Luận văn Nghiên cứu biến động lớp phủ mặt đất huyện Từ Liêm trên cơ sở ứng dụng công nghệ viễn thám và GIS

Kiến trúc ảnh được hiểu là số lần lặp lại của sự thay đổi tone ảnh gây ra bởi tập hợp của nhiều đặc tính rõ ràng của các cá thể riêng biệt. Ví dụ, cấu trúc mịn đặc trưng cho trầm tích bở rời, cấu trúc thô đặc trưng cho đá magma, cấu trúc dạng dải đặc trưng cho các đá trầm tích biến chất. Từ đó có thể phân biệt được các loại đá khác nhau và độ cao tương đối của chúng. + Kiểu mẫu (pattern): Là nhân tố rất quan trọng thể hiện sự sắp xếp của đối tượng theo một quy luật nhất định trong không gian. Một dạng địa hình đặc trưng sẽ bao gồm sự sắp xếp theo một quy luật đặc trưng của các đối tượng tự nhiên, là hợp phần của các dạng địa hình đó. Ví dụ, khu đô thị là tập trung của nhà xây, đường phố, cây xanh tạo nên một mẫu đặc trưng của cấu trúc đô thị. Ruộng trồng lúa có hình mẫu đặc trưng khác với vườn cây ăn quả. + Hình dạng (shape): Là những đặc trưng bên ngoài tiều biểu cho từng đối tượng, là hình ảnh bên ngoài của đối tượng. Hình dáng là yếu tố đầu tiên giúp cho người phân tích có thể phân biệt các đối tượng khác nhau. Ví dụ, hồ móng ngựa là khúc sông cụt, dạng chổi sáng màu là các cồn cát ven biển. + Kích thước ( size): Kích thước của một đối tượng được xác định theo tỷ lệ ảnh và kích thước đo được trên ảnh. Dựa vào thông tin này cũng có thể phân biệt được các đối tượng trên ảnh. + Bóng ( shadow): Là phần bị che lấp, không có ánh sáng mặt trời chiếu tới hoặc từ nguồn chủ động, do đó không có ánh sáng phản hồi tới thiết bị thu. Bóng thường thể hiện bằng tone ảnh đen trên ảnh đen trắng và màu sẫm đến đen trên ảnh màu. Bóng có thể phản ánh lên độ cao của đối tượng. Bóng là yếu tố quan trọng tạo nên cấu trúc đặc trưng cho các đối tượng. Tuy nhiên bóng cũng là phần mà thông tin về đối tượng không có hoặc rất ít vì vậy cần phải bổ sung lượng thông tin ở vùng này. + Vị trí ( site): Vị trí cũng là một yếu tố rất quan trọng để phân biệt các đối tượng. Cùng một dấu hiệu, song ở các vị trí khác nhau có thể là các đối tượng khác nhau. Ví dụ, bãi bồi không thể có ở sườn núi mặc dù vài đặc điểm trên ảnh trông rất giống dấu hiệu của nó. Các bãi bồi chỉ phân bố ở hai bên bờ sông suối và có màu sáng còn ở sườn núi các mảng màu sáng lại là các nón phóng vật, các đới trượt lở hoặc vùng canh tác nương rẫy. + Màu (color): Màu của đối tượng trên ảnh tổ hợp màu giả ( FCC) giúp cho người giải đoán có thể phân biệt nhiều đối tượng có đặc điểm tone ảnh tương tự nhau trên ảnh đen trắng. Tổ hợp màu giả thông dụng trong ảnh LANDSAT và SPOT là xanh lơ (blue), xanh lục (green) và (red) thể hiện các nhóm yếu tố cơ bản là thực vật có màu hồng đến đỏ, nước có màu xanh lơ nhạt đến sẫm, rừng ngập mặn có màu đỏ sẫm đến nâu sẫm, đất trống có cây màu vụ đông thì có màu hồng đến vàng, Ngoài 3 tổ hợp màu giả trên người ta có thể tạo ra rất nhiều tổ hợp màu giả khác bằng phương pháp quang học ( dùng các tấm lọc màu) hoặc bằng kỹ thuật xử lý ảnh số. Vì vậy khi giải đoán các đối tượng trên ảnh màu giả phải có những định hướng ngay từ đầu về các tổ hợp màu giả, từ đó tránh được sự nhầm lẫn. - Các yếu tố