2.4. Phƣơng pháp nghiên cứu
2.4.3.2.Xây dựng bản đồ hiện trạng rừng tại BQLRPH Tân Phú, tỉnh
Sau khi xác định trạng thái và lập ô đo đếm ngoài thực địa (mục 2.3.3.1) thì tiến hành sử dụng phần mềm eCognition Developer phân loại đối tƣợng rừng theo phƣơng pháp hƣớng đối tƣợng Việc phân loại ảnh sơ bộ bằng phƣơng pháp không kiểm định (chia lô tự động nhƣng chƣa xác định tên trạng
thái) nhằm tách các lô/đối tƣợng tƣơng đối đồng nhất trên ảnh làm căn cứ thiết kế hệ thống mẫu ảnh.
Khoanh vi các diện tích đồng nhất trên ảnh bằng phƣơng pháp phân loại không kiểm định. Sử dụng chức năng "Multiresolution segmentation" của phần mềm eCognition để khoanh các diện tích đồng nhất trên ảnh thành những lô trạng thái tƣơng đối đồng nhất về tên trạng thái và trữ lƣợng rừng. Chức năng này thực hiện dựa trên cơ sở 3 tham số ngƣời giải đoán đƣa vào ban đầu là Scale parameter, Shape, Compactness.
Để có thể lựa chọn đƣợc các tham số phù hợp với ảnh ta áp dụng nguyên tắc giữ nguyên giá trị của 2 tham số và thay đổi giá trị tham số còn lại. Dựa trên kết quả phân loại từ ảnh mà chọn ra giá trị phù hợp cho cả ba thông số tiếp đến đƣa hệ thống mẫu khóa ảnh thu thập ngoài thực địa vào phần mềm eCognition để là cơ sở kiểm định. Sử dụng chức năng “assign class by thematic layer” để gắn các trạng thái phù hợp cho các lô diện tích đã đƣợc khoanh vi từ bƣớc phân loại không kiểm định.
Bộ mẫu khóa ảnh thu thập ngoài thực địa đƣợc sử dụng làm cơ sở cho phân loại có kiểm định. Các điểm mẫu ngoài thực địa tƣơng ứng với các đối tƣợng khác nhau trên ảnh vệ tinh. Với các điểm mẫu này ngƣời phân loại có thể tính toán các tham số, chỉ tiêu đƣa vào phân loại. Trong pham vi đề tài này chỉ sử dụng một số chỉ số nhƣ sau.
Chỉ số thực vật NDVI (Normalized Difference Vegetation Index) đƣợc tính bằng công thức:
NDVI = (IR - R)/(IR + R)
Tỷ số chỉ số thực vật RVI (Ratio vegetation index) đƣợc tính bằng công thức:
Chỉ số thực vật sai khác DVI (Difference vegetation index) hay còn gọi là chỉ số thực vật môi trƣờng EVI đƣợc tính bằng công thức:
DVI = IR - R
Chỉ số diện tích lá (LAI) là chỉ số đƣợc sử dụng để ƣớc tính diện tích che phủ của tán cây hay dự báo tăng trƣởng và năng suất của cây trồng và tính bằng công thức:
LAI = 3,618 * EVI - 0,118 (Boegh, 2002) Trong đó:
IR là giá trị bức xạ của bƣớc sóng cận hồng ngoại (Near infrared). R là giá trị bức xạ của bƣớc sóng nhìn thấy (Visible).
NDVI: Chỉ số thực vật. RVI: Chỉ số tỉ số thực vật.
DVI: Chỉ số sai khác hay chỉ số môi trƣờng. LAI: Chỉ số diện tích lá.
