Luận văn Nghiên cứu ứng dụng công nghệ viễn thám và mô hình thuỷ văn thuỷ lực để thành lập bản đồ ngập lụt lưu vực sông Kôn – Hà Thanh, tỉnh Bình Định

xói mòn, phát triển đô thị . Dưới đây là bảng danh sách các loại ảnh vệ tinh SPOT5 cung cấp: B¶ng 2-1: Danh môc c¸c s¶n phÈm ¶nh vÖ tinh SPOT 5 Ảnh ALOS PALSAR: ALOS là vệ tinh giám sát tài nguyên của Nhật Bản, ALOS thường được sử dụng cho thành lập bản đồ, giám sát tài nguyên thiên nhiên, thiên tai. Đầu thu PALSAR (Phased Array type L-band Synthetic Aperture Radar) là đầu thu ảnh radar băng L được thiết kế để thu chụp ảnh cả ngày và đêm, bất kể thời tiết. 24 B¶ng 2-2: Th«ng sè cña ¶nh ALOS PALSAR 2.2. Quy trình kết hợp viễn thám và mô hình thủy văn, thủy lực H×nh 2-2: S¬ ®å quy tr×nh kÕt hîp viÔn th¸m vµ m« h×nh thñy v¨n, thñy lùc tÝnh to¸n ngËp lôt Qu¸ trinh m­a - M­a thùc ®o - M­a thiÕt kÕ ChiÕt t¸ch th«ng tin ®Þa h×nh mÆt ®Êt vÒ: - Líp phñ. chÊt ®Êt Xö lý tÝch hîp th«ng tin trong GIS ¶nh viÔn th¸m TÝnh to¸n dù b¸o theo m« hinh thuû v¨n, thuû lùc LËp b¶n ®å dù b¸o ngËp b»ng GIS B¶n ®å ngËp tõ ¶nh viÔn th¸m Gi¸m s¸t, ®iÒu hµnh, ra quyÕt ®Þnh Hoµn thiÖn b¶n ®å ngËp lôt Xö lý chiÕt t¸ch vïng ngËp tõ ¶nh viÔn th¸m So s¸nh Sai ®óng 2 3 6 5 4 10 1 9 8 7 C¨n chØnh m« h×nh 25 Mô tả các công đoạn: Khối 1: Khối đầu vào bao gồm điều kiện mưa: Mưa thực đo để xây dựng bản đồ dự báo hay bản đồ ngập hiện trạng. Mưa thiết kế để lập bản đồ ngập hiện trạng. Khối 2: Sử dụng ảnh viễn thám để chiết tách các thông số đầu vào cho mô hình thủy văn. Nhận dạng địa hình mặt đất: căn cứ vào địa hình mặt đất để xác định lớp phủ rừng, loại đất, đường giao thông, phân bố ruộng, hồ,. Khối 3: Đưa các dữ liệu thu thập được vào GIS và tạo dữ liệu các lớp thông tin. Khối 4: Thực hiện chạy đồng thời hai mô hình thủy văn và thủy lực. Kết quả thu được là tập số liệu mực nước tại các mặt cắt và ô chứa có tọa độ (x,y,z). Khối 5: Lập bản đồ ngập lụt từ số liệu của mô hình thủy lực. Khối 6: Hoàn thiện bản đồ ngập lụt. Khối 7: Ra quyết định điều hành ứng phó. Khối 8: Chụp ảnh viễn thám (ảnh radar hiện trạng ngập lụt và ảnh quang học trước, trong và sau ngập lụt). Khối 9: Xử lý ảnh radar chiết tách vùng ngập từ ảnh viễn thám. Khối 10: Lập bản đồ hiện trạng ngập từ ảnh radar, bản đồ này sẽ dùng so sánh với kết quả tính toán bản đồ dự báo vùng ngập. Căn cứ sự khác biệt giữa kết quả tính toán và kết quả ảnh chụp hiện trạng để căn chỉnh các thông số của mô hình thủy lực. Để triển khai quy trình tổng quát nêu trên, đã nghiên cứu và thiết lập một số quy trình công nghệ bộ phân như sau: - Quy trình đặt, thu ảnh nhanh của Trạm thu ảnh vệ tinh. - Quy trình công nghệ chiết tách một số thông số đầu vào của mô hình MIKE11 từ DEM. Trong quy trình này sử dụng công nghệ chiết tách lưu vực bộ phận của lưu vực sông trên SWAT2000. - Quy trình giải đoán ảnh và phân loại tự động thực vật để chiết tách một số thông số đầu vào của mô hình MIKE11. - Quy trình công nghệ thành lập bản đồ hiện trạng ngập lụt từ ảnh viễn thám. 26 2.3. Quy trình đặt, thu ảnh nhanh của trạm thu ảnh vệ tinh 