Tải bản đầy đủ - 80 (trang)
Cắt ảnh theo file danh giới huyện Kinh Môn trên phần mềm ENVI.

Cắt ảnh theo file danh giới huyện Kinh Môn trên phần mềm ENVI.

Tải bản đầy đủ - 80trang

Hình 3.2: Ảnh năm 2006 và năm 2016 sau khi tổ hợp kênh ảnh.



Hình 3.3: Ảnh sau khi cắt năm 2006 và năm 2016.

3. Phân loại ảnh.

-Phân loại ảnh vệ tinh là quá trình tách hay gộp thông tin dựa trên các tính chất phổ,

không gian vào thời gian cho bởi ảnh của đối tượng.



66



-Trong nội dung phần thực nghiệm em áp dụng phương pháp phân loại có kiểm định.

Đây là một hình thức phân loại mà các chỉ tiêu phân loại được xác lập trên các vùng

mẫu và dùng luật quyết định dựa trên thuật toán thích hợp để gán nhãn các pixel ứng

với từng vùng ảnh cụ thể. Việc chọn mẫu dựa vào kết quả đi khảo sát thực địa và từ

các nguồn thông tin liên qua khác như các bản đồ có sẵn (bản đồ hiện trạng sử dụng

đất, bản đồ địa hình, bản đồ địa chính…), các tài liệu, các bao cáo…

a.Phân tích, phân loại các đối tượng trên ảnh viễn thám

Phân tích, phân loại các lớp đối tượng có trên ảnh là thao tác đầu tiên cần phải tiến

hành trước khi bước vào quá trình phân loại ảnh vệ tinh. Thông qua phương pháp giải

đoán ảnh bằng mắt, dựa vào các chuấn giải đoán, sự hiểu biết những đặc điếm chung

của các loại lớp phủ, để bước đầu xác định được các lớp đối tượng trên ảnh. (Bảng

2.2)

b. Chọn các vùng mẫu trên ảnh

Để chọn các vùng mẫu cần phải hiển thị các ảnh cần phân loại, chọn các vùng trên

ảnh tương ứng với các lớp đối tượng đã được xác định. Tùy vào chất lượng ảnh vệ tinh

hiện có mà mỗi lớp đối tượng trên có thế dc phân thành các lớp nhỏ hơn. Và sau khi

phân loại sẽ gộp các lớp nhỏ của cùng tính chất thành các lớp đối tượng chính đã được

xác định.



Hình 3.4: Kết quả lấy mẫu năm 2006 và năm 2016.

c. Đánh giá độ chính xác khi phân loại.

Các mẫu sau khi được chọn phải được kiểm tra độ lệch chuẩn và độ tách biệt giữa

chúng. Việc này giúp ta kiểm tra các vùng mẫu được chọn có tách biệt nhau hay lẫn.

-Nếu độ tách biệt giữa các mẫu chọn nằm trong khoảng 1.9 ÷ 2.0 thì mẫu có độ tách

biệt tốt.

67



-Nếu độ tách biệt nằm trong khoản 1.0 ÷ 1.9 thì nên chọn lại mẫu cho tốt hơn do

mẫu có độ tách biệt chưa rõ ràng.

-Nếu độ tách biệt < 1.0 thì chứng tỏ ta chọn mẫu không tốt và nên gộp các mẫu lại

do độ tách biệt không cao. Nếu vẫn để mẫu đó thì các pixel của các lớp mẫu lẫn vào

nhau làm cho pixel không được phân loại đúng vào lớp đối tượng dẫn đến làm sai kết

quả phân loại.



Hình 3.5: Kết quả tính toán độ tách biệt của mẫu ảnh 2006 và ảnh 2016.

Từ bảng độ tách biệt ta thấy các mẫu nằm trong khoảng 1.7 ÷ 2.0 các mẫu có sự

tách biệt tương đối tốt.

Một số loại độ tách biệt thấp như Dân cư – Đất nông nghiệp : 1.4 ÷ 1.6 ; 1.6 ÷ 1.3

; 1.1 ÷ 1.4 do các khu dân cư xen lẫn đất nông nghiệp với mật độ dày nên trên ảnh vệ

tinh hiển thị dải màu tương đối giống nhau,khó phân biệt.

Ta có thể kiểm tra trực quan độ tách biệt giữa các mẫu:



68



Hình 3.6: Độ trực quan độ tách biệt giữa các mẫu năm 2006 và năm 2016.



d. Tiến hành phân loại.

Trong phương pháp có kiểm định gồm có 4 thuật toán phân loại sau:

-Maximum Likelihood (Xác xuất cực đại)

-Minimum Distance (Khoảng cách tối thiểu)

-Parallelepiped ( Hình hộp)

-Mahalanobis (Sử dụng khoảng cách Mahalanobis)

→ Trong quá trình phân loại ảnh em dùng thuật toán Maximum Likelihood do

phương pháp này cho độ chính xác cao hơn.