địa kỹ thuật Các yếu tố địa hình, thực vật, hiện trạng sử dụng đất, mạng lưới sông suối, hệ thống các khe nứt và các yếu tố dạng tuyến, tổ hợp các yếu tố giải đoán. Sau đây là một số dấu hiệu giải đoán: Bảng 2.1 - Một số dấu hiệu giải đoán trên ảnh tổ hợp màu giả của ảnh vệ tinh SPOT TT Đối tượng Dấu hiệu 1. Đô thị Xanh lam (đậm hoặc nhạt, thậm chí trắng tuỳ theo mật độ công trình) 2. Giao thông (đường bộ, đường sắt) Xanh lam thẫm hoặc xám. 3. Cây hàng năm Đỏ (cây đang trồng), hồng xám (cây đã thu hoạch) và xanh lam - trắng (đất cày) 4. Vật thể nước Đen, xanh lá cây lẫn xanh lam (tối hoặc sáng theo độ sâu và độ sạch) 5. Cây lâu năm Đỏ - hồng Nguồn: Nghiên cứu sử dụng hợp lý đất vùng ven đô huyện Thanh Trì, Hà Nội với sự hỗ trợ của công nghệ viễn thám và hệ thông tin địa lý – Đinh Thị Bảo Hoa, 2007. Như vậy trong giải đoán bằng mắt phải nắm bắt và phân biệt được các dấu hiệu giải đoán, công việc đó đòi hỏi người giải đoán phải có kiến thức chuyên môn vững để có thể kết hợp tốt các kiến thức trong quá trình giải đoán ảnh và chỉ có vậy mới có thể đưa ra kết quả chính xác. 2.2 Cơ sở GIS trong nghiên cứu biến động lớp phủ mặt đất Có rất nhiều quan niệm về GIS nhưng nói chung là đều tập chung theo hai hướng: - Quan niệm về GIS như một cơ sở dữ liệu bản đồ được điều khiển bằng các kỹ thuật đồ hoạ máy tính với các chức năng nhập, tổ chức, hiển thị, hỏi đáp các thông tin bản đồ được lưu trữ trong cơ sở dữ liệu. - Quan niệm về GIS như một hệ thông tin địa lý gồm các chức năng nhập, phân tích hiển thị và có khả năng mô hình hoá các lớp thông tin được tổ chức trong một cơ sở dữ liệu để thành lập bản đồ chuyên đề. Cho dù GIS được hiểu theo quan niệm nào thì nó cũng phải đáp ứng được yêu cầu là một hệ thông tin gồm có 4 phần: 1. Máy tính và các thiết bị ngoại vi có khả năng thực hiện các chức năng vào, ra và xử lý thông tin của phần mềm. 2. Một phần mềm có khả năng như nhập, lưu trữ, điều chỉnh, cập nhật và tổ chức các thông tin không gian và thông tin thuộc tính, phân tích, biến đổi thông tin trong cơ sở dữ liệu, hiển thị và trình bày thông tin dưới dạng khác nhau, với các biện pháp khác nhau; 3. Có cơ sở dữ liệu chứa các thông tin không gian (thông tin địa lý) và các thông tin thuộc tính, được tổ chức theo ý đồ chuyên ngành nhất định 4. Người sử dụng với các kiến thức chuyên gia chuyên ngành. Trong nghiên cứu biến động lớp phủ mặt đất, GIS đóng vai trò quan trọng trong việc tập hợp và phân tích cơ sở dữ liệu. Mục đích là tổng hợp, hệ thống hoá và thống nhất nguồn dữ liệu phục vụ việc theo dõi đánh giá và dự báo biến động lớp phủ mặt đất. Mặt mạnh của một GIS thể hiện qua chức năng phân tích không gian. Phân tích không gian thường để tạo thêm các thông tin địa lý bằng cách sử dụng các thông tin đã có hay phát triển các cấu trúc không gian hoặc mối liên hệ giữa các thông tin địa lý. Trong phân tích biến động lớp phủ mặt đất, ta thường dùng một số kỹ thuật sau: Tạo thêm thông tin địa lý qua chồng lớp dữ liệu hoặc tạo vùng đệm: Chồng lớp dữ liệu (Overlay) là một kỹ thuật phổ biến trong phân tích không gian. Nhiều lớp dữ liệu được chồng lên nhau theo một phép toán đại số hoặc logic