CHƯƠNG 2. 2.1. Cơ sở khoa học
2.2. Phương pháp nghiên cứu
Nghiên cứu đánh giá biến động lớp phủ thực vật là nghiên cứu về sự thay đổi về chất và lượng của lớp phủ thực vật; nghiên cứu về mối quan hệ tương tác giữa lớp phủ thực vật với các yếu tố môi trường. Từ mối quan hệ này tìm ra nguyên nhân gây biến động lớp phủ thực vật và đề xuất các giải pháp nhằm quản lý lớp phủ thực vật.
Mặc dù có những hạn chế nhất định về tính đầy đủ của tư liệu ảnh viễn thám quang học, tuy nhiên khả năng của tư liệu ảnh viễn thám quang học cho phép đánh giá khách quan hiện trạng tại một khu vực bất kỳ nhờ vào tính liên tục của vệ tinh.
29
2.2.1. Cơ sở tính toán các chỉ số thành phần
(1) Chỉ số Khác biệt thực vật chuẩn hóa NDVI
Chỉ số NDVI được xác định dựa trên sự khác nhau của phản xạ phổ của các đối tượng đối với kênh phổ hồng ngoại gần (NIR) và kênh phổ Red và dùng để biểu thị mức độ tập trung của thực vật trên mặt đất (Tucker, 1979). Chỉ số NDVI được tính toán theo công thức:
NIR RED NDVI NIR RED
= −
+ (1)
Trong đó: NIR là kênh phản xạ hồng ngoại, RED là kênh phản xạ đỏ. Chỉ số Khác biệt thực vật chuẩn hóa NDVI dao động trong khoảng giới hạn [-1;1].
(2) Nhiệt độ bề mặt đất
Nhiệt độ bề mặt đất có thể được ước tính từ nhiệt độ sáng và độ phát xạ bề mặt. Chỉ số NDVI kết hợp với hợp phần thực vật (Pv) thường được sử dụng như các thông số để đánh giá độ phát xạ trong trường hợp thiếu số liệu thực tế độ phát xạ mặt đất.
Ảnh sau khi hiệu chỉnh khí quyển, các kênh nhiệt được sử dụng để tính chuyển sang nhiệt độ sáng TB (Brightness Temperature). Một số thuật toán có thể sử dụng để tính giá trị nhiệt độ sáng như thuật toán kênh tham chiếu (Reference channel method, REF), thuật toán phân loại độ phát xạ (Classification-based emissivity method), thuật toán chuẩn hóa độ phát xạ (Emissivity Normalization Method, NOR),…
( )
( 2 5 )
hc 1
TB k ln 2hc − / B 1λ
= λ λ +
(2)
30
Trong đó, h là hằng số Planck (6,62 10× −34 J.s); c là vận tốc ánh sáng
8 1
(2,998 10 m.s )ì − ; λ là bước súng bức xạ ( mà ); k là hằng số Bolzman (1,38 ì 10−23𝐽𝐾−1); Bλ là bức xạ trờn vệ tinh theo bước súng λ (Wm m )−2à −1 .
Ngoài ra, độ phát xạ phụ thuộc chủ yếu vào độ nhám bề mặt và loại hình lớp phủ,... Độ phát xạ bề mặt có thể được chiết xuất bằng cách kết hợp hợp phần thực vật (Pv) với chỉ số Khác biệt thực vật (NDVI) cho mỗi điểm ảnh (Valor and Caselles, 1996) theo công thức sau:
( )
v v s v
ε ε .P ε . 1 P= + − (3) Trong đó: 𝑃𝑣là hợp phần thực vật;
𝜀𝜀𝑣 là tán xạ bề mặt thực vật;
𝜀𝜀𝑠 là tán xạ bề mặt đất trống
Hợp phần thực vật 9 (Pv) cho mỗi điểm ảnh được tính theo giá trị NDVI tương quan với các ngưỡng giá trị NDVIs của đất trống và NDVIv của đất phủ đầy thực vật. Pv được xác định theo công thức tỷ số sau (Carlson & Ripley, 1997):
2 v s
v s
NDVI NDVI
P NDVI NDVI
−
= − (4)
Sau khi có được giá trị hệ số hiệu chỉnh độ phát xạ LSE (𝜀𝜀), LST (Ts) đã hiệu chỉnh, độ phát xạ của lớp phủ đất (LSE) có thể được tính theo định luật Stefan Bolzmann (Gupta, 1991):
4 4
S B
B= εσT = σT (5)
Từ đó,
1/4B
T= T
ε (6)
Sơ đồ tính nhiệt độ bề mặt trình bày trong hình 2.3
31
Hình 2.3. Sơ đồ tính nhiệt độ bề mặt 2.2.2. Cơ sở chuẩn hóa các chỉ số
Các biến đầu vào có các mức giá trị khác nhau, vì vậy để đưa vào tính toán tương quan cần thiết phải chuẩn hóa chúng theo một thang giá trị chung. Mỗi giá trị thành phần được tính toán sẽ chuẩn hóa để có giá trị nằm trong khoảng [0,1]. Công thức chuẩn hóa chỉ số chung như sau (Jain & Bhandare, 2011):
i min
max min
S I I
I I
= −
− (7)
Nhiệt độ bề mặt Kênh hồng ngoại
(NIR) và kênh Red
Tính NDVI
Tính hợp phần thực vật (p)
Tính độ phát xạ (𝜀𝜀)
Kênh nhiệt
Bức xạ phổ
Nhiệt độ sáng Tính NDVI_max,
NDVI_min
32
Trong đó: S là chỉ số thành phần mới sau khi chuẩn hóa Ii: là giá trị thành phần mỗi dữ liệu điểm i
Imin : là giá trị nhỏ nhất trong tất cả các điểm dữ liệu Imax: là giá trị lớn nhất trong tất cả các điểm dữ liệu
Hoặc trong một số trường hợp, giá trị được chuẩn hóa về đơn vị % với thang giá trị [0:100] với công thức:
NDVI% = NDVI − NDVImin
NDVImax − NDVImin∗ 100% (8)
2.2.3. Tính toán tương quan chỉ số
Để tìm hiểu mối quan hệ giữa lớp phủ thực vật và các yếu tố môi trường, luận văn tiếp cận theo phương pháp phân tích tương quan nhằm định lượng mối quan hệ này (Hình 2.4).
Phương trình hồi quy tương quan đa biến có dạng:
1 1i 2 2i n ni
Y=a+b .X +b .X +…+b .X (9)
33
NDVI Nhiệt độ Các yếu tố khác
Chuẩn hóa giá trị
Tính ma trận tương quan
Tìm phương trình tương quan Y = f(xi)
Tính hệ số tương quan R, hệ số ảnh hưởng P
Lựa chọn biến số phù hợp
Kết luận mối tương quan
Hình 2.4 Sơ đồ phân tích hồi quy tương quan
34
2.2.4. Phân loại ảnh viễn thám
Phân loại ảnh viễn thám (bao gồm phân loại có giám định và phi giám định) là một hình thức phân loại ảnh mà các chỉ tiêu về đối tượng phân loại được xác lập dựa trên đặc trưng phổ của các vùng mẫu và dùng các quy luật thích hợp để quyết định các pixel ảnh tương ứng với đối tượng mẫu phân loại. Phân loại có giám định là phương pháp phân loại được sử dụng nhiều nhất hiện nay. Có nhiều thuật toán được sử dụng trong phân loại giám định, trong đó phải kể đến phương pháp phân loại gần đúng nhất – MLC (Maximum Likelihood Classifier) được sử dụng rộng rãi và được xem là phương pháp chuẩn để đánh giá với các thuật toán khác.
Trình tự phân loại ảnh viễn thám giám định bao gồm những bước sau:
Bước 1: Xác định các loại thông tin cần thiết để xử lý phân loại ảnh. Bao gồm thông tin về các loại lớp phủ bề mặt cần được phân loại, loại ảnh vệ tinh, thời gian thu nhận ảnh, độ phân giải không gian,…
Bước 2: Lựa chọn những kênh ảnh có các đặc trưng phổ phù hợp với thông tin đã được xác định tại bước 1.
