CHƯƠNG 5. NHẬN XÉT VỀ KHẢ NĂNG SỬ DỤNG GOOGLE EARTH
5.2. Các chức năng xử lý, phân tích
5.2.4. Độ chính xác phân loại tốt
Theo kết quả của đề tài “Đánh giá khả năng phân loại ảnh vệ tinh của Google Earth Engine”, (Nguyễn Ngọc Phương Thanh và nnk, 2017), nhóm tác giả đã phân loại ảnh trên GEE bằng ảnh Landsat 8 (đạt độ chính xác toàn cục là 79,2 % và hệ số Kappa là 0,76) và thực hiện trên phần mềm ENVI (đạt độ chính xác toàn cục là 86,9 % và hệ số Kappa là 0,85). Hai kết quả này, chênh lệch không đáng kể và qua kiểm định chứng minh là độ chính xác như nhau. Nhóm tác giả khẳng định GEE có khả năng phân loại tốt và cho kết quả tương đương với phần mềm viễn thám ENVI.
Trong đồ án này, phương pháp kế thừa ngưỡng NDVI được sử dụng phục vụ giải đoán phân định rừng với ảnh Modis có độ phân giải thấp, đạt độ chính xác toàn cục là 80,7% và hệ số Kappa là 0,61 (năm 2010) là một mức chính xác chấp nhận được.
Tóm lại, có thể thấy, Google Earth Engine là một công cụ mở với rất nhiều tiện ích đáng quan tâm như: khả năng thu thập dữ liệu, quản lý tài sản tập lệnh, kho lưu trữ của người dùng, cung cấp đầy đủ các tài liệu-thuật toán, tốc độ xử lý nhanh chóng, độ chính xác giải đoán đảm bảo, nhập xuất dữ liệu dưới nhiều dạng, xây dựng bản đồ đa thời gian và có khả năng tạo giao diện tiện ích cho người dùng/User Interface giúp kết quả của tập lệnh hiển thị trực quan và tiện lợi…
Google Earth Engine có thể được sử dụng hiệu quả trong quản lý rừng nói riêng và trong các nghiên cứu sử dụng ảnh vệ tinh nói chung.
57
PHẦN KẾT LUẬN 1.Kết quả
Khả năng ứng dụng các công cụ hỗ trợ của Google Earth Engine được tìm hiểu, mô tả chi tiết và khai thác áp dụng vào khu vực tỉnh Lâm Đồng để phân loại, xác định ranh giới rừng/ không rừng ở 7 thời điểm liên tiếp trong giai đoạn 2010- 2016. Các bản đồ kết quả này được tích hợp trong bản đồ động đa thời gian thể hiện trực quan sự thay đổi rừng ở khu vực nghiên cứu theo thời gian. Toàn bộ công việc được thực hiện trên Google Earth Engine để minh chứng cho tính hiệu quả, tiện ích của công cụ mở này.
Do sử dụng ảnh có độ phân giải thấp và phương pháp phân loại bằng cách sử dụng ngưỡng NDVI, độ chính xác giải đoán không cao nhưng ở mức chấp nhận được.
Về cơ bản, đồ án đã hoàn thành mục tiêu đặt ra. Tuy nhiên, do phải tìm hiểu một vấn đề mới với rất ít tài liệu sẵn có (chủ yếu là qua trang web và thực nghiệm) nên việc tìm hiểu công cụ vẫn chưa hoàn chỉnh. Cụ thể, khi biên tập bản đồ chỉ thiết kế được bảng chú giải, tên bản đồ, bản đồ chính nên nếu muốn biên tập hoàn chỉnh phải chuyển qua ArcMap, các câu lệnh viết thực thi được nhưng còn dài dòng, chưa khai thác hết khả năng sử dụng của các thuật toán phân loại ảnh khác trên GEE.
2.Các đề xuất và hướng nghiên cứu
Google Earth Engine là một công cụ mở với rất nhiều tiện ích rất đáng quan tâm nghiên cứu và khai thác sử dụng.
