PHƯƠNG PHÁP NGHIÊN CỨU
4. KẾT QUẢ NGHIÊN CỨU
4.4. Xử lý, phõn tớch ảnh viễn thỏm cú ủộ phõn giải cao ủể lập bản ủồ hiện trạng sử dụng ủất
Hình 4.1. Quy trình giải đốn ảnh vệ tinh, thành lập bản đồ hiện trạng sử dụng ủất và bản ủồ biến ủộng sử dụng ủất
Số liệu ủiều tra thực ủịa
Tăng cường chất lượng ảnh
Chọn vùng mẫu
Tính số liệu thống kê vùng mẫu Tư liệu viễn thám
Nhập ảnh
Nắn chỉnh hình học
Phân loại ảnh
Ảnh phân loại dạng Vector năm 2005 và năm 2010 ðạt
Khụng ủạt Bản ủồ ủịa hỡnh, bản
ủồ ủịa chớnh, số liệu
Cắt ảnh theo ranh giới huyện Buôn đôn
đánh giá ựộ chắnh xác
kết quả phân loại
Bản ủồ HTSD ủất năm 2005 Bản ủồ HTSD ủất năm 2010
Thống kê kết quả
Bản ủồ biến ủộng sử dụng ủất giai ủoạn 2005-2010
Thống kê kết quả
Thống kờ biến ủộng Phõn tớch, ủỏnh giỏ biến ủộng Chồng xếp
Biên tập Biên tập
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 34 4.4.1. Mô tả nguồn dữ liệu
4.4.1.1. Nguồn dữ liệu viễn thám
- Dữ liệu ảnh vệ tinh dùng trong nghiên cứu là ảnh vệ tinh Spot 5 chụp ở cỏc thời ủiểm năm 2004 và 2009.
- Ảnh vệ tinh ủó ủược trung tõm viễn thỏm quốc gia xử lý, hiệu chỉnh trộn màu tự nhiên 3 kênh hình ảnh thể hiện rất rõ ràng, không có mõy che phủ... nờn ủược chọn làm tư liệu ủể phục vụ cho nghiờn cứu ủảm bảo ủộ tin cậy.
4.4.1.2. Dữ liệu khác
* Bản ủồ:
- Bản ựồ hiện trạng sử dụng ựất huyện Buôn đôn năm 2005 và 2010, tỷ lệ 1:10.000;
- Bản ựồ ựịa hình huyện Buôn đôn 1:25.000 năm 2002;
- Hệ thống bản ủồ ủịa chớnh xó Ea Wer, tỷ lệ 1/2000 (ðược chỉnh lý biến ủộng hàng năm)
* Nguồn dữ liệu thuộc tính:
- Bỏo cỏo thống kờ ủất ủai hàng năm (năm 2004, năm 2009) xó Ea Wer;
- Báo cáo hàng năm năm 2004 và 2009 của UBND xã Ea Wer;
- Một số báo cáo có liên quan.
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 35 Hình 4.2. Ảnh SPOT5 Buôn đôn năm 2004 (ựộ phân giải 5m x 5m)
Hình 4.3. Ảnh SPOT5 Buôn đôn năm 2009 (ựộ phân giải 2,5m x 2,5m)
4.4.2. Cỏc bước xử lý ảnh và kết quả ủạt ủược 4.4.2.1.Tăng cường chất lượng ảnh
Mục ủớch của việc này là nhằm tăng tớnh dễ ủọc và tạo ra ảnh cú chất lượng tốt hơn. Trong phần mềm ENVI cho phép ta chọn một trong sáu cách giãn
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 36 ảnh. Thụng thường người ta chọn phương phỏp biến ủổi tuyến tớnh (Linear). Sau khi tăng cường cỏc ủối tượng trờn ảnh cú ủộ tương phản cao hơn. Ảnh Buụn đôn 2004 và 2009 ựã ựược tăng cường chất lượng ảnh nên trong nội dung ựề tài khụng thực hiện cụng ủoạn này.
