Monitoring sự biến động môi trường rừng ngập mặn khu vực Bãi Nhà Mạc - Đình Vũ tỉnh Hải Phòng bằng công nghệ viễn thám và GIS

kh«ng gian, ®é ph©n gi¶i phæ và ®é ph©n gi¶i thêi gian. - Độ ph©n giải kh«ng gian: ®é ph©n gi¶i kh«ng gian cña ¶nh vÖ tinh, do ®Æc tÝnh cña ®Çu thu, phô thuéc vào tr­êng nh×n tøc th× (IFOV) ®­îc thiÕt kÕ s½n. ý nghÜa quan träng nhÊt cña ®é ph©n gi¶i kh«ng gian là nã cho biết ®èi t­îng nhá nhÊt mà cã thÓ ph©n biÖt trªn ¶nh. 80 m MSS 30 m TM 20 m SPOT XS C©y §­êng Th¶m cá Nhµ Nguån: Trung t©m nghiªn cøu – øng dông viÔn th¸m và GIS CARGIS Tr­êng §¹i Häc Khoa Häc Tù Nhiªn Hµ Néi H×nh 2.7: Sù kh¸c biÖt vÒ ®é ph©n gi¶i trªn ¶nh Mçi pixel cña ¶nh ph¶n ¸nh mét gi¸ trÞ ph¶n x¹ trung b×nh cña mçi vËt thÓ trong pixel - Độ ph©n giải phổ: vÖ tinh thu nhËn sãng ph¶n x¹ trªn mét kho¶ng b­íc sãng nhÊt ®Þnh. §é réng hÑp cña kho¶ng b­íc sãng này là ®é ph©n gi¶i phæ cña ¶nh. Theo h×nh 2.4, khoảng b­íc sãng càng hÑp th× tÝnh chÊt ph¶n x¹ phæ cña ®èi t­îng càng ®ång nhÊt. §é ph©n gi¶i bøc x¹ (Radiometric Resolution) (®é ph©n gi¶i phæ) ®­îc thÓ hiÖn trªn h×nh sau ®©y: ¶nh 8 bit ¶nh 2 bit ¶nh 1 bit Lµ møc ®é l­îng tö hãa(quantumizing) trÞ ®o bøc x¹ t¹i mçi poxel (1 bit, 2 bit, 8 bit, 16 bit v.v.). - Độ ph©n giải thời gian: vÖ tinh viÔn th¸m chuyÓn ®éng trªn quü ®¹o và chôp ¶nh Tr¸i §Êt. Sau mét kho¶ng thêi gian nhÊt ®Þnh, nã quay l¹i và chôp l¹i vïng ®ã chôp. Kho¶ng thêi gian này gäi là ®é ph©n gi¶i thêi gian cña vÖ tinh. Víi kho¶ng thêi gian lÆp l¹i càng nhá th× th«ng tin thu thËp càng nhiÒu. Ngoài ra, sè l­îng kªnh ¶nh còng là mét yÕu tè quan träng ¶nh h­ëng ®Õn Th«ng tin thu nhËn trªn ¶nh viÔn th¸m. ¶nh thu ®­îc càng nhiÒu kªnh th× càng cã nhiÒu th«ng tin vÒ ®èi t­îng thu ®­îc. C¸c ¶nh ®a phæ th«ng th­êng thu ®­îc tõ 3 – 10 kªnh. Kh¶ n¨ng nhËn biÕt ®èi t­îng trªn ¶nh vÖ tinh phô thuéc vào ®é ph©n gi¶i. C¨n cø vào ®é ph©n gi¶i kh«ng gian cña ¶nh, ta cã thÓ chia ra thành 4 møc d÷ liÖu ¶nh viÔn th¸m: mét là, d÷ liÖu cã ®é ph©n gi¶i thÊp nh­ ¶nh NOAA, hai là, d÷ liÖu cã ®é ph©n gi¶i trung b×nh nh­ ¶nh Landsat MSS (80m)… ba là, d÷ liÖu cã ®é ph©n gi¶i cao nh­ Landsat TM (30m, 15m), Spot (20m, 10m…) Aster (15m) và bèn là, ¶nh cã ®é ph©n gi¶i siªu cao nh­ IKONOS (1 – 5m), ¶nh Quikbirb (1m). §èi víi viÖc thành lËp b¶n ®å líp phñ mÆt ®Êt nãi chung và líp phñ thùc vËt ngËp mÆn nãi riªng cho khu vùc ven biÓn tØnh H¶i Phßng th× d÷ liÖu ¶nh vÖ tinh ®­îc sö dông réng r·i h¬n tÊt c¶ vµ gi¸ thành rÎ h¬n (so víi ¶nh Spot. Aster..), so víi ¶nh Landsat MSS th× ¶nh Landsat TM cã ®é ph©n gi¶i kh«ng gian cao h¬n, ®é ph©n gi¶i phæ còng cao h¬n (¶nh Landsat TM cã 7 kªnh phæ, cßn ¶nh Landsat MSS cã 4 kªnh phæ). B¶ng 2.2 sau ®©y sÏ cho biÕt c¸c øng dông chÝnh cña c¸c kªnh phæ cña Landsat TM. Bảng 2.2. Bảng ứng dụng chÝnh của c¸c kªnh phổ của Landsat TM. Dùa vào øng dông chÝnh cña c¸c kªnh phæ nªu trong b¶ng trªn, ®èi víi viÖc nghiªn cøu líp phñ thùc vËt ngËp mÆn sÏ chó ý sö dông 4 kªnh 1, 2, 3, 4. Nh×n chung, d÷ liÖu ¶nh viÔn th¸m thuËn tiÖn cho viÖc thành lËp b¶n ®å líp phñ mÆt ®Êt, t¹o c¸c b¶n ®å chØ sè nh­ chØ sè thùc vËt. Dùa vào ®é ph©n gi¶i