Bước 3: Chọn vùng mẫu trên ảnh vệ tinh. Bao gồm sử dụng dữ liệu từ khảo sát thực địa và khảo sát trên ảnh. Các số liệu vùng lấy mẫu mang tính quyết định đến kết quả phân loại ảnh.
Bước 4. Ước tính thống kê vùng mẫu nhằm xác định các giá trị đặc trưng phổ tương ứng với các đặc trưng của các vùng lấy mẫu quan tâm. Từ đó, làm cơ sở cho lựa chọn thuật toán phân loại phù hợp.
Bước 5: Phân loại dựa trên thuật toán đã được xác định.
Bước 6. Xử lý kết quả hậu phân loại dựa vào các cửa sổ lọc ảnh nhằm loại bỏ các pixel nhiễu sau khi phân loại.
Bước 7: Kết quả sau khi phân loại được đánh giá với bộ dữ liệu tham khảo đã có nhằm ước tính độ chính xác và mức độ tin cậy của kết quả phân loại. Các
35
ma trận sai số phân loại được dùng làm cơ sở để đánh giá và nếu các chỉ tiêu hay độ chính xác không đạt thì cần phải thay thế thuật toán phân loại phù hợp nhằm đạt được kết quả tốt hơn.
Trình tự các bước phân loại ảnh viễn thám được tóm tắt trong hình 2.5.
Hình 2.5. Trình tự các bước phân loại ảnh viễn thám
2.2.5. Xử lý trong nền tảng Google Earth Engine (GEE)
GEE là nền tảng điện toán đám mây được dùng để phân tích dữ liệu môi trường ở quy mô hành tinh. Các thành phần chính của GEE bao gồm:
• Kho dữ liệu lưu trữ: với quy mô petabyte (1petabyte = 1.000.000byte) gồm 03 bộ dữ liệu chính sau:
1. Thời tiết và Khí hậu. Bao gồm Nhiệt độ bề mặt (được tính từ bộ cảm biến MODIS, ASTER, AVHRR, và Landsat), Khí hậu (bộ dữ liệu khí tượng
Xác định các loại
Chọn đặc trưng phân loại
Xây dựng bộ mẫu huấn luyện Ước tính thống kê vùng mẫu
Phân loại
Đánh giá kết quả
Chọn thuật toán
36
NLDAS-2 và GridMET, và các kết quả mô hình khí hậu học Idaho MACAv2-METDATA và Dự báo khí hậu của Trái đất của NASA), Khí quyển
2. Ảnh vệ tinh. Bao gồm ảnh từ hệ thống vệ tinh Landsat (Landsat 1-5 MSS, Landsat 4, Landsat 5, Landsat 7 và Landsat 8), hệ thống vệ tinh Sentinel (Sentinel-1 SAR GRD,Sentinel-2 MSI,Sentinel-3 OLCI EFR, Sentinel-5P TROPOMI).
3. Dữ liệu địa lý. Bao gồm Mô hình độ cao số (DEM) , Độ che phủ đất (được tính toán từ bộ cảm biến MODIS, GlobCover) và Dữ liệu về cây trồng (USDA NASS Cropland Data Layer và The GFSAD)
• Khả năng tính toán: cơ sở hạ tầng điện toán của Google được tối ưu cho xử lý song song dữ liệu không gian địa lý.
• APIs (Application Programming Interface): API cho Javascript và Python được sử dụng để thực hiện các yêu cầu đến máy chủ Earth Engine.
• Trình chỉnh sữa mã (Code Editor): Là môi trường phát triển tích hợp (Integrated Development Environment - IDE) trực tuyến để tạo mẫu và trực quan hóa các phân tích khong gian phức tạp bằng API Javascript.
Trong nền tảng GEE, người dùng có thể phát triển các thuật toán phân tích không gian. Với dữ liệu ảnh vệ tinh có sẵn trên hệ thống, người dùng cần xác định các thông số đầu vào (loại ảnh vệ tinh, kênh phổ, thời gian thu nhận ảnh, ranh giới khu vực nghiên cứu), các loại hình phân tích không gian cần thiết (Hình 2.6).
37