Luận văn Nghiên cứu xây dựng quy trình công nghệ giám sát môi trường nước mặt khu vực Hà Nội từ dữ liệu ảnh vệ tinh VNREDSat - 1A

các biến giải thích (X), trong đó không đòi hỏi giữa Y và X phải có quan hệ hai chiều (quan hệ nhân quả). c) Hồi quy và tương quan Phân tích tương quan đo mức độ kết hợp tuyến tính giữa hai biến, trong đó phân tích hồi quy ước lượng, dự báo một biến trên cơ sở giá trị đã cho của 52 các biến khác. Trong phân tích hồi quy, khác với tương quan, các biến không có tính đối xứng. Hệ số tương quan Hệ số tương quan đo lường mức độ quan hệ tuyến tính giữa hai biến, chính xác hơn là quan hệ tuyến tính giữa hai biến, không phân biệt biến này phụ thuộc vào biến kia. Hệ số tương quan mẫu - r (Sample correlation coefficient) trong phân tích hồi quy có thể được hiểu như sau: Gọi (x1, y1), (x2, y2), ..., (xn, yn) là n cặp quan sát của một mẫu ngẫu nhiên của hai biến ngẫu nhiên X và Y. Hệ số tương quan mẫu tính từ mẫu n cặp giá trị quan sát của hai biến X và Y với trung bình �̅� và 𝑦� và phương sai 𝑥2��� và 𝑦2��� được thể hiện trong công thức sau: Trong đó: r là hệ số tương quan, (xi, yi) là các cặp quan sát. Hệ số tương quan (r) không có đơn vị và luôn biến động trong khoảng (-1, 1). Nếu hệ số tương quan (r) dương cho biết X và Y biến động cùng chiều và âm thì ngược lại. Nếu r = 1, mối liên hệ giữa các biến hoàn toàn chặt chẽ. Trong khi đó, nếu r = 0 có nghĩa là giữa các biến không có mối liên hệ. Mô hình hồi quy tuyến tính đơn (Simple linear regression) Mục tiêu phân tích của mô hình này là xét mối liên hệ tuyến tính giữa một hay nhiều biến độc lập Xi (biến giải thích) đến một biến phụ thuộc (biến được giải thích). Hồi quy đơn biến được sử dụng trong đánh giá chất lượng nước từ ảnh viễn thám trong trường hợp chỉ sử dụng các kênh đơn hoặc ảnh tỉ lệ. Cơ sở toán học trong hồi quy tuyến tính đơn có thể được hiểu như sau: (2.14) (2.15) 53 Ðặt (x1, y1), (x2, y2)...(xn, yn) là mẫu gồm n cặp quan sát trên đường hồi quy tổng thể: i i iy xα β ε= + + (2.16) Theo phương pháp bình phương bé nhất thì ước lượng các hệ số α và β là các giá trị a và b sao cho tổng bình phương sai số của phương trình sau đây là bé nhất: Các hệ số a và b được tính như sau: Như vậy: a y bx= − , và đường hồi quy tuyến tính mẫu của y trên x là: y ax b= + Mô hình hồi quy nhiều chiều (hồi quy đa biến) – Multiple regression Mục tiêu của mô hình này giải thích biến phụ thuộc (Y) trong mối quan hệ bởi nhiều biến độc lập (Xi). Mô hình này được sử dụng trong nhiều bài toán về môi trường, trong đó có đánh giá chất lượng nước thông qua giá trị phổ phản xạ tại nhiều kênh ảnh khác nhau. Hồi quy tuyến tính đa biến có dạng: 1 1 2 2 ... p pY X X Xα β β β= + + + + (2.20) Các hệ số β được xác định bằng phương pháp bình phương tối thiểu như sau: 1( ' ) ( ' )b X X X Y−= (2.21) Trong đó X’ là ma trận chuyển vị của ma trận X. 2.2 Đặc trưng phổ phản xạ của nước Bức xạ điện từ sau khi truyền qua khí quyển đến bề mặt Trái đất sẽ (2.17) (2.18) (2.19) 54 tương tác với các đối tượng trên bề mặt Trái đất. Các