4 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.2.6 đánh giá ựộ chắnh xác của kết quả phân loại
để kiểm tra và ựánh giá ựộ chắnh xác kết quả phân loại thì phương pháp chắnh xác và hiệu quả nhất là kiểm tra thực ựịạ Mẫu kiểm tra thực ựịa không ựược trùng vị trắ với mẫu ựã sử dụng khi phân loại và ựảm bảo phân bố ựều trên khu vực nghiên cứụ
độ chắnh xác phân loại ảnh không những phụ thuộc vào ựộ chắnh xác các vùng mẫu mà còn phụ thuộc vào mật ựộ và sự phân bố các ô mẫụ độ chắnh xác của các mẫu giám ựịnh và của ảnh phân loại ựược thể hiện bằng ma trận sai số.
Ma trận này thể hiện sai số nhầm lẫn sang lớp khác (ựược thể hiện theo hàng) và sai số do bỏ sót của lớp mẫu (ựược thể hiện theo cột). Do vậy ựể ựánh giá hai nguồn sai số này có hai ựộ chắnh xác phân loại tương ứng: độ
chắnh xác phân loại có tắnh ựến sai số nhầm lẫn (do sai số nhầm lẫn gây nên) và ựộ chắnh xác phân loại có tắnh ựến sai số bỏ sót (do sai số bỏ sót gây nên).
độ chắnh xác phân loại ựược tắnh bằng tổng số pixel phân loại ựúng trên tổng số pixel của toàn bộ mẫụ
để ựánh giá tắnh chất của các sai sót phạm phải trong quá trình phân loại người ta dựa vào chỉ số Kappa (κ), chỉ số này nằm trong phạm vi từ 0 ựến 1 và biểu thị sự giảm theo tỷ lệ về sai số ựược thực hiện bằng một yếu tố phân loại hoàn toàn ngẫu nhiên.
Chỉ số κ ựược tắnh theo công 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 ựó:
N: Tổng số pixel lấy mẫu r: Số lớp ựối tượng phân loại xii: Số pixel ựúng trong lớp thứ 1 xi+: Tổng pixel lớp thứ i của mẫu
x+i: Tổng pixel của lớp thứ i sau phân loạị
Sau khi phân loại ảnh bằng phần mềm ENVI sử dụng chức năng
Classification\Post Classification\Confusion Matrix\Using Ground Truth ROIs ựể ựánh giá ựộ chắnh xác kết quả phân loạị
Trong bảng 4.6, các số liệu trên ựường chéo in ựậm là số pixel phân loại ựúng tương ứng của các loại ựất, các số còn lại trong các hàng là số pixel phân loại nhầm sang loại ựất khác. Tổng hàng là tổng số pixel phân loại ựúng và số pixel phân loại nhầm của các loại ựất có trong tệp mẫụ Tổng cột là tổng số pixel từng loại ựất sau phân loại bao gồm số pixel phân loại ựúng và số pixel bỏ sót.
Bảng 4.6 Ma trận sai số phân loại ảnh Loại ựất (1) (Pixel) (2) (Pixel) (3) (Pixel) (4) (Pixel) (5) (Pixel) (6) (Pixel) (7) (Pixel) (8) (Pixel) (9) (Pixel) (10) (Pixel) (11) (Pixel) (12) (Pixel) (13) (Pixel) Tổng hàng (Pixel)
đất chuyên trồng lúa nước (1) 341 0 4 0 0 0 0 0 5 0 0 12 0 362
đất trồng lúa nước còn lại (2) 0 90 0 0 0 0 0 2 0 7 0 0 0 99
đất trồng cây hàng năm khác (3) 0 0 154 0 0 0 2 0 0 0 0 0 0 156
đất trồng cây lâu năm khác (4) 0 0 0 123 0 0 0 0 1 0 0 0 0 124
đất chuyên nuôi trồng thủy sản nước ngọt (5) 0 0 0 0 411 0 0 17 0 0 5 0 0 433
đất ở tại nông thôn (6) 3 0 0 0 0 197 0 0 0 0 6 0 0 206
đất ở tại ựô thị (7) 0 2 0 0 0 0 136 0 0 0 0 2 0 140
đất thủy lợi (8) 0 0 1 0 0 0 0 132 0 0 0 2 0 135
đất giao thông (9) 0 0 0 0 0 0 0 1 43 0 0 0 0 44
đất khu công nghiệp (10) 0 0 0 0 0 2 0 0 0 116 0 0 0 118