4.4.2.2. Nắn ảnh
Trong nội dung ủề tài này, tụi tiến hành nắn chỉnh hỡnh học hai ảnh theo tọa ủộ GPS. Cỏc ủiểm GPS này ủược lựa chọn sơ lược trờn bản ủồ hiện trạng tại cỏc vị trớ ớt thay ủổi (ngó 3, ngó tư, bựng binh, …), sau ủú ủược ủo lại bằng mỏy GPS cú ủộ chớnh xỏc cao, cỏc ủiờm GPS này cần ủược chọn trải ra trờn khắp khu vực nghiờn cứu, số lượng cỏc ủiểm khống chế này càng nhiều thỡ việc nắn ảnh càng ủảm bảo ủộ chớnh xỏc. ðộ chớnh xỏc tối thiểu cho việc nắn chỉnh hỡnh học cần ủạt ủược phải nhỏ hơn 1,0, tức là nhỏ hơn 1 pixel ảnh. Sai số chọn ủiểm nắn RMS Error càng nhỏ thỡ ủộ chớnh xỏc của kết quả sẽ càng cao. Sử dụng cỏc ủiểm GPS này ủể nắn chỉnh hỡnh học 2 ảnh cụ thể như sau:
Trước hết, tôi tiến hành nắn ảnh Buôn đôn 2009 theo các ựiểm GPS ựể ủảm bảo việc chọn ủiểm trờn ảnh ủược chớnh xỏc, sau ủú tiến hành nắn ảnh 2004 theo ảnh 2009. Cụ thể:
Nhập tọa ủộ ủiểm GPS trờn ảnh 2009 vào phần mềm ENVI ủể tiến hành nắn ảnh, sử dụng chức năng Map\Registration\Select GCPs: Image to Map và lựa chọn các thông số như hình 4.4
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 37 Hình 4.4. Lựa chọn thông số nắn ảnh
Sau ủú nhập cỏc ủiểm GPS vào hộp thoại nhập ủiểm Ground Control Points Selection, cỏc ủiểm ủó ủược chọn sẽ xuất hiện trờn ảnh. Khi ủó nhập xong cỏc ủiểm ta kiểm tra sai số RMS. Ở ủõy sai số này là 0,200829 nhỏ hơn 1 nên ta thực hiện nắn ảnh theo phương pháp Polynomial và lưu kết quả, nhận ủược kết quả như hỡnh 4.5; 4.6; 4.7; 4.8.
Hỡnh 4.5. Nhập ủiểm GPS nắn ảnh
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 38 Hình 4.6. ðiểm GPS trên ảnh cần nắn
Hỡnh 4.7. Sai số chọn ủiểm nắn ảnh
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 39 Hỡnh 4.8. Ảnh 2009 ủó nắn
Sau khi ảnh 2009 ủó ủược nắn, tiếp tục nắn ảnh 2004 theo ảnh 2009 sử dụng chức năng thanh công cụ Map\Registration\Select GCPs: Image to Map - Trong hộp thoại Image to Image Registration chọn:
+ Base Image: Ảnh tham chiếu (ảnh năm 2009 ủó ủược nắn);
+ Warp Image: Ảnh nắn tương ứng (ảnh năm 2004).
- Chọn cỏc cặp ủiểm khống chế ảnh tương tự như nắn ảnh 2004. Chọn phương phỏp nắn ảnh nearest neighbor và lưu kết quả. Thu ủược ảnh 2004 ủó ủược nắn về tọa ủộ chuẩn (hỡnh 4.9)
Hỡnh 4.9. Ảnh 2004 ủó nắn
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 40 4.4.2.3. Cắt chọn khu vực nghiên cứu
Sử dụng ảnh vệ tinh ủó ủược nắn năm 2004 và 2009, ranh giới hành chớnh xó Ea Wer theo bản ủồ hiện trạng sử dụng ủất năm 2005, cắt ảnh trong toàn bộ phạm vi ranh giới bằng phần mềm EnVi. Cắt chọn khu vực nghiên cứu ủược thực hiện hai lần. Cắt lần một, cắt sỏt theo ranh giới hành chớnh, cắt lần hai, cắt theo ranh giới hành chớnh. Toàn bộ ranh giới xó Ea Wer ủược thể hiện trên hình 4.10, 4.11.