đối tượng khác nhau sẽ có đặc trưng phổ phản xạ khác nhau. Đặc trưng phổ phản xạ là thông tin hết sức quan trọng giúp phân loại các đối tượng trên ảnh viễn thám quang học, cũng như giúp lựa chọn các kênh phổ phù hợp với mục đích nghiên cứu. Nhìn chung, khả năng phản xạ phổ của nước thấp so với các đối tượng khác như thực vật, đất và có xu hướng giảm dần theo chiều tăng của chiều dài bước sóng (hình 2.4) [72]. Phần năng lượng phản xạ trên bề mặt nước kết hợp phần năng lượng sinh ra sau quá trình tán xạ các hạt vật chất lơ lửng trong nước phản xạ lại, tạo thành năng lượng phản xạ của nước. Hình 2.4.Đặc trưng phổ phản xạ của nước và một số đối tượng khác (nguồn Internet) Nước có khả năng hấp thụ rất mạnh năng lượng ở bước sóng cận hồng ngoại và hồng ngoại, do đó năng lượng phản xạ sẽ rất ít. Trên các kênh ảnh ở dải sóng này, nước hầu như có màu đen và phân biệt rõ ràng với các đối tượng khác (hình 2.5). Do đặc điểm này, có thể sử dụng phương pháp tổ hợp màu để xác định đường bờ nước từ các kênh ảnh ở dải sóng cận hồng ngoại (NIR) và hồng ngoại giữa (MIR), trong đó phương pháp tổ hợp màu tốt nhất 55 để tạo sự tương phản giữa nước và đất liền là tổ hợp màu RGB gồm 3 kênh ảnh: hồng ngoại giữa, cận hồng ngoại và đỏ (Hình 2.6). Hình 2.5. Đối tượng nước tương phản rõ rệt với đất liền ở kênh cận hồng ngoại ảnh vệ tinh VNREDSat-1Anăm 2016 khu vực Hà Nội Hình 2.6. Tổ hợp màu RGB=MIR:NIR:RED ảnh Landsat 5 TM năm 2009 khu vực ven biển Cà Mau giúp thể hiện rõ đường bờ nước Trong nước chứa nhiều thành phần hữu cơ và vô cơ, cho nên khả năng phổ phản xạ của nước còn phụ thuộc vào thành phần và trạng thái của nước. Nước đục có khả năng phổ phản xạ cao hơn nước trong, đặc biệt ở dải sóng nhìn thấy và cận hồng ngoại do ảnh hưởng của các hợp chất có trong nước (hình 2.7). Dựa trên đặc điểm này, Frohn và Autrey (2007) [36] đã đề xuất sử dụng chỉ số độ đục (TI - Turbidity index) trong đánh giá độ đục của nước trên cơ sở phản xạ phổ ở các dải sóng nhìn thấy. RED GREEN BLUE TI ρ ρ ρ + = (2.22) 56 Trong đó: ρBLUE, ρGREEN, ρRED là phổ phản xạ của nước ở dải sóng xanh lam, xanh lục và đỏ. Hình 2.7. Phổ phản xạ của nước trong và nước đục [43] Hình 2.8. Chỉ số độ đục xác định từ ảnh vệ tinh VNREDSat-1A khu vực Hà Nội năm 2016 Cũng giống như độ đục, nước có hàm lượng chất lơ lửng (TSS) càng cao có khả năng phổ phản xạ càng mạnh, đặc biệt ở dải sóng từ xanh lục đến cận hồng ngoại (Hình 2.9), trong khi phổ phản xạ ở dải sóng ngắn thấp. Do vậy, để ước lượng hàm lượng chất lơ lửng trong nước mặt, một số nghiên cứu đã sử dụng các ảnh tỉ lệ giữa kênh đỏ và kênh xanh lam (blue) để xây dựng hàm quan hệ với kết quả đo hàm lượng chất lơ lửng tại các điểm lấy mẫu. Cũng dựa trên đặc điểm này, các kênh phổ ở dải sóng nhìn thấy cũng được sử dụng trong xây dựng chỉ số vật chất lơ lửng chuẩn hóa NSMI (Normalized Suspended Material Index) trong nghiên cứu của Montalvo (2010) [49]: 57 RED GREEN BLUE RED GREEN BLUE NSMI ρ ρ ρ ρ ρ ρ + − = + + (2.23) Hình 2.9. Phổ phản xạ của nước chứa hàm lượng chất lơ lửng