của ảnh Landsat 1990 (a)
Stt Kênh ảnh Min Max Mean Độ lệch chuẩn
1 Band 1 0 145 29,58059 31,917394 2 Band 2 0 88 12,62959 13,958598 3 Band 3 0 139 12,92067 15,782882 4 Band 4 0 168 32,95767 37,217922 5 Band 5 0 209 32,53316 38,561721 6 Band 6 0 158 60,58417 64,602583 7 Band 7 0 165 11,53312 15,505484
Bảng 2-3: Thống kê giá trị phổ trên ảnh tỉ số (b5+b7)/b2 của ảnh Landsat năm 1990 (b) của ảnh Landsat năm 1990 (b)
Stt Kênh ảnh Min Max Mean Độ lệch chuẩn
1 Band 1 0,0351 7,6452 3,4088 0,8727
Hình 2-8: Phân bố giá trị phổ ảnh trên ảnh tỉ số (b5+b7)/b2 của ảnh Landsat 1990 của ảnh Landsat 1990
Dựa vào sự khác biệt của ngưỡng giá trị đối tượng nước so với các đối tượng khác, trên dữ liệu ảnh tỉ số thu được, sử dụng phương pháp phân ngưỡng cho kênh
ảnh tỉ số để tạo các lát cắt giá trị (density slice) nhằm chiết tách thông tin về đối tượng nước trên ảnh (Hình 2-10).
Do tính chất ảnh ở các thời kỳ là giống nhau, phương pháp trên cũng được sử dụng cho dữ liệu ảnh ở các mốc thời gian khác, tuy nhiên giá trị phân ngưỡng để chiết tách thông tin đối tượng nước ở mỗi thời kỳ là khác nhau do sự khác biệt về giá trị phản xạ phổ. Hình 2-9: Ảnh tỉ số 1990 (b5+b7)/b2 Hình 2-10: Đối tƣợng nƣớc đƣợc chiết tách từ ảnh tỉ số 1990 miền giá trị phổ [0,17; 0,96]
Các ảnh tỉ số sau khi phân ngưỡng ở định dạng raster được chuyển đổi sang dạng vector và được xử lý để chiết xuất dữ liệu lịng sơng ở dạng Polygon bằng công cụ ArcGis.
2.3.2. Phƣơng pháp đánh giá biến động sạt lở, bồi tụ của bờ sông
Các dữ liệu về lịng sơng thu được từ bước trên tiếp tục được xử lý để tạo các bộ dữ liệu về đường bờ trái và phải ở mỗi thời kỳ. Luận văn đã áp dụng linh hoạt phương pháp tính tốn của Theiler năm 2008 [33] được mơ tả qua hình 2-11 dưới đây để tính tốn biến động bồi tụ và sạt lở bờ sông.
Cơ sở khoa học của phương pháp này là xây dựng các đường cắt ngang (transect) vng góc cắt tất cả các đường bờ (river bank) theo các khoảng cách được lựa chọn (transect spacing) từ một đường cơ sở (baseline). Trên cơ sở thông
tin dữ liệu của các điểm giao giữa đường transect và đường bờ lịch sử, số liệu thống kê sẽ được lưu trữ để tính tốn. Q trình ghi nhận và xử lý dữ liệu được hỗ trợ bằng công cụ mở rộng DSAS của phần mềm ArcGis.
Hình 2-11: Mơ tả về các đối tƣợng trong phƣơng pháp của Theiler
(Chú giải hình 2-11: baseline: đường cơ sở; riverbank: bờ sông; transect: đường cắt ngang; transect length: độ dài đường cắt ngang; trasect spacing: khoảng cách giữa hai đường cắt ngang liền kề nhau).
Các đường cơ sở của mỗi hệ thống bờ sông được xây dựng trên cơ sở tạo một vùng đệm từ lịng sơng cơ sở (lịng sơng cổ nhất trong giai đoạn nghiên cứu). Từ đường baseline, các đường cắt ngang transect được thiết lập theo các thông số tùy chọn, hướng của các transect tùy thuộc vào việc lựa chọn vị trí của đường baseline.