nào đó để có một dữ liệu mới. Tạo vùng đệm là xác định khu vực nằm trong một bán kính nhất định so đối tượng với một điểm hoặc đường nào đó. Thông thường, độ dài của bán kính vùng đệm được xác định do ảnh hưởng của điểm hoặc đường tới xung quanh. Kỹ thuật liên kết: Là liên kết nhiều kỹ thuật phân tích không gian với nhau để ta có được kết quả cần thiết. Ngoài ra, để tìm kiếm dữ liệu thoả mãn một điều kiện đặt ra ta còn sử dụng chức năng truy vấn không gian của GIS. Có hai loại truy vấn không gian là truy vấn dữ liệu thuộc tính (tức là tìm một phân bố không gian hay một vùng thoả mãn một số điều kiện thuộc tính) và truy vấn dữ liệu địa lý (tìm kiếm tất cả các dữ liệu thoả mãn một điều kiện địa lý đã cho như vị trí, hình dạng hay điểm giao cắt,...) Việc tìm kiếm và phân tích dữ liệu phụ thuộc vào khả năng liên kết hai kiểu dữ liệu này. Khả năng liên kết càng lớn thì việc tìm kiếm và phân tích dữ liệu sẽ càng hiệu quả. Người sử dụng có thể truy nhập dữ liệu bảng thông qua bản đồ hoặc có thể tạo ra bản đồ thông qua các dữ liệu bảng. Để truy cập và hiển thị dữ liệu này, máy tính cần phải lưu trữ cả dữ liệu dạng bảng và dữ liệu đồ hoạ theo khuôn dạng có tổ chức và có thể tìm kiếm được. 2.3 Phương pháp nghiên cứu biến động lớp phủ mặt đất Sơ đồ 2.1- Quy trình phương pháp nghiên cứu biến động lớp phủ mặt đất Quy trình xử lý ảnh bằng viễn thám bao gồm: 2.3.1 Chọn tư liệu ảnh viễn thám Chọn tư liệu viễn thám của khu vực nghiên cứu ở các thời điểm trên cơ sở lý thuyết đề tài đã đưa ra. Kỹ thuật điều tra biến động liên quan đến việc sử dụng một dãy dữ liệu đa thời gian để xác định vùng biến động lớp phủ giữa hai thời gian chụp. Để nghiên cứu biến động ta cần có ít nhất 2 ảnh chụp ở cùng khu vực và ở hai thời điểm khác nhau. Sau đó, ta chuyển đổi hai ảnh về cùng một hệ quy chiếu và cùng độ phân giải. Đây là phương pháp quan trọng trong kỹ thuật điều tra biến động bởi nó liên quan đến kết quả và độ chính xác khi so sánh hai kết quả phân loại. Nói chung khi sai số nắn chỉnh lớn hơn 1 pixel (tức là lớn hơn độ phân giải không gian) thì việc xác định thông tin biến động sẽ thất bại bởi có nhiều pixel bị lẫn. 2.3.2 Nắn chỉnh hình học Bản chất của quá trình là xây dựng được mối tương quan giữa hệ toạ độ ảnh đo và hệ toạ độ quy chiếu chuẩn. Lý do là trong quá trình thu nhận ảnh luôn có sự sai lệch về vị trí giữa toạ độ ảnh đo được và toạ độ ảnh lý tưởng được tham chiếu với hệ toạ độ biết trước dùng cho Trái đất. Vì thế cần phải thực hiện hiệu chỉnh hình học (nắn chỉnh hình học). Có hai cách chính được sử dụng để nắn chỉnh hình học : + Nắn chỉnh một ảnh số trên cơ sở các điểm khống chế toạ độ trên bản đồ hoặc từ các điểm toạ độ đo được ngoài thực tế (ảnh với bản đồ). + Nắn chỉnh một ảnh số dựa trên cơ sở toạ độ của một ảnh đã nắn cùng độ phân giải hoặc ảnh đã nắn với độ phân giải cao hơn (ảnh với ảnh). Trong thực hiện nắn chỉnh ảnh số, có bao nhiêu điểm khống chế toạ độ được chọn trong nắn chỉnh sẽ có bấy nhiêu dòng ghi nhận chúng. Các dòng này nằm trong một tệp dữ liệu thông tin về toạ độ của các pixel ảnh trên ảnh chưa biết và giá trị toạ độ thật của chúng trên thực tế. Trong cả hai