khác nhau (nguồn Internet) Hàm lượng chất diệp lục (chlorophyll-a) cũng ảnh hưởng đến khả năng phổ phản xạ của nước, làm giảm khả năng phổ phản xạ ở dải sóng ngắn và tăng ở dải sóng màu xanh lá cây (Hình 2.10). Có thể nhận thấy, khi hàm lượng chlorophyll trong nước mặt nhỏ (3 mg/m3) hầu như không ảnh hưởng đến đặc trưng phổ phản xạ của nước. Với hàm lượng chlorophyll đạt 30 mg/m3, nước có khả năng phản xạ phổ tăng mạnh ở dải sóng xanh lục. Trong khi đó, với hàm lượng chlorophyll trong nước cao (300 mg/m3), đồ thị phổ phản xạ của nước gần như tương đồng với đồ thị phổ phản xạ của thực vật, khi phản xạ mạnh ở dải sóng xanh lục và cận hồng ngoại, trong khi phản xạ ở dải sóng đỏ đạt thấp (Hình 2.9). Sử dụng đặc điểm này, Frohn and Autrey (2007) [36] đề xuất sử dụng chỉ số chất diệp lục trong ước lượng hàm lượng chlorophyll trong nước mặt từ dữ liệu viễn thám (Hình 2.11): GREEN NIR RED Chl I ρ ρ ρ + − = (2.24) 58 Trong đó ρGREEN, ρRED, ρNIR là phổ phản xạ của các kênh ảnh vệ tinh ở dải sóng xanh lục, đỏ và cận hồng ngoại. Hình 2.10. Ảnh hưởng của hàm lượng chlorophyll-a đến phổ phản xạ của nước [39] Ngoài ra, một số thông số chất lượng nước mặt khác cũng ảnh hưởng đến khả năng phổ phản xạ của nước, tuy không thể hiện rõ rệt qua sự khác biệt của đồ thị phổ như độ mặn của nước, hàm lượng các chất như BOD5 (Biochemical Oxygen Demand), COD (chemical oxygen demand), DO (Dissolved oxygen), oxi, nitơ, cacbonic...trong nước. Hình 2.11. Chỉ số chất diệp lục xác định từ ảnh vệ tinh VNREDSat-1A khu vực Hà Nội năm 2016 [36] 59 Khả năng thấu quang của nước phụ thuộc vào độ đục/trong của nước. Các loại nước khác nhau như nước biển, nước ngọt và nước cất đều có chung đặc tính thấu quang, tuy nhiên độ thấu quang của nước đục giảm rõ rệt so với nước trong và ở bước sóng càng dài thì độ thấu quang càng lớn (Bảng 2.1) [22]. Khả năng thấu quang cao và hấp thụ năng lượng ít ở dải sóng nhìn thấy đối với lớp nước mỏng (ao, hồ nông) và trong là do năng lượng phản xạ của lớp đáy như cát, đá.... Như vậy, hình ảnh đối tượng nước thu nhận được từ ảnh viễn thám ở dải sóng nhìn thấy là năng lượng phản xạ của các chất đáy. Bảng 2.1. Độ thấu quang của nước phụ thuộc bước sóng [22] Bước sóng Độ thấu quang 0,5 μm - 0,6 μm Đến 10 m 0,6 μm - 0,7 μm 3 m 0,7 μm - 0,8 μm 1 m 0,8 μm - 1,1 μm <10 cm 2.3 Phương pháp xử lý ảnh vệ tinh VNREDSAT - 1A 2.3.1 Phương pháp hiệu chỉnh khí quyển ảnh vệ tinh VNREDSat - 1A Do nhiễu khí quyển ảnh hưởng lớn đến chất lượng ảnh vệ tinh, để khắc phục điều này, ngay từ những thập niên cuối thể kỷ trước, nhiều nhà khoa học đã quan tâm và đề xuất các phương pháp hiệu chỉnh khí quyển. Có thể chia các phương pháp hiệu chỉnh khí quyển thành hai nhóm phương pháp chính: • Nhóm phương pháp sử dụng tham số vật lý khí quyển; • Nhóm phương pháp sử dụng các tham số của ảnh gốc. Nhóm phương pháp sử dụng tham số vật lý khí quyển tiêu biểu là phương pháp 6S dựa trên lý thuyết truyền bức xạ trong khí quyển của Chandsarekhar (1950). Các tham số vật lý khí quyển có liên quan tới hai hiện