thêi gian cña ¶nh ta cã thÓ ph¸t hiÖn ra biÕn ®éng líp phñ ®Êt. S¶n phÈm cña d÷ liÖu viÔn th¸m, kÕt hîp víi d÷ liÖu GIS nh»m t¹o ra th«ng tin h÷u Ých nh»m ®¸nh gi¸, trî gióp quyÕt ®Þnh liªn quan ®Õn tài nguyªn thiªn nhiªn nãi chung và líp phñ thùc vËt nãi riªng. b. Lựa chọn tư liệu ảnh trong nghiªn cứu biến động lớp phủ thực vật ngập mặn khu vực B·i Nhµ M¹c-§×nh Vò Trong nghiªn cứu, việc lựa chọn tư liệu ảnh phụ thuộc vào đối tượng nghiªn cứu và nguồn tư liệu ảnh sẵn cã. Theo ®¸nh gi¸ trong nhiều c«ng bố khoa học ứng dụng c«ng nghệ viễn th¸m mỗi loại ảnh thường chỉ cã gi¸ trị sử dụng cho từng đối tượng cụ thể (nguồn: Phạm Quang Sơn, 2004). Trong nghiªn cứu đường bờ, đối tượng cần ph©n biệt là vïng đất và nước. Do đã, tư liệu ảnh sử dụng là c¸c ảnh như ảnh m¸y bay (ảnh màu, ảnh đen trắng…), c¸c ảnh viễn th¸m cã độ ph©n giải cao (ảnh SPOT, ASTER, Landsat TM, và ETM) hoặc ảnh Radar như ảnh vệ tinh Radarsat,…Đối với nghiªn cứu về trường nhiệt độ bề mặt nước biển, nghiªn cứu ch¸y rừng th× kªnh ảnh được sử dụng là kªnh hồng ngoại nhiệt (Thermal IR) ở c¸c vệ tinh như NOAA, MODIS, Landsat TM, Landsat ETM. Nếu như nghiªn cứu về lớp phủ thực vật cần lưu ý chọn c¸c kªnh phổ cận hồng ngoại (Near IR) cã ở ảnh SPOT, Landsat TM, Landsat ETM, Landsat MSS, và ảnh NOAA. C¸c tư liệu ảnh cã thể bổ xung th«ng tin hoặc thay thế cho nhau. Với ba đặc điểm chÝnh của dữ liệu viễn th¸m (độ ph©n giải kh«ng gian, phổ và độ ph©n giải thời gian), chủ yếu người sử dụng chỉ quan t©m đến độ ph©n giải kh«ng gian trong việc giải đo¸n c¸c đối tượng mà kh«ng mấy chó ý đến độ ph©n giải phổ (phản xạ phổ của đối tượng) và độ ph©n giải thời gian. Ưu thế mạnh của tư liệu viễn th¸m là khả năng ph©n biệt c¸c đối tượng kh¸c nhau dựa vào mức phản xạ của chóng, và c¸ch tối ưu nhất là kết hợp cả hai yếu tố phổ phản xạ và độ ph©n giải kh«ng gian. Để ph©n biệt tốt c¸c đối tượng, phương ¸n đa số người sử dụng trong kỹ thuật xử lý ảnh số là kết hợp nhiều ảnh cã độ ph©n giải kh¸c nhau. Bªn cạnh đã, thế mạnh của tÝnh đa thời gian trong dữ liệu ảnh vệ tinh với việc bổ xung th«ng tin cho c«ng t¸c thành lập c¸c bản đồ chuyªn đề như là bản đồ lớp phủ với một số c¸c đối tượng thay đổi theo mïa màng là kh«ng thể thiếu. Đặc biệt trong nghiªn cứu biến động, ảnh vệ tinh cung cấp th«ng tin kh¸ch quan nhất. Th«ng tin viễn th¸m được sử dụng kết hợp với th«ng tin địa lý kh¸c và tÝch hợp trªn hệ thống GIS, hai c«ng nghệ này bổ xung cho nhau để chiết suất th«ng tin theo nhiều chiều và theo một kh«ng gian địa lý phục vụ cho vấn đề nghiªn cứu. Bảng 2.3 dưới ®©y sẽ cung cấp một số th«ng tin liªn quan đến việc sử dụng tư liệu ảnh vệ tinh trong nghiªn cứu c¸c đối tượng ở khu vực ven biển tỉnh H¶i Phßng nãi riªng và đồng bằng, ven biển hiện nay. Bảng 2.3. So s¸nh khả năng sử dụng th«ng tin một số ảnh vệ tinh trong nghiªn cứu đồng bằng và ven biển C¸c ứng dụng Tªn vệ tinh Landsat Landsat Seasat Spot Nimbus NOAA ThiÕt bÞ thu MSS TTM SAR HRV CZCS AVHR a. Nghiªn cứu địa mạo - T¸ch ®­êng bê - C¶nh quan ven bê - §o ®é s©u và ®Þa h×nh ®¸y biển - §Þa h×nh ®íi ven biÓn - Cöa s«ng và ch©u thæ s«ng - §Çm lÇy ven