nhiêu lớp, sau đó đặt tên và gán màu cho mỗi lớp. Qua quá trình khảo sát thực địa, trong nghiên cứu này, tiến hành phân loại ảnh các 04 nhóm đất (trong đó có 03 nhóm thuộc phạm vi nghiên cứu của đề tài và 01 nhóm (Đất khác) đưa vào để xác định biến động tăng giảm của các nhóm đất nghiên cứu), cụ thể như sau: (1) Đất trồng cây hàng năm; (2) Đất trồng cây lâu năm & đất trồng rừng sản xuất; (3) Đất rừng tự nhiên; (4) Đất khác.
Tiến hành khảo sát thực địa để lấy mẫu đặc trưng cho các trạng thái: Đất rừng tự nhiên; Đất trồng cây lâu năm & đất trồng rừng sản xuất; Đất trồng cây hàng năm; Đất khác bằng máy đo GPS cầm tay. Tổng số mẫu đi khảo sát là 241 mẫu (gồm 166 mẫu thuộc phạm vi nghiên cứu và 75 mẫu gồm các loại hình còn lại để đối chiếu biến động tăng giảm cho nhóm thuộc phạm vi nghiên cứu), cụ thể như sau: Đất rừng tự nhiên 68 mẫu; Đất trồng cây lâu năm & đất trồng rừng sản xuất 49 mẫu; Đất trồng cây hàng năm 49 mẫu; Đất khác 75 mẫu, cụ thể ở bảng 2.7 và 2.8.
Bảng 2.7. Số mẫu từng loại hình sử dụng đấtLoại Loại hình sử dụng đất Số mẫu Bảng 2.8.
49
Đất rừng tự nhiên
Đất trồng cây lâu năm & đất trồng rừng sản
xuất
Đất trồng cây hàng năm
Đất khác
Mẫu GPS thu thập được phải trải khắp các nơi trên địa bàn huyện Bố Trạch và đảm bảo được sự có mặt của tất cả các loại hình sử dụng đất có trên địa bàn nghiên cứu. Tọa độ của các điểm lấy mẫu nằm ở phụ lục 1 và hình 2.2.
Hình 2.2. Vị trí các điểm lấy mẫu của các loại hình sử dụng đất nghiên cứub. Thiết lập các đặc trưng mẫu b. Thiết lập các đặc trưng mẫu
Để phục vụ giải đoán ảnh bằng phần mềm eCognition, ngoài các giá trị độ sáng của từng kênh phổ, thiết lập thêm các chỉ số về đối tượng ảnh cần được phân loại gồm: độ sáng trung bình của các kênh phổ (Brightness), chỉ số thực vật (NDVI) và tỷ số thực vật (RIV). Tập hợp các giá trị này tạo nên một đặc trưng cho đối tượng ảnh.
Giá trị độ sáng trung bình (Brightness) được xác định bởi công thức (2.3): Brightness = (kênh 1 + kênh 2 + … + kênh n)/n
Tỷ số thực vật RIV (Ratio Index Vegetation) được xác định bởi các công thức (2.4): RIV = Nir/Red
Trong đó, NIR là giá trị bức xạ của bước sóng cận hồng ngoại (Near InfraRed), red là giá trị bức xạ của bước sóng nhìn thấy (Visible).
Chỉ số thực vật NDVI (Normalazation Difference Vegetation index) được dùng rất rộng rãi để xác định mật độ phân bố của thảm thực vật, đánh giá trạng thái sinh trưởng và phát triển của cây trồng.
Khoảng giá trị của NDVI từ -1 đến +1.
Giá trị NDVI thấp thể hiện nơi đó NIR (Near InfraRed) và Vi (Visible) có độ phản xạ gần bằng nhau, cho thấy khu vực đó độ che phủ thực vật thấp.
Giá trị NDVI cao thì nơi đó NIR có độ phản xạ cao hơn độ phản xạ của Vi, cho thấy khu vực đó có độ che phủ thực vật tốt.