tượng là hiện tượng tán xạ và hiện tượng hấp thụ của một số thành phần trong 60 khí quyển như: ôzôn, ô-xy, dioxit cac-bon, hỗn hợp khí và sol khí (aerosol). Các tham số đầu vào cho mô hình 6S bao gồm: • Quan hệ hình học giữa Mặt Trời - Trái Đất - đầu thu; • Mô hình khí quyển (mô hình khí quyển quốc tế, hoặc mô hình khí quyển của Mỹ 1962 và 1976) cho các thành phần khí; • Mô hình sol-khí (loại và hàm lượng sol-khí); • Giá trị phản xạ đo ngoài thực địa và đo trên các ảnh kênh phổ. Mô hình 6S có độ chính xác cao và đòi hỏi một số số liệu đo thực địa về tính chất quang học khí quyển ở thời điểm thu nhận ảnh. Tuy nhiên đây cũng là nhược điểm chính của phương pháp này do việc đáp ứng số liệu quan trắc thực địa có độ chính xác cao ở thời điểm chụp ảnh gặp rất nhiều khó khăn. Trong thực tế, việc tiếp cận với các tham số khí quyển không dễ dàng, cho nên nhóm phương pháp sử dụng các tham số từ dữ liệu gốc của ảnh là giải pháp thiết thực cho phép hiệu chỉnh ảnh hưởng khí quyển. Một trong những phương pháp tiêu biểu cho nhóm phương pháp sử dụng các tham số từ dữ liệu header là phương pháp “trừ đối tượng tối” - DOS (Dark Object Substraction). Phương pháp này được Chavez đề xuất năm 1988 và tiếp tục phát triển năm 1996 khi bổ sung thêm các tham số hiệu chỉnh [26]. Đây là phương pháp đơn giản, dựa trên giá trị phản xạ đỉnh khí quyển (TOA) thu được của chính các kênh ảnh. Hiện nay có nhiều phiên bản DOS khác nhau, từ phiên bản đơn giản (DOS simple) chỉ sử dụng các thông tin trích xuất từ ảnh vệ tinh đến những phiên bản cao hơn có tính đến ảnh hưởng của các yếu tố khí quyển cho từng khu vực. Nguyên lý của phương pháp này dựa trên giả thuyết rằng một số điểm ảnh trên ảnh vệ tinh sẽ có giá trị phản xạ bằng không, vì vậy những giá trị phản xạ ghi nhận được của đối tượng này trên ảnh là do kết quả của các tia 61 tán xạ trong khí quyển. Ví dụ như phản xạ của các vùng nước sâu yên tĩnh thu nhận được ở dải sóng cận hồng ngoại có giá trị gần bằng không. Phương pháp DOS giả định rằng các giá trị điểm ảnh khác không ở những vùng nước trong, yên tĩnh và sâu, là do các bức xạ trong khí quyển chứ không phải là giá trị bức xạ của đối tượng. Giả định giá trị này là ổn định trong khí quyển ở thời điểm chụp ảnh, giá trị này được trừ đi cho tất cả các giá trị điểm ảnh trong ảnh. Kết quả là ta có được các giá trị phản xạ của các điểm ảnh không còn ảnh hưởng của khí quyển. Hình 2.12. Ví dụ về các ”đối tượng tối” trên ảnh vệ tinh Landsat (nguồn gisapmaps.com) Phương pháp COST kết hợp các giả định của phương pháp DOS với một thực tế là rất ít đối tượng trên bề mặt trái đất là đối tượng tối [26], [62] vì vậy, thông thường tương ứng với 1% của ảnh phản xạ. Giá trị bức xạ của một đối tượng hoàn toàn tối và không chịu ảnh hưởng của bóng được tính như sau: 2 1% 0.01. .cos . SE idL Eλ λ θ π = (2.25) Trong đó L1%λ là giá trị 1% bức xạ của đối tượng tối theo giả định. 62 Sau đó giá trị bức xạ chuyển thành phản xạ bề mặt của Trái đất bằng cách sử dụng công thức sau: 𝜌𝜌𝜆𝜆 = 𝜋.𝑑𝑆𝐸2 .𝐿𝜆ℎ𝑎𝑧𝑒𝐸𝜆.