Hỡnh 4.10. Ảnh Ea Wer 2004 ủó cắt theo ranh giới hành chớnh
Hỡnh 4.11. Ảnh Ea Wer 2009 ủó cắt theo ranh giới hành chớnh
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 41 4.4.2.4. Phân loại ảnh
Ảnh vệ tinh ủược tiến hành phõn loại ủộc lập bằng phương phỏp phõn loại cú kiểm ủịnh theo thuật toỏn xỏc suất cực ủại.
- ðịnh nghĩa cỏc lớp: Từ tư liệu ảnh tiến hành ủịnh nghĩa cỏc lớp phõn loại. Các lớp phân loại cụ thể gồm 6 lớp bao gồm: ðất trồng cây hàng năm, ủất trồng cõy lõu năm, ủất rừng, ủất xõy dựng, ủất sụng suối và mặt nước chuyờn dựng, ủất chưa sử dụng.
- 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. ðể ủảm bảo ủộ chớnh xỏc khi lựa chọn vựng mẫu phải chỳ ý các yêu 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 tính toán.
+ 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.
Từ số liệu ủiều tra thực ủịa và bản ủồ hiện trạng sử dụng ủất tiến hành chọn mẫu phân loại bằng cách khoanh vẽ trực tiếp lên trên ảnh cần phân loại.
Sau khi chọn mẫu xong tiến hành tính toán sự khác biệt giữa các mẫu.
Trờn cơ sở ủiều tra thực ủịa, tư liệu ảnh vệ tinh, bản ủồ hiện trạng sử dụng đất đã xây dựng được khĩa giải đốn ảnh vệ tinh gồm 6 loại hình sử dụng ủất cơ bản (Bảng 4.3, 4.4)
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 42 Bảng 4.3. Mụ tả cỏc loại ủất
Stt Loại ủất Mụ tả
1 ðất trồng cõy lõu năm ðất cõy ăn quả, ủất cõy cụng nghiệp lõu năm 2 ðất trồng cõy hàng năm ðất trồng hoa màu, ủất cõy hàng năm khỏc 3 ðất rừng ðất rừng tự nhiờn và ủất trồng rừng 4 ðất xõy dựng ðất dõn cư, ủất cơ quan trụ sở, giao thụng
5 ðất sụng suối và MNCD ðất sụng, suối và ủất mặt nước ao hồ chuyờn dựng 6 ðất chưa sử dụng ðất trống, ủồi nỳi trọc chưa sử dụng
Bảng 4.4. Mẫu giải đốn ảnh vệ tinh Loại
ủất Ảnh 2004 Ảnh 2009 Ảnh thực ủịa
ðất trồng cây hàng năm ðất cây lâu năm ðất xây dựng ðất sông suối
ðất rừng ðất chưa sử dụng
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 43 ðể cĩ thể sử dụng các mẫu giải đốn trên vào giải đốn ảnh cần bảo ủảm sự khỏc biệt yờu cầu của cỏc mẫu từ 1,9 ủến 2,0. ðể so sỏnh sự khỏc biệt giữa các mẫu sử dụng chức năng Options\Compute Roi Separability trong hộp thoại Roi Tooln . Kết quả tính toán sẽ xuất hiện trên màn hình hộp thoại Roi Separability (hình 4.12, 4.13)
Khi đã đảm bảo sự khác biệt của tập mẫu giải đốn ảnh, sử dụng tập mẫu giải đốn này để phân loại ảnh theo phương pháp Maximum Likelihood. Kết quả ta cú ủược ảnh 2004 và 2009 ủó ủược phõn loại. ðể hai ảnh ủó ủược phõn loại khụng bị nhiễu sử dụng chức năng Majority\Minority Analysic ủể gộp những pixel lẻ tẻ hoặc phân loại lẫn trong các lớp vào chính lớp chứa nó. Kết quả thu ủược là ảnh xó Ea Wer năm 2004 và năm 2009 ủó lọc nhiễu (hỡnh 4.14, 4.15)
Hình 4.12. Sự khác biệt mẫu giải đốn ảnh xã Ea Wer 2004
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 44 Hình 4.13. Sự khác biệt mẫu giải đốn ảnh xã Ea Wer 2009
Hỡnh 4.14. Ảnh xó Ea Wer 2004 ủó lọc nhiễu
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 45 Hỡnh 4.15. Ảnh xó Ea Wer 2009 ủó lọc nhiễu
Sau khi cú kết quả lọc nhiễu về khu vực nghiờn cứu, một cụng ủoạn quan trọng khơng thể thiếu trong giải đốn ảnh là đánh giá độ chính xác của ảnh so với kết quả ủiều tra thực ủịa thụng qua trận sai số.