Để nâng cao độ chính xác phân loại trên GEE, tác giả cần lưu ý nghiên cứu cụ thể hơn về cách sử dụng các thuật toán/hàm xử lý ảnh GEE cung cấp như phân loại giám định (gồm Fast Naive Bayers, GMO Max Entropy, Winnow Perceptron, Pegasos, Classification and Regression Tress, Random Forest, Support Vector Machine, IKPmair) và phân loại không giám định (Clusterer), đánh giá độ chính xác trực tiếp bằng hàm confusionMatrix().
Bên cạnh đó, có thể mở rộng nghiên cứu thực nghiệm như: giám sát biến động diện tích rừng trên khu vực lớn hơn với độ phân giải cao, giám sát các đối tượng biến động khác như: biến động mặt nước, biến động đường bờ, xâm nhập mặn, biến động hiện trạng sử dụng đất... để tận dụng kho dữ liệu và công cụ phân tích mở này.
58
DANH MỤC TÀI LIỆU THAM KHẢO
Cổng thông tin điện tử tỉnh Lâm Đồng. Điều kiện tự nhiên. Truy cập ngày 20/8/2017, từ http://www.lamdong.gov.vn/VI-
VN/HOME/ABOUT/Pages/dieu_kien_tu_nhien.aspx
Dana Tomlin, Nicholas Clintion (2016). Geospatial Software Design Exercices. Truy cập ngày 13/8/2017, từ https://developers.google.com/earth- engine/edu
Google Earth Engine API. Google Earth Engine API Resource. Truy cập ngày 21/6/2017, từ https://developers.google.com/earth-engine/
Google Earth Engine. Google Earth Engine Resource. Truy cập ngày 21/6/2017, từ https://earthengine.google.com/
Git. Truy cập ngày 16/11/2017, từ https://git-scm.com/
Hệ thống văn bản quy phạm pháp luật, 2014. Luật bảo vệ và phát triển rừng 2014. Khoản 1, điều 3. Truy cập ngày 15/7/2017, từ
http://www.moj.gov.vn/vbpq/lists/vn%20bn%20php%20lut/view_detail.aspx?itemi d=18584
Karis Tenneson (2016). Webinar Earth Engine Intro 2016 VN. Truy cập ngày 8/9/2017, từ https://developers.google.com/earth-engine/ttt
Lê Văn Trung, (2012). Viễn Thám. Nhà Xuất Bản Đại Học Quốc Gia TP. Hồ Chí Minh, Đại Học Quốc Gia TP. Hồ Chí Minh Trường Đại Học Bách Khoa, trang 28, 252, 302-310.
Nguyễn Ngọc Phương Thanh, Phạm Bách Việt và Hồ Lâm Trường, (2017).
Đánh giá khả năng phân loại ảnh vệ tinh của Google Earth Engine. Viện Địa Lý Tài Nguyên TP.Hồ Chí Minh, Viện Hàn Lâm Khoa Học Và Công Nghệ Việt Nam.
Hội nghị khoa học và công nghệ lần thứ 15, ĐHBK-HCM, 20-10-2017.
Nguyễn Đức Thuận, (2013). Giới thiệu ảnh viễn thám MODIS. Truy cập ngày 22/12/2017, từ https://nguyenducthuan.wordpress.com/2013/03/21/2194/.