𝑐𝑜𝑠𝜃𝑖 (2.26) Trong đó: 𝜌𝜌𝜆𝜆 - giá trị phản xạ trên vệ tinh đối với bước sóng λ; dSE - khoảng cách giữa Trái đất và Mặt trời, xác định theo công thức: ( )( )( )1.0 0.01674.cos 0.9856 4SEd D= − − (2.27) Trong đó, D là thứ tự ngày trong năm. Eλ - bức xạ Mặt trời trung bình ngoài khí quyển; 𝜃𝜃𝑖𝑖 - góc thiên đỉnh. Ở đây, Lλhaze được xác định theo công thức sau: 1%hazeL L Lλ λ λ= − (2.28) Lλ là giá trị bức xạ phổ, được xác định từ giá trị số nguyên của ảnh VNREDSat-1A theo công thức sau: .L Gain DN Biasλ λ λ= + (2.29) Trong đó: Lλ - giá trị bức xạ phổ thu được tại đầu thu; DN - giá trị số nguyên (digital number) của kênh ảnh; Gainλ - giá trị gain tại kênh ảnh ở bước sóng λ; Biasλ - giá trị bias tại kênh ảnh ở bước sóng λ. Các giá trị Gain và Bias được cung cấp trong file metadata của ảnh VNREDSat-1A (Bảng 2.2). Chính vì vậy, trong phạm vi của luận án sử dụng mô hình COST để hiệu chỉnh ảnh hưởng của khí quyển đối với ảnh vệ tinhVNREDSat-1A. Các bước thực hiện theo sơ đồ trên hình 2.13. Quá trình hiệu chỉnh khí quyển ảnh vệ tinh VNREDSat-1A có thể được tiến hành qua các bước sau: 63 Bước 1: Giá trị số nguyên của ảnh VNREDSat-1A được chuyển đổi về giá trị thực của bức xạ điện từ (spectral radiance) theo công thức (2.29). Bước 2: Chiết xuất thông tin từ tệp siêu dữ liệu (metadata) gồm: - Góc thiên đỉnh mặt trời; - Bức xạ mặt trời trung bình ngoài khí quyển (hay ở đỉnh khí quyển tương ứng cho từng kênh ảnh Eλ). - Thời gian của cảnh ảnh thu nhận (để tính khoảng cách thiên văn giữa Trái Đất và Mặt Trời). Hình 2.13. Sơ đồ các bước thực hiện hiệu chỉnh khỉ quyển ảnh vệ tinh Ảnh DN (8,10,12 bits) Ảnh Lλ (Ảnh bức xạ trước đầu thu) Tệp siêu dữ liệu (Header file) Chiết xuất thông tin - Góc 𝜃𝜃𝑖𝑖; Eλ - Ngày, tháng, năm Tính D Tính dSE Tính Lλhaze Tính L1%λ Chuyển về phản xạ bề mặt qua phép Hiệu chỉnh khí quyển COST Xuất ảnh 𝜌𝜌𝜆𝜆 (1) (2) (3) (4) (4) 64 Bảng 2.2. Giá trị Gian và Bias đối với các kênh phổ ảnh VNREDSat-1A (nguồn VAST) STT Kênh phổ Gian Bias 1 Kênh 1 (blue) 1.6382548072236700 0.0000 2 Kênh 2 (green) 1.6213056650501201 0.0000 3 Kênh 3 (red) 1.8478962570830899 0.0000 4 Kênh 4 (NIR) 2.5112173640667201 0.0000 Bước 3: Tính D, dSE, L1%λ và Lλhaze Để tính D có thể dựa vào thời gian cảnh ảnh thu nhận được sau đó chuyển đổi sang lịch Julian của năm, sử dụng bảng tra lịch (Julian Day Calendar). Khoảng cách thiên văn từ Trái Đất đến Mặt Trời (dSE) có thể xác định bằng cách sử dụng bảng tra hoặc tính theo công thức 2.27, sau đó tính L1% theo công thức 2.25. Các tia bức xạ khi truyền qua khí quyển do va đập với các hạt trong khí quyển gây nên hiện tượng màu “xanh da trời”, trên ảnh vệ tinh thu được một lớp “sương mù” hay còn gọi là “Haze” trên toàn bộ ảnh. Nếu coi lớp sương mù này là đồng nhất, thì có thể loại trừ nó bằng cách sử dụng histogram của ảnh để xác định giá trị phản xạ (hình 2.14). Bước 4: Chuyển về phản xạ bề mặt qua phép hiệu chỉnh khí quyển COST theo công thức 2.26. Bước 5: Ở bước cuối cùng, ảnh giá trị phản xạ bề mặt 𝜌𝜌𝜆𝜆 được xác định sau khi hiệu chỉnh khí quyển. Trong trường