức Thọ năm 2005, 2010.
- Dữ liệu điều tra thực địa.
2.3.1.2. Lựa chọn hệ thống phân loại
Đối với bản đồ hiện trạng sử dụng đất ở một số tỉnh (thành phố) nhỏ hoặc cấp huyện thường chọn tỉ lệ bản đồ là 1:200.000. Tuy nhiên, đối với huyện Đức Thọ diện tích tương đối nhỏ đề tài chọn tỷ lệ là 1:150.000. Căn cứ vào tỉ lệ bản đồ và chất lượng của ảnh, đề tài phân loại đất thành các mẫu giải đoán như sau:
Bảng 2.4. Hệ thống phân loại sử dụng đất dùng cho bản đồ hiện trạng sử dụng đất huyện Đức Thọ
STT LOẠI ĐẤT
1 Đất trồng lúa
2 Đất trồng màu và cây hàng năm khác
3 Đất trồng cây lâu năm
4 Đất khu dân cư
5 Đất rừng tự nhiên
6 Đất rừng trồng
7 Đất mặt nước
8 Đất bằng chưa sử dụng
Các mẫu được chọn tương ứng với các đối tượng sử dụng đất khu vực nghiên cứu mà ảnh vệ tinh có khả năng cung cấp thông tin, gồm các loại sử dụng đất sau đây:
- Đất trồng lúa: chủ yếu là đất chuyên trồng lúa nước ở khu vực trong đê.
- Đất trồng màu và cây hàng năm khác: gồm đất trồng các loại hoa màu và các loại cây hàng năm không phải lúa như: lạc, đậu tương, thuốc lá, ngô… .
- Đất trồng cây lâu năm: là đất trồng các loại cây có thời gian sinh trưởng trên một năm từ khi gieo trồng tới khi thu hoạch, bao gồm đất trồng cây công nghiệp lâu năm, đất trồng cây ăn quả lâu năm và đất trồng cây lâu năm khác.
- Đất khu dân cư: bao gồm đất ở, đất thương mại và dịch vụ, nhà máy công nghiệp, các đường giao thong kích thước bề rộng < 30m, các công trình phúc lợi công cộng, công trình giải trí thể thao, đất công viên.
- Đất rừng tự nhiên: bao gồm đất có rừng tự nhiên sản xuất, đất có rừng tự nhiên phòng hộ và đất có rừng tự nhiên đặc dụng.
- Đất rừng trồng: gồm đất có rừng trồng sản xuất, đất có rừng trồng phòng hộ và đất có rừng trồng đặc dụng.
- Đất mặt nước: bao gồm đất sông suối, kênh rạch, ao, hồ, đất nuôi trồng thủy sản và đất có mặt nước chuyên dùng.
- Đất chưa sử dụng: bao gồm chủ yếu là đất xói mòn trơ sỏi đá, các bãi cát ven biển, đất có dự án xây dựng nhưng chưa xây dựng, đất trồng cây hàng năm hoặc lâu năm nhưng đã bị bỏ trống… .
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