Profess Matt Hansen và Peter Potapov University of Maryland; Rebecca Moore và Matt Hancher, Google, (2013). Global Forest Change . Science. Vol.342, Issue 6160, pp.850-853. DOl:10.1126/science.1244693
Phạm Văn Mạnh, (2013). Nghiên cứu ứng dụng công nghệ viễn thám và GIS đánh giá tác động của nhiệt độ, độ ẩm đến lớp phủ thực vật qua chỉ số thực vật (NDVI) khu vực Tây Nguyên. (Luận văn khoa học), Trường đại học khoa học tự nhiên, trang 40, 65. Truy cập ngày 3/10/2017, từ
59
https://vi.scribd.com/document/355351814/nghien-c%E1%BB%A9u-
%E1%BB%A9ng-d%E1%BB%A5ng-cong-ngh%E1%BB%87-vi%E1%BB%85n- tham-va-gis-%C4%91anh-gia-tac-%C4%91%E1%BB%99ng-c%E1%BB%A7a- nhi%E1%BB%87t-%C4%91%E1%BB%99-%C4%91%E1%BB%99-
%E1%BA%A9m-%C4%91%E1%BA%BFn-l%E1%BB%9Bp-ph%E1%BB%A7- th%E1%BB%B1c-v%E1%BA%ADt-thong-qua-ch%E1%BB%89-s%E1%BB%91- th%E1%BB%B1c-v%E1%BA%ADt-ndvi-khu-v%E1%BB%B1c-tay
Ran Goldblatt, Earth Engine Team (2016). Introductory Remote Sensing Lectures. Truy cập ngày 10/7/2017, từ https://developers.google.com/earth- engine/edu
Tổng Cục Lâm Nghiệp. (2010, 2011, 2012, 2013, 2014, 2015, 2016). Công bố hiện trạng rừng toàn quốc năm 2010, 2011, 2012, 2013, 2014, 2015, 2016. Hà Nội. Truy cập ngày 19/7/2017, từ http://tongcuclamnghiep.gov.vn
Tổng cục Thống Kê (2010, 2011, 2012, 2013, 2014, 2015, 2016). Niên giám thống kê năm 2010, 2011, 2012, 2013, 2014, 2015, 2016. Hà Nội. Truy cập ngày 10/10/2017, từ http://gso.gov.vn
Tổng Cục Lâm Nghiệp. (2014). Văn bản số 2066/BNN-TCLN, ngày 26/6/2014 của Bộ Nông nghiệp và PTNT về việc xây dựng kế hoạch bảo vệ và phát triển rừng năm 2015. Truy cập ngày 10/10/2017, từ
http://tongcuclamnghiep.gov.vn/default.aspx?&mtid=185&page=table
Thư viện pháp luật.(2016). Thông báo số 191/TB-VPCP, ngày 22/7/2016 về Kết luận của Thủ tướng Chính phủ Nguyễn Xuân Phúc tại Hội Nghị về các giải pháp khôi phục rừng bền vững vùng Tây Nguyên nhằm ứng phó với biến đổi khí hậu giai đoạn 2016-2020. Truy cập ngày 10/10/2017, từ https://thuvienphapluat.vn/van- ban/Bo-may-hanh-chinh/Thong-bao-191-TB-VPCP-2016-ket-luan-Thu-tuong-giai- phap-khoi-phuc-rung-Tay-Nguyen-2016-2020-327843.aspx
Thư viện pháp luật.(2017). Quyết định số 1565/QĐ-BNN-TCLN, ngày 8/7/2013 của Thủ Tướng Chính Phủ về việc Đề án Tái cơ cấu ngành Lâm Nghiệp.