hợp không tiến hành hiệu chỉnh khí quyển, phản xạ phổ nhận được còn được gọi là phản xạ đỉnh khí quyển TOA (Top of Atmospheric): 2. . .cos( ) SE TOA i d L E λ λ πρ θ = (2.30) 65 Hình 2.14. Đo giá trị bức xạ của khí quyển dựa trên đồ thị histogram của kênh ảnh Trên hình 2.15 trình bày kết quả so sánh giá trị phản xạ phổ trước và sau khi hiệu chỉnh khí quyển bằng phương pháp “trừ đối tượng tối”. Có thể nhận thấy, giá trị phản xạ phổ bề mặt sau khi hiệu chỉnh khí quyển nhìn chung thấp hơn giá trị phản xạ trước khi hiệu chỉnh. Hình 2.15. So sánh phổ phản xạ của nước trước và sau khi hiệu chỉnh khí quyển (nguồn gisapmaps.com) 2.3.2 Phương pháp hiệu chỉnh hình học ảnh vệ tinh VNREDSat-1A Ảnh viễn thám sau khi được thu nhận từ vệ tinh, thông thường vẫn tồn tại nhiều sai số, trong đó có các sai số về hình học. Những sai số này có thể 66 xảy ra do lỗi phát sinh trong quá trình truyền dữ liệu từ vệ tinh về mặt đất hoặc sai sót do bộ cảm biến Trước quá trình phân tích, giải đoán, ảnh vệ tinh cần được hiệu chỉnh hình học (geometric correction). Kết quả giải đoán phụ thuộc rất nhiều vào độ chính xác của ảnh sau khi nắn. Do vậy, hiệu chỉnh hình học ảnh vệ tinh đóng vai trò rất quan trọng cho các bước phân tích tiếp theo. Mục đích của hiệu chỉnh hình học là nhằm loại bớt các sai lệch xảy ra trong quá trình chụp ảnh và đưa ảnh về toạ độ chuẩn để có thể tích hợp với các nguồn dữ liệu khác. Độ chính xác của ảnh nắn ảnh hưởng trực tiếp tới độ chính xác của các đối tượng trên bản đồ. Việc nắn chỉnh hình học bằng các hệ xử lý ảnh được tiến hành dựa trên các điểm khống chế mặt đất (GCPs- Ground Control Points). Các điểm khống chế phải ít biến động và phải dễ nhận biết trên ảnh cũng như trên bản đồ, phải là các yếu tố địa vật đặc trưng và ít thay đổi. Số lượng các điểm khống chế được lấy phải đáp ứng yêu cầu mà phương pháp nắn và bậc nắn đòi hỏi cũng như phân bố đều trên phạm vi toàn ảnh. Hình 2.16. Hệ tọa độ ảnh và các điểm khống chế [77] 67 Các nguồn sai số ảnh hưởng đến độ chính xác của trực ảnh Độ chính xác của ảnh nắn phụ thuộc vào độ phân giải hình học của ảnh, độ chính xác của khâu định hướng, tăng dày khống chế ảnh và độ chính xác của mô hình số độ cao sử dụng cho nắn ảnh: 22 DEMDtdD mmm +±≤ (2.31) Trong đó: mD - sai số vị trí điểm trên ảnh nắn; mtd - sai số trung phương vị trí mặt phẳng của các điểm khống chế và các điểm kiểm tra sau khi tính toán mô hình hóa ảnh vệ tinh là ≤ ±1 pixel. DEMD m - sai số vị trí điểm trên ảnh nắn do ảnh hưởng của chênh cao địa hình hoặc do sai số của mô hình số độ cao DEM. Như vậy, với kênh toàn sắc ảnh vệ tinh VNREDSat-1A (độ phân giải hình học 2,5m) thì sai số trung phương vị trí mặt phẳng sau bình sai khối ảnh mtdcó thể đạt được là ≤ ±2,5 m. Từ đó, có thể tính được sai số vị trí điểm trên ảnh nắn do ảnh hưởng của sai số độ cao DEM như sau: 22 tdDD mmm DEM −±≤ (2.32) Khi sử dụng ảnh vệ tinh VNREDSat-1 có độ phân giải 2,5 m để thành lập bình đồ ảnh tỷ lệ 1:25 000, có thể tính các thông số mD và mtd như sau: mD = 0,4 mm x 25 000 = 10 m mtd = 