3.2. Thành lập bản đồ hiện trạng sử dụng đất vùng đồng bằng sông Hồng năm 2010 và năm 2014 Hồng năm 2010 và năm 2014
Để thực hiện nghiên cứu mùa vụ cây trồng và lập bản đồ hiện trạng sử dụng đất vùng Đồng bằng sơng Hồng năm 2010, 2014, đồng thời phân tích, đánh giá biến động đất trồng lúa và đất trồng màu trong giai đoạn 2010 – 2014 dựa trên dữ liệu tổ
hợp MODIS 8-ngày, học viên đã tiến hành các bước như được trình hình dưới đây (Hình 3.2)
Hình 3.2 Quy trình thành lập bản đồ biến động đất trồng lúa và đất trồng màu từ ảnh MODIS
3.2.1. Tiền xử lý ảnh tổ hợp MODIS 8-ngày
Tồn bộ q trình xử lý, phân loại ảnh và kết hợp với bản đồ trong nghiên cứu được thực hiện chủ yếu với phần mềm ENVI và sử dụng phần mềm ArcGIS cho các chức năng xử lý bản đồ sử dụng đất.
- Hiệu chỉnh hình học
Dữ liệu ảnh tổ hợp 8-ngày đã được hiệu chỉnh hình học, đưa về cùng hệ tọa độ UTM-WGS84.
Sau đó, ảnh được cắt theo ranh giới vùng nghiên cứu (ranh giới ngoài của 10 tỉnh ĐBSH).
- Lọc nhiễu, lọc mây
Bộ dữ liệu ảnh tổ hợp 8-ngày cũng đã được rà soát về chất lượng ảnh và loại bỏ những pixel ảnh bị nhiễu do mây phủ nhiều hoặc nằm ngoài vùng nghiên cứu và gán cho giá trị đặc biệt (nodata) để loại khỏi các tính tốn sau này.
3.2.2. Tính tốn chỉ số thực vật NDVI
Các chỉ số phổ thực vật được phân tách từ các băng phổ, cận hồng ngoại, hồng ngoại và dải đỏ là các tham số trung gian mà từ đó có thể thấy được các đặc tính khác nhau của thảm thực vật như: sinh khối, chỉ số diện tích lá, khả năng quang hợp, tổng các sản phẩm sinh khối theo mùa. Những đặc tính đó có liên quan và phụ thuộc rất lớn vào dạng thực vật bao phủ và thời tiết, đặc tính sinh lý, sinh hố và sâu bệnh. Cơng nghệ gần đúng để giám sát đặc tính các hệ sinh thái khác nhau là phép nhận dạng chuẩn và phép so sánh giữa chúng. Có nhiều các chỉ số thực vật khác nhau, nhưng chỉ số thực vật chuẩn hoá (NDVI) được trung bình hố trong một chuỗi số liệu theo thời gian sẽ là công cụ cơ bản được dùng rất rộng rãi để xác định mật độ phân bố của thảm thực vật, đánh giá trạng thái sinh trưởng và phát triển của cây trồng, làm cơ sở số liệu để dự báo sâu bệnh, hạn hán, diện tích năng suất và sản lượng cây trồng.
Chỉ số thực vật NDVI (Normalized Difference Vegetation Index) - được dùng rất rộng rãi để xác định mật độ phân bố của thảm thực vật, đánh giá trạng thái sinh trưởng và phát triển của cây trồng, làm cơ sở số liệu để dự báo sâu bệnh, hạn hán, diện tích năng suất và sản lượng cây trồng… NDVI được tính tốn trong ENVI (sử dụng chức năng Band Math) cho từng ảnh tổ hợp 8-ngày theo công thức:
NDVI = (NIR-R)/(NIR+R) = (Kênh 2 – Kênh 1) / (Kênh 2 + Kênh 1)
Trong đó:
NIR là giá trị bức xạ của bước sóng hồng ngoại gần (near infrared) và R là giá trị bức xạ của bước sóng màu đỏ (red)
Hình 3.4 (dưới đây) là mô phỏng chỉ số thực vật NDVI, rõ ràng nếu cây xanh tốt chỉ số thực vật NDVI lớn hơn rất nhiều so với cây bị úa vàng. Như vậy giá trị định lượng của NDVI có thể xác định được trạng thái sinh trưởng và phát triển của thực vật nói chung và cây trồng nói riêng.