2.1.1 H×nh 2-3: S¬ ®å quy tr×nh ®Æt, thu ¶nh nhanh cña tr¹m thu ¶nh vÖ tinh 1. Đặt yêu cầu thu ảnh Sau khi Trạm thu ảnh vệ tinh nhận được yêu cầu cung cấp loại tư liệu ảnh vệ tinh của vùng mà người sử dụng quan tâm, quản lý trạm thu sẽ xử lý kế hoạch thu ảnh. Công đoạn đầu tiên là xác lập khu vực cần thu ảnh ở dạng tệp tin véctơ hoặc ở dạng hình ảnh trên công cụ chuyên dụng PRM (Programming Relation Management Tool) 27 của SPOT Image rồi gửi yêu cầu thu nhận tín hiệu ảnh trong khoảng thời gian được yêu cầu ở định dạng tài liệu chuẩn (do SPOT Image quy định) đến SPOT Image thông qua mạng Internet. Tiếp theo SPOT Image sẽ gửi lại thư điện tử xác nhận đã nhận được yêu cầu cho quản lý trạm thu. 2. Tính khả thi của yêu cầu Người lập kế hoạch của SPOT Image sẽ chia vùng quan tâm dưới dạng lưới ô vuông và nghiên cứu kỹ về tính khả thi cho việc thu ảnh tại vùng đó như: kiểm tra vị trí địa lý và thời gian cần thu ảnh có trùng với các yêu cầu của các trạm thu khác nhận trước đó hay không và thông tin về thời tiết của khu vực cần thu ảnh. Sau đó SPOT Image sẽ gửi lại tính khả thi của yêu cầu (tính khả thi cao, vừa, ít khả thi) cho quản lý trạm thu. SPOT Image sẽ đặt yêu cầu thu ảnh ở mức ưu tiên hơn nếu dự báo thời tiết của vùng quan tâm đẹp (bầu trời trong, không mây). Ngược lại SPOT Image có quyền hủy các yêu cầu nếu dự báo thời tiết của vùng cần thu ảnh có bầu trời không mây nhỏ hơn 5% (tương đương với 95% mây trên ảnh). 3. Trao đổi và lập chương trình thu ảnh Quản lý trạm thu và đại diện của SPOT Image cùng trao đổi để đưa ra chương trình thu nhận tín hiệu ảnh cuối cùng phù hợp với yêu cầu và điều khoản của cả hai bên và ký vào Bản chương trình thu ảnh. Tiếp đó SPOT Image sẽ gửi chương trình thu ảnh sang Trung tâm điều khiển vệ tinh của CNES (Cơ quan Nghiên cứu không gian Pháp) để lập chương trình thu ảnh cho vệ tinh. Sau đó Trung tâm điều khiển vệ tinh sẽ gửi lại tệp tin kỹ thuật đặc thù của việc thu ảnh cho SPOT Image để chuyển tiếp cho Trạm thu ảnh vệ tinh. Yêu cầu thu ảnh ở chế độ chuẩn sẽ được thực hiện trong vòng 7 ngày làm việc. 4. Dò tìm và thu nhận tín hiệu ảnh vệ tinh Khi nhận được tệp tin kỹ thuật từ SPOT Image hệ thống thu nhận sẽ tự động chiết tách thông tin thu nhận và gửi lệnh cho ăngten để chuẩn bị cho công đoạn dò tìm và thu nhận tín hiệu khi vệ tinh bay qua. Hệ thống sẽ tự động chiết tách tệp tin báo cáo tình trạng hoạt động của trạm thu sau khi quá trình thu nhận hoàn tất để gửi lại cho SPOT Image. Tiếp đó, quản lý trạm thu kiểm tra chất lượng hình ảnh thu được, nếu đạt yêu cầu sẽ kết thúc chương trình thu ảnh với SPOT Image. Sau đó, thông báo cho người sử dụng biết Trạm thu đã thu được tín hiệu ảnh của vùng quan tâm. 5. Chuyển giao sản phẩm ảnh cho người sử dụng 28 Trạm thu sẽ xử lý tín hiệu nhận đã thu được và xử lý ra sản phẩm ảnh theo yêu cầu và chuyển cho người sử dụng. 2.4. Chiết tách một số thông số đầu vào của mô hình MIKE11 từ DEM bằng mô hình SWAT2000 1. Quy tr×nh chiÕt t¸ch l­u vùc trªn modul SWAT2000. H×nh 2-4 :S¬ ®å quy tr×nh t¸ch chiÕt c¸c th«ng sè