Dữ liệu kiểm tra
Dữ liệu giải đoán
1 2 3 4 5 6 Tổng hàng Độ tin cậy phân loại (%) Đất lúa (1) 24 0 0 0 0 0 24 100
Đất cây hoa màu (2) 0 3 0 0 1 2 6 50
Đất sông (3) 1 0 2 0 0 0 3 66,67 DĐất mặt nước 1 0 0 2 0 0 3 66,67 Đất xây dựng (4) 0 1 0 0 16 0 17 94,12 Đất khác (5) 0 1 0 0 1 4 6 66,67 Tổng cột 26 5 4 2 18 6 59 Độ tin cậy sử dụng % 92,31 60 100 100 88,89 66,67 Độ chính xác tổng thể: 86,44% Hệ số Kappa: 0,81 Trong đó:
- Tổng cột: Là số điểm của các đối tượng có trong tệp mẫu dùng để phân loại - Tổng hàng: Là tổng số điểm kiểm chứng trên mỗi lớp phân loại.
- Các phần tử nằm trên đường chéo chính là số điểm phân loại đúng của từng lớp đối tượng, các phần tử còn lại là số điểm bị phân loại nhầm sang lớp khác.
- Độ tin cậy phân loại: Là tỷ số giữa điểm phân loại đúng với số điểm của loại đất tương ứng trong dữ liệu kiểm tra.
- Độ tin cậy sử dụng : là tỷ số giữa điểm phân loại đúng với số điểm các loại đất tương ứng trong dữ liệu giải đoán.
Bảng 4.8 cho thấy lớp đất lúa và đất sông có độ chính xác cao nhất. Lớp đất lúa có 24 điểm phân loại đúng trên tổng 26 điểm trong đó có 2 điểm phân loại nhầm sang đất sông, 1 điểm phân loại nhầm sang đất mặt nước do có sự tương đồng về phổ. Lớp đất cây hoa màu có 3 điểm phân loại đúng trên tổng 5 điểm, trong đó 1 điểm phân loại nhầm sang đất khác do 2 loại này có sự tương đồng về phổ. Lớp đất xây dựng có 16 điểm phân loại đúng trên tổng 18 điểm trong đó có 1 điểm nhầm sang đất cây hoa màu;1 điểm phân loại nhầm sang đất khác do trong khu dân cư nông thôn có xen lẫn các khu vực trồng cây ăn quả và khu vườn trồng rau.
Độ chính xác tổng thể ảnh năm 2015 là 86,44%, Hệ số Kappa đạt 0,81. Như vậy ảnh phân loại đạt yêu cầu.
Các nguyên nhân dẫn đến kết quả phân loại có độ chính xác không cao là: - Độ phân giải của dữ liệu ảnh Landsat chỉ ở mức độ trung bình (30m) nên một số loại đất nhỏ lẻ phân bố manh mún không được ghi nhận trên ảnh.
- Do sai sót trong quá trình chọn mẫu, đây là quá trình sử dụng nhiều phương pháp, nhiều nguồn dữ liệu... nên trong quá trình xử lý vẫn tồn tại những sai sót ngoài ý muốn.
- Do sự chênh lệch về khoảng thời gian giữa dữ liệu nghiên cứu và thời điểm lấy mẫu.
Sau khi phân loại, ảnh cần được thực hiện quy trình xử lý hậu phân loại để tạo ra các lớp có khả năng xuất ra bản đồ bằng cách khái quát hóa thông tin. Sử dụng công cụ Classification/Post Classification chọn phương pháp phân tích đa số (Majority Analysis), kích thước cửa sổ lọc Kernel Size (3x3) dùng để gộp các pixel lẻ tẻ, được phân loại lẫn trong chính các lớp chứa nó hoặc lấy kết quả của pixel thiểu số trong cửa số lọc thay thế cho pixel trung tâm.
Kết quả xủa lý sau phân loại ảnh được thể hiện ở hình 4.7 và hình 4.8.
Hình 4.8. Kết quả lọc nhiễu ảnh phân loại Landsat 8 – 2015
4.3.2.4. Xây dựng bản đồ sử dụng đất năm 2010 và năm 2015
Trên thanh menu chính của ENVI chọn Classification/Post Classification/ Classification to Vector để chuyển kết quả phân loại sang định dạng vecter (.evf). Trên của sổ ảnh vector Available Vecter List chọn File/Export Active Layer to Shapefile để chuyển định dạng *evf sang *shp.
Từ kết quả giải đoán ảnh, tiến hành sử dụng các công cụ của ArcMap 10.1 để trình bày bản đồ, thêm các lớp cần thiết như lớp ranh giới, chữ đơn vị hành chính giáp ranh, tên các đơn vị hành chính trực thuộc, chỉ hướng, chú dẫn, khung bản đồ..., kết quả thu được hai bản đồ hiện trạng sử dụng đất năm 2010 và năm 2015 tỷ lệ 1/70000.
Từ bản đồ sử dụng đất năm 2010 và 2015 xây dựng được, dựa vào bảng thuộc tính của mỗi layer sẽ thống kê được diện tích của mỗi loại hình sử dụng đất cho hai năm 2010 và năm 2015.