Hình 3.4 Mơ phỏng chỉ số NDVI
Dữ liệu NDVI được tính tốn riêng cho từng tổ hợp 8-ngày đã được ghép lại sử dụng chức năng Layer Stacking của ENVI để tạo thành ảnh đa kênh thời gian (46 kênh). Sản phẩm chỉ số thực vật được sử dụng để tạo bản đồ và theo dõi biến động lớp phủ theo chỉ số thực vật. Đồ thị chuỗi thời gian theo các chỉ số thực vật tại các khu vực có lớp phủ khác nhau được xây dựng với chức năng Z-profile của ENVI.
3.2.3. Tạo ảnh tổ hợp NDVI theo tháng
Mặc dù bộ dữ liệu MODIS đã được xử lý tới mức 3 tức là đã làm giảm bớt hoặc loại bỏ được mây nhưng vẫn còn hiện tượng mức độ mây che phủ tương đối lớn. Điều này gây khó khăn cho việc theo dõi biến động cũng như phân loại lớp phủ. Do vậy, học viên tiếp tục tiến hành thêm bước lọc mây và tạo ảnh tổ hợp theo tháng.
Ngưỡng giá trị phản xạ đã được lựa chọn dựa trên sự tham khảo các tài liệu trong nước và quốc tế và dựa trên sự phân tích thực tế bộ dữ liệu ảnh MODIS thu thập được. Theo đó, giá trị phản xạ > 0,2 đối với kênh 1 (Red) và > 0,5 đối với kênh
2 (Near infared) được coi là mây và thuật toán lọc mây đã được tiến hành sử dụng cơng cụ tính tốn Band Math của phần mềm ENVI. Việc lọc mây được thực hiện trên ảnh NDVI. Các pixel được coi là mây sẽ được gán giá trị đặc biệt (No data) là - 999 để phân biệt với các đối tượng khác, đồng thời phục vụ cho việc tổ hợp ảnh 16 - ngày và tổ hợp ảnh theo tháng sau này. Các pixel được giải đốn khơng phải là mây sẽ được trả về giá trị NDVI thực tế của nó.
Thuật tốn dùng để lọc và gán giá trị - 999 cho mây sử dụng công cụ Band Math trên phần mềm ENVI có dạng như sau:
((b1 GT 0.2) AND (b2 GT 0.5))*(-999) + b3*((b1 LE 0.2) OR (b2 LE 0.5))
Trong đó: b1: là giá trị của pixel ở band 1 trên ảnh gốc 8-ngày; b2: là giá trị của pixel ở band 2 trên ảnh gốc 8-ngày;
b3: là giá trị tính tốn NDVI trên ảnh tổ hợp 8-ngày của pixel đó; Thuật tốn trên được hiểu là nếu giá trị của pixel trên kênh 1 lớn hơn 0,2 và trên kênh 2 lớn hơn 0,5 thì gán giá trị cho pixel đó là - 999, nếu khơng thì trả về giá trị NDVI thực của pixel đó.
Sau đó, các ảnh NDVI tổ hợp 8-ngày được sử dụng để tiếp tục tổ hợp lên ảnh tổ hợp 16-ngày và ảnh tổ hợp tháng (dựa trên thông tin về ngày thu của ảnh đó), sử dụng phương pháp tổ hợp sử dụng giá trị cực đại (Maximum Value Composite – MVC). Đây là phương pháp truyền thống, được sử dụng khá rộng rãi trong các nghiên cứu liên quan ở trên thế giới. Phương pháp này được thực hiện trên cơ sở nguyên tắc là kết hợp các ảnh lấy giá trị lớn nhất của giá trị pixel trong các ảnh đầu vào cho sản phẩm đầu ra. Điều này sẽ giúp khắc phục loại bỏ hoặc làm giảm thiểu các pixel có giá trị được giải đoán là mây (trị tuyệt đối của giá trị chỉ số NDVI nhỏ, xấp xỉ 0) hoặc các pixel bị nhiễu do các sai số hệ thống hay các nguyên nhân khác làm giảm giá trị của chỉ số NDVI so với thực tế.
