Phần 4. Kết quả nghiên cứu
4.3. Xây dựng bản đồ biến động đất đai
4.3.2. Xây dựng bản đồ sử dụng đất năm 2010 và 2016
a.. Nắn chỉnh hình học
Thực chất của việc nắn chỉnh hình học là đưa ảnh về hệ tọa độ quy chiếu cần thành lập bản đồ đồng thời loại bỏ các sai số hình học, sai số do chênh cao địa hình,…
Ảnh vệ tinh năm 2010 và năm 2016 đều đã được hiệu chỉnh phổ và hiệu chỉnh hình học chính xác về hệ tọa độ WGS 84, múi chiếu 48, phép chiếu UTM. Vì vậy không cần phải qua các bước hiệu chỉnh phổ và hiệu chỉnh hình học.
Tuy nhiên để nâng cao độ chính xác và theo quy phạm thành lập bản đồ,
hai ảnh trên đều được nắn về hệ tọa độ VN2000 theo bản đồ địa hình tỷ lệ 1:25.000 của khu vực nghiên cứu.
Các bước để nắn chỉnh hình học ảnh vệ tinh:
- Chọn điểm khống chế ảnh:
Các điểm khống chế phải phân bố đều trên ảnh, các địa vật được chọn làm điểm khống chế ảnh phải là những địa vật rõ nét cả trên ảnh viễn thám và trên bản đồ, không bị sai dáng do quá trình tổng quát hóa bản đồ hoặc bị xê dịch vị trí do kích thước ký hiệu lớn (thường là các vị trí như ngã ba đường hoặc các địa vật rõ nét như tòa nhà,…).
- Lựa chọn phương pháp nắn và nhập các thông số cần thiết:
Quá trình nắn ảnh được thực hiện bằng phần mềm ENVI theo phương pháp nắn RST, là phương pháp nắn đơn giản nhất do ảnh năm 2010 và 2016 đã ở hệ tọa độ WGS-84. Chọn phương pháp tái chia mẫu là phương pháp người láng giềng gần nhất.
- Tiến hành nắn chỉnh hình học ảnh.
- Kiểm tra sai số trung bình RMS của các điểm khống chế:
Độ chính xác tối thiểu cho việc nắn chỉnh hình học phải nhỏ hơn 1 pixel trên ảnh.
Trong đề tài này các cảnh ảnh được nắn chỉnh hình học theo bản đồ địa hình với sai số trung bình của các điểm nắn ảnh năm 2010 là 0,3088 và sai số trung bình của các điểm nắn ảnh năm 2016 là 0,2168. Tọa độ các điểm nắn ảnh và các sai số điểm nắn ảnh được chi tiết trong hình 4.3 và 4.4
Hình 4.4. Sai số thành phần các điểm khống chế nắn ảnh năm 2010
Hình 4.5. Sai số thành phần các điểm khống chế nắn ảnh năm 2016 b. Tăng cường chất lượng ảnh
Ảnh của khu vực nghiên cứu được gộp từ nhiều kênh ảnh khác nhau. Trong khi đó với các kênh ảnh khác nhau thì thường có độ phân giải, giá tr ị phổ cũng như độ sáng tối của cùng một đối tượng trên các kênh ảnh đó sẽ khác nhau, điều này sẽ gây ảnh hưởng rất nhiều đến độ chính xác các kết quả phân loại sau này. Để xử lý vấn đề này thì trước khi gộp thành ảnh hoàn chỉnh của khu vực nghiên cứu cần tiến hành xử lý chúng sao cho tương đồng về độ sáng tối và giá trị phổ. Trên phần mềm xử lý ảnh ENVI chọn phương pháp cân bằng (Equalization): phương pháp này sẽ kéo giãn cân bằng đồ thị của dữ liệu được hiển thị. Việc tăng cường chất lượng ảnh cho phép thao tác, chuyển đổi giúp người giải đoán dễ đọc, dễ hiểu ảnh hơn.