Độ chính xác của kết quả phân loại là yếu tố quyết định đến việc phân tích các

nội dung chuyên đề đúng hay sai. Kiểm tra độ chính xác của kết quả phân loại bằng

ma trận sai số và hệ số Kappa.

Hệ số Kapa được tính toán theo công thức:



Trong đó:

• r là số hàng trong ma trận (số lớp đối tượng phân loại).

• N là tổng số các pixel lấy mẫu.

• xi là tổng pixel theo hàng thứ i (lớp thứ i của mẫu).

• x+i là tổng pixel theo cột thứ i (lớp thứ i sau phân loại).

• xii là số giá trị trong hàng i cột i (số pixel đúng trong lớp thứ i).

- Để đánh giá độ chính xác kết quả phân loại ta dùng ma trận Kappa:

69



Hình 3.7: Bảng ma trận kappa năm 2006 và năm 2016.

Phương pháp Maxximum Likelihood có các kênh phổ được coi là có sự phân bố

chuẩn và các pixel sẽ được phân loại vào lớp mà nó có xác suất cao nhất. Việc tính

toán không chỉ dựa vào khoảng cách mà còn dựa vào xu thế biến thiên độ xám trong

mỗi lớp. Ảnh phân loại được phân loại đầy đủ, không bỏ sót khu vực, chỉ có ít chỗ bị

phân loại sai. Phương pháp này phân loại chính xác nhưng mất nhiều thời gian do khối

lượng tính toán và phụ thuộc vào sự phân bố chuẩn của dự liệu.

Giá trị của hệ số Kappa thể hiện độ chính xác của kết quả phân loại như sau:

Độ chính xác rất thấp: < 0.20

Độ chính xác thấp: 0.20 – 0.40

Độ chính xác trung bình: 0.40 - 0.60

Độ chính xác cao: 0.60 - 0.80

Độ chính xác rất cao: 0.80 – 1.00

Từ bảng ta có nhận xét :

Độ chính xác toàn cục ảnh 2006 : 92.8721% và hệ số kappa K= 0.9027.

Độ chính xác toàn cục ảnh 2016 : 97.2464% và hệ số kappa K= 0.9558.

Kết quả phân loại tốt, các mẫu có sự tách biệt cao và ít bị nhầm lẫn, có một số

đối tượng bị lẫn và bị bỏ sót.



70



Hình 3.8: Ảnh sau khi được phân loại năm 2006 và năm 2017.

*Sau khi phân loại trên ENVI ta xuất ảnh đã phân loại và ảnh gốc đã cắt của 2 năm

sang ARCGIS để sửa những vùng bị khoanh nhầm lẫn bằng cách gán 5 lớp đối tượng

theo mã :

+ dancu : 1

+ datnongnghiep : 2

+ datrung: 3

+ matnuoc: 4

+dattrong: 5

Sau đó cắt sửa từng lớp đối tượng của từng năm.



Hình 3.9: Sửa lớp dân cư bị nhầm lẫn năm 2006.



71



Hình 3.10: Sửa lớp dân cư bị nhầm lẫn năm 2016.



3. Biên tập và trình bày bản đồ biến động lớp phủ mặt đất huyện Kinh Môn.



Bản đồ phân loại

năm 2016



Bản đồ phân loại

năm 2006

Biên

tập



Biên

tập



Bản đồ lớp phủ

năm 2006



Bản đồ lớp phủ

năm 2016

Chồng xếp



Bản đồ biến động lớp phủ

giai đoạn 2006 - 2016



Hình 3.11: Quy trình thành lập bản đồ biến động lớp phủ.

Tiến hành xác định biến động trên phần mềm Arcgis bằng cách chồng xếp các thông

tin được chuẩn hóa về mặt hệ quy chiếu cũng như thống nhất về nội dung các đối



72



tượng phản ánh đến đối tượng nghiên cứu mà cho phép biết được mức biến động trong

2 năm 2006 và 2016.



Dữ liệu hiện trạng

thời kỳ 1



Dữ liệu hiện trạng

thời kỳ 2



Chồng xếp dữ liệu

(Overlay/Intersect)



Ma trận và biểu đồ

biến động



Bản đồ biến động



Đánh giá biến động



Hình 3.12: Sơ đồ đánh giá biến động.



Kết quả chồng xếp tạo ra ảnh biến động của hai thời điểm kết hợp với biên tập ta

được bản đồ biến động lớp phủ mặt đất giai đoạn 2006-2016.



73



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Cắt ảnh theo file danh giới huyện Kinh Môn trên phần mềm ENVI.

Tải bản đầy đủ ngay(80 tr)

×