Các bước phân loại định hướng đối tượng 2 ảnh Spot và Landsat được thể hiện ở hình 3.3.
Hình 3.3. Quy trình phân loại ảnh theo định hướng đối tượng
Bước 1: Nắn chỉnh hình học các ảnh vệ tinh Landsat TM năm 2010 , SPOT 5
năm 2010 của khu vực đảo Cái Bầu, tỉnh Quảng Ninh theo bản đồ địa hình 1:25.000. Hệ tọa độ địa phương VN2000, kinh tuyến trục 107045’
Bước 2: Cắt ảnh theo ranh giới khu vực nghiên cứu ta được kết quả như hình
sau: Ảnh Landsat 7 2010 Ảnh Spot 5 2010 Nắn chỉnh hình học theo VN2000 Bản đồ địa hình 1:25000 Cắt ảnh khu vực nghiên cứu PL theo định hướng đối tượng
Phân đoạn ảnh Chọn mẫu phân loại
Bước 3: Segmentation (phân đoạn ảnh)
Để thực hiện bước này chúng ta cần qua tâm đến một số thông số như sau: Image Layer weight: đánh giá trọng số của từng kênh ảnh
Scale parameter: tham số tỉ lệ (là một thông số quan trọng có tác động trực tiếp tới kích thước của mỗi đối tượng ảnh)
Shape: tương quan giữa hình thái và xám độ ảnh Compactness: độ chặt
Trong quá thực nghiệm phân đoạn ảnh nhiều lần luận văn đã chọn ra được bộ thông số khả quan nhất để phân biệt được các đối tượng thuộc vùng đất ngập nước cho từng loại ảnh như hình sau:
Bước 4: Chọn mẫu phân loại
Trong quá trình phân loại việc xác định hệ thống phân loại là công việc đầu tiên rất quan trọng khi áp dụng viễn thám để xây dựng bản đồ sử dụng đất cũng như bản đồ lớp phủ. Hệ thống bảng chú giải phân loại cần phải phù hợp với khả năng cung cấp thông tin của dữ liệu viễn thám. Thiết lập chú giải không chỉ dựa vào các đối tượng nhìn thấy trên ảnh, mà còn phụ thuộc vào rất nhiều các yếu tố khác: độ phân giải của ảnh viễn thám, tính chất mùa vụ, thời gian chụp của vệ tinh, những kiến thức hiểu biết về địa phương
Trên cơ sở nghiên cứu và điều tra tại thực địa luận văn đã xây dựng bảng chú giải cho xây dựng bản đồ lớp phủ như hình sau:
STT TÊN ĐỐI TƢỢNG
ẢNH
LANDSAT ẢNH SPOT ẢNH THỰC ĐỊA
1 Đất chuyên dùng 2 Đất trống 3 Khu nuôi trồng THS 4 Mặt nước 5 Rừng tự nhiên 6 Rừng NM1 - Quần xã thực vật ưu thế là Mắm biển
7 Rừng NM2 - Quần xã thực vật ưu thế là Sú 8 Rừng NM3 - Quần xã thực vật ưu thế là Vẹt dù
Hình 3.5. Mẫu khóa giải đoán ảnh viễn thám về các đổi tượng khu vực nghiên cứu.
Sau khi chọn mẫu, tiến hành phân loại ảnh Landsat và Spot năm 2010 khu vực nghiên cứu ta có kết quả là bản đồ lớp phủ tại thời điểm chụp ảnh như hình 3.6.