Ảnh trước tăng cường Ảnh sau tăng cường Hình 4.6. Tăng cường chất lượng ảnh
c. Cắt ảnh
Ảnh vệ tinh trước khi đưa vào giải đoán cần được cắt theo ranh giới khu vực nghiên cứu, mở file địa giới hành chính thị xã Từ Sơn, dùng chức năng cắt ảnh trong phần mềm ENVI ta được ảnh cắt theo địa giới hành chính thị xã Từ Sơn.
Hình 4.7. Ảnh năm 2010 được cắt theo địa giới hành chính
Hình 4.8. Ảnh năm 2016 được cắt theo địa giới hành chính d. Xây dựng tệp mẫu các loại sử dụng đất
Trước khi phân loại ảnh cần lựa chọn các loại sử dụng đất và xây dựng tệp mẫu cho các loại sử dụng đất. Đây là bước quan trọng trong quá trình giải đoán ảnh. Các mẫu được lựa chọn phải đặc trưng cho từng loại sử dụng đất. Việc lựa chọn vùng mẫu sẽ lặp cho đến khi tệp mẫu được chọn đạt độ chính xác.
Từ bản đồ hiện trạng sử dụng đất, số liệu điều tra thực địa và bảng mẫu giải đoán ta tiến hành chọn mẫu phân loại bằng cách khoanh vẽ trực tiếp lên trên ảnh cần phân loại.
Mỗi một tệp mẫu ở đây được kiểm tra bằng thực địa và được đánh dấu khoanh vị trí trên ảnh vệ tinh, đồng thời tại mỗi điểm lấy mẫu được chụp một ảnh cảnh quan nhằm mô tả đặc điểm mẫu ảnh trên thực tế và các dấu hiệu giải đoán trên ảnh cho từng loại hình sử dụng đất. Trong các dấu hiệu giải đoán ảnh, màu sắc có ý nghĩa rất quan trọng. Song cùng một đối tượng trong những điều kiện chụp ảnh (chiếu sáng) và xử lý khác nhau có hình ảnh chênh nhau về sắc màu. Vì vậy, mô tả màu sắc của các đối tượng lớp phủ/sử dụng đất trên ảnh chỉ là tương đối, chỉ có tính chất định hướng về gam mầu. Diện mạo hình ảnh cho phép dễ dàng xác định nhiều đối tượng.
Qua khảo sát thực địa tôi đã xác định được 12 loại sử dụng đất chính trên địa bàn thị xã Từ Sơn, chi tiết tại bảng 4.3.
Bảng 4.3. Mô tả các loại sử dụng đất dùng trong phân loại ảnh
STT Loại sử dụng đất
1 Đất trồng lúa
2 Đất trồng rau màu
3 Đất trồng cây lâu năm
4 Đất lâm nghiệp
5 Đất ở
6 Đất giao thông
7 Đất khu công nghiệp
8 Đất trụ sở cơ quan
9 Đất nuôi trồng thủy sản
10 Đất sông
11 Đất thủy lợi
12 Đất chưa sử dụng
Kết quả của xây dựng tệp mẫu đã tiến hành lựa chọn được 78 mẫu trong đó bao gồm: Đất trồng lúa (25 mẫu), đất trồng rau màu (6 mẫu), đất trồng cây lâu
năm (5 mẫu), đất lâm nghiệp (2 mẫu), đất ở (12 mẫu), đất giao thông (3 mẫu), đất khu công nghiệp (5 mẫu), đất xây dựng trụ sở cơ quan (2 mẫu), đất nuôi trồng thủy sản (7 mẫu), đất sông (3 mẫu), đất thủy lợi (6 mẫu), đất chưa sử dụng (2 mẫu). Vị trí khu vực lấy mẫu các loại sử dụng đất phục vụ giải đoán ảnh thể hiện chi tiết tại Phụ lục 1.
Hình 4.9. Sơ đồ các điểm lấy mẫu phục công tác xây dựng tệp mẫu Sau khi lựa chọn xong tệp mẫu chúng ta cần đánh giá để khẳng định độ chính xác của các mẫu phân loại. Dựa vào đặc tính phản xạ phổ của các đối tượng được chọn trong tệp mẫu tiến hành tính toán sự khác biệt giữa các mẫu phân loại theo phương pháp phân tích Separability.