đất bằng chưa sử dụng (11) 0 0 16 0 0 0 0 0 19 0 153 0 4 192
đất sông (12) 0 0 0 0 0 0 1 0 0 0 0 471 0 472
đất có mặt nước chuyên dùng (13) 0 25 0 0 0 0 0 0 13 0 0 0 181 219
Bảng 4.7 độ chắnh xác phân loại ảnh độ chắnh xác phân loại có tắnh ựến sai số nhầm lẫn độ chắnh xác phân loại có tắnh ựến sai số bỏ sót Loại ựất Sai số nhầm lẫn (%) (pixel) (%) Sai số bỏ sót (%) (pixel) (%) đất chuyên trồng lúa nước (1) 5.8 341 362 94.2 0.87 341 344 99.13 đất trồng lúa nước còn lại (2) 9.09 90 99 90.91 23.08 90 117 76.92 đất trồng cây hàng năm khác (3) 1.28 154 156 98.72 12 154 175 88 đất trồng cây lâu năm khác (4) 0.81 123 124 99.19 0 123 123 100 đất chuyên nuôi trồng thủy sản nước ngọt (5) 5.08 411 433 94.92 0 411 411 100 đất ở tại nông thôn (6) 4.37 197 206 95.63 1.01 197 199 98.99 đất ở tại ựô thị (7) 2.86 136 140 97.14 2.16 136 139 97.84 đất thủy lợi (8) 2.22 132 135 97.78 13.16 132 152 86.84 đất giao thông (9) 2.27 43 44 97.73 46.91 43 81 53.09 đất khu công nghiệp (10) 1.69 116 118 98.31 5.69 116 123 94.31 đất bằng chưa sử dụng (11) 20.31 153 192 79.69 6.71 153 164 93.29 đất sông (12) 0.21 471 472 99.79 3.29 471 487 96.71 đất có mặt nước chuyên dùng (13) 17.35 181 219 82.65 2.16 181 185 97.84
độ chắnh xác phân loại 2548 2700 94.37
Sai số nhầm lẫn khi phân loại bằng tỷ số giữa số pixel phân loại nhầm sang các loại ựất khác và tổng số pixel có trong tệp mẫụ
Sai số bỏ sót khi phân loại bằng tỷ số giữa số pixel bỏ sót do sự phân loại nhầm lẫn từ các loại ựất khác và tổng số pixel của loại ựất sau phân loạị
độ chắnh xác phân loại có tắnh ựến sai số nhầm lẫn bằng tỷ số giữa số pixel phân loại ựúng và tổng số pixel của mẫụ
độ chắnh xác phân loại có tắnh ựến sai số bỏ sót bằng tỷ số giữa số pixel phân loại ựúng và tổng số pixel của loại ựất tương ứng sau phân loạị độ chắnh xác phân loại bằng là tỷ lệ % của tổng số pixel phân loại ựúng trên tổng số pixel có trong tập mẫụ
Như vậy, ựộ chắnh xác phân loại là 94,37%, chỉ số κ bằng 0,94.
4.2.7 Một số kỹ thuật sau phân loạị
Ảnh sau khi ựuợc phân loại cần thực hiện quá trình hậu phân loại ựể ựánh giá chất lượng phân loại và tạo ựược những lớp cho việc xuất chuyển sang dạng bản ựồ ảnh và vector GIS. Các kỹ thuật hậu phân loại như: lọc loại nhiễu kết quả phân loại, gộp lớp, thay tên và màu của lớp phân loại, chuyển kết quả phân loại sang dạng vector.
- Lọc loại nhiễu kết quả phân loại (Majority/MinorityAnalysis): đây là phương pháp phân tắch ựể gộp các pixel lẻ tẻ hoặc phân loại lẫn trong các lớp vào chắnh lớp chứa nó. Phép lọc trong ENVI là phép lọc Kernel. Sau khi nhập kắch thước của sổ lọc thì giá trị của pixel trung tâm sẽ ựược thay thế bởi giá trị của pixel chiếm ựa số (cách phân tắch theo ựa số) hoặc bằng giá trị của pixel chiếm thiểu số (cách phân tắch theo thiểu số). Kết quả sẽ cho ta một ảnh mới và kết quả của phép lọc không nâng cao ựược ựộ chắnh xác của kết quả phân loại mà chỉ cải thiện về mặt hình thức.