Xuất phỏt từ lý do nguồn ảnh thu thập ủược vào năm 2004 và 2009 nờn hiện trạng sử dụng ủất ngoài thực ủịa khụng cũn phản ỏnh chớnh xỏc hiện trạng sử dụng ủất tại thời ủiểm bay chụp. Vỡ vậy, tụi tiến hành xõy dựng ma trận sai số thụng qua file chọn vựng mẫu từ thực ủịa dưới sự tư vấn của cỏn bộ ủịa chớnh xó và của người dõn ủịa phương.
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:
+ ðộ chớnh xỏc phõn loại cú tớnh ủến sai số nhầm lẫn (do sai số nhầm lẫn gây nên)
+ ðộ chớnh xỏc phõn loại cú tớnh ủến sai số bỏ sút (do sai số bỏ sút gõy nờn).
ðể 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
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 46 biểu thị sự giảm theo tỷ lệ về sai số ủược thực hiện bằng một yếu tố phõn loại hoàn toàn ngẫu nhiên.
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 phân loại.
Ảnh sau lọc nhiễu, muốn sử dụng vào biờn tập bản ủồ cần ủược ủỏnh giỏ mức ủộ chớnh xỏc phõn loại ảnh thể hiện trong ma trận sai số ủược lập thụng qua chức năng Classification\Post Classification\Confusion Matrix \Using Ground Truth ROIs. Kết quả thu ủược thể hiện bảng 4.5, bảng 4.6.
Bảng 4.5. Ma trận sai số phân loại ảnh năm 2004
ðơn vi tính: pixels
Lớp phân loại ðất
rừng ðất CLN ðất xây dựng
ðất SSMNCD
ðất CSD
ðất CHN
Tổng hàng
ðất rừng 2718 0 0 0 0 0 2718
ðất CLN 0 2084 0 0 0 5 2089
ðất xây dựng 0 0 1745 0 0 0 1745
ðất SSMNCD 0 0 0 2206 0 0 2206
ðất CSD 0 0 0 0 14415 78 14493
ðất CHN 0 272 0 0 48 3487 3807
Tổng cột 2718 2356 1745 2206 14463 3570 27058
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 47 Hệ số Kappa κ = 0,9777
ðộ chính xác phân loại ảnh 2004 là 98,51%
Bảng 4.6. Ma trận sai số phân loại ảnh năm 2009
ðơn vi tính: pixels
Lớp phân loại ðất
rừng ðất CLN ðất xây dựng
ðất SSMNCD
ðất CHN
ðất CSD
Tổng hàng
ðất rừng 2688 15 0 0 0 0 2703
ðất CLN 0 2104 0 0 0 5 2109
ðất xây dựng 0 0 1725 0 0 5 1730
ðất SSMNCD 0 0 0 2226 0 0 2226
ðất CHN 0 0 0 0 14425 68 14493
ðất CSD 0 202 0 0 48 3537 3787
Tổng cột 2718 2356 1745 2206 14463 3570 27058
Hệ số Kappa κ = 0,9888
ðộ chính xác phân loại ảnh 2009 là 99,64%
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 phân loại bằng tỷ số giữa số pixel phân loại nhầm sang cỏc loại ủất khỏc và tổng số pixel cú trong tệp mẫu.
- Sai số bỏ sót khi phân loại bằng tỷ số giữa số pixel bỏ sót do sự phân loại nhầm lẫn từ cỏc loại ủất khỏc và tổng số pixel của loại ủất sau phõn loại.
ðộ chớnh xỏc phõn loại ủược tớnh bằng tổng số pixel phõn loại ủỳng trờn tổng số pixel của toàn bộ mẫu.