Giá trị NDVI có giá trị âm cho thấy ở đó Vi có độ phản xạ cao hơn độ phản xạ của NIR (Near InfraRed), nơi đấy không có thực vật, là những thể mặt nước hay do mây phủ.
Trong thực tế, giá trị của NDVI sẽ tiến dần về 0 nếu không có cây xanh và tiến dần về 1 nếu có mật độ thực vật cao.
Tỷ số thực vật RIV được dùng để đánh giá mức độ che phủ và phân biệt các lớp thảm thực vật khác nhau nhất là những thảm thực vật có độ che phủ cao. Trong thực tế, giá trị RIV sẽ tiến về không nếu không có cây xanh và tăng dần theo hàm lượng sinh khối và chất diệp lục trong lá cây.
c. Thống kê các đặc trưng mẫu
Từ các mẫu điều tra ngoài thực địa từ máy GPS cầm tay tiến hành xác định các đặc trưng của đối tượng ảnh mẫu trên ảnh. Sau đó, lập bảng thống kê các đặc trưng từng loại đối tượng ảnh mẫu trên Excel.
d. Phân loại và xử lý ảnh viễn thám
- Phân ngưỡng các lớp sử dụng đất
Sử dụng phương pháp toán học xử lý các giá trị phân ngưỡng mang tính định lượng để: tìm thuật toán phân loại các đối tượng ảnh mẫu và xác định độ chính xác của kết quả giải đoán ảnh.
Tìm thuật toán phân loại các đối tượng ảnh mẫu.
Từ bảng thống kê các đặc trưng từng loại đối tượng ảnh mẫu, lập bảng tính trên phần mềm Excel để tìm thuật toán phân loại các đối tượng ảnh mẫu.
51
Phương pháp để tìm thuật toán phân loại các đối tượng ảnh mẫu được khái quát như hình.
Hình 2.3. Sơ đồ tìm thuật toán phân loại các đối tượng ảnh mẫu
- Đánh giá độ chính xác của kết quả giải đoán ảnh.
Từ kết quả giải đoán ảnh và kết quả điều tra ngoài thực địa, tiến hành lập bảng ma trận sai số trên phần mềm Excel để đánh giá độ chính xác của kết quả giải đoán ảnh.
Độ chính xác kết quả giải đoán ảnh được đánh giá thông qua độ chính xác tổng thể của kết quả giải đoán và hệ số Kappa.
Hệ số Kappa được tính theo công thức:
(2.5) Trong đó:
N: Tổng số pixel lấy mẫu hay tổng số mẫu
K: Hệ số Kappa
nii: Số pixels hay số mẫu phân loại chính xác của lớp thứ i ni+: Tổng số pixels hay số mẫu điều tra của lớp thứ i n+i: Tổng số pixels hay số mẫu lớp thứ i sau điều tra
Hệ số này đánh giá khả năng phân loại các trạng thái khác nhau và được chia làm các mức sau:
Bảng 2.9. Phân ngưỡng độ chính xác dựa vào hệ số Kappa
Các ảnh viễn thám được giải đoán để thành lập bản đồ hiện trạng sử dụng đất theo quy trình hình 2.4.
Tiến hành xây dựng những điểm kiểm chứng ngoài thực địa có tọa độ, tên trạng thái nhằm đánh giá mức độ tin cậy của kết quả giải đoán ảnh.
So sánh trạng thái ngoài thực địa và trên bản đồ có cùng vị trí. Tỷ lệ giữa số điểm đúng trạng thái và tổng số điểm kiểm chứng là mức độ tin cây của kết quả giải đoán.
Nếu độ tin cậy của kết quả giải đoán chưa đạt yêu cầu đề ra, người sử dụng phải quay lại thực hiện lại bước chọn mẫu với những điều chỉnh rất nhỏ các ngưỡng của từng đặc trưng ảnh.