biÓn b. Động lực vïng ven bờ - BiÕn ®æi vïng bê - §é ®ôc và bïn c¸t l¬ löng - NhiÖt ®é mÆt n­íc và dßng ch¶y - Thay ®æi ®­êng bê - Dßng sa båi ven biển - Sãng biển và vïng sãng vì c. Sinh vật biển - Hàm l­îng t¶o và sinh VËt phï du - Thùc vËt ngËp n­íc và næi - Thùc vËt trong n­íc - §iÒu tra nguån lîi c¸ d. Họat động nh©n sinh - Quy hoạch vïng ven biển - Nguån g©y « nhiÔm n­íc biÓn - Sù cè tràn dÇu 3 3 3 2 3 3 2 2 0 4 3 0 3 3 3 3 3 2 4 1 1 2 1 1 2 1 2 1 2 1 # 3 3 3 3 2 1 3 2 3 3 # # 0 0 0 0 # # 2 # # # 3 0 # 1 2 1 2 1 1 2 1 1 0 2 1 3 # 1 2 3 2 1 3 2 0 0 0 0 0 0 1 1 0 2 0 2 0 0 3 0 3 # 4 0 0 0 0 0 0 0 1 0 3 0 0 0 0 3 0 3 # 4 0 0 0 0 0 0 0 1 0 3 0 0 0 0 3 0 3 # Mức độ sử dụng: 1. Kh¶ n¨ng sö dông tèt nhÊt 2. Kh¶ n¨ng sö dông khá 3. Kh¶ n¨ng sö dông trung b×nh 4. Cã thÓ sö dông nh­ng h¹n chÕ 0. Kh«ng thÓ sö dông #. Ch­a cã th«ng tin chÝnh x¸c (Phạm Quang Sơn, 2004) ë Việt Nam, viÖc øng dông c«ng nghÖ viÔn th¸m và GIS trong c¸c ngành khoa häc Tr¸i §Êt trong nh÷ng n¨m gÇn ®©y là mét b­íc tiÕn míi ®¸ng kÓ. Nh­ng mét khã khăn lín là vÊn ®Ò cung cÊp t­ liÖu ¶nh vÖ tinh ®é ph©n gi¶i cao. Víi ph¹m vi cña ®å ¸n tèt nghiÖp nµy, chi phÝ cho viÖc mua ¶nh càng khã kh¨n. Trong kh¶ n¨ng tài liÖu cã ®­îc cña ®å ¸n t«i ®· lùa chän ¶nh LANDSAT ®Ó làm tài liệu. 2.2.6. Chiết xuất th«ng tin trªn ảnh viễn th¸m §Ó chiÕt xuÊt th«ng tin trªn ¶nh viÔn th¸m, cã nhiÒu ph­¬ng ph¸p kh¸c nhau Nh­ng cã thể chia thành 2 nhãm chÝnh là: gi¶i ®o¸n m¾t th­êng và xö lý sè. Gi¶i ®o¸n b»ng m¾t th­êng là ph­¬ng ph¸p khoanh ®Þnh c¸c vËt thÓ còng nh­ x¸c ®Þnh tr¹ng th¸i cña chóng nhê ph©n biÖt c¸c ®Æc tÝnh thÓ hiÖn trªn ¶nh (màu s¾c, kiÕn tróc, quan hÖ víi c¸c ®èi t­îng xung quanh…). Xö lý ¶nh sè ®Ó chiÕt xuÊt th«ng tin trªn ¶nh. C¶ hai ph­¬ng ph¸p này ®Òu cã nh÷ng ­u, nh­îc ®iÓm và ®­îc øng dông tïy vào tõng yªu cÇu sö dông. Víi môc tiªu chiÕt xuÊt th«ng tin và nghiªn cøu biÕn ®éng líp phñ thùc vËt ngËp mÆn cña khu vùc, ®å ¸n lùa chän ph­¬ng ph¸p xö lý ¶nh sè nhê ­u ®iÓm lín nhÊt cña ph­¬ng ph¸p là xö lý nhanh và ®a thêi gian. Trong ph¹m vi cña ®å ¸n, xö lý ¶nh sè ®­îc sö dông ®Ó chiÕt xuÊt th«ng tin vÒ líp phñ thùc vËt ngËp mÆn khu vùc nghiªn cøu víi quy m« pixel. ë quy m« pixel, ¶nh ®­îc ph©n läai vµ tÝnh to¸n chØ sè thùc vËt, hoÆc ph©n lo¹i cã kÕt hîp víi chØ sè thùc vËt( chØ sè thùc vËt ®ãng vai trß lµ mét trong c¸c kªnh ¶nh ®­îc ph©n lo¹i) 2.2.7 Quy tr×nh xö lý ¶nh Trong phÇn nµy c¸c b­íc xö lý ¶nh sö dông trong ®å ¸n em ®· kÕt hîp chØ sè thùc vËt trong qu¸ tr×nh ph©n lo¹i nh»m n©ng cao ®é chÝnh x¸c cña kÕt qu¶ ph©n lo¹i.V× lý do ®ã, phÇn nµy còng sÏ ®Ò cËp ®Õn c¶ c¬ së vËt lý, c«ng thøc tÝnh chØ sè thùc vËt vµ ¸p dông cho ph©n lo¹i ¶nh khu vùc nghiªn cøu. Ta cã s¬ ®å sö lý ¶nh: 2.2.7.1 HiÓn thÞ ¶nh vÖ tinh . Th«ng th­êng, khi gi¶i ®o¸n ¶nh ng­êi ta kh«ng gi¶i ®o¸n c¸c ®èi t­îng trªn c¸c kªnh ¶nh riªng rÏ mµ th­êng tæ hîp c¸c kªnh nµy thµnh mét ¶nh ®a phæ. ¶nh tæ hîp mµu sÏ lµm cho m¾t ng­êi dÔ nhËn biÕt c¸c ®èi t­îng h¬n. Ph­¬ng ph¸p tæ hîp mµu : Ng­êi ta ®· thÊy r»ng mäi mÇu trong tù nhiªn ®Òu cã thÓ ®­îc biÓu diÔn qua ba mµu lµ: ®á (red); xanh l¸ c©y (green) vµ xanh n­íc biÓn (blue). Ba mµu nµy ®­îc gäi lµ ba mµu c¬ b¶n. ViÖc kÕt hîp ba mµu nµy víi c¸c s¾c ®é ®Ëm nh¹t kh¸c nhau t¹o thµnh tÊt c¶ c¸c mµu kh¸c. VÝ dô mµu ®en lµ tr­êng hîp c¶ ba mµu trªn ®Òu b»ng kh«ng (kh«ng cã). H×nh 2.8: Tổ hợp màu từ ba màu cơ bản Mµu tr¾ng lµ tæ hîp cña gi¸ trÞ b»ng nhau vµ cùc ®¹i cña ba mµu c¬ b¶n. Trong kü thuËt th«ng tin, gi¸ trÞ ®é ®Ëm nh¹t cña mµu c¬ b¶n ®­îc biÓu thÞ b»ng sè. NÕu mçi mµu c¬ b¶n ®­îc ghi bëi 1 byte (8 bit) th× ®é ®Ëm nh¹t cña nã cã 256 gi¸ trÞ , tõ 0 ®Õn 255. Nh­ vËy víi c¸c gi¸ trÞ kh¸c nhau cña ba mµu c¬ b¶n, ta cã thÓ biÓu thÞ ®­îc 2563 gi¸ trÞ, t­¬ng ®­¬ng víi h¬n 16 triÖu mµu. CÇn l­u ý r»ng tæ hîp mµu tõ ba mµu c¬ b¶n chØ lµ mét ph­¬ng ph¸p ®Ó biÓu diÔn c¸c mµu trong tù nhiªn. Trªn thùc tÕ, cßn nhiÒu c¸ch kh¸c ®Ó biÓu diÔn c¸c mµu trong tù nhiªn nh­ng ta kh«ng xÐt tíi ë ®©y. Sù tæ hîp mµu ¶nh vÖ tinh ®Ó hiÓn thÞ trªn m¸y tÝnh còng sö dông nguyªn lý cña viÖc tæ hîp mµu tõ ba mµu c¬ b¶n. Mçi kªnh ¶nh ®­îc l­u tr÷ ë d¹ng 8 bit (1 byte) sÏ bao gåm 256 gi¸ trÞ tõ 0 ®Õn 255. Gi¸ trÞ cña mçi ®iÓm ¶nh ®­îc coi nh­ gi¸ trÞ m· ho¸ cña mét mµu c¬ b¶n. Nh­ vËy, víi ba kªnh ¶nh, ta cã thÓ m· ho¸ chóng nh­ gi¸ trÞ cña ba mµu c¬ b¶n vµ sau ®­îc tæ hîp víi nhau t¹o thµnh ¶nh tæ hîp mµu. Th«ng th­êng, ng­êi ta tiÕn hµnh g¸n mµu ®á cho kªnh cËn hång ngo¹i, xanh l¸ c©y cho kªnh ®á, xanh n­íc biÓn cho kªnh xanh l¸ c©y. Tæ hîp trªn ®­îc gäi lµ tæ hîp mµu gi¶ vµ th­êng ®­îc sö dông trong gi¶i ®o¸n ¶nh viÔn th¸m. Trong tr­êng hîp cña §å ¸n, em ®· sö dông tæ hîp mÇu gi¶ ®Ó hiÓn thÞ ¶nh trªn mµn h×nh ®Ó tiÕn hµnh gi¶i ®o¸n. Tõ ®Æc tÝnh ph¶n x¹ phæ cña c¸c ®èi t­îng tù nhiªn vµ quy luËt trén mµu chóng ta cã thÓ tiÕn hµnh gi¶i ®o¸n ¶nh vÖ tinh, chiÕt t¸ch c¸c th«ng tin cÇn quan t©m cña c¸c ®èi t­îng ®­îc thÓ hiÖn trªn ¶nh. H×nh 2.9: Kh«ng gian mµu RGB Rõng ngËp mÆn lµ mét ®èi t­îng tù nhiªn, tu©n theo nh÷ng quy luËt ph¶n x¹ phæ cña c¸c ®èi t­îng tù nhiªn. Do ®ã, sö dông ¶nh viÔn th¸m chóng ta cã thÓ tiÕn hµnh nghiªn cøu chóng th«ng qua ®Æc tÝnh ph¶n x¹ phæ cña tõng nhãm ®èi t­îng ®­îc thÓ hiÖn trªn ¶nh. 2.2.7.2 T¨ng c­êng chÊt l­îng ¶nh. ¶nh vÖ tinh gèc, do nhiÒu yÕu tè ¶nh h­ëng kh¸c nhau nªn th­êng cã chÊt l­îng hiÓn thÞ kh«ng cao. N· th­êng cã gi¸ trÞ tËp trung trong mét kho¶ng nhá (vÝ dô tõ 50 ®Õn 150). §iÒu nµy cã nghÜa lµ nã chØ cung cÊp mét sè l­îng nhá gi¸ trÞ cho viÖc hiÓn thÞ, do ®ã c¸c ®èi t­îng trªn ¶nh kh«ng ®­îc ph©n biÖt râ rµng, ¶nh th­êng tèi. Gi·n ¶nh lµ ph­¬ng ph¸p lµm cho kho¶ng gi¸ trÞ hiÓn thÞ cña ¶nh lín h¬n, do ®ã c¸c ®èi t­îng trªn ¶nh ®­îc ph©n biÖt râ rµng h¬n, ¶nh trë nªn s¸ng h¬n vµ dÔ dµng h¬n cho viÖc gi¶i ®o¸n trªn mµn h×nh. Khi tæ hîp ë c¸c kªnh kh¸c nhau th× møc ®é x¸m ®é cña thùc vËt, nø¬c, ®Êt lµ kh¸c nhau ( V× gi¸ trÞ tõ 0 255 thÓ hiÖn møc ®é x¸m tèi cña ¶nh). ViÖc gi·n ¶nh nµy rÊt cÇn thiÕt v× khi lµm (nh­ n¾n chØnh, lÊy mÉu...) mét sè ®èi t­îng kh«ng râ, khi ®ã ta ph¶i gi·n ra cho næi bËt ®èi t­îng lªn. ViÖc thay ®æi nµy chØ lµ thay ®æi sù hiÓn thÞ chø kh«ng liªn quan ®Õn d÷ liÖu sè. x¸m ®é pixel míi = x¸m ®é gèc. Do ®ã viÖc t¨ng c­êng chÊt l­îng hiÓn thÞ cña ¶nh