Tải bản đầy đủ
ĐÁNH GIÁ QUÁ TRÌNH ĐÔ THỊ HÓA QUẬN HOÀNG MAI, HÀ NỘI TỪ CÁC BỀ MẶT KHÔNG THẤM

ĐÁNH GIÁ QUÁ TRÌNH ĐÔ THỊ HÓA QUẬN HOÀNG MAI, HÀ NỘI TỪ CÁC BỀ MẶT KHÔNG THẤM

Tải bản đầy đủ

Trường Đại học Mỏ - Địa chất

nghiệp

Đ ồ án t ốt

(a)

(b)
Hình 3.1: Dữ liệu ảnh 2 năm: (a) Năm 2003; (b) Năm 2009

3.1.2. Đặc điểm của dữ liệu ảnh sử dụng
Tư liệu sử dụng trong các năm 2003, 2009 thuộc thế hệ SPOT-5 được thu từ bộ
cảm có độ phân giải hình học cao HRG (High Resolution Geometric) là 3m thay cho
10m ở kênh toàn sắc và 5m cho các kênh xanh, đỏ, cận hồng ngoại và 20m đối với
kênh hồng ngoại trung.
SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

Đ ồ án t ốt

nghiệp

Bảng 3.1: Một số thông số về các kênh phổ của ảnh SPOT 5
Kênh phổ
Kênh 1
Kênh 2
Kênh 3
Kênh 4

Tên phổ
green
red
Near infrared
Mid infared
Panchromatic

Dải phổ (µm)
0,50-0,59
0,61-0,68
0,79-0,89
1,58-1,75
0,48-0,71

Độ phân giải không gian (m)
10
10
10
20
2,5 or 5

Thế hệ vệ tinh SPOT-5 còn trang bị thiết bị riêng để đo thực vật trong dải phổ
nhìn thấy và cận hồng ngoại với độ phân giải không gian 10m x 10m và ảnh được cập
nhật hàng ngày. Hiện nay ảnh SPOT được ứng dụng trong nhiều lĩnh vực như: nghiên
cứu hiện trạng sử dụng đất, khai khoáng trong địa chất, thành lập bản đồ tỷ lệ 1:30.000
đến 1:100.000, nghiên cứu về thực vật ở cấp độ khu vực… Ảnh SPOT có thể ghi phản
xạ phổ của toàn mặt đất với sự khác biệt về dữ liệu, độ phân giải cao và có khả năng
nhìn nổi, nhạy cảm về phổ hồng ngoại cho thực vật.
3.1.3. Dữ liệu khác
Ngoài ảnh vệ tinh, đề tài còn sử dụng các dữ liệu sau:
- Bản đồ nền địa hình khu vực thành phố Hà Nội
- Dữ liệu về khu vực quận Hoàng Mai (vị trí địa lý, điều kiện tự nhiên, tình
hình dân cư, kinh tế-xã hội...)
- Quy phạm thành lập bản đồ hiện trạng sử dụng đất.
3.2. Xây dựng bảng chú giải
Việc xác định hệ thống phân loại là công việc đầu tiên rất quan trọng khi áp
dụng viễn thám để xây dựng bản đồ hiện trạng các lớp phủ. Hệ thống bảng chú giải
phân loại cần phải phù hợp với khả năng cung cấp thông tin của dữ liệu viễn thám.
Thiết lập chú giải không chỉ dựa vào các đối tượng nhìn thấy trên ảnh mà còn phụ
thuộc vào rất nhiều yếu tố khác: Độ phân giải của ảnh, tính chất mùa vụ, thời gian
chụp ảnh và những kiến thức hiểu biết về thực địa…
Với nguồn dữ liệu hiện có và những kiến thức thu được từ thực địa sinh viên
xây dựng được bảng chú giải như sau:

SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

Đ ồ án t ốt

nghiệp

Bảng 3.2. Hệ thống chú giải lớp phủ bề mặt khu vực quận Hoàng Mai, Hà Nội
STT

Đối tượng

1

Bề mặt không thấm (nhà
ở, khu công nghiệp, hệ
thống giao thông…)

2

Mặt nước (sông, hồ,ao)

3

Thực vật

4

Đất trống (bãi cát ven
sông)