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 48 Từ hai File ảnh của Ea Wer ủó lọc nhiễu, sử dụng chức năng classification\ post classification\ change detection statistics ủể thành lập ảnh biến ủộng từng lớp phõn loại và chức năng File\ quickmap\ newquickmap thành lập bản ủồ biến ủộng ủất ủai trờn ủịa bàn xó Ea Wer. Nhưng hai ảnh 2004; 2009 sau khi giải đốn và lọc nhiễu, phần diện tích bên ngồi ranh giới xã vẫn được giải đốn và thống kê diện tích. Vì vậy, để sử dụng hai ảnh này xõy dựng bản ủồ và thống kờ diện tớch cần ủược cắt lại theo ranh giới hành chính tương tự phương pháp cắt ảnh trước giải đốn đã được trình bày ở nội dung trờn, ủể loại bỏ phần diện tớch sai lệch này. Kết quả thu ủươc 2 ảnh Ea Wer 2004 và 2009 ủó lọc nhiễu cắt theo ủơn vị hành chớnh và ảnh biến ủộng sử dụng ủất xó Ea Wer (Hỡnh 4.16; 4.17; 4.18)
Hỡnh 4.16. Ảnh Ea Wer 2004 ủó lọc nhiễu cắt theo ranh giới hành chớnh
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 49 Hỡnh 4.17. Ảnh Ea Wer 2009 ủó lọc nhiễu cắt theo ranh giới hành chớnh
Hỡnh 4.18. ảnh biến ủộng sử dụng ủất xó Ea Wer giai ủoạn 2004 - 2009
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 50 4.4.2.5. Xõy dựng bản ủồ hiện trạng sử dụng ủất và bản ủồ biến ủộng ủất ủai
giai ủoạn 2004 – 2009 xó Ea Wer
* Chuyển kết quả phân loại sang dạng vectơ
ðể sử dụng kết quả phõn loại chuyển qua GIS biờn tập bản ủồ, cần chuyển cỏc ảnh ủó lọc nhiễu sang dạng vectơ và lưu ở ủịnh dạng file 2004.evf và 2009.evf.
ðể chuyển sang dạng vectơ cỏc file kết quả phõn loại, từ thực ủơn lệnh của ENVI ta chọn Classification\Post Classification\Classification to Vector hay chọn Vector\Classification to Vector. Kết quả thu ủược như hỡnh 4.19, 4.20, 4.21.
Hỡnh 4.19. Kết quả phõn loại ảnh 2004 ủược xuất sang dạng Vector
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 51 Hỡnh 4.20. Kết quả phõn loại ảnh 2009 ủược xuất sang dạng Vector
Hỡnh 4.21. Kết quả phõn loại ảnh biến ủộng ủược xuất sang dạng Vector
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sĩ khoa học nông nghiệp ……… 52
* Xõy dựng bản ủồ hiện trạng sử dụng ủất và biến ủộng ủất ủai Trong nội dung này tụi ứng dụng phần mền Mapinfo ủể thành lập bản ủồ từ dữ liệu vộc tơ thu ủược
Kết quả phõn loại sau khi ủược xuất sang dạng vector sẽ ủược xuất tiếp sang dạng shapefile bằng công cụ File\Export Active layer to Shapefile trong hộp thoại vector window #1: Cursor Query.
Sau ủú sử dụng chức năng Tool\Universal Translator trong Mapinfo ủể chuyển cỏc file ủịnh ủạng Shape (*.SHP) sang ủịnh dạng Table (*.TAB).
Kết quả nhận ủược kết quả phõn loại ảnh ở dạng vựng, mỗi vựng cú cỏc thuộc tớnh về tờn loại ủất, thụng số ID, diện tớch, chu vi… Sử dụng cỏc tớnh năng trong Mapinfo ủể trải màu, biờn tập ranh giới hành chớnh, ủường BO, ghi chỳ, tờn ủơn vị hành chớnh giỏp ranh, tờn thụn, buụn… ủể thành lập bản ủồ hiện trạng sử dụng ủất xó Ea Wer 2 thời ủiểm (2004 và 2009) và bản ủồ biến ủộng ủất ủai giai ủoạn 2004 – 2009, tỷ lệ 1.10000.
Hỡnh 4.22. Bản ủồ hiện trạng sử dụng ủất xó Ea Wer năm 2004