Truy cập ngày 10/10/2017, từ https://thuvienphapluat.vn/van-ban/Bo-may-hanh- chinh/Quyet-dinh-1565-QD-BNN-TCLN-nam-2013-tai-co-cau-nganh-Lam-nghiep- 203558.aspx
Vũ Tiến Điển, Phạm Đức Cường, Peter Stephen, Trần Văn Châu, Alexander Grais, Silvia Petrova, (2013). Báo cáo xây dựng bản đồ hiện trạng rừng từ nằm 1990 đến 2010 tỉnh Lâm Đồng Việt Nam. USAID leafasia, trang 5, 9, 33, 37. Truy cập ngày 1/10/2017, từ http://www.leafasia.org/library/usaid-leaf-establishment- forest-status-maps-vietnamese-version
PHỤ LỤC
MỘT SỐ HƯỚNG DẪN SỬ DỤNG GOOGLE EARTH ENGINE
1.Cách đăng ký tài khoản Google Earth Engine
2.Thông tin nguồn dữ liệu trên kho lưu trữ của Google Earth Engine 2.1.Geophysical Data
2.2.Climate & Weather 2.3.Demographic 2.4.Imagery
3.Một số hướng dẫn công cụ hỗ trợ người dùng trên Google Earth Engine Code Editor
3.1.Cách tạo kho lưu trữ mới/ thư mục/ tập tin 3.2.Tải dữ liệu lên tab Assets
3.3.Chia sẻ tài sản 3.4.Import data
3.5.Google Earth Engine hỗ trợ người dùng một số tính năng khi viết Code 3.6.Xuất dữ liệu
3.7.Cách sử dụng công cụ vẽ hình học Geometry
4. Một số hướng dẫn công cụ hỗ trợ trên Google Earth Engine Explorer 4.1.Cài đặt hiển thị lớp
4.2.Download dữ liệu
1.Cách đăng ký tài khoản Google Earth Engine Đầu tiên người dùng phải truy cập vào website:
https://earthengine.google.com/
Để làm việc với Google Earth Engine Code Editor người dùng truy cập vào https://code.earthengine.google.com/
Để làm việc trên Google Earth Engine Explorer, người dùng truy cập vào https://explorer.earthengine.google.com/
2.Thông tin nguồn dữ liệu trên kho lưu trữ của Google Earth Engine 2.1.Geophysical Data
Terrain data
Chứa các dữ liệu về độ cao, mô tả hình dạng địa hình của bề mặt trái đất được thể hiện qua mô hình số độ cao (DEMs) toàn cầu. Dữ liệu Terrain trên GEE bao gồm dữ liệu Shuttle Radar Topography Mission (SRTM) với độ phân giải 30 mét, các vùng DEMs có độ phân giải cao hơn. GEE có tất cả 16 image dữ liệu Terrain được cung cấp bởi tổ chức WWF, NOAA, United States, USGS, NASA, AHN…
Land Cover data
Các bản đồ thực phủ mô tả cảnh quang từng thời kỳ của các lớp thực phủ như rừng, đồng cỏ và nước. Bộ dữ liệu thực phủ toàn cầu trên GEE như là bản đồ thực phủ hằng năm của NASA MODIS và ESA‟s GlobCover với độ phân giải cao.
GEE có tất cả 7 image dữ liệu Land Cover được cung cấp bởi tổ chức USGS, Oxford Malaria Atlas Project, NASA, USDA NASS…
Cropland data
Dữ liệu Cropland được hiểu là sự tiêu thụ sản lượng nông nghiệp và tiêu thụ nước trên toàn cầu. Bộ dữ liệu Cropland trên GEE chứa một lượng lớn như USDA NASS Cropland data Layers hay lớp dữ liệu phân tích sự an toàn của lương thực có cho toàn cầu (GFSAD) với độ phân giải 30 mét bao gồm phạm vi cropland, thế hệ trội về giống cây và nguồn nước tưới. GEE có tất cả 3 image Cropland được cung cấp bởi tổ chức Global Food Security-support Analysis Data (GFSSAD), USDA National…
Surface Temperature data
Bộ cảm biến vệ tinh nhiệt có thể có nhiệt độ bề mặt và thông tin độ phát xạ.
Bộ dữ liệu Surface Temperature trên GEE chứa dữ liệu nhiệt độ bề mặt cả đất và biển được thu bởi các bộ cảm biến khác nhau trên phi thuyền không gian. GEE có tất cả 43 image Surface Temperature trong đó có MODIS, ASTER và AVHRR hay
Landsat nhiệt được cung cấp bởi tổ chức NOAA, NASA LP DAAC…
Other Geophysical Data
Dữ liệu địa lý học khác có sẵn trên GEE bao gồm sự thay đổi rừng toàn cầu, ước lượng sinh khối, khu vực nóng bỏng và những cánh đồng sinh trưởng liên tục.
