Cơ cấu sử dụng ủất năm
4.2.5 Phõn loại ảnh
Thực hiện việc phõn loại cú kiểm ủịnh với ảnh cú nhiều phương phỏp khỏc nhau như: Parallelepiped, Maximum likelihood, Maximum distance, Mahalanobis distance...
Sau khi ủỏnh giỏ tớn hiệu của tệp dữ liệu mẫu từ 3 kờnh phổ, chỳng ta tiến hành phõn loại ảnh theo một trong những phương phỏp trờn. đối với ủề tài phương phỏp tụi lựa chọn là Maximum likelihood (phõn loại xỏc suất cực ủại).
Phõn loại theo phương phỏp Maximum likelihood coi số liệu thống kờ của mỗi lớp trong mỗi kờnh ảnh ủược phõn tỏn một cỏch thụng thường và
phương phỏp này cú tớnh ủến khả năng một pixel thuộc một lớp nhất ủịnh.
Nếu khụng chọn một ngưỡng xỏc suất thỡ phải phõn loại tất cả cỏc pixel. Mỗi pixel ủược gỏn cho một lớp cú ủộ xỏc suất cao nhất [4]. Theo phương phỏp
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 72
này cỏc band phổ cú sự phõn bố chuẩn và cỏc pixel sẽ ủược phõn loại vào lớp mà nú cú xỏc suất cao nhất. đõy là phương phỏp phõn loại chớnh xỏc nhưng lại mất nhiều thời gian tớnh toỏn và phụ thuộc sựu phõn bố chuẩn của dữ liệu.
Cỏc bước tiến hành phõn loại như sau:
- định nghĩa cỏc lớp: Từ tư liệu ảnh tiến hành ủịnh nghĩa cỏc lớp phõn loại. Cỏc lớp phõn loại cụ thể gồm 5 lớp bao gồm: sụng, mặt nước chuyờn dựng, ủất lõm nghiệp, ủất xõy dựng và ủất cõy hàng năm.
- Lựa chọn cỏc ủặc tớnh: Cỏc ủặc tớnh ở ủõy bao gồm ủặc tớnh về phổ và
ủặc tớnh cấu trỳc. Việc lựa chọn này cú ý nghĩa quan trọng, nú cho phộp tỏch
biệt cỏc lớp ủối tượng với nhau.
- Chọn vựng mẫu: Việc chọn vựng mẫu cú tớnh chất quyết ủịnh tới kết quả phõn loại. để ủảm bảo ủộ chớnh xỏc khi lựa chọn vựng mẫu phải chỳ ý
cỏc yờu cầu sau:
+ Số lượng cỏc vựng lấy mẫu của mỗi loại ủối tượng cần phải phự hợp.
Số lượng vựng mẫu quỏ ớt sẽ khụng ủảm bảo ủộ chớnh xỏc, ngược lại nếu nhiều quỏ sẽ làm tăng khối lượng tớnh toỏn lờn rất nhiều ủụi khi làm nhiễu kết quả tớnh toỏn.
+ Diện tớch cỏc vựng lấy mẫu ủủ lớn, ủồng thời cỏc vựng mẫu khụng ủược nằm gần ranh giới giữa cỏc lớp ủối tượng với nhau.
+ Vựng mẫu ủược chọn phải ủặc trưng cho ủối tượng phõn loại và phõn bố ủều trờn khu vực nghiờn cứu.
+ Tớnh toỏn chỉ số thống kờ vựng mẫu: Sau khi chọn mẫu xong tiến hành tớnh toỏn chỉ số thống kờ vựng mẫu và sự khỏc biệt giữa cỏc mẫu.