EVI: Chỉ số thảm thực vật
Sau quá trình phân loại có kiểm định các lô sẽ đƣợc tự động gắn trạng thái theo đúng quy định. Các trạng thái rừng đƣợc phân loại theo thông tƣ Số: 34/2009/TT-BNNPTNT quy định tiêu chí xác định và phân loại rừng. Đây là thông tƣ quy định về tiêu chí xác định rừng và hệ thống phân loại rừng phục vụ cho công tác điều tra, kiểm kê, thống kê rừng, quy họach bảo vệ và phát triển rừng, quản lý tài nguyên rừng và xây dựng các chƣơng trình, dự án lâm nghiệp và phƣơng pháp phân loại đƣợc thể hiện cụ thể trong Sơ đồ 2.2 dƣới đây:
Sơ đồ 2.2. Phƣơng pháp xây dựng bản đồ hiện trạng rừng
Sử dụng phần mềm eCognition Developer tính toán các chỉ số thực vật nhƣ DVI, NDVI, RVI, LAI, Nhiệt độ,… từ ảnh SPOT làm cơ sở cho quá trình phân loại ảnh, sau khi tính toán các chỉ số tiến hành khoanh lô cho từng trạng thái rừng dựa trên điểm mẫu điều tra ngoài thực địa kết hợp với các chỉ số tính toán từ ảnh, Sau đó gán trạng thái cho tất cả các đối tƣợng bằng thuật toán nội suy từ điểm mẫu để thành lập bản đồ phân loại hiện trạng rừng. Sau khi có bản đồ phân loại hiện trạng rừng tiến hành bố trí ngẫu nhiên hoặc hệ thống các điểm mẫu dùng để kiểm chứng lại ngoài thực địa, các điểm mẫu này sẽ đƣợc chuyển vào máy định vị GPS dẫn đƣờng, tìm đến các vị trí ngoài
Điểm mẫu điều tra ngoài thực địa
Ảnh SPOT tại khu vực nghiên cứu
Phần mềm phân loại ảnh eCognition Developer Chỉ số thực vật NDVI, DVI,
RVI, LAI, Nhiệt độ,…
Khoanh lô cho từng trạng thái rừng
Gán trạng thái cho các đối tƣợng dựa vào điểm mẫu và các chỉ số thực vật
Bản đồ phân loại trạng thái rừng dựa trên ảnh viễn thám
Xây dựng hệ thống ô kiểm chứng ngẫu nhiên trên bản đồ sau phân loại
Sử dụng máy định vị GPS kiểm chứng ngoài thực địa
Đánh giá sai số sau phân loại
Bản đồ hiện trạng rừng
Ranh giới BQLRPH
thực địa để kiểm tra. Sau đó đánh giá mức độ sai số do quá trình phân loại để đảm bảo độ tin cậy trong quá trình phân loại. Cuối cùng kết hợp với ranh giới để thành lập bản đồ hiện trạng rừng tại khu vực nghiên cứu (Sơ đồ 2.2).
Để đánh giá độ chính xác phân loại theo tổng hợp các tham số đề tài sử dụng chỉ số Kappa. Cách xác định chỉ số đƣợc thể hiện trong công thức sau.
K = (T - E)/(1 - E)
Trong đó : T là độ chính xác toàn cục cho bởi ma trận sai số
E là đại lƣợng thể hiện sự mong muốn (kỳ vọng) phân loại chính xác có thể dự đoán trƣớc.
Chỉ số kappa (K) càng lớn thể hiện sự phân loại càng chính xác.
Sử dụng ma trận sai số phân loại để xác định độ chính xác toàn cục (T).
Bảng 2.1. Ma trận sai số phân loại tại khu vực nghiên cứu
Loại thực (ha)
Loại đƣợc giải đoán (ha)
1 2 … (k-1) k Tổng 1 O11 O12 O12 O1(k-1) O1k S1+ 2 O21 O22 … O2(k-1) O2k S2+ . . . . . . . . . … … … . . . . . . . . . k-1 O(k-1)1 O(k-1)1 … O(k-1)(k-1) O(k-1)k S(k-1)+ k Ok1 Ok2 … Ok(k-1) Okk Sk+ Tổng S+1 S+2 … S+(k-1) S+k N Trong đó: S+j: tổng theo cột. Si+: tổng theo hàng.
N: tổng diện tích trong bộ dữ liệu.
Tỷ lệ % sai số bỏ sót: ti+ = 100 * (Si+ - Oii)/Si+ Tỷ lệ % sai số thực hiện: t+j = 100 * (S+j – Ojj)/S+j Độ chính xác toàn cục của thuật toán phân loại: T = ∑Oii * 100 / n