Bảng 4.4. Giá trị khác biệt phổ giữa các mẫu phân loại ảnh năm 2010 Loại sử dụng đất
Đất trồng lúa (1)
Đất trồng cây hàng năm khác (2)
Đất trồng cây lâu năm (3) Đất lâm nghiệp (4) Đất ở (5)
Đất giao thông (6) Đất khu công nghiệp (7) Đất trụ sở cơ quan (8) Đất nuôi trồng thủy sản (9) Đất sông (10)
Đất thủy lợi (11) Đất chưa sử dụng (12)
Trong phương pháp phân tích Separability, chương trình sẽ tính toán giá trị khoảng cách phổ trung bình của các tín hiệu giữa các loại đất trong tệp mẫu dùng để phân loại ảnh. Nếu JM = 0 nghĩa là hai loại đất tương ứng có tín hiệu hoàn toàn giống nhau, chương trình sẽ không thể phân biệt được hai loại đất đó. Nếu độ lệch JM < 1 thì hai mẫu gần giống nhau nên gộp mẫu lại để tránh nhầm lẫn. Nếu độ lệch 1 ≤ JM < 1,9, chúng ta có thể sử dụng tệp mẫu để phân loại ảnh, tuy nhiên vẫn có sự nhầm lẫm. Nếu 1,9 ≤ JM ≤ 2,0 sự phân biệt các loại đất tốt không có sự nhầm lẫn. Vì vậy, khi xây dựng tệp mẫu dùng để phân loại, cần phân tích Separability để kiểm tra lại mức độ nhầm lẫn giữa các loại đất trong tệp mẫu.
Qua bảng 4.4 ta nhận thấy sự khác biệt giữa các mẫu đất trồng lúa, đất trồng cây hàng năm khác, đất trồng cây lâu năm, đất lâm nghiệp so với các mẫu còn lại lớn do vậy chấp nhận tập mẫu này để phân loại. Các mẫu có cặp giá trị nhỏ hơn 1 chứng tỏ hai mẫu gần giống nhau nên gộp lại thành một lớp chung, cụ thể:
+ Nhóm đất ở, đất giao thông, đất khu công nghiệp, đất xây dựng trụ sở cơ quan, đất chưa sử dụng gộp thành loại đất xây dựng.
+ Nhóm đất trồng cây lâu năm, đất lâm nghiệp gộp thành đất trồng cây lâu năm.
+ Nhóm đất sông, đất thủy lợi, đất nuôi trồng thủy sản gộp thành loại đất mặt nước.
Từ kết quả phân tích ảnh, kết quả khảo sát thực địa và đánh giá độ chính xác của các tệp mẫu đã xây dựng được bộ tệp mẫu phân loại ảnh cho 5 loại sử dụng đất như sau:
Bảng 4.5. Mẫu giải đoán ảnh vệ tinh
STT Loại sử
dụng đất
1 Đất trồng lúa
2 Đất trồng cây
hàng năm khác
3 Đất trồng cây
lâu năm
4 Đất mặt nước
5 Đất xây dựng
e. Phân loại ảnh
Ảnh vệ tinh năm 2010 và năm 2016 được phân loại độc lập với nhau. Có nhiều phương pháp phân loại ảnh khác nhau, tuy nhiên trong đề tài này tôi sử dụng phương pháp phân loại có kiểm định theo thuật toán xác suất cực đại (Maximum Likelihood), phương pháp này coi số liệu thống kê của mỗi lớp trong mỗi kênh ảnh được phân tán một cách thông thường và phương pháp này có tính đến khả năng một pixel nhất định. Nếu như không chọn ngưỡng xác suất thì sẽ phải phân loại tất cả các pixel, mỗi pixel được gán cho một lớp có độ xác suất cao nhất. Mỗi band phổ có sự phân bố chuẩn và các pixel sẽ được phân loại
vào lớp mà nó có xác suất cao nhất. Việc tính toán không chỉ dựa vào giá trị khoảng cách mà còn dựa vào cả xu thế biến thiên độ xám trong mỗi lớp. Kết quả sau khi phân loại được minh họa như hình 4.10.