Hình 3.6: Bản đồ hiện trạng lớp phủ phân loại từ ảnh Spot và ảnh Landsat
Khi thành lập được bản đồ hiện trạng lớp phủ từ ảnh Spot và Landsat thể hiện sự phân bố như sau:
Mắm biển là thành phần chính trong các kiểu quần xã này, thường phân bố ở phía ngoài cùng, thể hiện đặc điểm của một loài tiên phong, ưa sáng, chịu mặn cao, phân bố ở vùng đất thấp, thường có nhiều cát sỏi. Tiếp đến là Sú thường phân bố ở khu vực đất lầy thụt, và thấp. Cấu trúc không gian kiểu quần xã này không cao, trung bình trên dưới 3m. Phân bố trong cùng ở khu vực đất cao, thể nền rắn, ít lầy thụt chịu tác động của thủy triều cao và trung bình. Thành phần loài của kiểu quần xã này chủ yếu là Vẹt dù.
Bước 5: Tính toán độ chính xác của kết quả phân loại
Đây là bước quan trọng nhằm đánh giá độ tin cậy khi sử dụng kết quả phân loại. Có nhiều cách đánh giá độ chính xác, luận văn sử dụng chỉ số Kappa để đánh giá
kết quả: (15)
Trong đó:
N: tổng số pixel của các mẫu kiểm chứng. r: số hàng trong ma trận sai số.
xii: các phần tử trên đường chéo chính. xi+: tổng các phần tử trong hàng i. x+i: tổng các phần tử trong cột i.
Giá trị của hệ số Kappa thể hiện độ chính xác của kết quả phân loại như sau: Độ chính xác rất thấp: < 0,20
Độ chính xác thấp: 0,20 – 0,40 Độ chính xác trung bình: 0,40 – 0,60 Độ chính xác cao: 0,60 – 0,80
Độ chính xác rất cao: 0,80 – 1,00
Để tính toán được hệ số này, học viên đã đi khảo sát và lấy tọa độ 50 điểm thuộc các đối tượng đất ngập nước, sơ đồ các điểm khảo sát như hình 3.7
r i i i r i i i r i ii x x N x x x N K 1 2 1 1 . .
Bảng 3.7: Độ chính xác phân loại của ảnh Landsat Loại Quần xã thực vật ưu thế là Mắm biển Quần xã thực vật ưu thế là Sú Quần xã thực vật ưu thế là Vẹt dù Khu nuôi trồng thủy hải sản Tổng hàng Chính xác tương đối Quần xã thực vật ưu thế là Mắm biển 9 1 1 1 12 75% Quần xã thực vật ưu thế là Sú 1 12 2 0 15 80% Quần xã thực vật ưu thế là Vẹt dù 1 1 13 0 15 87% Khu nuôi trồng thủy hải sản 0 0 0 8 8 100% Chỉ số Kappa = 78%
Bảng 3.8: Độ chính xác phân loại của ảnh Spot
Loại Quần xã thực vật ưu thế là Mắm biển Quần xã thực vật ưu thế là Sú Quần xã thực vật ưu thế là Vẹt dù Khu nuôi trồng thủy hải sản Tổng hàng Chính xác tương đối Quần xã thực vật ưu thế là Mắm biển 8 2 1 1 12 66.7% Quần xã thực vật ưu thế là Sú 2 10 3 0 15 66.7% Quần xã thực vật ưu thế là Vẹt dù 2 3 10 0 15 66.7% Khu nuôi trồng thủy hải sản 1 0 0 7 8 87.5% Chỉ số Kappa = 59%
+ So sánh độ chính xác sau phân loại của 2 ảnh
Dựa vào công tác điều tra thực địa, ta có thể so sánh kết quả của các đối tượng ở cả 2 loại ảnh về mặt phân bố và hình dạng của đối tượng. Qua đó, cho thấy, ảnh Landsat có khả năng đảm bảo tương đối tốt sự phân bố của các đối tượng, tuy nhiên độ chính xác vẫn còn thấp như trong 12 điểm kháo sát của quần xã mắm biển thì ảnh Landsat phân loại đúng 8 điểm đạt 66,7%,tương tự với quẫn xã Sú đạt 66,7%, quần xã Vệt Sù đạt 66,7% và cao nhất là ở khu nuôi trồng thủy sản 62 độ chính xác đạt 87.5%. Chỉ số Kapa đạt 59%.Như vậy, ảnh Landsat có khả năng trích thông tin về thực phủ thấp nhất, đạt khoảng 66 – 87% so với thực tế.