gióp cho c«ng t¸c gi¶i ®o¸n dÔ dµng vµ chÝnh x¸c h¬n, ng­êi ta th­êng ph¶i tiÕn hµnh c¸c b­íc t¨ng c­êng chÊt l­îng ¶nh tr­íc khi gi¶i ®o¸n. a) ¶nh tr­íc khi gi·n b) ¶nh sau khi gi·n H×nh 2.10: ¶nh tr­íc vµ sau khi gi·n tuyÕn tÝnh 2.2.7.3 N¾n chØnh h×nh häc. a. Sù cÇn thiÕt cña n¾n chØnh h×nh häc §Ó d÷ liÖu ¶nh cã to¹ ®é vµ tÝch hîp víi c¸c nguån d÷ liÖu kh¸c th× viÖc n¾n chØnh h×nh häc ph¶i ®­îc tiÕn hµnh. §©y lµ viÖc v« cïng quan träng trong c«ng t¸c xö lÝ ¶nh. D÷ liÖu ¶nh tr­íc khi thùc hiÖn phÐp n¾n chØnh h×nh häc th­êng chøa ®ùng sù mÐo vÒ h×nh häc vµ kh«ng thÓ sö dông nh­ mét b¶n ®å. Cã nhiÒu nguyªn nh©n g©y ra sù mÐo ®ã nh­: ®é cao bay, t­ thÕ bay, vËn tèc bay cña m¸y bay hoÆc vÖ tinh, hay ¶nh h­ëng cña sù quay tr¸i ®Êt, ®é cong mÆt ®Êt, khóc x¹ khÝ quyÓn, ®Þa h×nh... ViÖc n¾n chØnh h×nh häc sÏ bï l¹i c¸c nguyªn nh©n g©y ra mÐo ®ã vµ lµm cho d÷ liÖu cã ®é trung thùc vÒ h×nh häc nh­ mét b¶n ®å. b. Nguyªn nh©n g©y ra mÐo ¶nh Ng­êi ta chia nguyªn nh©n g©y ra mÐo ¶nh thµnh 2 phÇn: MÐo hÖ thèng: Sù mÐo nµy th­êng cè ®Þnh, biÕt tr­íc vµ dÔ dµng n¾n chØnh b»ng c¸ch ¸p dông c¸c c«ng thøc to¸n häc xuÊt ph¸t tõ c¸c m« h×nh cña sù mÐo ®ã. VÝ dô: do sù chuyÓn ®éng vÒ phÝa tr­íc cña vÖ tinh trong thêi gian g­¬ng quÐt quay, nªn d¶i quÐt ë mÆt ®Êt kh«ng vu«ng gãc víi h­íng quÐt mÆt ®Êt mµ bÞ h¬i xiªn, g©y nªn sù mÐo ngang ®­êng quÐt. Khi biÕt vËn tèc cña vÖ tinh, ta cã thÓ hiÖu chØnh ®­îc sù mÐo nµy. Th«ng th­êng, c¸c d÷ liÖu tr­íc khi ®Õn tay ng­êi sö dông ®· ®­îc n¾n chØnh sù mÐo hÖ thèng tõ n¬i cung cÊp ¶nh. MÐo ngÉu nhiªn, hay mÐo kh«ng hÖ thèng: Sù mÐo nµy kh«ng biÕt ®­îc tr­íc, do sù thay ®æi hµnh vi bay cña vÖ tinh hoÆc m¸y bay. Sù mÐo nµy ®­îc hiÖu chØnh nhê viÖc ph©n tÝch c¸c ®iÓm khèng chÕ mÆt ®Êt (Ground Control Points - GCPs). C¸c GCPs lµ c¸c th«ng tin trªn mÆt ®Êt, chóng cã thÓ ®­îc ®Þnh vÞ chÝnh x¸c trªn d÷ liÖu ¶nh bÞ mÐo vµ ®­îc gäi lµ ®iÓm khèng chÕ trªn ¶nh. C¸c ®iÓm khèng chÕ th­êng Ýt biÕn ®éng, vÝ dô nh­ ®iÓm giao nhau gi÷a c¸c ®­êng, c¸c suèi ... Nh­ vËy, cã 2 lo¹i to¹ ®é cña c¸c ®iÓm khèng chÕ. C¸c ®iÓm trªn d÷ liÖu ¶nh mÐo cã to¹ ®é thÓ hiÖn d­íi d¹ng dßng, cét (row, column), cßn trªn mÆt ®Êt, chóng theo mét hÖ to¹ ®é ®Þa lÝ nµo ®ã, th«ng th­êng lµ UTM, kinh vÜ ®é, Gauss. C¸c th«ng sè to¹ ®é ®­îc ®­a vµo ph©n tÝch håi qui b×nh ph­¬ng tèi thiÓu ®Ó x¸c ®Þnh c¸c hÖ sè cña ph­¬ng tr×nh chuyÓn ®æi gi÷a 2 lo¹i to¹ ®é. Ph­¬ng tr×nh nµy sÏ chuyÓn d÷ liÖu ¶nh bÞ mÐo vÒ mét l­íi chiÕu b¶n ®å mong muèn. BËc cña ph­¬ng tr×nh chuyÓn ®æi tuú thuéc vµo ®é mÐo cña ¶nh. NÕu ¶nh mÐo nhiÒu (nh­ h×nh 2) th× yªu cÇu bËc n¾n chØnh ph¶i cao nh­ng lµm cho tèc ®é thùc hiÖn sÏ bÞ chËm. H×nh 2: BËc n¾n chØnh h×nh häc liªn quan ®Õn sù mÐo cña ¶nh BËc cña ph­¬ng tr×nh chuyÓn ®æi ®ßi hái ph¶i cã mét sè ®iÓm khèng chÕ tèi thiÓu nh­ sau: Sè ®iÓm khèng chÕ BËc n¾n chØnh 3 1 6 2 10 3 15 4 21 5 Ph­¬ng tr×nh chuyÓn ®æi to¹ ®é cã d¹ng: BËc 1: x'=a0+a1x+a2y y'=b0+b1y+b2y BËc 2: x'=c0+c1x+c2y+c3xy+c4x2+c5y2 y'=d0+d1x+d2y+d3xy+d4x2+d5y2 BËc3: x'=g0+g1x+g2y+g3xy+g4x2+g5y2+g6x2y+g7xy2+g8x3+g9y3 y'=h0+h1x+h2y+h3xy+h4x2+h5y2+h6x2y+h7xy2+h8x3+h9y3 ..... Víi: x', y' lµ to¹ ®é cña ¶nh ch­a n¾n x, y lµ to¹ ®é cña ¶nh n¾n a0,..., h9 lµ c¸c hÖ sè cña ph­¬ng tr×nh chuyÓn ®æi Sau khi cã ph­¬ng tr×nh chuyÓn ®æi, mét qu¸ tr×nh lÊy mÉu l¹i ®­îc thùc hiÖn ®Ó x¸c ®Þnh c¸c gi¸ trÞ pixel ®­a vµo ¶nh ®­îc n¾n chØnh. Qu¸ tr×nh nµy thùc hiÖn trªn c¬ së c¸c gi¸ trÞ pixel cña ¶nh gèc (¶nh mÐo) mµ chóng ®­îc ®Þnh vÞ nhê vµo ph­¬ng tr×nh chuyÓn ®æi nãi trªn. Cã mét sè ph­¬ng ph¸p néi suy cã thÓ ®­îc ¸p dông trong qu¸ tr×nh lÊy mÉu l¹i: Néi suy ng­êi l¸ng giÒng gÇn nhÊt (Nearest Neighbour) Néi suy bËc 2 (Bilinear Interpolation) Néi suy bËc 3 (Cubic Convolution) 2.2.7.4 Ph©n läai ¶nh - Ph©n lo¹i ¶nh viÔn th¸m lµ (1): + ChuyÓn c¸c gi¸ trÞ ®o sang c¸c gi¸ trÞ mang tÝnh chuyªn ®Ò + ChuyÓn d÷ liÖu thµnh th«ng tin b¶n ®å, th«ng tin thèng kª - Ph©n lo¹i ¶nh viÔn th¸m lµ (2): + TËp hîp c¸c pixel cã cïng mét sè th«ng sè thèng kª phæ thµnh mét líp cã ý nghÜa chuyªn ®Ò, + TËp hîp c¸c ®ãi t­îng cã chung mét sè thuéc tÝnh vµo mét líp cã ý nghÜa chuyªn ®Ò Ta cã s¬ ®å c¸c b­íc ph©n lo¹i ¶nh ®· thùc hiÖn trong ®å ¸n Chän thuËt to¸n Kh¶o s¸t c¸c ®Æc tr­ng thèng kª cña toµn c¶nh Thu thËp c¸c d÷ liÖu GIS liªn quan ®Õn khu vùc vµ chuyªn ®Ò nghiªn cøu ch¹y ch­¬ng tr×nh ph©n lo¹i §¸nh gi¸ chÊt l­îng ph©n lo¹i Xö lý sau ph©n lo¹i ChuyÓn kÕt qu¶ sang GIS §¸nh gi¸ thèng kª c¸c mÉu Chän mÉu trªn m¸y tÝnh NhËn ®Þnh kh¸i qu¸t vÒ c¸c ®èi t­îng Trong ph©n lo¹i ¶nh cã hai c¸ch ®ã lµ: - Ph©n lo¹i cã kiÓm ®Þnh: Sö dông c¸c mÉu ph©n lo¹i - Ph©n lo¹i kh«ng kiÓm ®Þnh: chia ¶nh thµnh c¸c cluster vµ gép nhãm c¸c cluster ®ã. S¬ ®å sau thÓ hiÖn c¸c b­íc ph©n lo¹i chÝnh §èi víi ph©n lo¹i cã kiÓm ®Þnh ¶nh Chän mÉu cã kiÓm ®Þnh g¸n nh·n cho c¸c pixel ®¸nh gi¸ ®é chÝnh x¸c §èi víi ph©n lo¹i kh«ng cã kiÓm ®Þnh ¶nh Ph©n tÝch cluster Cluster vµ gép nhãm cluster §¸nh gi¸ ®é chÝnh x¸c §Ó hiÓu râ sù kh¸c biÖt gi÷a ph©n lo¹i cã kiÓm ®Þnh vµ kh«ng cã kiÓm ®Þnh, ta cÇn biÕt ®Õn hai kh¸i niÖm: líp th«ng tin vµ líp phæ - Líp th«ng tin (Information Class): líp ®­îc ng­êi ph©n tÝch ¶nh x¸c ®Þnh liªn quan ®Õn th«ng tin ®­îc chiÕt t¸ch - Líp phæ (Spectral Class): líp bao gåm c¸c vect¬ cã møc x¸m ®é t­¬ng tù nhau trong kh«ng gian ®a phæ. Trong nhiÖm vô chiÕt t¸ch th«ng tin mét c¸ch lý t­ëng, ta cã thÓ trùc tiÕp s¾p xÕp mét líp phæ vµo mét líp th«ng tin. VÝ dô, ta n»m trong kh«ng gian hai chiÒu gåm ba líp: n­íc, thùc vËt, vµ c¸c bÒ mÆt bª t«ng. H×nh 2.11: quan hÖ líp phæ/ líp th«ng tin trong kh«ng gian phæ H×nh 2.12: g¸n nh·n cho líp trong qu¸ tr×nh ph©n lo¹i B»ng c¸ch x¸c ®Þnh ranh giíi gi÷a ba nhãm vect¬ x¸m ®é trong kh«ng gian hai chiÒu NIR vµ R, chóng ta cã thÓ ph©n biÖt ®­îc ba líp th«ng tin nµy. Mét trong nh÷ng kh¸c biÖt gi÷a ph©n lo¹i cã kiÓm ®Þnh vµ kh«ng cã kiÓm ®Þnh lµ c¸c c¸ch s¾p xÕp mçi líp phæ vµo mét líp th«ng tin. Trong ph©n lo¹i cã kiÓm ®Þnh, ta b¾t ®Çu b»ng viÖc x¸c ®Þnh mét líp th«ng tin trªn ¶nh. Khi ®ã ta sö dông mét thuËt to¸n ®Ó tãm l­îc th«ng tin ®a phæ tõ c¸c vïng x¸c ®Þnh trªn ¶nh t¹o thµnh c¸c líp dÊu hiÖu. Qu¸ tr×nh nµy ®­îc gäi lµ t¹o mÉu cã kiÓm ®Þnh. Trong khi ®ã, víi ph©n lo¹i kh«ng cã kiÓm ®Þnh, ta sö dông mét thuËt to¸n cho