cña m« h×nh MIKE11 b»ng modul SWAT2000 2. Gi¶i thÝch quy tr×nh. So s¸nh víi l­u vùc vÏ b»ng tay ChØnh l¹i c¸c outlet L­u vùc bé phËn TÝnh c¸c th«ng sè ®Çu vµo cña m« h×nh MIKE11 M« h×nh sè ®é cao (DEM) T¸ch l­u vùc bé phËn Đ¹t Kh«ng ®¹t HÖ thèng thuû v¨n vµ l­u vùc bé phËn 29 Gi¶i thÝch quy tr×nh c«ng nghÖ t¸ch chiÕt mét sè th«ng sè ®Çu vµo cña m« h×nh MIKE11 tõ DEM: a. M« h×nh sè ®é cao (DEM): m« h×nh sè ®é cao lµ s¶n phÈm quan träng trong qu¸ tr×nh chiÕt t¸ch c¸c l­u vùc bé phËn. §é chi tiÕt cña c¸c l­u vùc bé phËn ( tÝnh theo s«ng cÊp 2 hoÆc cÊp 3...) ®­îc khèng chÕ b»ng tham sè ®­îc sö dông lµ sè l­îng Pixel ¶nh. §Ó ®¶m b¶o ®é chÝnh x¸c cña viÖc t¸ch chiÕt l­u vùc theo cÊp s«ng cÇn kiÓm tra l¹i b»ng m¹ng l­íi thuû v¨n, sau ®ã chØnh söa mét sè l­u vùc vÉn ®¶m b¶o theo tham sè ®Æt ban ®Çu nh­ng kh«ng thuéc cÊp l­u vùc s«ng cÇn thiÕt. Víi DEM cã kÝch th­íc pixel lµ 15m th× nh÷ng khu vùc vïng ®åi, nói cã ®é chªnh cao lín th× viÖc t¸ch chiÕt nµy ®¶m b¶o ®é chÝnh x¸c cÇn thiÕt. Víi nh÷ng khu vùc t­¬ng ®èi b»ng ph¼ng th× c¸c l­u vùc ®­îc t¸ch chiÕt kh«ng ®¶m b¶o ®é chÝnh x¸c. §Ó kh¾c phôc vÊn ®Ò trªn th× DEM ë nh÷ng khu vùc nµy ph¶i ®­îc x©y dùng cã ®é chi tiÕt cao h¬n vµ cã gi¸ trÞ Interval nhá h¬n. Trong khu vùc nghiªn cøu, vïng b»ng ph¼ng lµ h¹ l­u cña s«ng Kon-Hµ Thanh, tuy nhiªn vïng nµy sÏ kh«ng ph¶i tÝnh c¸c tham sè ®Çu vµo cña m« h×nh, do vïng nµy ®­îc ®­a vµo vïng nghiªn cøu møc ®é ngËp lôt. Tr­íc khi thùc hiÖn t¸ch chiÕt l­u vùc m« h×nh sè ®é cao ph¶i ®­îc kiÓm tra vµ chØnh söa lçi ®Ó ch­¬ng tr×nh ch¹y th«ng suèt vµ kÕt qu¶ néi suy ®­îc tèt h¬n. b. T¸ch l­u vùc bé phËn: sau khi ®· chØnh söa m« h×nh sè ®é cao, sö dông phÇn mÒm SWAT2000 ®Ó néi suy tÝnh to¸n c¸c l­u vùc bé phËn, kÕt qu¶ lµ hÖ thèng thuû v¨n vµ c¸c l­u vùc bé phËn sÏ ®­îc so s¸nh víi b¶n ®å l­u vùc ®­îc vÏ b»ng tay vµ b¶n ®å ®Þa h×nh. c. TÝnh to¸n c¸c th«ng sè ®Çu vµo cña m« h×nh MIKE11 : l­u vùc bé phËn sau khi so s¸nh víi b¶n ®å l­u vùc vµ b¶n ®å ®Þa h×nh ®¹t kÕt qu¶ tèt sÏ ®­îc dïng ®Ó tÝnh to¸n c¸c th«ng sè: to¹ ®é t©m l­u vùc, ®é réng l­u vùc, chiÒu dµi s«ng trong l­u vùc, ®é dèc trung b×nh trong l­u vùc; kÕt hîp víi kÕt qu¶ ph©n lo¹i ¶nh vÖ tinh (x¸c ®Þnh vïng cã thùc phñ vµ kh«ng cã thùc phñ) ®Ó tÝnh to¸n hÖ sè phñ (cøng, tù nhiªn) trong tõng l­u vùc bé phËn. d. Tæng hîp c¸c th«ng sè: c¸c hÖ sè cho m« h×nh MIKE11: ®­îc tæng hîp tõ c¸c sè liÖu ®o thùc ®Þa vµ c¸c sè liÖu tÝnh to¸n néi suy tõ m« h×nh SWAT, c¸c th«ng sè nµy ph¶i ®¶m b¶o ®Çy ®ñ vµ ®¹t ®é chÝnh x¸c cÇn thiÕt. 30 2.5. Chiết tách một số thông số đầu vào của mô hình MIKE11 từ tư liệu viễn thám ¶nh viÔn th¸m thu nhËn ë d¹ng d÷ liÖu sè cho phÐp ¸p dông c«ng cô tù ®éng ho¸ trong qu¸ tr×nh t¸ch chiÕt mét sè th«ng sè ®Çu vµo cña m« h×nh MIKE11. Qu¸ tr×nh ®ã ®­îc gäi lµ xö lý sè qu¸ tr×nh ph©n lo¹i ¶nh. Nh×n tæng quan, ph©n lo¹i ¶nh trong xö lý sè lµ qu¸ tr×nh ph©n ®Þnh c¸c pixel trong h×nh ¶nh thµnh c¸c líp hoÆc c¸c nhãm ®¬n vÞ líp phñ mÆt ®Êt (Landcover). Trong qu¸ tr×nh ph©n lo¹i, gi¸ trÞ DN cña tõng pixel lµ th«ng sè duy nhÊt ®ưîc sö