Ngoài ra, trên địa bàn nghiên cứu huyện Bố Trạch, tỉnh Quảng Bình nhóm tác giả Đinh Vũ Long và cộng sự [15] đã sử dụng ảnh viễn thám Landsat có độ phân giải trung bình và phương pháp phân loại ảnh dựa vào pixel với thuật toán Maximumlikehood bằng phần mềm ENVI để tiến hành đánh giá biến động sử dụng đất ở huyện Bố Trạch. Nghiên cứu này đã xây dựng được bản đồ hiện trạng có độ chính xác kết quả giải đoán ảnh hệ số Kappa đạt được là 0,83 (nghĩa là độ chính xác phân loại là 86,96%). Từ đó, để tăng cường độ chính xác của kết quả giải đoán ảnh trong nghiên cứu này, đề tài đã sử dụng phương
53
pháp định hướng đối tượng với ảnh có chất lượng cao để cải thiện độ chính xác so với kết quả của phương pháp phân loại dựa trên pixel.
Phần mềm ENVI Phần mềm eCognition Dữ liệu ảnh viễn thám Tiền xử lý ảnh Xử lý ảnh
Không đạt yêu cầu
Đánh giá độ chính xác Đạt yêu cầu Bản đồ địa hình Chuyển về định dạng IMG Nắn ảnh hình học Tăng chất lượng ảnh
Cắt ảnh theo ranh giới hành chính khu vực
nghiên cứu
Phân mảnh ảnh Xác định các chỉ số phục
vụ quá trình phân loại đối tượng
Thiết lập bộ khóa giải đoán và phân loại
Khảo sát thực địa
Hệ số kappa
BẢN ĐỒ HIỆN TRẠNG SỬ DỤNG ĐẤT HUYỆN BỐ TRẠCH
2.3.3. Phương pháp ứng dụng GIS thành lập bản đồ
Trong phương pháp này, tác giả sử dụng phần mềm ArcGIS 10.3 để xây dựng bản đồ hiện trạng và bản đồ biến động sử dụng đất. Để đánh giá biến động được thì cần chuẩn hóa dữ liệu đáp ứng yêu cầu thống nhất và chuẩn xác về cơ sở dữ liệu không gian và cơ sở dữ liệu thuộc tính. Về cơ sở dữ liệu không gian chuẩn hóa về ranh giới khu vực nghiên cứu giữa các năm phải trùng khít nhau, ranh giới các vùng phải khép kín. Về cơ sở dữ liệu thuộc tính yêu cầu thiết kế các trường cơ sở dữ liệu giữa các năm phải hoàn toàn giống nhau về tên trường, độ rộng, kiểu trường,…Với số liệu bản đồ đã được chuẩn hóa ở các thời điểm, tiến hành biên tập các lớp thông tin về hiện trạng sử dụng đất của 3 thời điểm 2005, 2010 và 2018. Từ đó tác giả tiến hành chồng ghép các bản đồ hiện trạng để xây dựng bản đồ biến động sử dụng đất giữa hai thời kỳ 2005-2010 và 2010-2018 cho huyện Bố Trạch, làm cơ sở dự báo biến động sử dụng đất đến năm 2030.
Đánh giá biến động được thực hiện trên phần mềm ArcGIS 10.3 do đó cần có sự chuyển đổi định dạng dữ liệu thông qua các công cụ của GIS. Sau đó biên tập thành lập bản đồ lớp phủ sử dụng đất của 3 thời điểm 2005, 2010 và 2018 từ ảnh viễn thám. Áp dụng chuỗi Markov để dự báo xu hướng biến động sử dụng đất. Để đánh giá biến động được thì cần phải chuẩn hóa dữ liệu đáp ứng yêu cầu thống nhất và chuẩn xác về cơ sở dữ liệu không gian và cơ sở dữ liệu thuộc tính.