Thuật toán được sử dụng để tổ hợp ảnh 16-ngày và tổ hợp tháng là tương tự nhau và có dạng như sau:
(b1 GE b2)*b1+(b1 LT b2)*b2
Trong đó: b1: giá trị của pixel trên ảnh NDVI đầu vào số 1 b2: giá trị của pixel trên ảnh NDVI đầu vào số 2
Thuật toán trên được hiểu là thực hiện so sánh giá trị pixel trên 2 ảnh NDVI đầu vào và lấy giá trị pixel của ảnh NDVI có giá trị cao hơn. Việc tổ hợp được thực hiện lần lượt cho từng cặp ảnh đầu vào
Hình 3.7 Ảnh NDVI tổ hợp tháng
Sau khi tạo được các ảnh NDVI theo tháng, tiến hành ghép tất cả các ảnh NDVI theo tháng thành ảnh NDVI của năm với các kênh ảnh là các ảnh NDVI theo tháng để phục vụ cho bước phân loại các đối tượng thành lập bản đồ lớp phủ sau này.
3.2.4. Phân loại ảnh MODIS thành lập bản đồ hiện trạng sử dụng đất
Bản đồ hiện trạng sử dụng đất là cái nhìn khách quan về bề mặt lớp phủ tại một thời điểm nghiên cứu và do vậy việc đo chụp ảnh từ vệ tinh hoặc máy bay thường cung cấp thông tin về bản đồ lớp phủ. Mặt khác, bản đồ phân loại sử dụng đất cịn mang thơng tin các loại hình sử dụng đất (với các trạng thái sử dụng quỹ đất theo thời gian) của vùng nghiên cứu gắn liền với hoạt động của con người và thường được quy định bởi cơ quan quản lý tương ứng. Do bộ dữ liệu MODIS được đo chụp suốt cả năm 2010 và 2014 – qua các chu trình trạng thái sử dụng quỹ đất (theo các mùa vụ) nên việc khai thác sử dụng bộ ảnh MODIS chuỗi thời gian có khả năng lập bản đồ lớp phủ qua nhiều thời kỳ - nghĩa là góp phần phân loại sử dụng đất và nghiên cứu mùa vụ cây trồng.
Theo nhiệm vụ của luận văn, việc phân loại sử dụng đất vùng ĐBSH sẽ dựa trên hệ thống chú dẫn bản đồ sử dụng đất nông nghiệp. Hệ thống phân loại sử dụng đất năm 2010 và năm 2014 sẽ bao gồm 6 loại hình:
o Đất trồng lúa; o Đất trồng màu; o Đất rừng; o Đất thổ cư và đất chuyên dùng; o Mặt nước; o Đất chưa sử dụng.
Chỉ số thực vật NDVI cho thấy các dạng lớp phủ khác nhau thay đổi theo thời gian (ví dụ như thời vụ) có thể phân biệt rõ ràng trên đồ thị chuỗi thời gian trong năm. Đặc tính này đã được khai thác áp dụng tại nhiều nước trên thế giới do quá trình phát triển thực vật phụ thuộc vào chu kỳ khí hậu trong năm và theo mùa vụ do tập quán canh tác của con người. Và như vậy, có thể sử dụng dữ liệu chỉ số thực vật theo chuỗi thời gian để phân loại và lập bản đồ lớp phủ / sử dụng đất nông nghiệp vùng Đồng bằng sông Hồng.