dông. Tuy nhiªn cã mét kh¸i niÖm kh¸c ®ưîc vËn dông lµ nhËn d¹ng c¸c mÉu kh«ng gian (Spectial Pattern Recognition). Kh¸i niÖm mÉu phæ kh«ng hÒ cã liªn quan ®Õn tÝnh chÊt h×nh häc cña c¸c pixel. Kh¸i niÖm mÉu phæ liªn quan ®Õn nh÷ng d¶i gi¸ trÞ phæ ®o ®ưîc víi c¸c band kh¸c nhau cho mçi pixel. NhËn d¹ng phæ lµ viÖc ph©n chia ®Æc ®iÓm phæ thµnh c¸c nhãm cã ®Æc ®iÓm gièng nhau vµ viÖc ph©n lo¹i ®ưîc thùc hiÖn theo nguyªn t¾c pixel - pixel ph©n lo¹i cho lÇn lưît tõng pixel trong ¶nh. Kh¸i niÖm mÉu phæ kh«ng gian, cßn liªn quan ®Õn mçi liªn quan gi÷a mét sè pixel víi c¸c pixel ë xung quanh vÒ c¸c tÝnh chÊt, kÝch thước cña ®Æc tÝnh, h×nh d¹ng, hưíng, sù lÆp l¹i vµ c¸c tÝnh chÊt kh¸c. Nh÷ng ®Æc tÝnh nµy dÔ ph©n biÖt trong gi¶i ®o¸n nhưng tư¬ng ®èi phøc t¹p trong viÖc xö lý tù ®éng b»ng m¸y tÝnh. Ph©n lo¹i ¶nh (hay ph©n lo¹i phæ cña h×nh ¶nh) cã 2 h×nh thøc : ph©n lo¹i kh«ng kiÓm ®Þnh (Unsupersived Classification) vµ ph©n lo¹i cã kiÓm ®Þnh (Supervised Classification). Trong ®Ò tµi nµy ®· sö dông ph­¬ng ph¸p Ph©n lo¹i cã kiÓm ®Þnh (Supervised Classification) víi thuËt to¸n maximum likelihood trong qu¸ tr×nh t¸ch chiÕt mét sè th«ng sè tõ ¶nh viÔn th¸m. 31 Ph©n lo¹i cã kiÓm ®Þnh (Suppervice Classification): Lµ ph©n chia mét c¸ch cã kiÓm ®Þnh c¸c gi¸ trÞ DN cña c¸c pixel ¶nh theo tõng nhãm ®¬n vÞ líp phñ mÆt ®Êt b»ng viÖc sö dông m¸y tinh vµ c¸c thuËt to¸n. §Ó thùc hiÖn viÖc ph©n lo¹i cã kiÓm tra, ph¶i t¹o ®ưîc “ch×a kho¸ ph©n tÝch phæ “ nghÜa lµ t×m ®ưîc tÝnh chÊt phæ ®Æc trưng cho tõng ®èi tưîng líp phñ mÆt ®Êt vµ ®Æt tªn cho chóng. C«ng viÖc x¸c ®Þnh ch×a kho¸ ph©n tÝch phæ ®ưîc gäi lµ t¹o c¸c vïng mÉu ( hay vïng kiÓm tra -trainning areas). Tõ c¸c vïng nµy, c¸c pixel kh¸c trong toµn ¶nh sÏ ®ưîc xem xÐt vµ s¾p xÕp theo nguyªn t¾c “gièng nhÊt” (Look must like) ®Ó ®ưa vÒ c¸c nhãm ®èi tưîng ®· ®ưîc ®Æt tªn. Ph©n lo¹i gi¸m s¸t lµ ph©n lo¹i ®ưîc tu©n thñ bëi sù ®µo t¹o cña ngưêi ®iÒu khiÓn dùa trªn nh÷ng hiÓu biÕt ngoµi thùc ®Þa ®Ó ®Þnh c¸c nhãm khi ph©n lo¹i ( gäi lµ c¸c tËp mÉu- training sets ). C¸c mÉu ph©n lo¹i ®ưîc nhËn biÕt qua vïng mÉu ®Ó thµnh lËp c¸c ch×a khãa cho gi¶i ®o¸n ¶nh. Mçi pixel ¶nh trong líp d÷ liÖu sau ®ã ®ưîc ®èi s¸nh vÒ sè víi c¸c ch×a khãa gi¶i ®o¸n ®ưîc ®Æt tªn mµ chóng cã x¸c xuÊt thuéc vÒ nhãm lín nhÊt. Cã rÊt nhiÒu c¸ch thøc ®Ó ®èi s¸nh gi¸ trÞ cña pixel chưa biÕt ®Ó x¾p xÕp thµnh líp tư¬ng øng víi c¸c ch×a khãa ®ưîc gi¶i ®o¸n trong ph©n lo¹i. Cã 4 phư¬ng ph¸p s¾p xÕp: -S¾p xÕp theo kho¶ng c¸ch gÇn nhÊt (nearest distance classified). -S¾p xÕp theo nguyªn t¾c ë gÇn nhÊt (Nearest neightbour classified). -S¾p xÕp theo nguyªn t¾c h×nh hép phæ ( Box classified ). -S¾p xÕp theo nguyªn t¾c x¸c suÊt gièng nhau nhÊt (maximum likelihood classified). §©y lµ phư¬ng ph¸p ph©n lo¹i hay ®ưîc sö dông, cã ®é chÝnh x¸c cao. ph©n lo¹i cã gi¸m s¸t lµ phư¬ng ph¸p ph©n lo¹i cã sù gi¸m s¸t cña chuyªn gia dùa trªn nh÷ng hiÓu biÕt vÒ c¸c ®èi tưîng kh«ng gian t¹i khu vùc nghiªn cøu ®Ó g¾n vµ ®Þnh ra c¸c mÉu ph©n lo¹i (singnature classes). Sau khi c¸c líp nµy ®ưîc x¸c ®Þnh bëi qui ®Þnh cña