Về cơ sở dữ liệu không gian chuẩn hóa về ranh giới khu vực nghiên cứu giữa các năm phải trùng khít nhau, ranh giới các vùng phải khép kín. Về cơ sở dữ liệu thuộc tính yêu cầu thiết kế các trường cơ sở dữ liệu giữa các năm phải hoàn toàn giống nhau về tên trường, độ rộng, kiểu trường. Với số liệu bản đồ đã được chuẩn hóa ở các thời điểm, tiến hành chồng xếp các lớp thông tin về hiện trạng sử dụng đất của 3 thời điểm 2005, 2010 và 2018 sẽ cho ra kết quả biến động.
Trên cơ sở xây dựng được bản đồ hiện trạng sử dụng đất năm 2005, 2010, 2018 tiến hành nhóm các nhóm đất cho 3 năm phải giống nhau, rồi lập ma trận biến động sử dụng đất giai đoạn 2005 – 2010, 2010 – 2018 và thành lập bản đồ biến động (hình 2.5).
55
Hình 2.5.Quy trình ứng dụng GIS thành lập bản đồ biến động sử dụng đất
Ngoài ra, luận án cũng sử dụng phần mềm Arcgis10.3 để xây dựng bản đồ hiện trạng, bản đồ NDVI, bản đồ chỉ số LAI, bản đồ sinh khối và bản đồ Cacbon từ số liệu phân tích tại khu vực nghiên cứu. Sử dụng công cụ GIS để phân tích, tính toán xác định độ tàn che từ các ô tiêu chuẩn từ ảnh chụp trong quá trình đi thực địa, phục vụ cho quá trình nghiên cứu.
2.3.4. Phương pháp dự báo thay đổi sử dụng đất bằng chuỗi Markov
2.3.4.1. Phương pháp đánh giá đa chỉ tiêu
Phương pháp đánh giá đa chỉ tiêu (Multi Criteria Evaluation - MCE) được sử dụng để đánh giá thích hợp cho các loại hình sử dụng đất. Phương pháp này được Saaty (1980) phát triển trong một quy trình phân tích thứ bậc (Analytical Hierarchy Process – AHP). Trong nghiên cứu này sẽ tính toán trọng số của các yếu tố ảnh hưởng tốc độ đô thị hóa huyện Bố Trạch, tỉnh Quảng Bình gồm các yếu tố: Địa hình, hiện trạng sử dụng đất và kinh tế - xã hội. Ba yếu tố ảnh hưởng chính này được chia ra làm 9 yếu tố phụ để so sánh cặp đôi theo quy trình hai bước.
Bước 1: Xác định các yếu tố cần đánh giá
Các yếu tố cho sự phát triển và mở rộng đô thị huyện Bố Trạch được lựa chọn để đánh giá thể hiện ở bảng 2.10.
Bảng 2.10. Yếu tố chính và yếu tố phụ trong quá trình đô thị hóa
STT
2
3
Khoảng cách đến điểm du lịch – dịch vụ Bước 2: Tính toán trọng số cho các yếu tố
Để xác định trọng số cho các yếu tố đã đề ra, ta lập ra một ma trận vuông cấp n. Sau đó ta tiến hành so sánh các chỉ tiêu theo từng cặp. Nếu người đánh giá cho rằng chỉ tiêu C1 quan trọng bằng chỉ tiêu C2 thì tại ô (1,2) người ta điền số 1, nếu người đánh giá cho rằng chỉ tiêu C1 quan trọng chỉ bằng 1/3 chỉ tiêu C3 thì tại ô (1,3) người ta điền vào đó số 1/3. Đó cũng là lý do tại sao các ô nằm trên đường chéo của ma trận có giá trị là 1. Các đại lượng đó được ký hiệu là các aij. Các aij hoặc nghịch đảo của chúng phải là các số nguyên từ 1 đến 9. Các ô thuộc nửa dưới của ma trận có giá trị bằng giá trị nghịch đảo của các ô tương ứng ở nửa trên, đối xứng qua đường chéo của ma trận.