phương pháp, nắn ảnh với bản đồ ( hoặc với dữ liệu đo được từ GPS) và ảnh với ảnh phải đảm bảo độ chính xác cho phép. Thông thường việc kiểm tra độ chính xác dựa trên sai số trung phương trên các điểm kiểm tra. Nếu các sai số không nhỏ hơn giá trị cho phép thì cần phải tìm nguyên nhân hoặc tăng thêm các điểm kiểm tra. 2.3.3 Đồng nhất về độ phân giải của các ảnh tư liệu Do các ảnh có độ phân giải không gian và độ phân giải phổ khác nhau nên chúng cần được đồng nhất hoá về mặt hình học. Đây là bước quan trọng khi đem so sánh hai ảnh phân loại có độ phân giải không gian khác nhau. 2.3.4 Phân loại ảnh viễn thám Phân loại ảnh viễn thám : - Là chuyển các giá trị đo sang các giá trị mang tính chuyên đề - Chuyển dữ liệu thành thông tin bản đồ và thông tin thống kê - Tập hợp các Pixel có cùng một số thông số thống kê phổ thành một lớp có ý nghĩa chuyên đề - Tập hợp một số đối tượng có chung một số thuộc tính vào một lớp có ý nghĩa chuyên đề Các phương pháp phân loại trong viễn thám: 2.3.4.1 Phương pháp phân loại thống kê Phương pháp phân loại thống kê là phương pháp phân loại dựa vào các đặc trưng phổ của từng pixel trên ảnh. Các đặc trưng về thống kê giá trị phổ cụ thể như sau : - Số lượng các band phổ. - Giá trị xám độ trung bình. - Giá trị xám độ cực đại , giá trị xám độ cực tiểu. - Phương sai. - Độ lệch chuẩn . Phương pháp phân loại thống kê gồm phân loại có kiểm định và phân loại không kiểm định a. Phương pháp phân loại không kiểm định Phương pháp phân loại không kiểm định là phương pháp phân loại thuần túy theo tính chất phổ mà không biết rõ tên hay tính chất của lớp phổ đó, việc đặt tên chỉ là tương đối. Phân loại không kiểm định, toàn bộ ảnh sẽ tự động được phân loại ra thành các lớp riêng theo dấu hiệu đồng nhất về phổ, phân loại không kiểm định thường được sử dụng để làm tiền đề cho phương pháp phân loại có kiểm định . Phân loại không kiểm định gồm một số thuật toán được sử dụng như: thuật toán ISO- DATA, thuật toán K- Mean + Thuật toán K-Mean: ban đầu người ta chọn ra K điểm trong không gian phổ để nhận làm tâm của các lớp rồi tiến hành phân loại các điểm ảnh theo nguyên tắc khoảng cách tối thiểu, sau đó xác định vị trí trung bình của tất cả các điểm ảnh thuộc mỗi lớp để nhận làm tâm mới rồi tiến hành phân loại lại.Quá trình này được lặp lại cho tới khi tâm của các lớp giữa hai lần lặp trùng nhau thì kết thúc.Do tâm của các lớp tự điều chỉnh trong quá trình lặp nên phương pháp cho kết quả đáng tin cậy, không phụ thuộc vào việc lựa chọn các tâm ban đầu và trình tự xét các điểm ảnh nhưng đòi hỏi người phân loại phải tự xác định trước số lượng các lớp phổ trên ảnh (việc này tương đối khó nhưng cũng có thể khắc phục được bằng kiến thức chuyên gia khi tổ hợp các kênh phổ lại với nhau) . + Thuật toán ISO- Data(Interactive self- Organizing Data Analysis): đây là một cách phân loại cải biên của phân loại K-Mean,nhằm khắc phục những nhược điểm của phương pháp K-Mean bằng cách sau mỗi lần lặp tiến hành kiểm tra để gộp nhóm, loại bỏ hay tách lớp khi cần, nhờ đó tự điều chỉnh được số lớp trong kết quả phân loại . Phương pháp phân loại không kiểm định giúp chúng ta phát