Xõy dựng tệp mẫu tại vựng nghiờn cứu
Sử dụng chức năng Roi Tool.. của phần mềm ENVI ủể chọn vựng mẫu trờn ảnh
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 73
Hỡnh 4.16. Xõy dựng tệp mẫu cho ảnh
Vớ dụ khi chọn mẫu của mặt nước chuyờn dựng ta sẽ thể hiện kết quả trờn ảnh như sau:
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 74
Ta lấy mẫu tương tự cho cỏc loại hỡnh sử dụng ủất khỏc, kết quả như sau:
Hỡnh 4.18. Lấy mẫu cho cỏc loại hỡnh sử dụng ủất Bảng 4.6. Bảng xõy dựng tệp mẫu ảnh năm 2003
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 75
Dựa theo hiện trạng sử dụng ủất của phường Vĩnh Trại tụi ủưa ra 5 loại hỡnh sử dụng ủất như sau:
Bảng 4.7. Cỏc loại hỡnh sử dụng ủất của phường Vĩnh Trại
STT Loại hỡnh sử dụng ủất Mụ tả
1 đất sụng suối Sụng, suối 2 đất mặt nước Ao, hồ
3 đất lõm nghiệp đất trồng rừng sản xuất
4 đất xõy dựng đất ở ủụ thị, ủất chuyờn dựng, ủường
giao thụng, ủất phi nụng nghiệp khỏc, ủất chưa sử dụng.
5 đất cõy hàng năm đất trồng cõy rau, cõy hàng năm khỏc
Với mỗi loại hỡnh sử dụng ủất ta gỏn cho một màu nhất ủịnh, vớ dụ như
ủất cõy hàng năm ta gỏn cho màu vàng, ủất xõy dựng ta gỏn cho màu xanh lỏ
cõy...kết quả như hỡnh minh hoạ
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 76
So sỏnh sự khỏc biệt giữa cỏc mẫu: Trong hộp thoại Roi Tool chọn
chức năng Options\ Compute Roi Separability
Kết quả tớnh toỏn sẽ xuất hiện trờn màn hỡnh hộp thoại Roi Separability như sau:
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 77
Quan sỏt bảng ta thấy: mỗi mẫu phõn loại sẽ ủược so sỏnh lần lượt với cỏc mẫu cũn lại, cặp giỏ trị thể hiện sự khỏc biệt ủược ủặt trong dấu ngoặc sau cỏc mẫu. Nếu giỏ trị này [4]:
- Nằm trong khoảng 1,9 - 2,0 phản ỏnh việc lựa chọn cỏc mẫu ủạt chất lượng rất tốt.
- Nằm trong khoảng 1,5 - 1,9 phản ỏnh chất lượng việc chọn mẫu là tốt. - Nằm trong khoảng 1,0 - 1,5 phản ỏnh cú nhiều ủiểm chung giữa hai mẫu ủược chọn.
- Nhỏ hơn 1,0 ta nờn gộp hai mẫu ủú lại với nhau, trỏnh hiện tượng
phõn loại nhầm lẫn.
Nhận xột cỏc vựng mẫu ủược chọn: dựa theo bảng Roi Separability Report ta thấy:
- đối với ủất sụng, ủất lõm nghiệp, ủất cõy hàng năm cỏc cặp giỏ trị khi so sỏnh giữa mỗi loại ủất ủú ủối với cỏc loại ủất cũn lại ủều cú giỏ trị nằm
trong khoảng 1,9 - 2,0 và 1,8 - 1,9. điều ủú chứng tỏ cỏc mẫu này ủược lựa
chọn là tốt.
- đối với ủất xõy dựng và ủất mặt nước chuyờn dựng khi so sỏnh với cỏc loại ủất cũn lại cũng cú sự khỏc biệt tốt, tuy nhiờn cặp giỏ trị khi so sỏnh hai loại ủất này với nhau nằm trong khoảng 1,2 - 1,6 ủiều ủú chứng tỏ giữa hai
mẫu ủú cú nhiều ủiểm chung.
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 78
Hỡnh 4.20. Quỏ trỡnh lấy mẫu cho cỏc loại hỡnh sử dụng ủất năm 2008 Bảng 4.9. Bảng xõy dựng tệp mẫu ảnh năm 2008
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 79
Hỡnh 4.21. Kết quả lấy mẫu cho cỏc loại hỡnh sử dụng ủất năm 2008 Bảng 4.10. So sỏnh sự khỏc biệt giữa cỏc mẫu phõn loại ảnh 2008
Nhận xột cỏc vựng mẫu ủược chọn: dựa theo bảng Roi Separability Report ta thấy:
đối với cả 5 loại ủất cỏc cặp giỏ trị khi so sỏnh giữa mỗi loại ủất ủú ủối với cỏc loại ủất cũn lại ủều cú giỏ trị nằm trong khoảng 1,9 - 2,0 và 1,8 - 1,9.
