STT Lớp Mẫu phân loại
1 Thực vật khác 2 Đất nuôi trồng thủy sản 3 Dân cư 4 Rừng ngập mặn 5 Nước 6 Đất cát vùng bãi bồi, vùng bán ngập triều
Kết quả phân loại có chọn mẫu theo phương pháp hàm xác suất cực đại - Maximum Likelihood ta thu được các kết quả phân loại lớp phủ mặt đất khu vực Ba Lạt qua các năm 1984, 2001, 2006, 2013.
3.3.4. Lọc nhiễu ảnh
Nguyên nhân cần phải lọc nhiễu điểm ảnh:
Hình 3.6: Giải thích nhiễu điểm ảnh ở kết quả phân loại
Như điểm ảnh trên đáng ra phần 1 phải là nước nhưng nó đã trở thành thực vật sau phân loại nên phải đưa nó trở về đối tượng nước bằng phương pháp nâng cao độ chính xác.
Quy trình cụ thể: trước hết ta tiến hành chiết tách ảnh có thủy văn riêng Chọn ảnh gốc với kênh phổ 1, do ảnh này thể hiện đối tượng nước rõ nhất.
Nước
Thực vật 1
Hình 3.7: Chiết tách thủy văn trên ảnh vệ tinh Landsat 2013
Chọn ngưỡng lọc ra lớp thủy văn: từ thực đơn chính của ENVI chọn
Overlay/ Density Slice/ Ok
Sau khi đã chiết tách xong ta tiến hành cộng ảnh chiết tách với ảnh phân loại ta thu được kết quả là ảnh phân loại đã lọc nhiễu điểm ảnh.
3.3.5. Khảo sát thực địa
Hình 3.8: Sơ đồ bố trí các điểm quan sát và lấy mẫu thực địa
Để kiểm chứng cho kết quả phân loại hiện trạng lớp phủ đất, tác giả đã tiến hành khảo sát thực địa tại Ba Lạt vào ngày 19-22 tháng 11 năm 2014. Hình 3.9 là một số hình ảnh minh họa. Các điểm chọn làm mẫu giải đoán dọc theo tuyến khảo sát đặc trưng cho các thành phần hiện trạng lớp phủ trong khu vực nghiên cứu được dùng để phân loại và đánh giá độ chính xác sau phân loại.
Hình 3.9: Một số hình ảnh thực địa tại khu vực của Ba Lạt
3.3.6. Đánh giá độ chính xác kết quả sau phân loại của các thời kỳ
Bản đồ lớp phủ được thành lập từ ảnh viễn thám luôn luôn chứa một số loại sai số do các nhân tố từ công nghệ phân loại đến phương pháp thu nhận ảnh. Do đó, ta cần phải tiến hành đánh giá độ chính xác sau phân loại của các bản đồ kết quả đó.
Ảnh 1: Rừng ngập mặn tại Ba Lạt
Ảnh 3: Ruộng trồng lúa Ảnh 4: Mơ hình ni tơm
Ảnh 2: Đất ẩm khu vực bãi triều cao
Kết quả độ chính xác có thể đạt hoặc khơng đạt tùy theo mục đích của người sử dụng và ứng dụng tiếp theo của bản đồ. Mức độ chính xác cũng có thể được chấp nhận với mục đích cụ thể nào đó nhưng lại khơng được chấp nhận vào mục đích khác.
Phương pháp thơng dụng nhất để đánh giá độ chính xác sau phân loại là sử dụng ma trận sai số hay còn gọi là ma trận nhầm lẫn hoặc bảng ngẫu nhiên. Ma trận sai số là một ma trận vng trong đó số hàng và số cột tương ứng với số loại lớp phủ mà ta đã đưa ra. Số hàng trong ma trận biểu diễn thông tin viễn thám thu được từ bản đồ hiện trạng trong khi đó số cột biểu diễn dữ liệu tham khảo thu được trong quá trình khảo sát thực địa. Từ bảng đó cung cấp cho ta các chỉ số đo lường của việc tính tốn chính xác như độ chính xác phân loại trung bình, phần trăm của sai số bỏ sót và sai số nhầm lẫn, hệ số Kappa – chỉ số đánh giá ảnh hưởng của sự ngẫu nhiên.
Sai số bỏ sót là phần trăm của các pixel mà lẽ ra nằm trong các lớp đã đưa ra nhưng trên thực tế lại khơng có. Sai số do nhầm lẫn chỉ ra các pixel mà nằm trong các lớp đã đưa ra trong khi thực tế chúng lại thuộc về các lớp khác. Các giá trị đó dựa trên các mẫu trong khi kiểm tra lỗi pixel của các lớp phủ không xác định mà được so sánh để phân loại trong bản đồ. Sai số do nhầm lẫn và do bỏ sót cũng có thể biểu diễn trong các thuật ngữ độ chính xác của người sử dụng (User‟s accuracy) và độ chính xác của người làm bản đồ (Producer‟s accuracy). Độ chính xác của người sử dụng biểu diễn khả năng xuất hiện nghĩa là một pixel được đưa ra có thể xuất hiện cả trên lớp của nó và cả ngồi thực địa trong khi đó độ chính xác do người làm bản đồ sinh ra biểu diễn phần trăm của lớp đã đưa ra thì được nhận dạng một cách chính xác trên bản đồ. Một vấn đề với ma trận lẫn và hệ số kappa là nó khơng cung cấp sự phân bố khơng gian của sai số.
Chất lượng và tính đầy đủ của dữ liệu tham khảo là vô cùng quan trọng trong việc đánh giá độ chính xác có đạt độ tin cậy hay không. Dữ liệu tham khảo mà không được kiểm chứng triệt để thì khơng nên dùng để xây dựng tiêu chuẩn độ chính xác. Dữ liệu kiểm chứng khơng đầy đủ cũng ảnh hưởng tới chất lượng của việc đánh giá. Trong luận văn đã sử dụng số liệu hiện trạng sử dụng đất các thời kỳ tương ứng, ảnh Geo eyes độ phân giải 0,4 m được tải về từ Google Earth để đánh
giá độ chính xác. Coi các số liệu trong bản đồ hiện trạng các thời kỳ tương ứng là tuyệt đối.
Mẫu đánh giá độ chính xác được xác định bằng việc đi thực địa sử dụng máy GPS (hệ tọa độ WGS 84 UTM Zone 48N). Kết quả thực địa được file số liệu thống kê thông tin của các điểm thực địa bao gồm: số hiệu điểm, tọa độ X, tọa độ Y, và loại đất tại vị trí điểm đó. File số liệu được chuyển vào phần mềm ArcGIS và có sơ đồ các điểm thực địa như Hình 3.8.
Dựa vào các điểm thực địa, lấy vùng mẫu (ROI) đánh giá độ chính xác cho 06 lớp phân loại như hình 3.10.