Dữ liệu NDVI đã được tính tổ hợp đối với từng tháng trong năm là dữ liệu đa kênh theo thời gian và có thể sử dụng nguyên lý đa phổ để xử lý và phân loại. Ở đây
“kênh phổ” có ý nghĩa khác, đó là giá trị NDVI đối với 1 tháng nào đó trong năm.
Như vậy, có thể sử dụng các phương pháp phân loại “đa phổ” thơng thường (có
kiểm định hoặc khơng có kiểm định) hoặc các phương pháp phân loại đặc biệt như phân loại theo đường cong phổ. Trong nghiên cứu này, học viên đã chọn phương pháp phân loại theo đường cong phổ áp dụng cho dữ liệu NDVI đa thời gian để phân loại lập bản đồ lớp phủ của khu vực Đồng bằng sông Hồng.
Mỗi một đối tượng lớp phủ được đặc trưng bởi đường cong biến động chỉ số NDVI theo thời gian (các tháng trong năm) khác nhau. Ví dụ vùng đất trồng chuyên lúa 2 vụ sẽ có mẫu đường cong NDVI với 2 đỉnh cao vào khoảng thời gian giữa 2 vụ (Hình 3.9a), cịn vùng đất trồng rừng có mẫu đường cong NDVI tương đối cao và ổn định quanh năm (Hình 3.9c).
(a) (b)
(e) (f)
Hình 3.9 Biến động chỉ số thực vật NDVI theo tháng trong năm 2014 đối với các loại hình sử dụng đất: (a) Đất trồng lúa, (b) Đất trồng màu, (c) Đất rừng, (d) Đất
mặt nước, (e) Đất thổ cư và chuyên dùng, (f) Đất chưa sử dụng
Hình 3.9a cho thấy khu vực thâm canh chuyên trồng lúa có dạng đường cong NDVI đa thời gian với 2 cực đại, đặc trưng cho 2 vụ lúa (vụ chiêm xuân và vụ mùa) của Đồng bằng sông Hồng, các cực tiểu tương ứng với thời gian thu hoạch và để trống đất trồng lúa. Biên độ dao động tương đối lớn, khoảng 0,4. Theo đó, thời gian sinh trưởng tốt của lúa trưởng thành (phủ kín bề mặt ruộng) là khoảng 2 – 3 tháng cộng với thời gian chuẩn bị, lúa non và thu hoạch thì phù hợp với chu kỳ 4 – 5 tháng một vụ lúa của Đồng bằng sông Hồng.
Đối với đất chuyên trồng màu, do thời gian sinh trưởng ngắn kết hợp với việc canh tác xen kẽ nên đường cong NDVI theo tháng cũng tương đối cao và ổn định quanh năm (Hình 3.9b).
Đối với đất rừng, giá trị NDVI tương đối cao và ổn định quanh năm, điều đó là phù hợp với đặc tính rừng cây thường xanh nhiệt đới (Hình 3.9c).
Hình 3.9e cho thấy đất thổ cư và chuyên dùng (thành phố và nông thôn) do thường kèm với cây cối mọc quanh nhà hoặc vườn với cây thường xanh nên có giá trị NDVI tương đối ổn định, cao hơn so với đất mặt nước (Hình 3.9d).
Đối với vùng đất mặt nước, giá trị NDVI thấp nhất so với các loại hình sử dụng đất cịn lại (Hình 3.9e). Đất mặt nước gồm các thủy vực cung cấp nước cho
tưới tiêu (sông, hồ, …) và các khu ni trồng thủy sản nên giá trị trung bình NDVI vẫn tương đối lớn (0,17), không xuất hiện giá trị âm, do sự có mặt của thực vật trong các ao nuôi trồng thủy sản.