để thực hiện chức năng này, từ thực ựơn lệnh của ENVI ta chọn:
Classification/ Post Classification/Majority/MinorityAnalysis, kết quả ảnh
Hình 4.6 Ảnh phân loại sau khi loại lọc nhiễu
- Ghép nhóm các ựối tượng (gộp lớp - Combine Classes): là việc ghép các lớp phân loại có cùng tắnh chất giống nhau thành một nhóm. Với một loại ựối tượng có thể có nhiều giá trị ựộ xám có ựộ chênh lệch nhau lớn, còn khi chọn vùng mẫu chỉ chọn những vùng ựặc trưng dẫn ựến việc cùng một ựối tượng nhưng ở các lớp khác nhau vì vậy phải gộp chúng lại về cùng một ựối tượng ựể thể hiện trên bản ựồ.
để thực hiện chức năng này, từ thực ựơn lệnh của ENVI ta chọn:
Classification/ Post Classification/Combine Classes. Trên màn hình xuất hiện hộp thoại Combine Classes Input File, chọn file kết quả phân loại ựang cần gộp lớp và nhấn OK. Chọn các cặp lớp ựịnh gộp tương ứng với ô Input Class - lớp ựầu vào, Output Class - lớp ựầu ra và nhấn OK. Tuy nhiên, sau khi so sánh sự khác biệt giữa các cặp lớp trong tệp mẫu phân loại ựều cho thấy sự khác biệt tốt nên không cần gộp lớp.
- Thay tên và ựổi màu cho lớp phân loại: Ta có thể thay tên và ựổi màu cho các lớp phân loại ngay trong phần mềm ENVỊ Tuy nhiên, trong ENVI không hộ trợ cho việc trộn màu theo ựúng quy phạm hiện hành, vì vậy với ảnh ựã phân loại ta không ựổi màu và tên lớp ở ựây mà sẽ tiến hành thay tên và ựổi màu cho từng lớp ở phần mềm biên tập bản ựồ theo ựúng màu của Quy phạm thành lập bản ựồ hiện trạng sử dụng ựất do Bộ Tài nguyên và Môi trường quy ựịnh.
- Chuyển kết quả phân loại sang dạng véc tơ: Từ kết quả phân loại ảnh sau khi tiến hành lọc loại nhiễu ảnh phân loại, ta sẽ chuyển kết quả ảnh lọc loại nhiễu sang dạng véctơ. Ảnh sau khi phân loại ựược chuyển sang dạng véctơ và lưu ở ựịnh dạng file: ỘLuongTaịevf Ợ.
Ảnh phân loại sau khi ựược chuyển sang dạng vector ựược xuất sang ựịnh dạng ỘLuongTaịdxfỢ ựể nhập vào phần mềm Mapinfo và biên tập thành bản ựồ hiện trạng sử dụng ựất.
Tại ựây, ta sẽ tiến hành ựổi tên lớp, gán màu cho từng lớp ựối tượng sử dụng ựất theo ựúng quy ựịnh của Quy phạm thành lập bản ựồ hiện trạng sử dụng ựất. Tiến hành biên tập khung, lưới, chú dẫn và gắn các thông tin thuộc tắnh khác như tên ựịa ranh, tên xã, thị trấn, khu vực giáp ranh,Ầ
Kết quả biên tập, xây dựng bản ựồ hiện trạng sử dụng ựất ở phần mềm Mapinfo thể hiện ở hình 4.7.
để thống kê diện tắch từng loại ựất trên bản ựồ, ta chuyển file vector LuongTaịevf sang dạng LuongTaịshp và nhập vào phần mềm Arc Map. Từ ựây, ta sử dụng các công cụ tắnh toán của Arc Map ựể thống kê diện tắch của từng loại ựất. Kết quả thống kê diện tắch các loại ựất ựược thể hiện trong bảng 4.9.
