STT Tên mẫu phân loại
Mẫu phân loại
Mẫu ảnh thực tế Ảnh năm 2000 Ảnh năm 2014 1 Đất lúa 2 Đất trồng cây hàng năm 3 Đất rừng ngập mặn 4 Đất mặt nƣớc 5 Đất xây dựng 6 Đất chƣa sử dụng
Qua bảng 2.3 và dữ liệu ảnh vệ tinh ta nhận thấy:
- Đất lúa thể hiện trên ảnh năm 2000 có cấu trúc mịn đồng đều, sắc ảnh màu đỏ tƣơi; thể hiện trên ảnh 2014 có màu đỏ sẫm, cấu trúc mịn.
- Đất cây hàng năm có cấu trúc mịn, có màu trắng sáng đối với năm 2000 (do ảnh thu vào tháng 7, đây là thời gian làm đất, chƣa gieo trồng), có màu đỏ nhạt hơn đất lúa đối với ảnh năm 2014.
- Đất rừng ngập mặn có màu đỏ thẫm, thƣờng tập trung ven sơng
- Đất mặt nƣớc có màu xanh lơ, xanh đen, cấu trúc mịn, dạng vùng kép kín (đối với ao, hồ, mặt nƣớc chuyên dùng) và dạng tuyến (đối với sơng).
- Đất xây dựng: có màu tím hoặc tím hồng, cấu trúc lốm đốm.
- Đất chƣa sử dụng: màu trắng xám đến nâu (thƣờng lẫn với các loại hình sử dụng khác) hoặc xám xanh (đối với vùng bãi bồi ven sông).
Căn cứ vào bộ mẫu đã lập, tiến hành phân loại có kiểm định theo nguyên tắc xác suất giống nhau nhất (Maximum likelihood) cho ảnh Landsat năm 2000 và năm 2014. Kết quả phân loại bằng phƣơng pháp xử lý ảnh số là một bức tranh nhiều màu sắc về các đối tƣợng.
Hình 2.6. Ảnh phân loại năm 2000 Hình 2.7. Ảnh phân loại năm 2014
Chú thích:
Đất xây dựng Đất cây hàng năm
Đất trồng lúa Đất rừng ngập mặn
Đất mặt nƣớc Đất chƣa sử dụng
Đánh giá độ chính xác của kết quả phân loại:
Để kiểm tra và đánh giá độ chính xác kết quả phân loại thì phƣơng pháp chính xác và hiệu quả nhất là kiểm tra thực địa. Mẫu kiểm tra thực địa không đƣợc trùng với mẫu đã đƣợc sử dụng khi phân loại và đảm bảo phân bố đều trên khu vực nghiên cứu.
Độ chính xác phân loại ảnh không những phụ thuộc vào độ chính xác các vùng mẫu mà cịn phụ thuộc vào mật độ và sự phân bố các ơ mẫu. Độ chính xác của các mẫu giám định và của ảnh phân loại đƣợc thể hiện bằng ma trận sai số.
Ma trận này thể hiện sai số nhầm lẫn sang lớp khác (đƣợc thể hiện theo hàng) và sai số do bỏ sót của lớp mẫu (đƣợc thể hiện theo cột). Do vậy, để đánh giá hai nguồn sai số này có hai độ chính xác phân loại tƣơng ứng: độ chính xác phân loại có tính đến sai số nhầm lẫn (do sai số nhầm lẫn gây nên) và độ chính xác phân loại có tính đến sai số bỏ sót (do sai số bỏ sót gây nên). Độ chính xác phân loại đƣợc tính bằng tổng số pixel phân loại đúng trên tổng số pixel của toàn bộ mẫu.
Để đánh giá tính chất của các sai sót phạm phải trong quá trình phân loại ngƣời ta dựa vào chỉ số Kappa (K), chỉ số này nằm trong phạm vi từ 0 đến 1, biểu thị sự giảm theo tỷ lệ về sai số đƣợc thực hiện bằng một yếu tố phân loại hoàn toàn ngẫu nhiên.