c¶ ¶nh tr­íc, t¹o thµnh c¸c líp phæ (cßn gäi lµ cluster). Tõ ®ã, ng­êi ph©n tÝch ¶nh sÏ s¾p xÕp líp phæ vµo líp th«ng tin cÇn t¹o. C¸c ®­êng cong t­¬ng tøng trong h×nh 1 sÏ ®­îc biÓu diÔn b»ng c¸c ®iÓm n»m kÒ nhau trong h×nh 2. (hai ®­êng cong nÐt ®øt trong h×nh 1 ®­îc biÓu diÔn lµ c¸c ®iÓm h×nh trßn rçng trong h×nh 2. Tõ h×nh 2 ta cã thÓ dÔ dµng nhËn thÊy kho¶ng c¸ch cã thÓ ®­îc sö dông lµm phÐp ®o tÝnh t­¬ng tù trong ph©n lo¹i. Hai ®iÓm cµng gÇn nhau, cµng cã kh¶ n¨ng n»m cïng mét líp. Chóng ta cã thÓ sö dông nhiÒu lo¹i kho¶ng c¸ch kh¸c nhau ®Ó tÝnh møc t­¬ng tù t¹o thµnh c¸c thuËt to¸n ph©n lo¹i nh­ ph©n lo¹i kho¶ng c¸ch nhá nhÊt, ph©n lo¹i kho¶ng c¸ch lín nhÊt... §å ¸n ®· sö dông ph­¬ng ph¸p ph©n lo¹i cã kiÓm ®Þnh do: gi¸ trÞ phæ cña ¶nh mµ sensor thu nhËn ®­îc th«ng qua sù bøc x¹ cña c¸c ®èi t­îng líp phñ bÒ mÆt. §«i khi nh÷ng ®èi t­îng kh¸c nhau nh­ng l¹i cho gi¸ trÞ ph¶n x¹ phæ gièng nhau, do ®ã th«ng tin nhËn ®­îc bÞ sai, ®©y lµ ®iÓm h¹n chÕ cña ¶nh vÖ tinh mµ ta cÇn kh¾c phôc. ChÝnh v× vËy ta cÇn ph¶i kiÓm tra tõ nh÷ng nguån t­ liÖu kh¸c n÷a, råi lÊy th«ng tin ®ã ®Ó chän mÉu cho c¸c ®èi t­îng. Trong ph©n läai cã kiÓm ®Þnh cã c¸c ph­¬ng ph¸p sau: Kho¶ng c¸ch tèi thiÓu (Minnimum Distance) Kho¶ng c¸ch Mahalanobis Ph©n lo¹i theo h×nh hép (Parallelepiped) Kªnh 3 Kªnh 1 Kªnh 2 + + + + + + + Ph©n lo¹i theo x¸c suÊt lín nhÊt (Maximum likelihood) (MLC) MLC lµ ph­¬ng ph¸p ph©n lo¹i phæ biÕn nhÊt trong xö lý ¶nh viÔn th¸m. Trong ®å ¸n ®· sö dông ph­¬ng ph¸p ph©n lo¹i theo x¸c suÊt lín nhÊt ®Ó thùc hiÖn ®Ò tµi, v× vËy d­íi ®©y sÏ tr×nh bµy râ h¬n vÒ lý thuyÕt cña riªng ph­¬ng ph¸p nµy. MLC ®­îc x©y dùng dùa theo hµm ph©n t¸ch Bayesian P(Ci|x) = p(x|Ci) x P(Ci)/P(x) Gi¶ sö ta cã C = (C1, C2, ..., Cnc) lµ mét tËp hîp c¸c líp, trong ®ã nc lµ tæng sè líp. Víi mçi pixel cho tr­íc cã vector x¸m ®é x, x¸c suÊt ®Ó x thuéc vÒ líp ci lµ P (Ci|x), i = 1, 2, ... , nc. NÕu ta biÕt ®­îc x¸c suÊt P (Ci|x) cho mçi líp, ta sÏ x¸c ®Þnh ®­îc cÇn ph©n lo¹i x thuéc vÒ líp nµo. ViÖc nµy cã thÓ thùc hiÖn b»ng c¸ch so s¸nh c¸c P (Ci|x), víi i = 1, 2, ... , nc. x => ci, nếu P (Ci|x) > P (cj|x) với mọi j # i H×nh 2.13: Ngưỡng quyết định theo x¸c suất H×nh trªn ®· gi¶i thÝch rÊt râ rµng vÒ ph©n lo¹i theo x¸c suÊt lín nhÊt. Khi x ®­îc ph©n lo¹i theo x¸c suÊt p(x|Ci) x P(Ci). x1 ®­îc ph©n lo¹i vµo líp C1, x2 ®­îc ph©n lo¹i vµo líp C2. Ranh giíi líp ®­îc x¸c ®Þnh t¹i n¬i cã x¸c suÊt b»ng nhau. H×nh 2.14: Ranh giíi c¸c líp ®­îc x¸c ®Þnh theo ng­ìng quyÕt ®Þnh trªn kh«ng gian phæ Trong kh«ng gian hai chiÒu, ta kh«ng dÔ dµng x¸c ®Þnh ®­îc ranh giíi c¸c líp. Do vËy chóng ta kh«ng sö dông ph­¬ng ph¸p ph©n lo¹i x¸c suÊt lín nhÊt mµ thay vµo ®ã, ta so s¸nh c¸c x¸c suÊt. Thùc chÊt cña MLC (ph©n lo¹i theo x¸c suÊt lín nhÊt): Víi môc ®Ých ®¬n gi¶n tÝnh to¸n, ta th­êng tÝnh loga cña p(x|Ci).P(Ci) Do : –nb/2.log2 lµ h»ng sè nªn c«ng thøc trªn cã thÓ ®­îc gi¶n l­îc thµnh: Th«ng thường, ta giả thiết P(Ci) kh«ng đổi với mỗi lớp. Do đã, ta cã thể giản ước phương tr×nh: g(x) lµ hµm ph©n biÖt. Khi so s¸nh g(x)’s ta cã thÓ xÕp x vµo ®óng líp. Trong ph©n lo¹i x¸c suÊt cùc ®¹i, sai