hiện các lớp phổ trên ảnh từ đó phục vụ cho việc phân loại có kiểm định hoặc trợ giúp phân loại đối tượng ở những nơi khó tiếp cận như khu vực xảy ra thiên tai, những vùng xa xôi chưa có điều kiện khảo sát. b. Phương pháp phân loại có kiểm định Khác với phương pháp phân loại không kiểm định, phương pháp phân loại có kiểm định là phương pháp phân loại do người phân loại chọn ra các nhóm đối tượng làm mẫu phân loại (các vùng mẫu). Trên cơ sở các vùng mẫu này,các Pixel trong toàn ảnh sẽ được sắp xếp theo những nguyên tắc nhất định để đưa về nhóm đối tượng đã được đặt tên phân loại (các lớp chuyên đề). Sự phân loại này dựa trên các hàm phân tách, tùy từng trường hợp mà các hàm phân tách này khác nhau. Một số thuật toán phân loại có kiểm định thường sử dụng là: - Phương pháp phân loại xác suất cực đại- Maximum Likelihood Phương pháp này hoạt động theo nguyên tắc: sau khi xác định được hàm phân bố mật độ xác suất của mỗi lớp, đối với mỗi điểm ảnh tính xác suất mà nó có thể thuộc vào từng lớp và phân loại về lớp có xác suất cao nhất. Nếu coi sai số phân loại nhầm một điểm ảnh thuộc lớp này vào lớp khác, cần lập một ma trận gồm các phần tử xác định mức độ nghiêm trọng của việc phân loại nhầm giữ mỗi cặp lớp, chúng có thể hiểu là mức thiệt hại hay mức phạt. Trong trường hợp này hàm phân tách được xây dựng dựa trên giá trị kỳ vọng của mức thiệt hại mà ta sẽ phải đón nhận khi phân loại điểm ảnh về mỗi lớp và điểm ảnh sẽ được phân loại về lớp tương ứng với mức thiệt hại nhỏ nhất. Ở dạng thuật toán này gọi là thuật toán Bayes. Trong cả hai trường hợp, có thể kiểm soát quá trình phân loại bằng việc đưa vào các giá trị ngưỡng và sẽ chỉ tiến hành phân loại đối với các điểm ảnh có xác suất để nó thuộc về lớp dự kiến phân loại cao hơn (hay mức thiệt hại nhỏ hơn )giá trị ngưỡng này. Maximum Likelihood hoạt động trên nguyên tắc chặt chẽ nên cho kết quả phân loại đáng tin cậy với điều kiện hệ thống phân loại phải thích hợp (mỗi lớp đều phải phân bố chuẩn) và số liệu mẫu phải đại diện, cho phép xác định đúng hàm mật độ phân bố xác suất của mỗi lớp . Nếu khoảng cách phân bố của các lớp cần phân loại không tách bạch mà có sự chồng phủ nhất định giữa các lớp thì trong trường hợp này khó tránh khỏi sự nhầm lẫn trong kết quả phân loại . Trong thực tế sẽ hợp lý hơn nếu ta chỉ phân loại các điểm ảnh khi biết chắc chắn hoặc ít nhất thì cũng với mức độ tin cậy nào đấy. Còn đối với các điểm ảnh mà xác suất để nó thuộc vào mỗi lớp khá thấp, sẽ được đánh dấu chúng vào lớp không phân loại, để sau đó xác định chúng bằng phương pháp khác. Chẳng hạn thông qua giải đoán bằng mắt hay các tài liệu điều tra thực địa. Ngoài ra, kỹ thuật này cũng có thể được áp dụng trong trường hợp ta chỉ cần xác định trên ảnh một số đối tượng nhất định. Các điểm ảnh không được phân loại có thể coi chúng thuộc về những đối tượng mà ta không quan tâm. Để làm như vậy ở đây ta đưa ra một giá trị ngưỡng và sẽ chỉ tiến hành phân loại đối với những điểm ảnh có xác suất để nó thuộc về lớp dự kiến phân loại cao hơn giá trị ngưỡng này. Thông thường, các giá trị ngưỡng sẽ được xác định không phải cho các giá trị xác suất mà cho hàm