Với độ phân giải không gian cao, ảnh Spot phân loại tốt các đối tượng có kích thước nhỏ như đầm nuôi tôm,và các hồ nước nhỏ. Ảnh Spot đảm bảo hình dáng đối tượng như, kênh rạch rất tốt. đối cây ngập nước ảnh Spot phân loại có độ chính xác cao. Vì ảnh Spot có đủ các kênh ảnh trong vùng sóng lục đến hồng ngoại, có độ phân giải 10 m.Trong 12 điểm khảo sát của quần xã Mắm biển thì ảnh Spot phân loại chính xác 9 điểm đạt 75%, tiếp đến là quần xã Sú 80%, quần xã Vẹt Sù 87% và cao nhất là độ chính xác phân loại của khu nuôi trồng thủy hải sản đạt 100%.Chỉ số Kapa đạt 78%.Do đó, ảnh Spot có khả năng trích thông tin về thực phủ khá tốt, đạt 75 – 100% so với thực tế.
Tóm lại, trong 2 loại ảnh, Landsat có khả năng trích thông tin về thực phủ kém hơn Spot có khả năng trích thông tin tốt hơn.Mặc dù ảnh Landsat có 7 kênh phổ và ảnh Spot chỉ có 4 kênh,cả 2 ảnh điều có kênh cận hồng ngoại, 1 kênh quan trọng trong phân loại thực vật ngập nước nhưng ảnh Spot có độ phân giải cao hơn(10m) nên ảnh Spot có khả năng trích thông tin về thực vật ngập nước tốt hơn.
KẾT LUẬN VÀ KIẾN NGHỊ
Ứng dụng những thành tựu khoa học công nghệ trên thế giới vào mục đích giám sát và bảo vệ môi trường là một công việc mang tính cấp bách tại thời điểm hiện nay. Cùng với sự phát triển không ngừng của công nghệ viễn thám và công nghệ GIS trên thế giới nói chung cũng như ở Việt Nam nói riêng đòi hỏi chúng ta cần phải có những nghiên cứu có thể ứng dụng vào mục đích cụ thể trong giám sát và quản lí tài nguyên thiên nhiên. Công nghệ viễn thám là công nghệ phù hợp với công việc nghiên cứu, điều tra, theo dõi bề mặt Trái đất. GIS là công cụ bổ trợ, quản lí cơ sở dữ liệu thuộc tính nhằm nâng cao khả năng phân tích, đánh giá kết quả nghiên cứu. Các loại hình đất ngập nước là một đối tượng của lớp phủ mặt đất. Nó có một vai trò rất quan trọng trong quá trình phát triển kinh tế - xã hội và phòng chống thiên tai ở Việt Nam. Qua quá trình nghiên cứu và tiến hành so sánh việc sử dụng tư liệu ảnh SPOT và LANDSAT để thành lập bản đồ lớp phủ đất ngập nước khu vực đảo Cái Bầu, có thể rút ra một số kết luận như sau:
- Từ những kết quả đạt được đã khẳng định việc sử dụng tư liệu ảnh viễn thám hoàn toàn cho phép việc thành lập bản đồ hiện trạng đất ngập nước nói chung.
- Tư liệu viễn thám với khả năng cung cấp thông tin bề mặt Trái đất trên một diện rộng và được cập nhật thường xuyên, kết hợp với nguồn thông tin từ bản đồ số địa hình, các tư liệu khác và khảo sát thực địa, cùng với khả năng quản lí và phân tích thông tin của công nghệ GIS đã giúp cho việc thành lập các lớp thông tin trạng thái nhanh chóng, chính xác hơn so với việc thành lập bản đồ lớp phủ đất ngập nước bằng phương pháp truyền thống trước đây.