SV: Lê Thanh Huỳnh

Mẫu

Ảnh thực địa

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

Đ ồ án t ốt

nghiệp

3.3. Quy trình nghiên cứu
Ảnh vệ tinh (2003,
2009)

Hiển thị, tăng cường chất lượng ảnh

Tiền xử lý ảnh

Nắn chỉnh hình học

Phân mảnh ảnh và khảo sát đặc điểm đối tượng ảnh

Thiết kế bộ quy tắc và tiến hành
phân loại

Chú giải các đối tượng lớp phủ

Đánh giá độ chính xác kết quả

Bản đồ hiện trạng bề mặt
không thấm
Năm 2003, 2009

Chồng xếp bản đồ năm 2003
lên năm 2009 để so sánh

Bản đồ, biểu đồ biến động bề
mặt không thấm

Đánh giá quá trình đô thị hóa từ các bề mặt
không thấm từ năm 2003 đến năm 2009
của quận Hoàng Mai
Hình3.2: Sơ đồ quy trình thực hiện
3.3.1. Tiền xử lý ảnh
- Hiển thị ảnh
SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

nghiệp

Đ ồ án t ốt

Có 2 chế độ hiển thị màu là Gray Scale (hiển thị ảnh đen trắng) và RGB
color (tổ hợp màu).
- Grayscale: Là hình ảnh mà mỗi điểm ảnh được lưu trữ bằng 8 bit. Như vậy
mỗi điểm ảnh của hình ảnh grayscale có thể nhận một giá trị từ 0 đến 255. Do đó, hình
ảnh dạng grayscale có 256 sắc độ xám (tức 2 8). Như vậy ảnh sẽ chỉ hiển thị dưới dạng
ảnh đen trắng.
- RGB color: tổ hợp màu, với ba màu cơ bản đỏ (Red), Xanh lơ (Blue), Xanh
lục (Green)
Thông thường, khi giải đoán ảnh người ta không giải đoán các đối tượng trên
các kênh ảnh riêng rẽ mà thường tổ hợp các kênh này thành ảnh đa phổ. Ảnh tổ hợp
màu giúp cho người sử dụng phân biệt được nhiều đối tượng có tone ảnh tương tự
nhau trên ảnh đen trắng, có nhiều cách tổ hợp màu nhưng chủ yếu là hai cách chính
như sau:
+ Tổ hợp màu thực:
Red – Red
Green – Green
Blue - Blue
+ Tổ hợp màu giả:
Tổ hợp màu giả chuẩn: Red – Near IR
Green – Red
Blue – Green
Tổ hợp màu này các thực vật có màu đỏ, các đối tượng khác được phân biệt với
nhau tốt nhất.
Tổ hợp màu giả khác là các trường hợp còn lại
Phương pháp tổ hợp màu thường được sử dụng là phương pháp tổ hợp màu giả
chuẩn, đối với SPOT gán 3:2:1 = red: green: blue.
- Tăng cường chất lượng ảnh
Tăng cường chất lượng ảnh được sử dụng để làm tăng khả năng giải đoán, làm
cho ảnh dễ hiểu hơn. Các phương pháp tăng cường chất lượng ảnh được biết đến là
linear contrast stretch (kéo giãn độ tương phản tuyến tính), histogram- equalized
stretch (cân bằng histogram), và Spatial filtering (lọc không gian).
- Nắn chỉnh hình học
Ảnh gốc thường chứa đựng sai số về hình học do nhiều nguyên nhân liên quan
đến vận tốc của vệ tinh, độ cao bay chụp... Vì vậy ảnh cần phải được nắn chỉnh hình
học. Bản chất của hiệu chỉnh hình học là xây dựng mối quan hệ giữa tọa độ ảnh đô và
hệ tọa độ quy chiếu chuẩn.
SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

Đ ồ án t ốt

nghiệp

Với các ảnh SPOT của khu vực quận Hoàng Mai, ta có ảnh năm 2003 đã được
nắn chỉnh theo một mô hình về đúng hệ tọa độ và ảnh năm 2009 chưa nắn chỉnh. Do
đó ta tiến hành sử dụng phần mềm ERDAS và kết hợp sử dụng phương trình bậc 2 để
nắn chỉnh ảnh năm 2009 về đúng tọa độ bằng cách nắn ảnh theo ảnh với các điểm
khống chế thỏa mãn yêu cầu:
- Điểm khống chế phân bố trên toàn ảnh nhằm giảm sai số cho phép nắn
- Vị trí các điểm khống chế dễ nhận biết trên ảnh và trên bản đồ, đồng thời là
những nơi có ít sự thay đổi như các điểm giao nhau của đường giao thông, các điểm
cầu, các công trình đặc biệt...
Mục đích của quá trình nắn là chuyển đổi các ảnh quét đang ở toạ độ hàng cột của các
pixel về toạ độ trắc địa (toạ độ thực - hệ toạ độ địa lý hoặc toạ độ phẳng).
3.3.2. Phân mảnh ảnh và khảo sát đặc trưng đối tượng ảnh
-

Phân đoạn ảnh:

Phân đoạn ảnh thực chất là gộp nhóm các pixel cạnh nhau có những đặc điểm
tương tự nhau về thông tin phổ và không gian. Phân đoạn ảnh được thực hiện dựa trên
việc lựa chọn các trọng số về hình dạng (shape), màu sắc (color), độ chặt
(compactness), độ trơn (smoothness). Quá trình phân đoạn ảnh được thực hiện trên
phần mềm Ecognition 8.7 theo các thông số sau: thông số tỷ lệ: 10, hình dạng: 0.1,
màu sắc: 0.9, độ chặt 0.2, độ trơn: 0.5 cho ra kết quả phân đoạn:
Ta tiến hành phân loại ảnh theo phương pháp phân loại theo định hướng đối
tượng.Sau đây là quy trình phân loại ảnh dựa trên phương pháp phân loại định hướng
đối tượng:
Sử dụng phần mềm eCognition để phân loại các đối tượng ảnh

SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

Đ ồ án t ốt

nghiệp

Hình 3.4: Tăng cường chất lượng ảnh để việc khảo sát đạt hiệu quả tốt nhất

Hình 3.5: Thiết kế thông số phân mảnh cho các đối tượng

SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

Đ ồ án t ốt

nghiệp

Hình 3.6: Thiết kế các lớp cho các đối tượng cần khảo sát
3.3.3.Phân loại theo định hướng đối tượng
-

Xây dựng bộ chỉ số

Các chỉ số được sử dụng để hỗ trợ việc tách chiết các đối tượng trên ảnh viễn
thám tốt hơn. Ngoài việc sử dụng các kênh phổ thì ta còn dùng thêm các chỉ số để
phân loại trên ảnh SPOT5. Các kênh chỉ số Brightness, Maxdiff, SAVI, NDVI để
tiến hành khảo sát, xác định giá trị ngưỡng của các đối tượng trên ảnh. Ta có
được giá trị ngưỡng của từng loại chỉ số trên phục vụ cho việc phân tách các đối
tựng một cách rõ ràng nhất.
Chỉ số thực vật: NDVI (Normalized Diference Vegetable Index).
NDVI = NIR − RED
NIR + RED

(3.1)

SAVI (Soil-Adjusted Vegetation Index).
SAVI =

NIR − RED
(1 + L )
NIR + RED + L

(3.2)

Công thức tính chỉ số thực vật dựa trên đặc trưng phản xạ phổ của thực vật ở
dải sóng màu đỏ và dải cận hồng ngoại. Bởi tại các dải sóng này thực vật phản xạ rất
mạnh.
Chỉ số Brightness
1
B=
nL

nL


i =1

Ci

(3.3)

Trong đó
SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

nghiệp

Đ ồ án t ốt

số dải quang phổ
giá trị trung bình của dải sóng
Phân loại ảnh
Để có được kết quả phân loại tốt thì việc lựa chọn thuật toán và các giá trị
ngưỡng là yếu tố quyết định. Sau khi phân đoạn ảnh thì tiến hành phan loại ảnh. Trước
tiên phải lập bộ quy tắc phân loại cho các ảnh viễn thám.

Hình 3.7: Sử dụng các chỉ số của đất, nước, thực vật để chiết tách các đối tượng riêng
biệt với nhau

SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

Đ ồ án t ốt

nghiệp

Hình 3.7.1 Sơ đồ bộ quy tắc phân loại năm 2003

SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56

Trường Đại học Mỏ - Địa chất

Đ ồ án t ốt

nghiệp

Hình 3.8: Kết quả phân loại tự động theo các đối tượng trên phần mềm eCognition

Sau khi phân loại tự động xong thì sẽ có một số đối tượng bị lẫn do quá trình
phân loại chưa đạt giá trị tuyệt đối, hoặc do ảnh hưởng của điều kiện thời thiết như
mây hoặc sương mù khiến cho quá trình phân loại ảnh đạt độ chính xác chưa cao. Vì
vậy ta cần phải tiến hành phân loại bằng tay trên phần mềm ArcGIS.

a) Kết quả phân loại tự động

b) Kết quả chỉnh sửa bằng tay

Hình 3.9: so sánh kết quả phân loại tự động so với ảnh thực tế khi chỉnh sửa bằng tay
3.3.4. Kiểm tra độ chính xác phân loại ảnh vệ tinh
Để kiểm chứng lại kết quả phân loại thì phương pháp hiệu quả nhất và chính
xác nhất là kiểm tra thực địa, mẫu kiểm tra thực địa không được trùng với vị trí mẫu
giám định đã sử dụng trong quá trình phân loại và đảm bảo phân bố đều trên khu vực
nghiên cứu. Sau đó tiến hành tính toán lại.

SV: Lê Thanh Huỳnh

Trắc Địa Mỏ - CT K56