- Ảnh Landsat chụp ngày 4/02/2010
36
Hình 2.3. Dữ liệu ảnh Landsat TM ngày 4/02/2010
- Ảnh Landsat OLI_TIRS 30/01/2014
Đây là ảnh Landsat OLI_TIRS có độ phân giải khơng gian là 30m.
Hình 2.4. Dữ liệu ảnh Landsat OLI_TIRS 30/01/2014
Hình 2.5. Dữ liệu ảnh Landsat OLI_TIRS năm 2014 cắt theo ranh giới 2.1.1.2. Các nguồn dữ liệu khác 2.1.1.2. 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 thành phố Kon Tum gồm có:
37
Bản đồ hiện trạng sử dụng đất thành phố Kon Tum năm 2010 định dạng Microstation.
Các file vector nền nhƣ: Hệ thống thủy văn, hệ thống giao thông, đƣờng đẳng cao, ranh giới huyện….
Mơ hình số độ cao khu vực nghiên cứu đƣợc lập từ đƣờng bình độ. Số liệu thống kê thành phố Kon Tum năm 2006, 2010, 2014. Kiểm kê đất đai hằng năm năm 2006, 2010 và 2014.
Dữ liệu điều tra thực địa.
2.1.2. Lựa chọn hệ thống phân loại
Căn cứ vào tỷ lệ bản đồ và chất lƣợng của ảnh, đề tài phân loại đất thành các mẫu giải đoán nhƣ sau:
Bảng 2.1. Hệ thống phân loại sử dụng đất dùng cho bản đồ hiện trạng sử dụng đất
thành phố Kon Tum
STT LOẠI HÌNH SỬ DỤNG ĐẤT 1 Đất trồng lúa
2 Đất trồng cây hằng năm khác
3 Đất trồng cây lâu năm
4 Đất khu dân cƣ
5 Đất lâm nghiệp
6 Đất mặt nƣớc chuyên dùng
7 Đất chƣa sử dụng
Các mẫu đƣợc chọn tƣơng ứng với các đối tƣợng sử dụng đất khu vực nghiên cứu mà ảnh vệ tinh có khả năng cung cấp thơng tin, gồm các loại sử dụng đất sau đây:
Đất trồng Lúa: bao gồm đất trồng lúa nƣớc và đất trồng lúa nƣơng
Đất trồng cây hằng năm khác: gồm đất trồng các loại hoa màu và các loại cây hằng năm khơng phải lúa nhƣ: mía, ngơ, sắn (mì)…
Đất trồng cây lâu năm: là đất trồng các loại cây có thời gian sinh trƣởng 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 cƣ: bao gồm đất ở, đất thƣơng mại và dịch vụ, nhà máy công nghiệp, các đƣờng gia thơng kích thƣớc bề rộng < 30m, các cơng trình phúc lợi cơng cộng, cơng trình giải trí thể thao, đất cơng viên.
Đất lâm nghiệp: bao gồm đất có rừng tự nhiên sản xuất, đất có rừng tự nhiên phịng hộ và đất có rừng tự nhiên đặc dụng, đất có rừng trồng sản xuất, đất có rừng trồng phịng hộ và đất có rừng trồng đặc dụng.
38
Đất mặt nƣớc: bao gồm đất sông suối, kênh rạch, ao, hồ, đất ni trồng thủy sản và đất có mặt nƣớc chuyên dùng.
Đất chƣa sử dụng: bao gồm chủ yếu là đất xói mịn trơ sỏi đá, đất đồi chƣa sử dụng, đất bằng chƣa sử dụng, đất có dự án xây dựng nhƣng chƣa xây dựng, đất trồng cây hàng năm hoặc lâu năm nhƣng đã bị bỏ trống….
2.2. QUY TRÌNH GIẢI ĐỐN ẢNH VIỄN THÁM THÀNH LẬP BẢN ĐỒ HIỆN TRẠNG SỬ DỤNG ĐẤT TRẠNG SỬ DỤNG ĐẤT
2.2.1. Hiệu chỉnh hình học
Khi tải ảnh viễn thám về thì cần chồng các band ảnh và thực hiện các bƣớc 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 TM chụp năm 2006 và 2010 sử dụng các band 1,2,3,4,5,7 để chồng lớp. Còn đối với ảnh landsat OLI - TIRS chụp năm 2014 sử dụng các band 2, 3, 4, 5, 6, 8 để chồng lớp.
Thực hiện import file:
39
Hình 2.6. 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 2.7. Thực hiện chỉnh sửa Sensor Type và Pixel size - Chỉnh sửa Wavelengths và giá trị Geographic Corner - Chỉnh sửa Wavelengths và giá trị Geographic Corner
Hình 2.8. Chỉnh sửa Wavelengths và giá trị Geographic corner
Cắt ảnh khu vực nghiên cứu theo khung
Đây là bƣớc đƣa 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 thành phố Kon Tum. - Mở file ảnh đã ghép kênh bƣớc trên, chọn WGS 84, Zone 49
.