phân tách. * Phương pháp khoảng cách tối thiểu (Minimum distance) Phương pháp này thường được gọi là phương pháp người láng giềng gần nhất (Nearest neigborhood). Đây là phương pháp tương đối đơn giản dựa vào thuần túy việc so sánh khoảng cách từ điểm ảnh cần phân loại đến tâm các lớp trong không gian phổ rồi gán điểm đó về lớp có tâm gần nó nhất. Nhận xét: - Tuy không sử dụng đến hàm phân bố xác suất nhưng trên nguyên lý hoạt động phương pháp khoảng cách tối thiểu vẫn ngầm định rằng các lớp cần phân loại có phân bố chuẩn. - Ngoài ưu thể về tốc độ, phương pháp khoảng cách tối thiểu còn nên được thay thể cho phương pháp xác suất cực đại trong trường hợp không xác định được đủ số lượng các tập mẫu đại diện cho mỗi lớp. - Cũng như phương pháp xác suất cực đại, phương pháp khoảng cách tối thiểu cũng thường được sử dụng với các giá trị ngưỡng nhầm tránh không phân loại những điểm ảnh nằm quá xa (trong không gian phổ) tâm của các lớp cần phân loại. * Phương pháp phân loại Mahalanobis (phương pháp phân loại sử dụng khoảng cách Mahalanobis) Về thực chất đây là một biến thể của phương pháp xác suất cực đại. Đây là trường hợp riêng của phương pháp xác suất cực đại khi các lớp có chung ma trận hiệp biến. Trong thực tế, do ma trận hiệp biến của các lớp không thể hoàn toàn như nhau, tùy từng chương trình mà ma trận hiệp biến có thể lấy ma trận trung bình của tất cả các lớp hoặc ma trận hiệp biến của toàn ảnh. Khác với phương pháp tối thiểu, phương pháp này không đặt giả thiếtlá ma trận hiệp biến của các lớp là ma trận đường chéo, cũng như yêu cầu phương sai của mỗi lớp phải nhue nhau trên tất cả các kênh nên tỏ ra hiện thực hơn. Tuy nhiên, vẫn sử dụng ma trận hiệp biến trong hàm phân cách của mình, nên phương pháp này đòi hỏi khắc khe hơn về tính chân thực của ma trận này. Do đó, đây có thể coi là giải pháp trung gian giữa hai phương pháp xác suất tối đa và khoảng cách tối thiểu, và nên được áp dụng khi giữa các kênh ảnh sử dụng sự khác biệt về độ phân giải bức xạ nhưng không đủ điều kiện để áp dụng hiệu quả phương pháp xác suất cực đại. * Phương pháp phân loại hình hộp - parallelepiped Đây là phương pháp phân loại đơn giản nhất. Nó dựa trên các số liệu mẫu để xác định khoảng phân bố của mỗi lớp trên từng kênh. Từ đó xác định miền phân bố của chúng trong không gian phổ dưới dạng hình hộp. Đối với phương pháp phân loại này là mặc dù thuật toán đơn giản, tốc độ xử lý nhanh, những điểm ảnh được phân loại đều có độ tin cậy cao. Nhược điểm của phương pháp này là số điểm ảnh không được phân loại lớn. Nếu giữa các kênh ảnh có tương quan thì khả năng giao cắt giữa miền phân bố của các lớp sẽ càng lớn. Để khắc phục điều này ảnh trước khi phân loại được biến đổi về dạng các thành phần chính, để loại bỏ tương quan giữa các kênh ảnh. 2.3.4.2 Phương pháp phân loại định hướng đối tượng Phương pháp phân loại thống kê thường dẫn đến sự lẫn phổ, làm mất thông tin và rất manh mún khi nghiên cứu ở khu vực ven đô. Mặc dù độ phân giải không gian ngày càng tăng cho phép chúng ta nhận biết các đối tượng trên ảnh được rõ ràng hơn. Nhưng một điều không mong muốn xảy ra là khi thực hiện các phép phân