Quá trình phân loại ảnh bắt đầu từ việc phân đoạn ảnh (segmentation) thơng qua thuật tốn gộp các pixel lân cận có mức độ đồng nhất về đặc điểm phổ và về phân bố không gian mà mắt ngƣời có thể nhận biết đƣợc thành đối tƣợng ảnh. Đối tƣợng ảnh (Object) là đơn vị nhỏ nhất trong ảnh, mỗi đối tƣợng là một nhóm các pixel tƣơng tự về kích thƣớc, hình dạng, mối quan hệ sinh thái và địa lý của các đối tƣợng trên ảnh và các đối tƣợng này ở ngoài thực tế.
Ảnh vệ tinh Landsat 5, Landsat 7, Landsat 8 Phân mảnh ảnh và các đặc trƣng của đối tƣợng Thiết lập chú giải Các lớp đối tƣợng Thiết lập bộ quy tác và Tiến hành phân loại Chỉnh sửa
kết quả phân loại
Đánh giá kết quả và xuất kết quả
Q trình chiết xuất thơng tin các đối tƣợng lớp phủ mặt đất đƣợc học viên thực hiện trên phần mềm PCI Geomatica 2017.
* Đánh giá độ chính xác kết quả sau phân loại: hai phƣơng pháp xác định độ chính xác của từng loại hình lớp phủ mặt đất riêng lẻ. Thứ nhất, tỷ số pixel đƣợc phân loại chính xác so với tổng số pixel theo hàng gọi là User’s accuracy (Ua), đƣợc hiểu là tỉ lệ số mẫu phân loại đúng của 1 loại lớp phủ mặt đất so với tổng số mẫu thực địa của loại lớp phủ mặt đất đó (hay là mức độ lẫn của loại lớp phủ mặt đất này sang các loại khác). Thứ hai, tỷ số pixel đƣợc phân loại chính xác so với tổng số pixel theo cột gọi là Producer’s accuracy (Pa), đƣợc hiểu là tỉ lệ số mẫu phân loại đúng của 1 loại lớp phủ mặt đất so với tổng số mẫu kết quả phân loại thực tế của loại lớp phủ mặt đất đó (hay là mức độ bị các loại lớp phủ mặt đất khác lẫn vào).
2.2.3.5. Phương pháp đánh giá biến động sau phân loại
Độ tin cậy của quá trình điều tra nghiên cứu biến động cũng bị ảnh hƣởng nhiều bởi các nhân tố mơi trƣờng có thể thay đổi giữa các thời điểm chụp ảnh. Cùng với hiệu ứng của khí quyển, những nhân tố nhƣ mực nƣớc hồ, sóng triều, gió, hay độ ẩm của đất cũng rất quan trọng.
Phƣơng pháp đánh giá biến động lớp phủ dựa vào kết quả phân loại từ ảnh vệ tinh (post classification) đây là phƣơng pháp đƣợc sử dụng phổ biến và dùng để xây dựng các bản đồ biến động lớp phủ theo khơng gian và thời gian. Theo đó, mỗi pixel từ các bộ cảm n kênh đƣợc biểu diễn thành một điểm trong không gian phổ n chiều với giá trị phổ thứ i nào đó. Sau khi phân loại, các thơng tin đa phổ sẽ đƣợc chuyển thành thông tin chuyên đề thông qua các lớp chuyên đề (class). Để so sánh sự thay đổi các đối tƣợng đã đƣợc phân loại và đánh giá biến động dựa trên kết quả phân loại thì các ảnh chụp tại các thời điểm khác nhau phải đƣợc hiệu chỉnh ảnh hƣởng khí quyển nhƣ đã trình bày ở phần trên. Các chú giải dùng để phân loại các ảnh phải có cùng số lớp. Chỉ có nhƣ vậy thì mới có thể sử dụng phƣơng pháp bảng chéo (crossing table) để tạo ra ma trận biến động. Ma trận này có các lớp xếp theo cột thuộc một thời điểm và các lớp xếp theo hàng sẽ là của thời điểm thứ hai. Nhƣợc điểm của phƣơng pháp này là khi áp dụng cho các ảnh có độ phân giải khơng gian khác nhau thì việc làm lại độ phân giải (resampling) sẽ ảnh hƣởng đến độ chính xác của kết quả, và để khác phục thì các
ảnh chụp phải đƣa về cùng một độ phân giải khơng gian. Một yếu tố khác có thể ảnh hƣởng đến chất lƣợng đánh giá biến động là sai số hình học do hiệu chỉnh hình học của từng ảnh.