2,5 m Như vậy, theo công thức (2.32) ta có DEMDm ≤ ± 9.68 m Thay giá trị này vào công thức (2.33) và gán giá trị góc nghiêng chụp ảnh lớn nhất của ảnh VNREDSat-1A sẽ tính được sai số độ cao cho phép của DEM (chênh cao địa hình lớn nhất giữa điểm địa hình với mặt phẳng nắn ảnh trong trường hợp sử dụng sử dụng độ cao trung bình để nắn ảnh mà không sử 68 dụng DEM) là: ∆h = 9.68 / tg310 = 16,09 (m) Một cách tương tự, đối với thành lập bình đồ ảnh vệ tinh VNREDSat- 1A ở các kênh đa phổ với độ phân giải không gian 10 m, tỷ lệ 1:50 000 ta có DEMD m ≤ ± 17,32 m và ∆h = 28,79m. Sai số cho phép của DEM (độ chính xác cần thiết) dùng để nắn ảnh vệ tinh VNREDSat-1A với các góc nghiêng chụp ảnh khác nhau được tính theo công thức: ∆h = DEMDm / tgα (2.33) Bên cạnh những yếu tố trên, trong viễn thám quang học, các biến đổi địa hình gây ra các sai số vị trí điểm giữa thực tế và điểm trên ảnh mà vệ tinh thu được, từ đó dẫn tới các thông tin sai lệch khác, đôi khi là rất lớn. Ảnh hưởng độ chênh cao địa hình và góc nghiêng trục quang tới vị trí điểm vật của phép chiếu xuyên tâm so với phép chiếu trực giao được mô tả trên hình 2.17. Hình 2.17. Ảnh hưởng độ chênh cao địa hình và góc nghiêng trục quang Đại lượng xê dịch hướng tâm ΔX theo trục x do chênh cao địa hình Δh và góc nghiêng quang trục α được tính bằng công thức: 69 ΔX = Δh×tgα (2.34) ΔX = [Δh×(f/H)×R ] / [(H - Δh)] (2.35) Trong đó công thức (2.34) tương ứng với trường hợp trên mặt đất và công thức (2.35) tương ứng với trường hợp trên ảnh sau đầu thu. ΔX là sai số xê dịch vị trí điểm ảnh; Δh - chênh cao địa hình; α - góc nghiêng quang trục; f - tiêu cự của máy chụp ảnh trên vệ tinh quang học; H - độ cao bay chụp; R - bán kính tấm ảnh vệ tinh. Để hiệu chỉnh hình học ảnh vệ tinh VNREDSat-1A, trong luận án sử dụng phần mềm xử lý ảnh thương mại ERDAS IMAGINE2014. Sơ đồ các bước hiệu chỉnh hình học ảnh vệ tinh VNREDSat-1A được trình bày trên hình 2.18. Bước 1:Tạo Project làm việc Project làm việc là việc xác định khu vực bao gồm các điểm khống chế, bản đồ, DEM, ảnh thô, ảnh nắn thuộc về Project. Việc xác định này được thực hiện trên cửa sổ chính của phần mềm ERDAS IMAGINE 2014. Bước 2: Nhập ảnh Dữ liệu được nhập vào Database của Module MANAGE và được lưu trong cơ sở dữ liệu của ERDAS IMAGINE, khác biệt là dữ liệu được chuyển vào Project đang làm việc. Module này chỉ làm việc khi một Project đã được mở ra. Khi nhập từng đối tượng một (Import with control), ERDAS IMAGINE sẽ kiểm soát được tất cả các thông tin bổ trợ của đối tượng (thể hiện qua tên của đối tượng được nhập và lưu trong cơ sở dữ liệu của hệ thống). Ngoài ra một ưu điểm khác là với ERDAS IMAGINE version 2014 còn cho phép nhập nhiều đối tượng ảnh VNREDSat-1A cùng một lúc (Std import dimap) mà vẫn kiểm soát được thông tin của từng đối tượng. 