sè do ph©n lo¹i sai ch¾c ch¾n sÏ lµ nhá nhÊt nÕu p(x|Ci) ph©n bè chuÈn. Trong thùc tÕ, kh«ng ph¶i lóc nµo còng cã ph©n bè chuÈn. §Ó sö dông phÐp ph©n lo¹i x¸c suÊt cùc ®¹i h÷u Ých nhÊt, ta cÇn ph¶i ®¶m b¶o c¸c mÉu ph©n lo¹i sÏ t¹o ra ph©n bè x¸c suÊt cµng gÇn víi ph©n bè chuÈn cµng tèt. VËy, mét mÉu ph©n lo¹i cã kÝch cì nh­ thÕ nµo? Th«ng th­êng, ta cÇn 10 x nb hoÆc 100 x nb pixel cho mçi líp. (Swain vµ Davis, 1978). MLC lµ phÐp ph©n lo¹i t­¬ng ®èi m¹nh, tuy nhiªn nã còng cã h¹n chÕ khi xö lý c¸c d÷ liÖu ë thang ®Þnh danh hoÆc tØ lÖ. Møc ®é tÝnh to¸n còng sÏ phøc t¹p h¬n khi dung l­îng ¶nh t¨ng (¶nh nhiÒu kªnh, nhiÒu chiÒu). 2.3 C¸c ph­¬ng ph¸p ®¸nh gi¸ biÕn ®éng Ph¸t hiÖn biÕn ®éng lµ qu¸ tr×nh nhËn d¹ng sù kh¸c biÖt vÒ tr¹ng th¸i cña mét ®èi t­îng hay hiÖn t­îng b»ng c¸ch quan s¸t chóng t¹i nh÷ng thêi ®iÓm kh¸c nhau. TiÒn ®Ò c¬ b¶n ®Ó sö dông d÷ liÖu viÔn th¸m cho viÖc ph¸t hiÖn biÕn ®éng lµ nh÷ng sù thay ®æi vÒ líp phñ phÝa trªn bÒ mÆt ®Êt ph¶i ®­a ®Õn sù thay ®æi vÒ gi¸ trÞ bøc x¹ vµ nh÷ng sù thay ®æi vÒ bøc x¹ do sù thay ®æi líp phñ mÆt ®Êt ph¶i lín so víi nh÷ng sù thay ®æi vÒ bøc x¹ g©y ra bëi c¸c yÕu tè kh¸c, nh÷ng yÕu tè ®ã bao gåm : + sù kh¸c biÖt vÒ ®iÒu kiÖn khÝ quyÓn + Sù kh¸c biÖt vÒ gãc mÆt trêi + Sù kh¸c biÖt vÒ ®é Èm cña ®Êt ¶nh h­ëng cña c¸c yÕu tè nµy cã thÓ ®­îc gi¶m tõng phÇn b»ng c¸ch chän d÷ liÖu thÝch hîp. NhiÒu ph­¬ng ph¸p ph¸t hiÖn biÕn ®éng líp phñ sö dông d÷ liÖu sè ®· ®­îc ®Ò xuÊt, theo Singh (1989) bao gåm c¸c ph­¬ng ph¸p : + So s¸nh c¸c ph©n lo¹i líp phñ + Ph©n lo¹i ¶nh ®a thêi gian + ¶nh hiÖu hoÆc ¶nh chia + Sù kh¸c biÖt vÒ chØ sè thùc phñ + Ph©n tÝch thµnh phÇn chÝnh Hay ta cã thÓ tæng hîp thµnh hai ph­¬ng ph¸p nghiªn cøu ®¸nh gi¸ biÕn ®éng chÝnh nh­ sau: H×nh 2.15. C¸c phương ph¸p ®¸nh gi¸ biến động lớp phủ thực vật từ ảnh viễn th¸m Ph©n tÝch kÕt qu¶ thùc hiÖn tõ c¸c nghiªn cøu ®· c«ng bè cho thÊy c¸c ph­¬ng ph¸p ph¸t hiÖn biÕn ®éng kh¸c nhau t¹o ra c¸c b¶n ®å biÕn ®éng kh¸c nhau, vµ kh«ng cã ph­¬ng ph¸p nµo thùc sù v­ît tréi. Phương ph¸p 1: Ph©n tÝch sau ph©n lo¹i ViÖc tiÕn hµnh ph©n läai ®éc lËp c¸c ¶nh viÔn th¸m lµm cho ph­¬ng ph¸p nµy cã ®é chÝnh x¸c phô thuéc chÆt chÏ vµo ®é chÝnh x¸c cña tõng phÐp ph©n läai vµ do ®ã ph­¬ng ph¸p ®¬n gi¶n, dÔ thùc hiÖn nh­ng ®em l¹i ®é chÝnh x¸c kh«ng cao, ®Æc biÖt lµ víi chuçi ¶nh víi sè l­îng lín Tuy nhiªn nã còng tr¸nh ®­îc mét sè vÊn ®Ò nh­ : kh«ng ph¶i chuÈn hãa ¶nh h­ëng cña khÝ quyÓn vµ bé c¶m øng ®iÖn tõ trªn ¶nh chôp t¹i c¸c thêi ®iÓm kh¸c nhau, kh«ng ph¶i lÊy mÉu l¹i kÝch th­íc pixel trong tr­êng hîp d÷ liÖu ®a thêi gian kh«ng cïng ®é ph©n gi¶i kh«ng gian. MÆt kh¸c ph­¬ng ph¸p nµy còng lµ ph­¬ng ph¸p phï hîp cho viÖc chuyÓn kÕt qu¶ qua hÖ thèng th«ng tin ®Þa lý GIS ®Ó ph©n tÝch biÕn ®éng sau ph©n lo¹i. Phương ph¸p 2: Nhận biết sự thay đổi phổ C«ng việc quan trọng nhất của phương ph¸p này là sử dụng c¸c kỹ thuật để nhận ra sự thay đổi phổ của c¸c lớp đối tượng. Loại trừ phương ph¸p trừ ảnh gốc. Về bản chất, phương ph¸p này sử dụng c¸c kỹ thuật kh¸c nhau để từ hai ảnh ban đầu ®· được nắn chỉnh h×nh học, tạo nªn một kªnh hay nhiều kªnh ảnh mới cã thể