Hình 4.10. Minh họa kết quả phân loại có kiểm định e. Đánh giá độ chính xác phân loại ảnh
Để đánh giá độ chính xác bản đồ, tiến hành kiểm tra thực địa với sự trợ giúp của GPS cầm tay. Do bản đồ được giải đoán từ ảnh chụp vệ tinh luôn chính xác về mặt hình dáng thửa đất, vì vậy chỉ kiểm tra đối soát các loại đất từ bản đồ giải đoán với bản đồ có sẵn và thực địa. Vị trí các điểm kiểm tra được xác định trước, ở những nơi không có biến động về sử dụng đất và nghi ngờ sai loại đất.
Phương pháp thông 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. Ma trận này thể hiện sai số nhầm lẫn sang lớp khác (được thể hiện theo hàng) và sai số do bỏ sót của lớp mẫu (được thể hiện theo cột). Do vậy, để đánh giá hai nguồn sai số này có hai độ chính xác phân loại tương ứng: độ chính xác phân loại có tính đến sai số nhầm lẫn (do sai số nhầm lẫn gây nên) và độ chính xác phân loại có tính đến sai số bỏ sót (do sai số bỏ sót gây nên). Độ chính xác phân loại được tính bằng tổng số pixel phân loại đúng trên tổng số pixel của toàn bộ mẫu.
Hình 4.11. Sơ đồ các điểm kiểm tra kết quả giải đoán ảnh
Để đánh giá tính chất của các sai sót trong quá trình phân loại người ta dựa vào chỉ số Kappa (κ), chỉ số này nằm trong phạm vi từ 0 đến 1 và biểu thị sự giảm theo tỷ lệ về sai số được thực hiện bằng một yếu tố phân loại hoàn toàn ngẫu nhiên.
Kết quả điều tra thực địa cho phép điền vào trong ma trận sai số thông tin tại các điểm kiểm tra mà tại đó công tác giải đoán cho kết quả đúng hoặc sai.
Bảng 4.6. Đánh giá độ chính xác kết quả phân loại ảnh năm 2010
Loại đất
Đất trồng lúa (1)
Đất trồng cây hàng năm khác (2)
Đất trồng cây lâu năm (3) Đất mặt nước (4)
Đất xây dựng (5) Tổng cột (điểm)
Độ chính xác bỏ xót (%) Độ chính xác phân loại Kappa
Bảng 4.7. Đánh giá độ chính xác kết quả phân loại ảnh năm 2016
Loại đất
Đất trồng lúa (1) Đất trồng cây hàng năm khác (2)
Đất trồng cây lâu năm (3) Đất mặt nước (4)
Đất xây dựng (5) Tổng cột (điểm)
Độ chính xác bỏ xót (%) Độ chính xác phân loại Kappa
Trong bảng 4.6 và 4.7. các số liệu trên đường chéo in đậm là số điểm phân loại đúng tương ứng của các loại đất, các số còn lại trong các hàng là số điểm phân loại nhầm sang loại đất khác. Tổng hàng là tổng số điểm phân loại đúng và số điểm phân loại nhầm của các loại đất có trong tệp mẫu. Tổng cột là tổng số pixel từng loại đất sau phân loại bao gồm số điểm phân loại đúng và số điểm bỏ sót.
Sai số bỏ sót khi phân loại bằng tỷ số giữa số điểm bỏ sót do sự phân loại nhầm lẫn từ các loại đất khác và tổng số điểm của loại đất sau phân loại.
64
Độ chính xác phân loại có tính đến sai số nhầm lẫn bằng tỷ số giữa số điểm phân loại đúng và tổng số điểm của mẫu.
Độ chính xác phân loại có tính đến sai số bỏ sót bằng tỷ số giữa số điểm phân loại đúng và tổng số điểm của loại đất tương ứng sau phân loại.
Độ chính xác phân loại bằng tỷ lệ % tổng số điểm phân loại đúng trên tổng số điểm có trong tập mẫu.
Độ chính xác phân loại của ảnh năm 2010 là 84,62%, chỉ số Kappa bằng 0,80. Kết quả phân loại ảnh năm 2016 có độ chính xác là 89,74% với chỉ số Kappa bằng 0,87. Như vậy bản đồ thành lập sau khi phân loại của cả hai thời điểm năm 2010 và năm 2017 đều đạt độ chính xác cao.