Đất chưa sử dụng (Hình 3.9f) trên thực tế bao gồm các khu đất trống và các khu vực bị bao phủ bởi bụi cây, trảng cỏ lúp xúp (ven rừng, ven sông,…) với giá trị NDVI tương ứng với 2 khu vực này rất khác nhau. Đất trống có giá trị NDVI trung bình rất nhỏ, gần tương tự với đất mặt nước, trong khi đất bụi cây, trảng cỏ lại có giá trị NDVI trung bình vẫn tương đối cao, xấp xỉ của đất chuyên màu. Do vậy, việc phân loại đất chưa sử dụng tương đối khó khăn và dễ lẫn so với các loại hình sử dụng đất nói trên. Do hạn chế về thời gian, trong đề tài này học viên chưa thực hiện phân tách được loại hình sử dụng đất là đất trống (dễ lẫn với đất mặt nước và đất thổ cư, chuyên dùng) và mới tập trung phân tách được lớp đất bụi cây, trảng cỏ. Do đó, đường cong NDVI trung bình của lớp đất chưa sử dụng nói chung cịn tương đối cao. Tuy nhiên, do trên thực tế loại đất trống, chủ yếu là đất cồn cát, bãi cát ven sông, biển hay đất đồi núi trơ sỏi đá, chiếm diện tích nhỏ trong khu vực Đồng bằng sơng Hồng nên có thể nói kết quả phân loại sử dụng đất khu vực nghiên cứu vẫn đạt được mục tiêu đã đặt ra.
3.2.5. Thành lập bản đồ hiện trạng sử dụng đất vùng đồng bằng sông Hồng năm 2010 và năm 2014 năm 2010 và năm 2014
Đặc tính và diễn biến của các chỉ số thực vật gắn liền với sự phân bố không gian và biến động của các loại hình sử dụng đất theo chu kỳ sinh trưởng hoặc hoạt động thời vụ trong vùng ĐBSH.
Ảnh NDVI tổ hợp tháng được phân loại trên phần mềm ENVI theo phương pháp phân loại có kiểm định sử dụng thuật tốn Maximum Likehood. Độ chính xác phân loại phụ thuộc rất nhiều vào cơng việc lấy mẫu vì vậy khâu lấy mẫu phân loại địi hỏi phải rất tỉ mỉ, chính xác và và được hỗ trợ bởi nhiều nguồn dữ liệu (bản đồ hiện trạng sử dụng đất các tỉnh vùng đồng bằng sông Hồng năm 2010,...). Sau khi đã lấy được tập mẫu chuẩn, ảnh NDVI tổ hợp tháng đã được tiến hành phân loại. Để
kiểm tra độ chính xác ảnh phân loại học viên đã so sánh kết quả phân loại với dữ liệu đáng tin cậy, các vị trí mẫu được lấy để đánh giá độ chính xác được lấy từ các bản đồ hiện trạng sử dụng đất năm gần nhất, do độ phân giải không gian của ảnh MODIS là 250m nên chỉ những mẫu nằm giữa 1 vùng lớp phủ có diện tích lớn (trên 100ha) mới được chọn, kết quả thu được thể hiện ở chỉ số kappa và Overall Accuracy.
Bảng 3.1 Ma trận đánh giá độ chính xác phân loại năm 2010
Từ dữ liệu ảnh đã phân loại các lớp phủ trên phần mềm ENVI của 2 năm 2010 và năm 2014, tiến hành chuyển sang phần mềm ArcGIS để biên tập, chuẩn hóa dữ liệu, tính diện tích các loại hình sử dụng đất, thành lập bản đồ hiện trạng sử dụng đất năm 2010, 2014 và bản đồ biến động đất trồng lúa và đất trồng màu giai đoạn 2010 - 2014. (xem hình kết quả - phụ lục 27 – 28 – 29)
3.3. Phân tích hiện trạng sử dụng đất vùng đồng bằng sông Hồng năm 2010 và năm 2014 2010 và năm 2014
Các tính tốn thống kê diện tích các loại hình sử dụng đất cho tồn vùng Đồng bằng sơng Hồng và cho từng tỉnh theo ranh giới hành chính trong vùng (10 tỉnh) được thực hiện dựa trên ảnh kết quả phân loại lớp phủ năm 2010 và năm 2014.