1 .Đặc điểm vùng nghiên cứu
1.2 .1Định nghĩa về viễn thám
1.9 GIỚI THIỆU PHẦN MỀM IDRISI
IDRISI là một phần mềm xử lý ảnh dựa trên tích hợp và xử lý hình ảnh giải pháp
phần mềm cung cấp gần 300 mơ-đun cho các phân tích và hiển thị các thông tin không gian kỹ thuật số. IDRISI hỗ trợ ArcGIS trong quản lý dữ liệu về tài nguyên. Sử dụng
dụng phần mềm IDRISI để dự báo các tác động của sự thay đổi về hiện trạng.
1.9.1 Các tính chất cơ bản của IDRISI
Quản lý cơ sở dữ liệu không gian và thuộc tính: IDRISI có khả năng quản lý cơ sở dữ
liệu khơng gian và các thuộc tính của tập hợp các lớp bản đồ dưới dạng thông tin địa lý (hình dạng và vị trí) của các đặc điểm bề mặt cùng các thuộc tính mơ tả về tính chất hoặc chất lượng của các thuộc tính đó dưới dạng dữ liệu thuộc tính.
Chức năng hiển thị bản đồ: IDRISI sử dụng chức năng hiển thị bản đồ lên màn hình
hoặc theo nguyên tắc hiển thị phần trung tâm của cơ sở dữ liệu. Nguyên tắc này cũng cho phép dễ dàng in ấn bằng các máy in thông dụng như printer hoặc plotter trong chế
độ Window. IDRISI cho phép hiển thị nhiều lớp thông tin như ảnh, bản đồ, chú giải,
hệ thống màu và ký hiệu.
Chức năng số hóa: IDRISI cho phép số hóa bằng bàn số hoặc màn hình với dữ liệu
nhập từ định dạng TIF hoặc BMP rồi chuyển sang GIS - IDRISI. Chức năng số hóa
được lập theo nguyên tắc CAD (COmputer Aided Design) và COGO (Coordinate
Geometry) nghĩa là tổ chức theo hệ tọa độ chuẩn.
Hệ thống quản lý cơ sở dữ liệu: IDRISI có khả năng nhập thuộc tính dữ liệu như dạng
số liệu thống kê và tạo nên các bảng mới. IDRISI cho phép quản lý và hiển thị đồng thời cả dữ liệu không gian của các lớp cùng các thuộc tính của các lớp đó.
Chức năng phân tích địa lý và thống kê: Phân tích cơ sở dữ liệu với vị trí tọa độ của chúng với chức năng chồng xếp (overlay) theo các thuật toán.
Xử lý ảnh: Chức năng xử lý ảnh với nguồn dữ liệu 8 bit, 10 bit, 16 bit, 32 bit, cụ thể là
tư liệu ảnh NOAA - AVHRR, ảnh LANDSAT, ảnh SPOT, ERS (ảnh RADAR). Dữ liệu có thể lưu giữ ở định dạng ASCII và biểu diễn dưới dạng integer (-32768 đến 32767), byte (0 - 255) hoặc số thực (16 triệu màu).
Các thông tin dạng ảnh: lưu giữ dạng ASCII và có thể tra cứu ở lệnh DESCRIBE, các thông tin dạng vector thể hiện ở dạng điểm, đường, vùng và dạng text. Các tạo lập
thuộc tính cho vector: lưu giữ ở định dạng DVL, FXL và có thể chuyển đổi với địng dạng DBF của DBase IV hoặc MDB của ACCESS 2.0.
IDRISI là một phần mềm tổng hợp cả viễn thám và GIS, có thể giao diện với các phần mềm khác. Khả năng phân tích xử lý thông tin của IDRISI là phong phú với nhiều chức năng khác nhau, song chỉ thực hiện với số lượng thơng tin nhỏ. IDRISI có thể phục vụ tốt cho việc giảng dạy, đào tạo với các bài tập thực hành có lượng thơng tin ít.
1.9.2 Giới thiệu về MARKOV
Mơ hình Markov ẩn (tiếng Anh là Hidden Markov Model - HMM) là mơ hình thống
kê trong đó hệ thống được mơ hình hóa là một quá trình Markov với các tham số
không biết trước và nhiệm vụ là xác định các tham số ẩn từ các tham số quan sát
được. Các tham số của mô hình có thể sử dụng để thực hiện các phân tích kế tiếp, ví
dụ ứng dụng nhận dạng mẫu.
Các mơ-đun Markov phân tích một cặp hình ảnh dữ liệu ban đầu và kết quả đầu ra
một ma trận chuyển đổi xác suất, một khu vực chuyển tiếp ma trận, và một tập hợp các hình ảnh xác suất có điều kiện. Ma trận xác suất chuyển đổi là một file văn bản ghi lại các khả năng mà mỗi đối tượng trên ảnh này thay đổi như thế nào với đối
tượng trên ảnh còn lại qua khoảng thời gian xác định. Các khu vực chuyển tiếp ma
trận là một tập văn bản ghi lại số điểm ảnh được dự kiến sẽ thay đổi từ các loại che phủ đất đối với từng loại che phủ đất khác trên số quy định của đơn vị thời gian. Trong một mơ hình Markov điển hình, trạng thái được quan sát trực tiếp bởi người quan sát, vì vậy các xác suất chuyển tiếp trạng thái là các tham số duy nhất. Mơ hình Markov ẩn thêm vào các đầu ra: mỗi trạng thái có xác suất phân bổ trên các biểu hiện
đầu ra có thể. Vì vậy, nhìn vào dãy của các biểu hiện được sinh ra bởi HMM không
trực tiếp chỉ ra dãy các trạng thái.
1.9.3 Giới thiệu về CA_MARKOV
CA_MARKOV là quá trình chồng lấp dữ liệu ban đầu để thấy được sự khác biệt giữa các tập dữ liệu. Qua đó, dựa vào sự khác biệt có thể dự báo được sự thay đổi theo thời gian. Quá trình làm việc với CA_MARKOV được thực hiện trên 3 lớp dữ liệu với bộ
ảnh gồm 2 ảnh chứa dữ liệu ban đầu và file MARKOV được tạo ra từ 2 ảnh dữ liệu đó.