40
2.2.2. Nắn ảnh theo dữ liệu nền khu vực nghiên cứu
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 đƣa tấm ảnh về đúng thực tế nhất. Thực chất của việc nắn ảnh chính là đƣa các điểm tƣơng 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 đƣợc nhƣ 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 phƣơng pháp nắn ảnh theo bản đồ sử dụng file *SHP của Mapinfo hoặc file *DGN từ phần mềm microstation để nắn.
Hình 2.10. Sơ đồ quy trình nắn ảnh
Để chọn phƣơng 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 49 N Pixel size: Kích thƣớc pixel 30.0
Sau khi điền đầy đủ các thơng tin thì nhấn OK để tiến tới hộp thoại Ground
Control Points Selection cho phép ta chọn các cặp điểm khống chế tƣơng 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 tƣơng ứng do ta chọn của điểm đó trên bản đồ
Ảnh vệ tinh
(chƣa có tọa độ)
File vector
(đã có tọa độ)
Nắn chỉnh hình học
Ảnh sau khi nắn chỉnh
41
Hình 2.11. Hộp thoại chọn thơng tin trước khi nắn
Hình 2.12. Chọn các điểm khống chế
Chúng ta có thể lƣu 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 đƣợc lƣu dƣới định
42
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
Registration Parametes xuất hiện.
Hình 2.15. Hộp thoại chọn phương pháp nắn ảnh
Method: Là phƣơng pháp nắn (RST). Resampling:
+ Nearest Neighbor - Ngƣời 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.
43
+ Cubic Convolution - Xoắn lập phƣơng 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
2.2.3. Cắt ảnh theo khu vực nghiên cứu
Đầu tiên chúng ta mở ảnh cắt theo khung ảnh, sau đó chồng lớp ranh giới thành phố dạng shapefile lên trên cùng một cửa sổ Display.
Hình 2.17. Chồng file ranh giới trước khi cắt hồn chỉnh
Tiếp theo trên thanh menu chính chọn Basic Tools\Masking\Build Mask. Options\Import EVFs chọn file ranh giới thành phố
44
Vào Basic Tools\ Masking\ Apply Mask xuất hiện hộp thoại Apply Mask Input
File nhấn vào Select Mask Band.
Hình 2.19. Kết quả sau khi cắt theo ranh giới
2.2.4. Tăng cƣờng chất lƣợng ảnh
ENVI cung cấp các công cụ khá hữu hiệu cho việc tăng cƣờng khả năng hiển thị các thông tin trên ảnh. Để thực hiện chức năng này ta làm nhƣ sau
Trên cửa sổ chính chọn Enhance từ đó một danh sách các phƣơng pháp sẽ đƣợc xổ ra, sau đó ta chọn một phƣơng pháp để tăng cƣờng khả năng hiển thị ảnh. Ta cũng có thể tăng cƣờng lọc ảnh bằng cách chọn Enhance\Filter để chọn một phƣơng pháp lọc
ảnh, làm mịn hoặc tăng độ nét của ảnh.
45
2.2.5. 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 tƣợng có những phản xạ mạnh yếu khác nhau trên cùng kênh phổ và một đối tƣợng cũng có phản xạ khác nhau ở các kênh phổ khác nhau. Do đó tùy thuộc vào đặc trƣng phản xạ phổ của đối tƣợng cần quan tâm và màu muốn thể hiện đối tƣợng 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 tƣợng ít bị thay đổi ta kết hợp kênh ảnh mà đối tƣợng phản xạ mạnh với kênh ảnh đối tƣợng phản xạ yếu. Ví dụ, để thực vật có màu G, nƣớc có màu B, ta sẽ gán kênh 4 là kênh có đối tƣợng thực vật phản xạ mạnh nhất vào màu G, nƣớc phản xạ kênh 1 mạnh vào B và để nƣớc, thực vật không thay đổi màu sắc đã chọn, ta gán màu R với kênh mà cả thực vật và nƣớc đều phản xạ yếu.
Tổ hơp kênh 5, 4, 3 Tổ hợp kênh 3, 2, 1 Tổ hợp kênh 7, 5, 4
Hình 2.21. Tổ hợp màu các band ảnh khác nhau
2.2.6. 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 đƣợc lựa chọn hết sức cẩn thận.
Bảng 2.2. Lựa chọn các mẫu để phân loại
Đối tƣợng Ảnh vệ tinh Yếu tố giải đoán Thuyết minh
Đất ở Màu tím nhạt lốm
đốm xen lẩn với màu xanh nhạt của cây lâu năm, cấu trúc hạt thô.