ngưêi ph©n lo¹i, qu¸ tr×nh ph©n lo¹i ®ưîc tiÕn hµnh dùa trªn c¸c líp mÉu ph©n lo¹i vµ ®ưîc thùc hiÖn theo mét trong phÐp ph©n lo¹i như x¸c suÊt cùc ®¹i, kho¶ng c¸ch ng¾n nhÊt hoÆc ph©n lo¹i theo h×nh hép. Trong ph©n lo¹i cã gi¸m s¸t cÇn ph¶i tr¶i qua c¸c bưíc sau: thiÕt lËp mÉu cho ph©n lo¹i. Môc ®Ých bưíc nµy lµ t×m c¸c vïng cã cïng gi¸ trÞ phæ vµ g¾n chóng vµo líp ®èi tưîng mµ chóng ta ®· biÕt trªn thùc ®Þa hoÆc trªn nguån d÷ liÖu cã trưíc. Qu¸ tr×nh nµy b¾t ®Çu tõ viÖc hiÓn thÞ ¶nh sè trªn mµn h×nh ë møc ®é phãng to ®Ó cã thÓ khoanh c¸c vïng cã cïng gi¸ trÞ sè (cïng mÇu) vµo mét nhãm. 32 KÕt qu¶ cña viÖc khoanh vïng trªn mµn h×nh t¹o ra c¸c nhãm ®èi tưîng phæ gäi lµ líp phæ (signatures classes). Khi c¸c líp phæ ®· ®ưîc khoanh vi ta cÇn kiÓm tra chóng b»ng c¸ch hiÓn thÞ chóng trªn biÓu ®å thèng kª ph©n bè chuÈn hoÆc xem biÓu ®å t¸n phæ (scatter diagram). Bưíc tiÕp theo lµ gép c¸c nhãm vµ lo¹i bá nhãm phæ kh«ng chän ®óng ®Ó t¹o nªn c¸c nhãm phæ ®óng cho ph©n lo¹i cuèi cïng. Ph©n lo¹i tËp d÷ liÖu vïng mÉu ( training sets ): Mét c¸ch ®¸nh gi¸ sù ph©n c¸ch phæ ®ưîc tiÕn hµnh lµ ph©n lo¹i c¸c pixel trong tËp mÉu. B»ng c¸ch nµy, nh÷ng pixel ®ưîc lÊy mÉu ph©n lo¹i sÏ ®ưîc ph©n lo¹i trưíc vµ chóng ®ưîc thÓ hiÖn b»ng ma trËn sai sè. ViÖc ®o sù kh¸c biÖt vÒ thèng kª gi÷a c¸c mÉu cã thÓ ®ưîc tÝnh to¸n cho tÊt c¶ c¸c cÆp vµ thÓ hiÖn theo ma trËn tư¬ng quan. C¸c th«ng sè dïng ®Ó so s¸nh lµ sù kh¸c biÖt chuyÓn ®æi, kho¶ng c¸ch träng sè tư¬ng quan gi÷a c¸c nhãm trung b×nh. Gi¸ trÞ kh¸c biÖt chuyÓn ®æi cµng lín th× kho¶ng c¸ch thèng kª gi÷a c¸c líp ph©n lo¹i cµng cao. §é tin cËy cña kÕt qu¶ ph©n lo¹i phô thuéc vµo diÖn tÝch, mËt ®é ph©n bè vµ ®é chÝnh x¸c cña c¸c vïng mÉu lùa chän trªn khu vùc nghiªn cøu. 33 2.6. Lập bản đồ hiện trạng ngập lụt từ ảnh viễn thám Ảnh viÔn th¸m c¶ quang häc vµ ¶nh rada ®Òu cã thÓ sö dông ®Ó chiÕt t¸ch vïng ngËp lôt. D­íi ®©y tr×nh bµy quy tr×nh ®Æt chôp ¶nh viÔn th¸m vµ chiÕt t¸ch vïng ngËp lôt tõ ¶nh viÔn th¸m nãi chung ( ®èi víi ¶nh Quang häc vµ ¶nh Rada): §Æt chôp ¶nh vÖ tinh ¶nh quang häc ¶nh Rada §¸nh gi¸ chÊt l­îng Xö lý ban ®Çu: -n¾n chØnh h×nh häc -läc nhiÔu ChiÕt t¸ch vïng lôt N¾n chØnh h×nh häc Gi¶i ®o¸n vïng ngËp §¹t Kh«ng ®¹t 34 H×nh 2-5: Quy tr×nh ®Æt chôp ¶nh viÔn th¸m vµ chiÕt t¸ch vïng ngËp lôt tõ ¶nh viÔn th¸m 2.7. Quy trình công nghệ chiết tách vết ngập lũ từ ảnh vệ tinh RADAR D÷ liÖu GIS vÒ nÒn NhËp d÷ liÖu ¶nh §Þnh chuÈn ¶nh Läc ¶nh N¾n chØnh h×nh häc ChuyÓn ®æi gi¸ trÞ dB ChiÕt t¸ch vïng ngËp n­íc B¶n ®å ngËp lôt 35 H×nh 2-6: Quy tr×nh c«ng nghÖ chiÕt t¸ch vÕt ngËp lò tõ ¶nh vÖ tinh RADAR Gi¶i thÝch quy tr×nh: 1- §Þnh chuÈn ¶nh VÊn ®Ò c¨n b¶n trong ®¸nh gi¸ ph¶n håi RADAR cña c¸c ®èi t­îng bÒ mÆt lµ vÊn ®Ò ®Þnh chuÈn (calibration). Còng nh­ c¸c t­ liÖu viÔn th¸m kh¸c, t­ liÖu RADAR còng ®­îc th­¬ng m¹i hãa d­íi d¹ng d÷ liÖu sè. C¸c th«ng tin sè trªn t­ liÖu RADAR ®­îc m· hãa 16 bit vµ thÓ hiÖn b»ng x¸m ®é ¶nh. V× vËy, hµng lo¹t c¸c ¶nh h­ëng cña m«i tr­êng vµ cña thiÕt bÞ ®· ®­îc “trung b×nh hãa”. ViÖc kh«i phôc l¹i th«ng tin ban ®Çu