Qua bảng kết quả phân tích độ chính xác phân loại ảnh với đất trồng cây hàng năm khác, đất cây lâu năm là không cao. Nhiều khu vực đất xây dựng nhận dạng nhầm thành cây lâu năm, nguyên nhân là do khu dân cư nông thôn là sự xen kẽ giữa nhà ở và vườn. Bên cạnh đó nhiều khu vực đất khu công nghiệp bị nhận nhầm thành đất trồng cây hàng năm khác, do phần diện tích chưa xây dựng để cỏ dại mọc nên bị nhầm sang đất trồng cây hàng năm khác.
4.3.2.2. Xây dựng bản đồ sử dụng đất năm 2010 và 2016
Bản đồ sử dụng đất năm 2010 và năm 2016 được xây dựng từ kết quả giải đoán ảnh vệ tinh.
Sau khi đánh giá độ chính xác sau phân loại đã đảm bảo chất lượng, từ kết quả phân loại ảnh độc lập qua hai thời kỳ sau khi thực hiện phương pháp lọc để loại bỏ các pixel rời rạc sẽ được chuyển đổi sang định dạng vectơ, đồng thời sử dụng các công cụ trên phần mềm ArcGIS để tiến hành biên tập bản đồ và thống kê diện tích các loại đất. Kết quả cụ thể như sau:
Bảng 4.8. Thống kê diện tích các loại đất năm 2010
STT Loại đất
Tổng diện tích tự nhiên
1 Đất trồng lúa
2 Đất trồng cây hàng năm khác
3 Đất trồng cây lâu năm
4 Đất mặt nước
5 Đất xây dựng
Bảng 4.9. Thống kê diện tích các loại đất năm 2016
STT Loại đất
Tổng diện tích tự nhiên
1 Đất trồng lúa
2 Đất trồng cây hàng năm khác
3 Đất trồng cây lâu năm
4 Đất mặt nước
5 Đất xây dựng
Qua bảng 4.8 và 4.9 cho thấy năm 2010, tổng diện tích tự nhiên của huyện là 6.108,87 ha, trong đó đất trồng lúa có diện tích lớn nhất 3.185,09 ha, chiếm 52,14%
tổng diện tích tự nhiên; đất xây dựng có diện tích 2.353,12 ha, chiếm 38,52% tổng diện tích tự nhiên. Năm 2016 diện tích đất trồng lúa vẫn chiếm đa số 2.834,39 ha (chiếm 46,40%), diện tích đất trồng cây hàng năm khác và đất trồng cây lâu năm vẫn chỉ chiếm một tỷ lệ nhỏ. Có thể thấy trong cơ cấu sử dụng đất của thị xã Từ Sơn thì đất xây dựng chiếm một tỷ lệ lớn (38,52% năm 2010 và 44,55% năm 2016) vì đây là một vùng đô thị công nghiệp, với định hướng phát triển thành một trung tâm đô thị công nghiệp và dịch vụ của tỉnh cũng như của khu vực lân cận.
Kết quả thống kê diện tích các loại đất từ kết quả giải đoán ảnh được so sánh với diện tích thống kê đất đai để xác định sự chênh lệch về diện tích.
Qua bảng sau cho thấy có sự chênh lệch giữa diện tích theo kết quả giải đoán và diện tích theo thống kê năm 2010, đất trồng lúa có diện tích chênh lệch lớn nhất là 263,51 ha, đất mặt nước giảm 155,95 ha so với thống kê, đất xây dựng giảm 123,06 ha, các loại đất khác có sự chênh lệch không đáng kể. Có thể giải thích sự chênh lệch này là do khi sử dụng ảnh vệ tinh để giải đoán các đường nhỏ, các ranh giới sử dụng đất, các mương nhỏ khó thể phân định rõ ràng, các ngôi nhà, địa vật và công trình độc lập có thể rất nhỏ so với diện tích đất trồng lúa hoặc đất trồng cây hàng năm khác xung quanh vì vậy chúng được gộp thành đất đồng lúa.
Vì thế diện tích đất trồng lúa thì tăng lên còn diện tích đất xây dựng thì giảm đi.