70 Hình 2.18. Sơ đồ các bước hiệu chỉnh hình học ảnh vệ tinh VNREDSat-1A Khi nhập dữ liệu thô (raw data) thì định dạng gốc này sẽ bị thay đổi, các dữ liệu nhập vào được định dạng lại theo định dạng của ERDAS IMAGINE và được lưu trữ trong cơ sở dữ liệu của hệ thống, tự động tính các “Sub Sampled Views” bao gồm: - Tính toán đồ thị giá trị phổ của đối tượng; - Tính các Sub Sampled Views; Nắn ảnh - Bản đồ - GCP - DEM Mô hình hóa và đo điểm khống chế Tạo Project Nhập ảnh Thiết lập khối Liên kết mô hình và đo liên kết mô hình Ảnh gốc Tính toán bình sai Xuất dữ liệu Cắt, ghép ảnh Không đạt Đạt 71 - Tính các dữ liệu bổ trợ (DOG) của các ảnh VNREDSat-1A; Tất cả các tính toán này sẽ hiển thị thông báo “Sampling in progress” và hiển thị “Sampling done with success” khi kết thúc trên cửa sổ thông báo của module MANAGE. Việc tính toán này thành công thì dữ liệu mới có thể phóng to, thu nhỏ, hơn nữa khi các dữ liệu bổ trợ (DOG) được tính toán thì mô hình bộ cảm biến vật lý của ảnh VNREDSat-1A. Trong quá trình nhập các đối tượng vào hệ thống cần phải chọn đúng loại đối tượng, định dạng của đối tượng, ngoài ra còn phải tính toán chính xác khi nhập DEM vào hệ thống. Bước 3: Mô hình hoá và nhập điểm khống chế ERDAS IMAGINE thiết lập mô hình tuyệt đối có thể là mô hình đa thức (Polynomial), đa thức hữu tỷ (Rational Polynomial Coefficients) hay mô hình bộ cảm biến vật lý (Physical model). Với mô hình vật lý, hệ thống sẽ sử dụng các thông số của mô hình đã nhận khi Import ảnh để mô hình hóa làm tăng độ chính xác của mô hình. Những cảnh ảnh cùng 1 Segment sẽ được ERDAS IMAGINE mô hình hóa là 1 mô hình, do đó sẽ giảm công tác đo nối liên kết ảnh. Đo điểm khống chế ảnh sẽ tính chuyển hệ tọa độ mô hình về một hệ tọa độ xác định. Có thể đo các điểm khống chế này tự động bẳng công cụ Points Filtering hoặc thủ công. Điểm khống chế ảnh bao gồm 3 thành phần tọa độ X, Y, và H có thể là điểm đo bằng GPS, điểm xác định trên bản đồ hoặc từ trực ảnh có độ chính xác lớn hơn. Điểm khống chế có thể là đã có trong cơ sở dữ liệu điểm của hệ thống, khi đó các thành phần tọa độ của điểm và sơ đồ trích điểm đã được lưu trong cơ sở dữ liệu, khi đó có thể đo tự động được với những điểm này, đối với những điểm đo mới của Project, sau khi đã nhập xong cho Project thì có thể chuyển sang cơ sở dữ liệu điểm để lưu trữ. 72 Bước 4: Thiết lập khối ảnh Trên cơ sở những mô hình đã được mô hình hóa, chọn những cảnh ảnh cùng Mode chụp để tạo thành khối ảnh, như vậy thông thường sẽ có 2 khối ảnh trong 1 Project là khối ảnh toàn sắc và khối ảnh đa phổ. Bước 5: Liên kết mô hình và đo liên kết mô hình Sau khi đã đo các điểm khống chế ảnh trong khối, tiến hành đo liên kết mô hình, đó là những điểm ảnh cùng tên nằm trong độ phủ chung giữa các cảnh ảnh, độ cao của những điểm này được ERDAS IMAGINE xác định từ DEM trong Project. Trong mỗi độ phủ chung cần tối thiểu là 3 điểm trở lên, tuy nhiên để tăng độ chính xác của khối ảnh nên có nhiều hơn 3 điểm và được bố trí so le nhau. Bước 6: Tính toán bình sai Khi tính toán mô hình, những điểm có sai số lớn vượt quá hạn sai sẽ được xem xét lại vị trí trên mô hình và vị trí trên ảnh ghi chú, có thể thay đổi trạng thái (tuỳ thuộc vào vị trí của điểm trong mô hình) Reference hoặc Control của điểm để làm giả