d­íi d¹ng ph¶n håi ®o b»ng dB (deci-Ben) trªn m· 32 bit thùc chÊt lµ qu¸ tr×nh ®Þnh chuÈn. §©y lµ c«ng viÖc phøc t¹p nh­ng l¹i ®Æc biÖt quan träng cho viÖc ph©n lo¹i mét c¸ch cã c¬ së c¸c ®èi t­îng cã ph¶n håi t­¬ng tù hoÆc gÇn nhau. Tr­íc khi thµnh d÷ liÖu sè DN (Digital Number) 16 bit, tÝn hiÖu nhËn ®­îc cña RADA lµ ®é s¸ng βo ®¬n vÞ lµ Power (32 bit real), ®Ó tÝnh hÖ sè ph¶n håi σo cÇn thiÕt ph¶i chuyÓn vÒ l¹i theo gi¸ trÞ βo (Power). Trong hÖ thèng cña RADASAT, viÖc ®Þnh chuÈn ®­îc tÝnh theo c«ng thøc sau: βo = 10 lg ((DN2 + A3) / A2) Lóc ®ã σo tÝnh theo c«ng thøc: σo = βo + 10 lg (sin θi) Trong ®ã, A2, A3 : lµ c¸c hÖ sè bï trõ do CDPF (Canadian Data Processing Facility) cung cÊp khi mua ¶nh θi : gãc tíi t¹i mçi cét ¶nh song song víi h­íng bay 2- Läc ¶nh TÝn hiÖu RADAR c¾t bÒ mÆt ®Êt ë nhiÒu gãc phô thuéc vµo gãc tíi cña tÝn hiÖu truyÒn, gãc tíi côc bé vµ tÇn sè Doppler hay c¸c “look” ®­îc dïng trong viÖc t¹o ¶nh. TÝn hiÖu trë vÒ l¹i tïy thuéc vµo c¸c dao ®éng ngÉu nhiªn theo c­êng ®é, c¸c dao ®éng nµy lµ kÕt qu¶ t­¬ng t¸c cña sãng RADAR víi c¸c bÒ mÆt ®Êt gå ghÒ. Sù nhiÔu sãng nµy lµ kÕt qu¶ cña tÝn hiÖu céng pha hoÆc trõ pha. Ph¶n håi cña mçi pixel lµ hiÖu øng kÕt hîp cña tÊt c¶ c¸c ®èi t­îng riªng biÖt trong cïng 1 « ph©n gi¶i mÆt ®Êt. NhiÔu sãng cao tÇn (speckle) chÝnh lµ sù giao thoa dõng cña c¸c sãng t¸n x¹ tõ c¸c phÇn tö mÆt ®Êt ®­îc quan s¸t trong mçi « ph©n gi¶i ®ã. NhiÔu nµy sÏ cho ¶nh ®¬n “look” (single look) ë d¹ng h¹t lèm ®èm. NhiÔu sãng cao tÇn lµ kÕt qu¶ cña qu¸ tr×nh dõng (coherent process), viÖc gi¶m nhiÔu cã thÓ thùc hiÖn ®­îc b»ng c¸c c¸ch xö lý lo¹i dõng (incoherent). Qu¸ tr×nh gi¶m 36 nhiÔu cÇn thiÕt ph¶i gi¶m ®é ph©n gi¶i (tøc lµ t¨ng kÝch th­íc « ph©n gi¶i) cña kªnh tÝn hiÖu d÷ liÖu SAR. §Ó gi¶m nhiÔu tÇn sè cao (speckle) ng­êi ta dïng c¸c bé läc ®Æc biÖt, chóng cho phÐp: - Ph©n biÖt tèt h¬n c¸c ®èi t­îng trªn ¶nh. - Ứng dông c¸c c«ng cô t¨ng c­êng chÊt l­îng cæ ®iÓn dïng cho c¸c ¶nh quang häc nh­ lµ bé t¸ch c¸c bê ranh giíi, ph©n lo¹i theo pixel vµ ph©n lo¹i cÊu tróc. - Ph©n tÝch c¸c ph¸t hiÖn thay ®æi. ViÖc gi¶m nhiÔu ph¶i b¶o ®¶m sao cho mÊt m¸t th«ng tin lµ Ýt nhÊt, do ®ã ph¶i chän bé läc thÝch hîp. Trong c¸c vïng ®ång nhÊt, bé läc ph¶i b¶o toµn th«ng tin bøc x¹ vµ c¸c bê ranh giíi gi÷a c¸c vïng kh¸c nhau. ë c¸c vïng cã cÊu tróc, bé läc ph¶i b¶o toµn c¶ th«ng tin bøc x¹ vµ th«ng tin vÒ cÊu tróc. Bé läc ®­îc sö dông lµ nhãm Adaptive. Nhãm bé läc nµy kh«ng thay ®æi gi¸ trÞ trung b×nh côc bé (local mean) mµ chØ lµm gi¶m ®é lÖch chuÈn côc bé (local standard deviation), cho ¶nh mÞn h¬n so víi ¶nh gèc vµ vÉn b¶o toµn ®­îc cÊu tróc bê ranh giíi. KÝch th­íc cña bé läc th­êng lµ lÎ vµ cã thÓ ®­îc chän tõ 3x3 pixel ®Õn 11x11 pixel. Dïng kÝch th­íc bé läc kh¸c nhau sÏ cho chÊt l­îng ¶nh xö lý sÏ kh¸c nhau. Tïy vµo ®é ph©n gi¶i cña ¶nh vµ kÝch th­íc ®Æc tr­ng, ta sÏ chän kÝch th­íc thÝch hîp cho bé läc. NÕu bé läc qu¸ nhá, gi¶i thuËt läc nhiÔu sÏ kh«ng hiÖu qu¶. NÕu bé läc lín qu¸ c¸c chi tiÕt tinh vi cña ¶nh sÏ bÞ mÊt trong qu¸ tr×nh xö lý. Do ®ã, cÇn