Bảng 4.8 Thống kê diện tắch theo bản ựồ giải ựoán
STT Loại ựất Diện tắch giải ựoán
(ha)
Tỷ lệ (%)
1 đất chuyên trồng lúa nước 3.797,97 35,81
2 đất trồng lúa nước còn lại 213,17 2,01
3 đất trồng cây hàng năm khác 88,05 0,83
4 đất trồng cây lâu năm khác 145,78 1,37
5 đất chuyên nuôi trồng thủy sản nước ngọt 422,85 3,99
6 đất ở tại nông thôn 1.726,77 16,28
7 đất ở tại ựô thị 895,49 8,44
8 đất thủy lợi 1.940,22 18,29
9 đất giao thông 428,71 4,04
10 đất khu công nghiệp 349,05 3,29
11 đất bằng chưa sử dụng 254,64 2,40
12 đất sông 99,22 0,94
13 đất có mặt nước chuyên dùng 243,59 2,30
TỔNG DIỆN TÍCH TỰ NHIÊN 10.605,51 100
để ựánh giá ựộ chắnh xác của bản ựồ hiện trạng sử dụng ựất huyện Lương Tài ựược giải ựoán từ ảnh vệ tinh, ta so sánh diện tắch trên bản ựồ giải ựoán so với số liệu kiểm kê ựất ựai năm 2010 của huyện. Chênh lệch giữa diện tắch thống kê và diện tắch giải ựoán thể hiện trong bảng 4.9.
Từ bảng 4.9 nhận thấy, giữa diện tắch giải ựoán và diện tắch thống kê loại ựất nào cũng có sự chênh lệch. đất trồng cây hàng năm khác (BHK) giảm -0,30ha; đất trồng cây lâu năm khác (LNK) giảm -0,89ha; đất ở nông thôn (ONT) giảm -4,48ha; đất ở ựô thị (ODT) giảm -6,72ha; đất có mặt nước chuyên dùng (MNC) giảm -9,40ha; đất chuyên trồng lúa nước (LUC) tăng
+1,86ha; đất trồng lúa nước còn lại (LUK) tăng +1,05ha; đất nuôi trồng thủy sản nước ngọt (TSN) tăng +2,00ha; đất thủy lợi (DTL) tăng +5,11ha; đất giao thông (DGT) tăng +2,55ha; đất khu công nghiệp tập trung (SKK) tăng 1,04ha; đất bằng chưa sử dụng (BCS) tăng 0,30ha; đất sông suối (SON) tăng +9,02 hạ
Bảng 4.9 Chênh lệch diện tắch giải ựoán và diện tắch kiểm kê
Chênh lệch STT Loại ựất Diện tắch giải ựoán (ha) Diện tắch thống kê năm 2010 (ha) Diện tắch (ha) Tỷ lệ (%)
1 đất chuyên trồng lúa nước 3.797,97 3.796,11 1,86 0,05
2 đất trồng lúa nước còn lại 213,17 212,12 1,05 0,50
3 đất trồng cây hàng năm khác 88,05 88,35 -0,30 -0,34
4 đất trồng cây lâu năm khác 145,78 146,67 -0,89 -0,61
5 đất chuyên nuôi trồng thủy sản
nước ngọt 422,85 420,85 2,00 0,48
6 đất ở tại nông thôn 1.726,77 1.731,25 -4,48 -0,26
7 đất ở tại ựô thị 895,49 902,21 -6,72 -0,74
8 đất thủy lợi 1.940,22 1.935,11 5,11 0,26
9 đất giao thông 428,71 426,16 2,55 0,60
10 đất khu công nghiệp 349,05 348,01 1,04 0,30
11 đất bằng chưa sử dụng 254,64 254,34 0,30 0,12
12 đất sông 99,22 90,20 9,02 10,00
13 đất có mặt nước chuyên dùng 243,59 252,99 -9,40 -3,72
TỔNG DIỆN TÍCH TỰ NHIÊN 10.605,51 10.604,37 1,14 0,01
Nguyên nhân dẫn ựến chênh lệch trên có thể giải thắch như sau: Khi sử dụng ảnh vệ tinh ựể giải ựoán các ựường nhỏ, ựường bờ vùng, các danh giới sử dụng ựất, các mương nhỏ, ựường bờ kênh, ựường nội ựồng,Ầcó các loại cây cỏ bụi mọc nhiều nên khó phân ựịnh rõ ràng; các ngôi nhà, ựịa vật và công trình ựộc lập có thể rất nhỏ so với diện tắch ựất vườn tạp và các loại cây trồng bao quanh. Mặt khác, trên ựịa bàn của huyện vẫn còn tồn tại một số dự án ựất ở (nhất là ựất ở ựô thị) và dự án chuyển ựổi mục ựắch sử dụng ở khu vực trũng sang ựất trang trại ựã có quyết ựịnh giao ựất nhưng chưa xây dựng
hạ tầng. Do ựó, chúng ựược gộp thành các loại khác như: ựất trồng lúa, ựất thủy lợi, ựất giao thông, ựất khu công nghiệp tập trungẦ. Diện tắch ựất nuôi trồng thuỷ sản tăng là vì tại một số khu vực ựất trồng lúa một vụ bị ngập nước khi phân loại bị nhầm thành ựất nuôi trồng thuỷ sản. Diện tắch ựất chưa sử dụng tăng không ựáng kể là do ựộ phân giải của ảnh khó phân biệt ựược ựất nông nghiệp với những cây cỏ bụi thuộc ựất chưa sử dụng.