- Độ chính xác của quá trình phân loại ảnh phụ thuộc nhiều vào quá trình lấy mẫu. Để giúp cho việc lấy mẫu về các loại hình đất ngập nước được dễ dàng và đưa ra kết quả chính xác, học viên đã thành lập bộ khóa suy giải dựa vào kinh nghiệm đoán đọc ảnh, kiến thức về đất ngập nước và các kết quả điều tra thực địa.
- Với kết quả phân loại như trên ta có thể nhận thấy ảnh Spot có khả năng trích thông tin về thực vật ngập nước tốt hơn ảnh Landsat. Ảnh Spot có độ phân giải không gian cao nhất (10m), nhưng ít kênh phổ nhất (4 kênh). Trong khi đó, ảnh
Landsat có độ phân giải thấp hơn, nhưng nhiều hơn ảnh Spot 3 kênh. Như vậy, cho thấy tầm quan trọng của cả độ phân giải không gian và số lượng kênh phổ trong việc trích thông tin về thực phủ của ảnh vệ tinh, đặc biệt tầm quan trọng của các kênh trong dải sóng cận hồng ngoại trong việc trích thông tin về các loại thực vật.
Kiến nghị:
- Để ứng dụng có hiệu quả việc sử dụng ảnh viễn thám trong việc thành lập bản đồ lớp phủ đất ngập nước và phục vụ cho nhiều cấp ngành khác nhau thì cần phải xây dựng thống nhất trên toàn quốc một hệ thống chú giải về các loại hình đất ngập nước phù hợp với khả năng và tư liệu viễn thám.
- Với tầm quan trọng đặc biệt của đất ngập nước, muốn bảo vệ và quản lí nguồn tài nguyên này có hiệu quả cần phải có cơ sở dữ liệu về đất ngập nước cho các tỉnh thành trên cả nước, đặc biệt là đối với các tỉnh ven biển, nơi mà cuộc sống của con người phụ thuộc rất nhiều vào những vùng đất ngập nước. Từ bản đồ hiện trạng ta sẽ xây dựng được bản đồ biến động đất ngập nước, từ đó đánh giá được mức độ biến động diện tích của các vùng đất ngập nước. Đây là nguồn thông tin đáng tin cậy, là công cụ hữu hiệu giúp cho các nhà khoa học, các nhà quản lí đưa ra biện pháp nhằm đảm bảo mục tiêu phát triển bền vững trong các năm tới đây.
- Đối với ảnh có nhiều kênh phổ, khi phân loại các đối tượng, phải lựa chọn các kênh phù hợp, tránh dùng những kênh có sự tương quan cao gây trùng lắp thông tin và cho kết quả phân loại không cao.
- Trong quá trình xử lý và phân loại ảnh như chọn kênh phổ dùng cho phân loại, chọn mẫu giải đoán, các chỉ số thống kê là yếu tố rất quan trọng, giúp xác định tốt các kênh ảnh cần dùng, xác định chất lượng vùng mẫu. Vì vậy, trong quá trình xử lý, phân loại, cần quan tâm, phân tích các số liệu thống kê.
- Với những bản đồ lớp phủ của các ảnh vệ tinh yêu cầu đồ chính xác không cao có thể sử dụng ảnh Landsat để giảm thiểu chi phí vì ảnh Landsat hiện nay đã được miễn phí. Khi thành lập bản đồ lớp phủ với độ chính xác cao và chi tiết thì nên chọn ảnh Spot.
TÀI LIỆU THAM KHẢO Tài liệu tiếng việt
1. Bộ Tài nguyên và Môi trường, Cục Bảo vệ Môi trường, Tổ chức bảo tồn thiên nhiên thế giới (2003), Chương trình Quốc gia về bảo tồn và quản lí đất ngập nước, Hà Nội.
2. Bộ Tài nguyên và Môi trường, Cục Bảo vệ Môi trường, Chương trình bảo tồn đa dạng sinh học vùng đất ngập nước sông Mekong (2006), Hệ thống phân loại đất ngập nước Việt Nam, Hà Nội.