Một số trường hợp cụ thể ảnh hưởng tới độ chính xác trong xác định biến động đường bờ:
- Trường hợp khi đường transect cắt một đường bờ tại nhiều hơn một điểm như trong hình 2-12, để thống nhất các dữ liệu thống kê thu được, thông tin về điểm giao gần nhất sẽ được lựa chọn là dữ liệu để tính tốn.
(a) (b)
Hình 2-12: Mơ tả giao nhau giữa đƣờng transect và đƣờng bờ
(dữ liệu trong trường hợp (a) sẽ được sử dụng để tính tốn thống kê)
- Trong trường hợp đường transect giao với các cung nhọn của đường baseline như ở hình 2-13, cần định hướng cho các transect để tìm giao điểm chính xác với đường bờ. Để giải quyết vấn đề này, một đường đệm baseline sẽ được tạm thời tạo ra trên cơ sở làm mịn các đường baseline ban đầu như trong hình 2-14.
(a) (b)
Hình 2-13: Transect giao với đƣờng cơ sở tại cung nhọn (a)
(dữ liệu trong trường hợp (b) sẽ được sử dụng để tính tốn thống kê)
trước khi làm mịn (b) sau khi làm mịn
Hình 2-14: Đƣờng đệm baseline mới đƣợc tạo ra
(dữ liệu trong trường hợp (b) sẽ được sử dụng để tính tốn thống kê)
Với dữ liệu thông tin thu được về điểm giao giữa các đường transect và đường bờ các năm, tốc độ biến động đường bờ trong lịch sử được tính tốn qua
khoảng cách (Dn) giữa hai điểm bất kỳ trong hai giai đoạn và khoảng thời gian T giữa hai giai đoạn. Sử dụng công thức (4) của Appeaning Addo, năm 2008 [12]:
R1 = Dn/T (4) Trong đó:
R1 (m/year) là tốc độ biến đổi đường bờ.
Dn (m) là khoảng cách giữa hai đường bờ của 2 giai đoạn T1 và T2. T là khoảng thời gian giữa hai giai đoạn (T= T2 – T1) (years).
2.3.3. Phƣơng pháp tính tốn biến động bằng so sánh sau phân loại
Bản chất của phương pháp tính tốn biến động bằng so sánh sau phân loại là chồng ghép hai bản đồ hiện trạng để xây dựng bản đồ biến động. Các bản đồ hiện trạng có thể thực hiện dưới dạng bản đồ raster hoặc vector.
Quy trình nghiên cứu biến động theo phương pháp này có thể tóm tắt như hình 2-15 dưới đây:
Hình 2-15: Quy trình phƣơng pháp tính biến động bằng so sánh sau phân loại
Sau khi ảnh vệ tinh được nắn chỉnh hình học sẽ tiến hành phân loại độc lập để tạo thành hai bản đồ. Hai bản đồ này được so sánh bằng cách so sánh pixel tạo thành ma trận biến động.
Theo R. Jensen (1996) ưu điểm của phương pháp này cho biết sự thay đổi từ “cái gì” sang “cái gì” và chúng ta cũng có thể sử dụng các bản đồ hiện trạng đã được thành lập trước đó. Nhược điểm của phương pháp này là phải phân loại độc lập các ảnh viễn thám nên độ chính xác phụ thuộc vào độ chính xác của từng phép phân loại [21].
2.3.4. Phƣơng pháp phân loại ảnh viễn thám dựa trên thuật toán K-means
Phân loại ảnh là quá trình tách gộp thơng tin dựa trên các tính chất phổ, khơng gian và thời gian. Phân loại thường được biểu diễn bởi tập hợp các kênh ảnh và quá trình này là gán từng pixel trên ảnh vào các lớp khác nhau, dựa trên đặc tính thống kê của các giá trị độ xám của từng pixel.