Tổ hợp màu tƣơng ứng các kênh 5,4,3, ảnh Landsat TM độ phân giải 30 m
46 Đất lâm nghiệp Màu xanh lá cây,phân bố ở vùng núi, có độ nhàu rất rõ do cấu trúc nhiều tầng. Tổ hợp màu tƣơng ứng các kênh 5,4,3, ảnh Landsat TM độ phân giải 30 m Đất chƣa sử dụng Có màu trắng hoặc trắng ngã sang vàng, hồng. Tổ hợp màu tƣơng ứng các kênh 5,4,3, ảnh Landsat TM độ phân giải 30 m Đất trồng cây lâu năm Đất trồng cây lâu năm có màu xanh, phân bố thành từng cụm. Tổ hợp màu tƣơng ứng các kênh 5,4,3, ảnh Landsat TM độ phân giải 30 m Đất mặt nƣớc chuyên dùng
Màu xanh đậm, hơi tối suối có dạng tuyến, cấu trúc mịn. Tổ hợp màu tƣơng ứng các kênh 5,4,3, ảnh Landsat TM độ phân giải 30m Đất trồng cây hằng năm khác
Màu xanh lá cây nhạt, cấu trúc mịn, phân bố ở 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 lúa Màu xanh, cấu trúc
mịn, phân bố ở vùng đồng bằng, ven sơng có hình dạng ơ thửa rõ rệt. Tổ hợp màu giả 5,4,3, ảnh Landsat TM độ phân giải 30 m. 2.2.7. 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,
47
mật độ, tone ảnh... có hai kiểu phân loại chính, là phân loại không chọn mẫu và phân loại có chọn mẫu.
- Phân loại khơng chọn mẫu - Unsupervised Classification
Với phƣơng pháp phân loại này, các pixel sẽ đƣợc 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, phƣơng pháp này đƣợc áp dụng trong trƣờng hợp ta không biết hoặc không quen với những đối tƣợng xuất hiện trên ảnh, đồng thời nó cũng loại bỏ đƣợc những sai số chủ quan của con ngƣời. Phần mềm ENVI cung cấp cho chúng ta hai phƣơng pháp phân loại không chọn mẫu là Isodata và K-Means.
- Phân loại có chọn mẫu - Supervised Classification
Phân loại có chọn mẫu là phƣơng pháp phân loại ảnh số dựa trên các pixel mẫu đã đƣợc chọn sẵn bởi ngƣời thực hiện công tác phân loại. Bằng cách chọn mẫu ngƣời phân loại đã chỉ ra giúp phần mềm xác định những pixel có cùng một số đặc trƣng đối tƣợng về phổ phản xạ, từ đó gộp những đối tƣợng có chung đặc điểm về thành một lớp.
Để phân loại theo phƣơng 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 đƣợc 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.
Phƣơng pháp lấy mẫu: Chúng ta phải sử dụng GPS có độ chính xác cao tiến hành bấm điểm khoanh vùng các khu vực đƣợc 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 đƣợc lên ảnh. Sau khi đã chồng các mẫu lấy đƣợc lên ảnh (giống nhƣ 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 phƣơng 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 tƣợng khác nhau thì có sự phản xạ với bƣớc sóng khác nhau. Phƣơng pháp đƣợc sử dụng là Maximum Likehood. Do đặc điểm ảnh Landsat có kích thƣớc các pixel khá lớn nên trong nghiên cứu này chỉ phân loại các mục đích sử dụng đất chủ yếu của vùng.
Để có thể chọn đƣợc các mẫu có độ chính xác cao, sử dụng máy định vị toàn cầu
(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.
48
Để làm việc này, trên cửa sổ hiển thị ảnh chọn Tool/Region Of Interest/ROI Tool… sẽ xuất hiện hộp thoại ROI Tool cho ta chọn mẫu. Đầu tiên ta phải chọn nơi lấy mẫu là trên
cửa sổ hiển thị ảnh, trên cửa sổ Scroll hay trên cửa sổ Zoom. Để chính xác thì nên chọn Zoom. Sau đó ta dùng chuột trái để khoanh các vùng mẫu và kích chuột phải để đóng vùng, mỗi loại đất ta có thể chọn nhiều mẫu và đặt tên cho mẫu ngay tại khung này, chọn xong một mẫu ta bấm New Region để chọn mẫu tiếp theo, mẫu nào chọn không vừa ý ta có thể xóa ngay bằng nút Delete trên hộp thoại.
Hình 2.22. Kết quả chọn vùng mẫu
Từ hộp thoại ROI Tool chọn Option\Computer ROI Separability. Khi đó trên ảnh sẽ
xuất hiện hộp thoại Select Input File for ROI Separability, chọn ảnh tƣơng ứng và nhấn
49
Hình 2.23. Báo cáo sự khác biệt giữa các mẫu
Quan sát các giá trị trong hộp thoại này ta thấy mỗi mẫu phân loại sẽ đƣợc so sánh lần lƣợt với các mẫu còn lại. Cặp giá trị thể hiện sự khác biệt, đƣợc đặt trong dấu ngoặc đơn sau các mẫu. Với ý nghĩa nhƣ sau:
- Nếu cặp giá trị này nằm trong khoảng 1.9 đến 2.0 chứng tỏ các mẫu đƣợc chọn có sự khác biệt tốt.
- Nếu cặp giá trị này nằm trong khoảng từ 1.0 đến 1.9 thì nên chọn lại sao mẫu đó có sự khác biệt tốt hơn.
- Nếu có giá trị nhỏ hơn 1 ta nên gộp hai mẫu đó lại với nhau để tránh hiện tƣợng