2.2.4. Phương pháp phân tích hồi quy
Đây là một phƣơng pháp thống kê mà giá trị kỳ vọng của một hay nhiều biến ngẫu nhiên đƣợc dự đoán dựa vào điều kiện của các biến ngẫu nhiên (đã tính tốn) khác. Phân tích hồi qui không chỉ là trùng khớp đƣờng cong (lựa chọn một đƣờng cong mà vừa khớp nhất với một tập điểm dữ liệu); nó cịn phải trùng khớp với một mơ hình với các thành phần ngẫu nhiên và xác định (deterministic and stochastic components). Thành phần xác định đƣợc gọi là bộ dự đoán (predictor) và thành phần ngẫu nhiên đƣợc gọi là phần sai số (error term). Khi quan sát bộ số liệu thì thấy các số liệu đo đạc đƣợc có chiều hƣớng tăng theo từng năm, rất thuận tiện cho sử dụng phân tích hồi quy tuyến tính.
Hồi quy tuyến tính
Hồi quy tuyến tính là một trƣờng hợp rất phổbiến trong thực tế, mơ hình hồi quy tuyến tính đơn giản có dạng:
Yi = A + BXi+ Ei (2.10)
Trong đó:
Yi: Giá trị của biến phụ thuộc y trong lần quan sát thứ i
Xi: Giá trị của biến độc lập x trong lần quan sát thứ i
Ei: Sai số ngẫu nhiên của lần quan sát thứ i
A: Là giá trị trung bình của biến phụ thuộc Y khi biến độc lập X thay đổi 1 đơn vị
B: Là thông số diễn tả độ dốc của đƣờng hồi qui của tập hợp chính, hay B diễn tả sự thay đổi của giá trị trung bình của biến phụ thuộc Y khi biến độc lập X thay đổi 1 đơn vị.
Phương trình hồi quy tuyến tính đơn giản của mẫu
Chúng ta có thể ƣớc lƣợng các tham số (A,B) của phƣơng trình hồi qui tuyến tính đơn giản của tập hợp chính bằng cách sử dụng số liệu của mẫu ngẫu nhiên thu thập đƣợc.
Dựa vào số liệu của mẫu ta có phƣơng trình hồi qui tuyến tính đơn giản của mẫu.
Ŷ= a + bX (2.11)
Trong đó:
Ŷ: là ƣớc lƣợng của giá trị trung bình của Y đối với biến X đã biết a: là ƣớc lƣợng của A
b: là ƣớc lƣợng của B
Bằng phƣơng pháp bình phƣơng cực tiểu, ngƣời ta chứng minh đƣợc rằng a, b là những ƣớc lƣợng không chệch và vững của A, B.
2.2.5. Phương pháp tính chỉ số cường độ đảo nhiệt đơ thị (UHI Index)
Chỉ số cƣờng độ UHI là một phƣơng pháp để xác định sự phân bố không gian của cƣờng độ UHI, đƣợc ƣớc tính bằng phƣơng trình (2.11). Đầu ra ln ln đƣợc thu nhỏ thành 3 loại từ đảo nhiệt mạnh đến đảo nhiệt thấp. Điều này sẽ đƣợc minh họa trong phần kết quả.
Trong đó:
Tr là LST tƣơng đối;
Ti là LST tại một vị trí;
2.3. Sơ đồ các bƣớc nghiên cứu