Trong nghiên cứu này, chúng tơi thực hiện phân loại ảnh áp dụng thuật tốn K-means do MacQueen đưa ra năm 1967 [26]. Thuật toán này giúp phân loại/nhóm cụm n đối tượng thành k nhóm dựa trên đặc tính/thuộc tính của đối tượng (k n
nguyên, dương). Sơ đồ của thuật toán K-means được thể hiện ở hình 2-16:
Hình 2-16: Sơ đồ của thuật tốn K-means (MacQueen)
Về nguyên lý, có n đối tượng, mỗi đối tượng có m thuộc tính, ta phân chia được các đối tượng thành k nhóm dựa trên các thuộc tính của đối tượng bằng việc áp dụng thuật toán này. Coi mỗi thuộc tính của đối tượng như một toạ độ của không gian m chiều và biểu diễn đối tượng như một điểm của không gian m chiều. Phương thức phân loại/nhóm dữ liệu thực hiện dựa trên khoảng cách Euclidean nhỏ nhất giữa đối tượng đến phần tử trung tâm của các nhóm.
Phần tử trung tâm của nhóm được xác định bằng giá trị trung bình các phần tử trong nhóm [22].
- Khoảng cách Euclidean
ai=(xi1, xi2,... xim) i=1..n - đối tượng thứ i cần phân phân loại cj=(xj1, xj2,... xjm) j=1..k - phần tử trung tâm nhóm j
Khoảng cách Euclidean từ đối tượng ai đến phần tử trung tâm nhóm j cj được
tính tốn dựa trên cơng thức:
(5)
Trong đó: ji - khoảng cách Euclidean từ ai đến cj
xis - thuộc tính thứ s của đối tượng ai
xjs - thuộc tính thứ s của phần tử trung tâm cj
- Phần tử trung tâm
k phần tử trung tâm (k nhóm) ban đầu được chọn ngẫu nhiên, sau mỗi lần nhóm các đối tượng vào các nhóm, phần tử trung tâm được tính tốn lại.
Clusteri = {a1, a2,.... an} – Nhóm thứ i Trong đó: i=1..k, k số cluster
j= 1..m, m số thuộc tính
t là số phần tử hiện có của nhóm thứ i
xsj là thuộc tính thứ j của phần tử s s=1..t cij là toạ độ thứ j của phần tử trung tâm nhóm i;
2.3.5. 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. 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 một 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 độ 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 để đánh giá ảnh hưởng của sự ngẫu nhiên.
Sai số bỏ sót là phần trăm của các pixel mà lẽ ra nên 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 và độ chính xác của người làm bản đồ. 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 không 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 không đầy đủ cũng ảnh hưởng tới chất lượng của việc đánh giá. Trong luận văn đã sử dụng số liệu từ khảo sát thực địa năm 2013, ảnh Geo eyes độ phân giải 0.4m được tải về từ Google Earth để đánh giá độ chính xác. Từ dữ liệu Bảng ma trận sai số của hiện trạng lớp phủ đất năm 2013 và dữ liệu đánh giá độ chính xác sau phân loại hiện trạng lớp phủ năm 2013. Độ chính xác trung bình được xác định là 92.74%, hệ số Kappa là 0.910. Các kết quả này cho thấy sự phù hợp của phương pháp nghiên cứu.
CHƢƠNG 3. KẾT QUẢ NGHIÊN CỨU
Từ mục tiêu của luận văn, các đánh giá tổng quan về điều kiện tự nhiên, hiện trạng hai chi lưu và sử dụng các phương pháp, kỹ thuật phân tích viễn thám được nêu trong chương 2 cho phép đưa ra được các kết quả tập trung vào hai hướng chính sau:
- Sự biến động bồi tụ và sạt lở bên bờ sông; - Sự thay đổi lớp phủ khu vực lịng sơng.
3.1. Cơ sở dữ liệu nghiên cứu
a) Nguồn ảnh và các thơng số thuộc tính
Dữ liệu viễn thám dùng trong nghiên cứu của luận văn này bao gồm các ảnh vệ tinh quang học Landsat 5 TM và Landsat 7 ETM các năm 1990, 1994, 1997 2002, 2008, 2010 và 2013. Các ảnh trên được cung cấp bởi Trung tâm Khảo sát Địa chất Hoa Kỳ (http://glovis.usgs.gov). Ba hình từ 3-1 đến 3-4 thể hiện các ảnh tổ hợp màu của 3 mốc nghiên cứu chính.