tích biến động lấy các pixel làm cơ sở thì thấy có sự bất đồng về giá trị phổ của các pixel. Điều này gây khó khăn lớn cho việc phân loại bằng các phương pháp thống kê dựa trên phổ của pixel. Để khắc phục nhược điểm đó, phương pháp phân loại theo đối tượng đã sử dụng các thông tin hữu ích khác có thể là chìa khoá cho khâu giải đoán như: cấu trúc, các hình dạng chuẩn,và đặc biệt là thông tin về ngữ cảnh của đối tượng đó do chính các đối tượng ảnh tạo nên. Sự phản ảnh các đối tượng ảnh được xác định bằng tính chất vật lý, hoá học của đối tượng và các đặc trưng của thế giới thực được chia làm 3 loại : - Các đặc trưng thực : Là các đặc trưng về mặt vật lý của đối tượng. Đây là yếu tố xác định về hình ảnh của đối tượng trên thực tế ( như màu sắc, cấu trúc, hình dạng) và được thu nhận bởi bộ cảm biến của các thiết bị thu. - Các đặc trưng quan hệ : Đây là những đặc trưng mô tả mối quan hệ địa lý giữa các đối tượng với nhau hoặc với toàn cảnh xung quanh. - Các đặc trưng về ngữ cảnh : Là đặc trưng mô tả mối quan hệ về ngữ nghĩa giữa các đối tượng. Ví dụ, một khu trồng cây xanh xen với các vùng dân cư thì thường đây sẽ nhận định là công viên khi xét mối quan hệ của nó với các vùng dân cư xung quanh. Phân loại định hướng đối tượng gắn liền với một sự mô tả có hệ thống và có trật tự về các lớp đối tượng. Quá trình phân loại là đăng ký một số đối tượng vào một lớp đối tượng nhất định dựa vào các mô tả mang tính chất định nghĩa của lớp đối tượng đó. Do vậy, sự mô tả của một lớp là mô tả về những nét đặc thù hoặc các điều kiện tạo nên lớp đó. Đối tượng sẽ được phân loại dựa theo những đặc trưng chúng có hoặc không được phân loại khi so sánh các đặc trưng điều kiện trên. Kết quả là mỗi đối tượng thuộc về một lớp nào đó hoặc không trong trường hợp không được phân loại. Các lớp đối tượng này có liên hệ với nhau do đó bản thân mỗi đối tượng không chỉ được biết trong một cách riêng biệt mà còn trong một ngữ cảnh chung trong đó xác định mối liên hệ của nó với các lớp đối tượng trên và dưới nó. Như vậy, các đối tượng ảnh thu được sau khâu phân đoạn ở dạng thô sơ đơn giản nhất là cơ sở cho các bước phân loại và quá trình phân cấp tiếp theo. Để thực hiện được quá trình này cần đạt được các mục tiêu sau: - Thủ tục phân đoạn phải tạo ra những phần ảnh rõ ràng và riêng biệt. - Với mỗi vấn đề nảy sinh trong quá trình phân tích ảnh liên quan đến kết cấu ở một tỉ lệ không gian ảnh nhất định, kích thước trung bình của đối tượng ảnh phải thích hợp với tỷ lệ mong muốn. - Phần lớn các đặc trưng của đối tượng ảnh như tone ảnh, cấu trúc, hình dạng và mối quan hệ với các vùng kế cận phải ít nhiều liên quan đến tỉ lệ. Chỉ có cấu trúc của các tỉ lệ như nhau mới có thể so sánh hay có những đặc trưng như nhau. - Thủ tục phân đoạn cần phổ biến và có khả năng áp dụng cho nhiều loại dữ liệu khác nhau như ảnh hàng không, viễn thám, các dữ liệu chuyên đề khác nhau. - Quá trình phân đoạn phải đạt được một tốc độ nhất định đáp ứng cho số lượng thông tin ngày càng nhiều và phức tạp mà các dữ liệu đầu vào chứa đựng. 2.3.4.3 Đánh giá sai số của phép phân loại Việc phân loại chỉ được coi là hoàn chỉnh khi sự đánh giá