Bộ dữ liệu được sử dụng cho xu hướng cảnh báo như hệ thống quản lý thông tin nguồn lửa (FIRMS) và cảnh báo mất rừng của Global Forest Watch‟s FORMA.
GEE có tất cả 76 image other Geophysical Data được cung cấp bởi các tổ chức NASA, WWF, EC JRC UCSB/CHG..
2.2.Climate & Weather Atmospheric Data
Dữ liệu khí quyển giúp hiệu chỉnh ảnh từ bộ cảm hoặc có thể giúp trong nghiên cứu. Bộ dữ liệu khí quyển của GEE bao gồm dữ liệu ozone của NASA‟s TOMS và thiết bị OMI và hệ thống sản phẩm khí quyển hàng tháng từ MODIS.
GEE có tất cả 8 image Atmospheric Data được cung cấp bởi tổ chức NASA, NCEP Weather data
Bộ dữ liệu thời tiết mô tả dự báo và đo lường điều kiện thời tiết trong khoảng thời gian ngắn, bao gồm: mưa, nhiệt độ, độ ẩm, gió và yếu tố khác. GEE có tất cả 13 image Weather được cung cấp bởi tổ chức NOAA‟s hệ thống dự báo toàn cầu (GFS), NCEP hệ thống dự báo khí hậu (CFSv2), University of Califormia, NASA PMM, UCSB/CHG….
Climate data
Các mô hình về dự báo khí hậu với thời kỳ lâu dài và cả nội suy bề mặt lịch sử. GEE có tất cả 44 image Climate được cung cấp bởi tổ chức NASA, NCEP, University of Idaho, University of Califormia…
2.3.Demographic WorldPop data
Mật độ dân số tượng trưng cho mối quan hệ giữa loài người và môi trường.
Bộ dữ liệu WorldPop trên GEE được ước tính mật độ dân số thế giới bao gồm Nam Mỹ, Châu Phi và Đông Nam Á tại các thời điểm khác nhau được có bởi WorldPop Malaria Data
Bộ dữ liệu số rét trên GEE bao gồm các dữ liệu của Oxford Malaria Atlas Project được thu thập tỉ lệ mắc bệnh và tần suất lan truyền sốt rét ở Châu Phi, nhiều sự can thiệp được triển khai qua từng thời kỳ và tập hợp các biến số toàn cầu có thể được sử dụng để thành lập mô hình ký sinh trùng và bản đồ rủi ro
2.4.Imagery
Sentinel
ESA‟s Sentinel-1 với sứ mệnh sử dụng hệ thống radar để có được tất cả các hình ảnh điều kiện thời tiết, thậm chỉ cả ban đêm. Các vệ tinh thu thập dữ liệu hình ảnh bằng góc mở của ống kính tổng hợp các ảnh kênh-C (SAR) với độ phân giả 30 đến 120 mét. GEE có sentinel-1 C-Band Synthetic Aperture Radar (SAR) Ground Range Data và Sentinel-2 MultiSpectral Instrument (MSI) Level-1C được cung cấp bởi tổ chức European Union/ESA/Copernicus
High-Resolution Imagery
Ảnh có độ phân giải cao thu thập chi tiết độ mịn của môi trường ngoại thành và nội thành. Chương trình US National Agriculture Imagery Program (NAIP) thu được hình ảnh trên không các mùa trồng trọt ở Châu Mỹ Lục địa. Hình ảnh NAIP được thu thập ở khoảng cách một mét bằng đất (GSD) với độ chính xác ngang phù hợp trong phạm vi 6 mét của các điểm kiểm soát mặt đất có thể nhận dạng ảnh, được sử dụng trong quá trình kiểm tra hình ảnh được có bởi USDA Farm Service Agency
Modis