thiÕt ph¶i chän kÝch th­íc bé läc ®ñ lín ®Ó b¶o ®¶m mÉu cã ý nghÜa thèng kª. Theo nhiÒu thö nghiÖm trªn lo¹t ¶nh ®ång thêi cã tham kh¶o c¸c tµi liÖu cã liªn quan th× víi bé läc cã kÝch th­íc trung b×nh lµ 7x7 pixel sÏ cho kÕt qu¶ tèt nhÊt. Trong nhãm bé läc nµy cã 2 lo¹i bé läc sau ®­îc sö dông: a. Läc Gamma: ®­îc dïng ®Ó lo¹i bá nhiÔu tÇn sè cao mµ vÉn b¶o toµn ®­îc c¸c ®Æc tr­ng tÇn sè cao (tøc lµ c¸c bê ranh giíi). ë nh÷ng vïng ¶nh t­¬ng ®èi ®ång nhÊt, läc gamma ho¹t ®éng nh­ mét bé läc trung b×nh tr­ît vµ cã t¸c dông lµm mÞn ¶nh. Ng­îc l¹i, vïng ¶nh trong cöa sæ läc cã kh¶ n¨ng chøa ranh giíi gi÷a 2 ®èi t­îng, läc Gamma sÏ ho¹t ®éng nh­ mét bé läc tÇn sè cao vµ cã t¸c dông lµm næi râ c¸c ®­êng biªn. b. Läc Frost: Sö dông mét ma trËn träng sè kh«ng cè ®Þnh mµ thay ®æi tïy thuéc vµo c¸c gi¸ trÞ thèng kª côc bé cña ¶nh, ®­îc tÝnh trong ph¹m vi mçi cöa sæ b»ng chÝnh kÝch th­íc cña bé läc vµ cã t©m chÝnh lµ ®iÓm ®Ých hiÖn xÐt. 37 Ở nh÷ng vïng ¶nh t­¬ng ®èi ®ång nhÊt, c¸c phÇn tö cña ma trËn träng sè gÇn b»ng nhau, läc Frost ho¹t ®éng nh­ mét bé läc trung b×nh tr­ît vµ cã t¸c dông lµm mÞn ¶nh. Trong khi ®ã ë nh÷ng vïng ¶nh cã ®é t­¬ng ph¶n lín, tøc nh÷ng vïng trªn ranh giíi gi÷a c¸c ®èi t­îng hay cã c¸c ®èi t­îng d¹ng tuyÕn ch¹y qua, ph­¬ng sai cña ¶nh sÏ lín, c¸c gi¸ trÞ träng sè sÏ suy gi¶m rÊt nhanh, läc Frost trong tr­êng hîp nµy l¹i ho¹t ®éng nh­ mét bé läc tÇn sè cao vµ cã t¸c dông lµm næi râ c¸c ®­êng biªn còng nh­ c¸c ®èi t­îng d¹ng tuyÕn. 3- N¾n chØnh h×nh häc B¶n chÊt cña viÖc n¾n chØnh h×nh häc lµ x©y dùng mèi t­¬ng quan gi÷a hÖ täa ®é ¶nh ®o vµ hÖ täa ®é quy chiÕu chuÈn. Sau khi n¾n xong ¶nh ®Çu tiªn, c¸c ¶nh cßn l¹i ®­îc n¾n theo ¶nh ®· n¾n nµy ®Ó ®¶m b¶o ®é chÝnh x¸c khi chång nhiÒu ¶nh chôp kh¸c ngµy lªn nhau trong qu¸ tr×nh xö lý ®a thêi gian. 4- ChuyÓn ®æi gi¸ trÞ Power sang dB TÝnh to¸n thèng kª ¶nh nh­ lµ gi¸ trÞ trung b×nh hay ®é lÖch chuÈn cÇn ph¶i tÝnh theo c¸c ®¬n vÞ tuyÕn tÝnh Intensity hay Amplitude (Intensity = Amplitude2), nh­ng ®Ó tÝnh gi¸ trÞ hÖ sè ph¶n håi nhÊt thiÕt ph¶i chuyÓn ®æi sang gi¸ trÞ logarit lµ dB, c«ng thøc chuyÓn ®æi ®­îc thùc hiÖn theo c«ng thøc sau: dB = 10 lg (Power) 5- ChiÕt t¸ch vïng ngËp n­íc Sau khi xö lý nhiÔu vµ hiÖu chØnh h×nh häc trªn ¶nh ENVISAT ASAR, tiÕn hµnh chiÕt t¸ch th«ng tin vÒ t×nh tr¹ng ngËp n­íc. C«ng ®o¹n t¸ch n­íc ®­îc xö lý trªn phÇn mÒm ENVI theo ph­¬ng ph¸p "Density Slice". 6- Thµnh lËp B¶n ®å ngËp lôt KÕt qu¶ cña c«ng ®o¹n chiÕt t¸ch vïng ngËp n­íc ®­îc xuÊt ra d¹ng vector (shape file) kÕt hîp víi d÷ liÖu GIS céng víi b¶n ®å tæn th­¬ng cña vïng ®ã ®Ó lµm ra b¶n ®å ngËp lôt. 38 2.8. Quy trình công nghệ phân loại tự động lớp phủ trên ảnh viễn thám bằng phương pháp phân loại có giám định H×nh 2-7: Quy tr×nh c«ng nghÖ ph©n lo¹i tù ®éng líp phñ trªn ¶nh viÔn th¸m b»ng ph­¬ng ph¸p ph©n lo¹i cã gi¸m ®Þnh 39 Gi¶i thÝch quy tr×nh. §Ó tiÕn hµnh thùc hiÖn ph­¬ng ph¸p ph©n lo¹i cã gi¸m ®Þnh cÇn ph¶i thùc hiÖn c¸c b­íc sau: + NhËp ¶nh + X©y dùng ¶nh tæ hîp mµu + T¨ng c­êng chÊt l­îng ¶nh + N¾n chØnh h×nh häc + C¾t ¶nh