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 80
điều ủú chứng tỏ cỏc mẫu này ủược lựa chọn là rất tốt và tốt.
Từ cỏc vựng mẫu ủó ủược chọn trờn hai ảnh Spot 2003 và Spot 2008
của phường Vĩnh Trại ta tiến hành lập khoỏ giải ủoỏn như sau:
Bảng 4.11. Mẫu khoỏ giải ủoỏn ảnh vệ tinh
STT Loại ủất Ảnh 2003 Ảnh 2008 Ảnh thực ủịa 1 đất sụng suối 2 đất lõm nghiệp 3 đất mặt nước 4 đất cõy hàng năm 5 đất xõy dựng
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 81
Phõn loại ảnh theo phương phỏp xỏc suất cực ủại
Hỡnh 4.22. Lựa chọn phương phỏp phõn loại
Hỡnh 4.23. Kết quả phõn loại ảnh 2003
Ảnh sau khi ủuợc phõn loại cần thực hiện quỏ trỡnh hậu phõn loại ủể ủỏnh
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 82
bản ủồ ảnh và vector GIS. Cỏc kỹ thuật hậu phõn loại như lọc loại nhiễu kết quả phõn loại: sử dụng phương phỏp Majority\Minority Analysic ủể gộp những
pixel lẻ tẻ hoặc phõn loại lẫn trong cỏc lớp vào chớnh lớp chứa nú.
Hỡnh 4.24. Kết quả xử lý lọc nhiễu phõn loại ảnh 2003
Chuyển File ủó phõn loại và xử lý lọc nhiễu kết quả phõn loại sang
dạng Vector
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 83
Hỡnh 4.26. Ảnh 2003 dạng vector xuất sang ArcView
Ảnh năm 2008 ta làm tương tự như ảnh năm 2003 và kết quả phõn loại,
chuyển sang dạng Vector như sau:
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 84
Hỡnh 4.28. Ảnh 2008 sau khi phõn loại và lọc nhiễu chuyển sang vector
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 85
đỏnh giỏ ủộ chớnh xỏc kết quả phõn loại ảnh
độ chớnh xỏc phõn loại ảnh khụng những phụ thuộc vào ủộ chớnh xỏc
cỏc vựng mẫu mà cũn phụ thuộc vào mật ủộ và sự phõn bố cỏc ụ mẫu. độ
chớnh xỏc của cỏc mẫu giỏm ủịnh và của ảnh phõn loại ủược thể hiện bằng ma trận sai số.
Ma trận này thể hiện sai số nhầm lẫn sang lớp khỏc (ủược thể hiện theo hàng) và sai số do bỏ sút của lớp mẫu (ủược thể hiện theo cột). Do vậy ủể ủỏnh giỏ hai nguồn sai số này cú hai ủộ chớnh xỏc phõn loại tương ứng: độ
chớnh xỏc phõn loại cú tớnh ủến sai số nhầm lẫn (do sai số nhầm lẫn gõy nờn) và ủộ chớnh xỏc phõn loại cú tớnh ủến sai số bỏ sút (do sai số bỏ sút gõy nờn).
để ủỏnh giỏ tớnh chất của cỏc sai sút phạm phải trong quỏ trỡnh phõn
loại người ta dựa vào chỉ số Kappa (κ), chỉ số này nằm trong phạm vi từ 0 ủến 1 và biểu thị sự giảm theo tỷ lệ về sai số ủược thực hiện bằng một yếu tố phõn loại hoàn toàn ngẫu nhiờn.
Chỉ số κ ủược tớnh theo cụng thức sau:
∑ ∑ ∑ = + + = = + + − − = r i i i r i r i i i ii x x N x x x N 1 2 1 1 ) . ( ) . ( κ Trong ủú:
N: Tổng số pixel lấy mẫu r: Số lớp ủối tượng phõn loại xii: Số pixel ủỳng trong lớp thứ 1 xi+: Tổng pixel lớp thứ i của mẫu
x+i: Tổng pixel của lớp thứ i sau phõn loại.