Bộ cảm trên vệ tinh Terra và Aqua của NASA‟s thu thập được ảnh hằng ngày từ 1999 bề mặt trái đất. GEE chứa nhiều loại sản phẩm khác nhau từ dữ liệu ảnh MODIS bao gồm ảnh hằng ngày, 16 ngày hiệu chỉnh BRDF bề mặt phản xạ và dữ liệu có chỉ số thực vật và tuyết bao phủ. GEE có tất cả 96 image MODIS được cung cấp bởi tổ chức NASA LP DAAC, Google…
Landsat
Landsat liên kết với chương trình của USGS và NASA, hình ảnh trái đất được quan sát liên tục từ 1972 đến nay. Ngày nay hình ảnh vệ tinh Landsat thu toàn bộ bề mặt trái đất với độ phân giải 30 mét, bao gồm dữ liệu đa phổ và nhiệt. GEE tạo ra dữ liệu có sẵn như dữ liệu ảnh dưới dạng thô, hiệu chỉnh phản xạ TOA và các sản phẩm được tính toán sẵn các giá trị như các chỉ số NDVI, EVI, NDWI, NDSI…
GEE chứa 164 image Landsat được cung cấp bởi các tổ chức như Google, USGS, EC JRC…
Other Imagery Data
Dữ liệu thu được từ bộ cảm của các vệ tinh khác có sẵn hình trên GEE, bao gồm hình ảnh vào ban đêm của hệ thống đường dẫn hoạt động của chương trình vệ tinh khí tượng quốc phòng đã thu thập ánh sáng của đèn vào ban đêm với độ phân giải khoảng 1km, được thu thập liên tục kể từ năm 1992. GEE có tất cả 27 image Other Imagery Data được cung cấp bởi tổ chức USDA Farm Service Agency, NOAA, NASA LP DAAC, Google, USGS, UCSB/CHG, Oxford…
3.Một số hướng dẫn công cụ hỗ trợ người dùng trên Google Earth Engine Code Editor
3.1.Cách tạo kho lưu trữ mới/ thư mục/ tập tin Nhấp chuột vào New sẽ xuất hiện 3 lựa chọn
Hình 1.Tạo mới
a.Tạo Repository/Kho: Kho lưu trữ Git được tạo qua hộp thoại này có thể được chia sẻ với người dùng khác. Tên kho chứa phải là duy nhất và không thể thay đổi sau này. Kho mới sẽ được lưu vào Owner
Hình 2.Tạo kho mới
b.Tạo Folder/thư mục: chọn kho lưu trữ và đặt tên thư mục
Hình 3.Tạo thư mục
c.Tạo File/Tập tin: Có thể lưu trực tiếp trên kho hoặc lưu trong thư mục
Hình 4.Tạo tập tin
3.2.Tải dữ liệu lên tab Assets
Bộ dữ liệu được tải lên thông qua Tab Assets sẽ trở thành tài sản cá nhân trong thư mục thuộc tài khoản của người dùng. Người dùng nhấp vào NEW xuất hiện hộp thoại
Hình 5.Tab Assets
a.Tải hình ảnh lên/Image upload: người dùng có thể tải lên tệp hình ảnh với dung lượng đến 10GB và định dạng là GeoTiff (các định dạng khác hiện không được hỗ trợ). Để tải tệp ảnh chọn , tiếp tục nhấp vào Image upload xuất hiện hộp thoại và nhấp vào Select để chọn tệp ảnh, khi đó GEE sẽ cung cấp một ID cho một tệp ảnh
Hình 6.Image upload
b.Tải bảng lên/Table upload (tương tự như Image upload): tải lên dữ liệu dạng bảng hoặc dữ liệu định dạng Shapefile
+Tải dữ liệu dạng bảng: Để tải được dữ liệu dạng bảng phải thông qua Google Fusion Tables là một ứng dụng web hóa dữ liệu hay ứng dụng thực nghiệm để thu thập, hình dung và chia sẻ dữ liệu
Các bước tải dữ liệu bảng thông qua Google Fusion Tables Bước 1: Truy cập vào đường dẫn đến Google Fusion Tables https://support.google.com/fusiontables/answer/2571232
Hình 7.Create a Fusion Tables