3. Bộ Tài nguyên và Môi trường, Cục Bảo vệ Môi trường (2005), Tổng quan hiện trạng đất ngập nước Việt Nam sau 15 năm thực hiện công ước Ramsar, Hà Nội.
4. Đỗ Đình Sâm, Phan Nguyên Hồng, Vũ Tấn Phương, Ngô Đình Quế,Kế hoạch hành động Bảo vệ và phát triển rừng ngập mặn Việt Nam đến 2015
5. Hà Quốc Hùng, Đặng Trung Tấn ( 1990), Sổ tay cây cỏ RNM Cà Mau; Sở khoa học Công nghệ và môi trường tỉnh Và Mau-Trung tâm nghiên cứu và ứng dụng kỹ thuật rừng ngập mặn Minh Hải
6. Nguyễn Ngọc Thạch (2005) ,Cơ sở Viễn Thám, Đại Học Khoa Học Tự Nhiên Đại Học Quốc Gia Hà Nội
7. Nguyễn Hoàng Trí (1996), Thực vật Rừng ngập mặn Việt Nam
8. Phạm Văn Cự (2005), Cơ sở khoa học của phương pháp viễn thám với kỹ thuật xử lý số Tài liệu giảng dạy: Trung tâm viễn thám và Geomatric VTGEO. 9. Phan Nguyên Hồng và ctv, 1999. Rừng ngập mặn Việt Nam. NXB Nông Nghiệp. 10. Phan Nguyên Hồng (1991), Đặc điểm sinh thái, phân bố thực vật và thảm thực
vật ven biển Việt N am. Luận Án cấp II, Đại học Sư Phạm Hà Nội I. 11. Phùng Tiểu Bôi và cộng sự (2001), Rừng ngập mặn ven biển miền Bắc Việt Nam
12. Trần Thị Ân , Cơ sở viễn thám fundamentals of remote sensing .
13. Viên Ngọc Nam và Trần Hậu Huệ. Phân bố Thực vật Rừng ngập mặn Vườn Quốc gia Côn Đảo, tỉnh Bà Rịa- Vũng Tàu. P.N Hồng (chủ biên) Trong Phục hồi Rừng ngập mặn ứng phó với biến đổi khí hậu hướng tới phát triển bền vững. NXB Nông Nghiệp. 2008. 321-332
Tài liệu tiếng anh
14. Chen M., Sua W., Li L., Zhang C., Yuea A., Lia H. (2009), 'Comparison of Pixel-based and Object-oriented Knowledge-based Classification Methods Using SPOT5 Imagery ', Wseas transactions on information science and applications, 6.
15. Cohen J (1960), 'A coefficient of agreement for niminal scales', Educ. Psychol. Measurment 20, pp. 37-46.
16. De Kok R., Schneider T., Ammer U. (1999), Object-based classification and applications in the Alpine forest environment, 32, International Archives of Photogrammetry and Remote Sensing Valldolid Spain.
17. Gaurav K. P., Prasun K. G. (2010), 'Comparison of Advanced Pixel Based (ANN and SVM) and Object-Oriented Classification Approaches Using Landsat-7 Etm+ Data', International Journal of Engineering and Technology, 2, pp. 245-51.
18. Ivits E., Koch B., Blaschke T., Jochum M., Adler P. (2005), 'Landscape structure assessment with image grey-values and object-based classification at three spatial resolutions', International Journal of Remote Sensing, 26, pp. 2975–93
19. Matinfar H.R., Sarmadian F., Alavi Panah S.K., Heck R.J. (2007),
'Comparisons of Object-Oriented and Pixel-Based Classification of Land Use/Land Cover Types Based on Lansadsat7, Etm+ Spectral Bands (Case Study: Arid Region of Iran) ', American-Eurasian J. Agriculture &