theo ranh giíi cÇn nghiªn cøu + §Þnh nghÜa c¸c líp + Lùa chän c¸c ®Æc tÝnh + Chän vïng mÉu + TÝnh to¸n chØ sè thèng kª + Ph©n lo¹i c¸c ®èi t­îng + GhÐp c¸c nhãm ®èi t­îng + KiÓm tra thùc ®Þa + XuÊt kÕt qu¶ ph©n lo¹i sang khu«n d¹ng Arcview + TÝch hîp kÕt qu¶ ph©n lo¹i (KQPL) víi ranh giíi l­u vùc bé phËn. + TÝnh tØ lÖ % c¸c th«ng sè líp phñ thÊm/kh«ng thÊm (TØ lÖ trªn % diÖn tÝch tõng l­u vùc bé phËn) 1. NhËp ¶nh. §©y lµ c«ng ®o¹n chuyÓn ¶nh tõ c¸c khu«ng d¹ng kh¸c nhau vÒ khu«n d¹ng cña ch­¬ng tr×nh ph©n lo¹i tù ®éng (ENVI, WinAsean..) ®Ó tiÕn hµnh c¸c b­íc tiÕp theo. 2. X©y dùng ¶nh tæ hîp mµu vµ t¨ng c­êng chÊt l­îng ¶nh. Môc ®Ých cña viÖc nµy lµ nh»m t¹o ra ¶nh tæ hîp mµu cã chÊt l­îng tèt nhÊt ®Ó phôc vô viÖc chän mÉu vµ gi¶i ®o¸n ¶nh ®­îc chÝnh x¸c. 3. N¾n chØnh h×nh häc. §­a ¶nh vÒ hÖ to¹ ®é vµ hÖ quy chiÕu cÇn thµnh lËp b¶n ®å. §ång thêi lo¹i bá c¸c sai sè h×nh häc, sai sè do chªnh cao ®Þa h×nh. T­ liÖu ®Ó n¾n ¶nh th­êng ®­îc dïng lµ b¶n ®å ®Þa h×nh hoÆc c¸c sè liÖu to¹ ®é mÆt ph¼ng vµ ®é cao ®o ®­îc ngoµi thùc ®Þa. 4. C¾t ¶nh theo ranh giíi cÇn nghiªn cøu. V× kÕt qu¶ ph©n lo¹i sÏ ®­îc tÝnh ra c¸c gi¸ trÞ ®Þnh l­îng cña c¸c ®èi t­îng n»m trong ranh giíi cña khu vùc nghiªn cøu nh­: diÖn tÝch cña c¸c ®èi t­îng, tØ lÖ phÇn tr¨m gi÷a chóng Nªn ¶nh cÇn ph¶i ®­îc c¾t chÝnh x¸c theo ranh giíi ®ã. Tuy nhiªn nÕu tÝch to¸n trªn tõng l­u vùc bé phËn sÏ mÊt rÊt 40 nhiÒu c«ng søc, do ®ã ë c«ng ®o¹n nµy chØ c¾t ¶nh theo ranh giíi l­u vùc s«ng lín cÇn nghiªn cøu (Cô thÓ ë ®©y lµ l­u vùc s«ng K«n-Hµ Thanh). Sau khi ph©n lo¹i xong, sÏ tÝch hîp víi ranh giíi l­u vùc bé phËn vµ tÝnh c¸c hÖ sè theo tõng l­u vùc bé phËn 5. §Þnh nghÜa c¸c líp: Tr­íc hÕt cÇn ph¶i x©y dùng c¸c líp ®èi t­îng cÇn ph©n lo¹i. C¸c líp ph©n lo¹i nµy cÇn ®­îc x¸c ®Þnh râ rµng vÒ mÆt chØ tiªu. C¸c chØ tiªu ®ã ®­îc lùa chän dùa vµo ®Æc thï cña t­ liÖu viÔn th¸m ®ang sö dông vµ môc tiªu cña kÕt qu¶ sau ph©n lo¹i. 6. Lùa chän c¸c ®Æc tÝnh: C¸c ®Æc tÝnh ë ®©y bao gåm c¸c ®Æc tÝnh vÒ phæ vµ ®Æc tÝnh vÒ cÊu tróc. ViÖc lùa chän nµy cã ý nghÜa hÕt søc quan träng, nã cho phÐp t¸ch biÖt c¸c líp ®èi t­îng víi nhau. 7. Chän vïng mÉu: §©y lµ c«ng ®o¹n rÊt quan träng, kÕt qu¶ cña c«ng t¸c nµy cã tÝnh chÊt quyÕt ®Þnh tíi kÕt qu¶ tÝnh to¸n ph©n lo¹i. Bëi vËy ®Ó ®¶m b¶o ®é chÝnh x¸c viÖc lùa chän vïng mÉu gi¸m ®Þnh ph¶i tho¶ m·n c¸c yªu cÇu sau: - Sè l­îng c¸c vïng mÉu cña mçi lo¹i ®èi t­îng cÇn ph¶i phï hîp: Sè l­îng vïng mÉu Ýt qu¸ sÏ kh«ng ®¶m b¶o ®é chÝnh x¸c, nÕu nhiÒu qu¸ sÏ lµm t¨ng khèi l­îng tÝnh to¸n lªn rÊt nhiÒu vµ ®«i khi g©y nhiÔu kÕt qu¶ tÝnh to¸n. - DiÖn tÝch c¸c vïng mÉu ®ñ lín, ®ång thêi c¸c vïng mÉu kh«ng ®­îc n»m gÇn ranh giíi gi÷a c¸c líp ®èi t­îng kh¸c nhau. - Vïng mÉu ®­îc chän ph¶i ®Æc tr­ng cho ®èi t­îng ph©n lo¹i vµ c¸c vïng mÉu nªn ph©n bè ®Òu trªn toµn khu vùc nghiªn cøu. §èi víi c¸c ®èi t­îng kh¸c nhau khi tiÕn hµnh lùa chän vïng mÉu, cã thÓ sö dông c¸c tæ hîp mµu kh¸c nhau sao cho c¸c ®èi t­îng cÇn chän thÓ hiÖn râ nhÊt. 8. TÝnh to¸n c¸c chØ sè thèng kª: Sau khi kÕt thóc viÖc lùa chän c¸c vïng mÉu,