Vì vậy, diện tắch ựất trồng cây hàng năm khác; đất trồng cây lâu năm khác; đất ở nông thôn; đất ở ựô thị; đất có mặt nước chuyên dùng thì giảm ựi so với thồng kê ựất ựai năm 2010. Còn ựất chuyên trồng lúa nước; đất trồng lúa nước còn lại; đất nuôi trồng thủy sản nước ngọt; đất thủy lợi; đất giao thông; đất khu công nghiệp tập trung; đất bằng chưa sử dụng; đất sông suối thì tăng.
4.2.8 Kiểm tra ngoại nghiệp
- Mục ựắch:
+ Kiểm tra xác minh những ựối tượng nghi ngờ chưa xác ựịnh ựược trong quá trình giải ựoán trong phòng;
+ Bổ sung, chỉnh sửa những ựối tượng có sự sai khác giữa quá trình giải ựoán và thực tế nhằm nâng cao ựộ chắnh xác của bản ựồ cần thành lập.
- Công tác chuẩn bị, bao gồm:
+ In bản ựồ ngoại nghiệp tức bản ựồ giải ựoán trong phòng ựược in trên nền bản ựồ ựịa hình có cùng tỷ lệ; thiết kế các tuyến ựiều tra có sự ựặc trưng cho từng khu vực khảo sát và tập trung vào một số xã có sự biến ựộng nhiềụ
+ Việc ựiều tra cần có sự trợ giúp của các cán bộ ựịa chắnh cấp xã và cấp huyện nhằm tận dụng những hiểu biết tường tận và kiến thức thực tế của các cán bộ này, giúp quá trình ựiều tra nhanh chóng, thuận tiện và ựảm bảo ựộ chắnh xác caọ
+ Những ựối tượng chỉnh lý là những ựối tượng ựược nghi ngờ trong quá trình giải ựoán và những ựối tượng phát hiện có sự sai khác so với thực tế. Nếu khu vực nào có sự sai khác thì phải tiến hành giải ựoán bổ sung nhằm tăng ựộ chắnh xác cho kết quả giải ựoán.
+ Chia thành 03 tuyến kiểm tra: tuyến thứ nhất bao gồm các xã có các ựường tỉnh lộ, quốc lộ chạy qua và lân cận, thuộc phắa Tây khu vực nghiên cứu; tuyến thứ hai bao gồm các xã ựồng bằng giáp sông Thái Bình, phắa đông khu vực nghiên cứu và tuyến thứ ba bao gồm các xã khu vực trung tâm huyện lỵ của huyện, là nơi có nhiều biến ựộng nhất.
+ Trên các tuyến ựiều tra, tiến hành so sánh ựối chiếu các loại hình sử dụng ựất trên bản ựồ giải ựoán và thực ựịa ở các vị trắ có nghi ngờ trong quá trình giải ựoán. Kết quả kiểm tra tại 67 ựiểm và có 49 ựiểm phù hợp với thực tế, còn lại 18 ựiểm có nhiều sai khác so với thực tế. Tiến hành chụp ảnh 18