57
Bảng 2.11. Thang điểm so sánh các yếu tố
Mức độ
1 Quan trọng bằng nhau
3 Sự quan trọng yếu giữa một
thành phần vớithành phần kia
5 Cơ bản hay quan trọng nhiều
giữa cái này và cái kia
7 Sự quan
mạnh giữa cái này hơn cái kia
9
Sự quan trọng tuyệt đối giữa cái này hơn cái kia
2,4,6,8 Mức trung gian giữacác mức
Bảng 2.12. Ma trận so sánh tầm quan trọng giữa các cặp đôi yếu tố
a1 a2 a3 an
Sau khi thành lập xong ma trận, người đánh giá sẽ tiến hành tính toán các trọng số của các tiêu chí thông qua các đại lượng sau đây:
1/ n
58 Bảng 2.13. Ma trận trọng số các yếu tố X1 X2 X3 X4
Tác giả AHP (ông Saaty), đưa ra khái niệm “xung khắc”. Nếu tỉ số nhất quán đạt mức <=10% thì đánh giá trong chấp nhận được và ngược lại thì người đánh giá phải đánh giá và tính toán lại.
Tính tỉ số nhất quán (consistency ratio – CR):
CR =
Trong đó: CI: Chỉ số nhất quán (Consistency Index); RI: Chỉ số ngẫu nhiên (Random Index); n: Số nhân tố; λmax: Giá trị riêng của ma trận so sánh.
2.3.4.2. Phương pháp logic mờ
GIS là một hệ thống thông tin quản lý dữ liệu không gian và phi không gian do đó các thông tin đưa vào đều có vị trí xác định? Vậy tính không rõ ràng ở đâu? Tính không rõ ràng trong các hệ thống GIS có nghĩa là thông tin không hoàn hảo, không chính xác và mập mờ. Tính không rõ ràng là một đặc trưng tưởng chừng không có của dữ liệu địa lý nhưng nó lại luôn luôn hiện hữu ngay trong bản thân của cơ sở dữ liệu này. Hiện nay các phương pháp sử dụng để diễn tả và phân tích thông tin địa lý thường mang tính chất chuyên gia để phỏng đoán tính chính xác, bởi vì khi đặt ra các yêu cầu giảibài toán trong GIS thì hàng loạt các tham số đưa ra đều liên quan với tính không rõ ràng của dữ liệu. Như vậy, để giải quyết vấn đề mô hình hóa dự báo biến động nghiên cứu sử dụng phương pháp phân lớp mờ (Fuzzy Reclasification), mỗi một loại hình sử dụng đất sẽ được phân loại và được gán thông tin thích hợp với từng ngưỡng mà chúng
59
Bảng 2.14. Minh họa logic mờ độ dốc
2.3.4.3. Phương pháp dự báo thay đổi sử dụng đất bằng mô hình Markov Chain
Mô hình Markov Chain đã được ứng dụng để xác định khả năng thay đổi các kiểu sử dụng đất dựa trên sự tiến triển các kiểu sử dụng đất và các nhân tố ảnh hưởng đến sự thay đổi. Tổng quát hóa của mô hình được minh họa như sau [24]:
Các kiểu sử dụng đất ở thời điểm to Các kiểu sử dụng đất thời điểm t1
Hình 2.6. Mô hình chuỗi Markov
Với γij: Là xác suất thay đổi được xác định từ việc “Overlay” bản đồ sử dụng đất tại 2 thời điểm khác nhau. Để dự đoán phân bố các kiểu sử dụng đất khác nhau vào các thời điểm khác nhau. Để dự đoán phân bố các kiểu sử dụng đất khác nhau vào các thời điểm tiếp theo có thể ứng dụng mô hình Markov Chain sử dụng các công thức (2.17) như sau:
(2.17)
Công thức 3.1 có thể được viết lại dưới dạng tổng quát hóa của ma trận Đây có thể được viết lại dưới dạng tổng quát hóa của ma trận như sau:
[V1,V2,…, V4] * = [V1, V2,…V3]2