về độ chính xác đạt yêu cầu. Nguyên tắc đánh giá là so sánh giữa tài liệu thực tế và kết quả phân loại. Phương pháp phổ biến trong đánh giá là thành lập ma trận. Ma trận này dựa trên cơ sở so sánh giá trị sai số của từng lớp được phân loại với giá trị của lớp đó được kiểm tra ngoài thực địa hoặc số liệu thống kê. Ma trận thành lập với số dòng và cột bằng nhau và bằng số lớp được phân loại và kiểm tra. Sau đó là sử dụng các chỉ tiêu để đánh giá sai số của phép phân loại. Các chỉ tiêu này có thể lấy ra từ ma trận trên. Giá trị đúng nằm trên đường chéo của bảng ma trận. Tất cả các giá trị khác nằm ngoài đường chéo này thể hiện độ sai số phân loại. Trong nghiên cứu sử dụng phương pháp phân loại có kiểm định với thuật toán sử dụng đó là phân loại theo nguyên tắc Maximun likelihood (nguyên tắc phân loại xác suất cực đại) và phương pháp phân loại định hướng đối tượng. Sau đó so sánh 2 phương pháp, đánh giá độ chính xác đạt được của kết quả phân loại và đưa ra phương pháp phân loại để phục vụ tính biến động. 2.4.5 Kiểm chứng Sau phân loại là bước kiểm chứng dựa vào các tài liệu thống kê thu thập được và kiểm chứng ở thực địa. 2.4.6 Kết quả phân loại Là bản đồ hiện trạng lớp phủ mặt đất của từng thời điểm. Hai bản đồ này được chập lại tạo thành bản đồ biến động lớp phủ mặt đất của khu vực Từ Liêm. Để tạo được bản đồ biến động từ ảnh việc phân loại phải thực hiện thực theo nguyên tắc: cùng hệ thống phân loại và cùng phương pháp phân loại. CHƯƠNG 3 - ỨNG DỤNG PHƯƠNG PHÁP VIỄN THÁM VÀ GIS TRONG NGHIÊN CỨU BIẾN ĐỘNG LỚP PHỦ MẶT ĐẤT HUYỆN TỪ LIÊM 3.1 Đặc điểm chung về địa lý tự nhiên và kinh tế xã hội huyện Từ Liêm Từ Liêm nằm ở phía tây của thành phố Hà Nội, Năm 1991, huyện nằm giữa 105º43’ và 105º51’ kinh độ Đông; nằm giữa 20º58’ và 21º06’ độ vĩ Bắc. Huyện tiếp giáp với các khu vực khác như sau: - Phía Bắc giáp huyện Đông Anh. - Phía Nam giáp quận Thanh Xuân và tỉnh Hà Tây. - Phía Đông giáp quận Cầu Giấy, quận Tây Hồ và quận Thanh Xuân. - Phía Tây giáp tỉnh Hà Tây. Tổng diện tích đất tự nhiên toàn huyện là 7515ha, phân chia theo 16 đơn vị hành chính bao gồm 1 thị trấn và 15 xã. Theo số liệu thống kê mới nhất, huyện Từ Liêm là nơi có dân số đông nhất thành phố (371274 người) và trở thành địa phương đông dân nhất của Hà Nội. Xã Cổ Nhuế có số dân lên tới 56 nghìn người và trở thành xã đông dân nhất huyện Từ Liêm. Dân số cơ học tăng nhanh cộng với đô thị hoá mạnh đã tác động sâu sắc tới chuyển dịch cơ cấu kinh tế của huyện, nhưng cũng đang nảy sinh nhiều bất cập trong công tác quản lý dân cư ở huyện ven đô này. Mật độ dân số gần bằng mật độ trung bình của toàn thành phố, tuy nhiên lại có sự khác biệt lớn giữa các xã phát triển ở vành đai đô thị và các xã nông thôn dọc sông Hồng và ở phía Tây của huyện. Sự biến đổi dân số này là do sự tổ chức lại dân số ở ngoại thành, ảnh hưởng của kế hoạch hoá gia đình và do tỷ lệ thanh niên tập trung quanh các trường đại học. Nông nghiệp ở Từ Liêm là nông nghiệp sản xuất hàng hoá, có giá trị tăng cao. Từ Liêm chuyên về thâm canh hoa, rau sạch và cây ăn quả. Sự biến đổi nhanh chóng từ ruộng lúa sang vườn, cây ăn quả và rau các loại làm tăng quá