Hình 3-3: Ảnh Landsat ngày 8/03/2013 Hình 3-4: Ảnh Landsat 03/01/2013
Các ảnh nghiên cứu là ảnh về tinh quan học đa phổ, bao trùm khu vực nghiên cứu, được chụp trong thời gian mùa khô của khu vực (từ tháng 12 đến tháng 3) và có sự đồng nhất cao về loại, độ phân giải và hệ tọa độ. Kích thước của các ảnh nghiên cứu là 185km × 170km, được đánh số theo hệ quy chiếu toàn cầu WGS- 84 UTM, áp dụng cho vùng 49 gồm số liệu của tuyến và hàng tương ứng là 124 và 50. Các thơng số chính liên quan đến các ảnh sử dụng được trình bày trong bảng 3- 1 dưới đây.
Bảng 3-1: Một số thơng số chính của các dữ liệu ảnh nghiên cứu
Stt Loại ảnh Độ phân
giải (m) Ngày chụp Hệ tọa độ
Hệ
quy chiếu Vùng
1 Landsat 5, TM 30 30/12/1990 UTM WGS84 49
2 Landsat 5, TM 30 07/01/1994 UTM WGS84 49
3 Landsat 5, TM 30 15/01/1997 UTM WGS84 49
4 Landsat 7, ETM 30 22/02/2002 UTM WGS84 49
5 Landsat 5, TM 30 20/12/2004 UTM WGS84 49
6 Landsat 7, ETM 30 22/1/2008 UTM WGS84 49
7 Landsat 7, ETM 30 27/01/2010 UTM WGS84 49
8 Landsat 7, ETM 30 08/03/2013 UTM WGS84 49
9 Landsat 7, ETM 30 01/03/2013 UTM WGS84 49
b) Các ƣu và nhƣợc điểm của các dữ liệu ảnh
Ảnh Landsat được ưu tiên lựa chọn cho nghiên cứu bởi không tốn nhiều thời gian và chi phí thực hiện, bao phủ mặt đất lớn và khả năng để thu thập dữ liệu lặp lại theo một chu kỳ nhất định [34].
Hạn chế chính của ảnh vệ tinh Landsat được cho là có độ phân giải khơng gian thấp khi so sánh với những bức ảnh hàng không hoặc ảnh siêu phổ [23].
c) Các bƣớc xử lý dữ liệu ảnh
Để có được số liệu có chất lượng và có cơ sở đối sánh với các ảnh ở các giai đoạn và các vị trí khác nhau, chúng tơi đã tiến hành các bước nắn chỉnh, ghép nối, khoanh vùng và cắt ảnh theo khu vực nghiên cứu như sau:
- Nắn chỉnh hình học
Nhằm hạn chế sai số trong quá trình thu nhận ảnh qua vệ tinh việc nắn chỉnh hình học nhằm mục đích loại bỏ những biến dạng hình học trên ảnh. Các ảnh được nắn để đưa về cùng một lưới chiếu với hệ quy chiếu WGS 1984, UTM Zone 49N. Tất cả các ảnh sử dụng đều được tiền xử lý trước khi phân tích.
- Ghép ảnh
Các ảnh vệ tinh Landsat 7 thu được sau ngày 31/05/2003 đều có những khoảng trống dữ liệu (sọc đen) do vệ tinh Landsat bị hỏng thiết bị hiệu chỉnh đường qt. Chính vì vậy, dữ liệu ảnh Landsat thu được sau mốc thời gian trên cần được lấp khoảng trống để hạn chế sai số và tăng tính thẩm mỹ của ảnh.
Hình 3-5 thể hiện ảnh tổ hợp màu Landsat ngày 3/1/2013 bị lỗi ảnh sọc. Ảnh Landsat ngày 3/1/2013 đã được lấp khoảng trống dữ liệu bằng phương pháp ghép ảnh trong ENVI. Dữ liệu ảnh này đã khơng cịn các đường sọc và được sử dụng làm ảnh nghiên cứu (hình 3-6).
Hình 3-5: Ảnh Landsat ngày 3/01/2013 Hình 3-6: Ảnh Landsat ngày 3/01/2013
đã đƣợc sửa lỗi ảnh sọc - Cắt ảnh viễn thám theo vùng ranh giới chung
Nhằm tăng tốc độ xử lý ảnh, trước khi thực hiện các kỹ thuật chiết tách thông tin phổ và phân lớp ảnh, các ảnh viễn thám được xử lý cắt trên cơ sở tạo cùng