Sau khi phõn loại ảnh bằng phần mềm ENVI sử dụng chức năng
Classification\Post Classification\Confusion Matrix\Using Ground Truth ROIs ủể ủỏnh giỏ ủộ chớnh xỏc kết quả phõn loại cụ thể như sau:
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 86
Bảng 4.12. Ma trận sai số phõn loại ảnh năm 2003 Loại ủất (1) (pixel) (2) (pixel) (3) (pixel) (4) (pixel) (5) (pixel) Tổng hàng (pixel) Sụng (1) 251 0 0 0 0 251 đất LNo (2) 0 975 52 14 5 1046 đất CHN (3) 0 1 1221 38 1 1261 đất XD (4) 0 36 7 978 50 1071 MNCD (5) 0 0 5 129 222 356 Tổng cột (pixel) 251 1012 1285 1159 278 3985
Bảng 4.13. Bảng ủỏnh giỏ ủộ chớnh xỏc phõn loại ảnh năm 2003
độ chớnh xỏc phõn loại cú tớnh ủến sai số nhầm lẫn độ chớnh xỏc phõn loại cú tớnh ủến sai số bỏ sút Loại ủất Sai số nhầm lẫn (%) (pixel) (%) Sai số bỏ sút ( %) (pixel) (%) Sụng (1) 0 251/251 100 0 251/251 100 đất LNo (2) 6,79 975/1046 93,21 3,66 975/1012 96,34 đất CHN (3) 3,17 1221/1261 96,83 4,98 1221/1285 95,02 đất XD (4) 8,68 978/1071 91,32 15,62 978/1159 84,38 MNCD (5) 37,64 222/356 62,36 20,14 222/278 79,86 độ chớnh xỏc Phõn loại 3647/3985 pixel 91,52 % Kappa 0,8858 độ chớnh xỏc bản ủồ năm 2003 = (3647/3985) x 100 = 91,52 %
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 87
Bảng 4.14. Ma trận sai số phõn loại ảnh năm 2008 Loại ủất (1) (pixel) (2) (pixel) (3) (pixel) (4) (pixel) (5) (pixel) Tổng hàng (pixel) Sụng (1) 240 0 0 0 0 240 đất XD (2) 0 2510 5 10 0 2525 MNCD (3) 1 5 471 0 0 477 đất CHN (4) 0 54 6 820 0 880 đất LNo (5) 0 0 1 0 863 864 Tổng cột (pixel) 241 2569 483 830 863 4986
Bảng 4.15. Bảng ủỏnh giỏ kết quả phõn loại năm 2008
độ chớnh xỏc phõn loại cú tớnh ủến sai số nhầm lẫn độ chớnh xỏc phõn loại cú tớnh ủến sai số bỏ sút Loại ủất Sai số nhầm lẫn (%) (pixel) (%) Sai số bỏ sút ( %) (pixel) (%) Sụng (1) 0 240/240 100 0,41 240/241 99,59 đất XD (2) 0,59 2510/2525 99,41 2,30 2510/2569 97,70 MNCD (3) 1,26 471/477 98,74 2,48 471/483 97,52 đất CHN (4) 6,82 820/880 93,18 1,20 820/830 98,80 đất LNo (5) 0,12 863/864 99,88 0 863/863 100 độ chớnh xỏc Phõn loại 4904/4986pixel 98,35 % Kappa 0,9754 độ chớnh xỏc bản ủồ năm 2008 = (4904/4986) x 100 = 98,35%
Trường đại học Nụng nghiệp Hà Nội Ờ Luận văn thạc sỹ khoa học nụng nghiệpẦẦẦẦẦ 88
Trong ủú :
- Cỏc số liệu trờn ủường chộo in ủậm là số pixel phõn loại ủỳng tương
ứng của cỏc loại ủất, cỏc số cũn lại trong cỏc hàng là số pixel phõn loại nhầm
sang loại ủất khỏc.
- Tổng hàng là tổng số pixel phõn loại ủỳng và số pixel phõn loại nhầm của cỏc loại ủất cú trong tệp mẫu.
- Tổng cột là tổng số pixel từng loại ủất sau phõn loại bao gồm số pixel phõn loại ủỳng và số pixel bỏ sút.
- Sai số nhầm lẫn khi phõn loại bằng tỷ số giữa số pixel phõn loại nhầm sang cỏc loại ủất khỏc và tổng số pixel cú trong tệp mẫu.