Tải bản đầy đủ - 0 (trang)
- Phương pháp 3: Phương pháp viễn thám và GIS

- Phương pháp 3: Phương pháp viễn thám và GIS

Tải bản đầy đủ - 0trang

ảnh



 



sáng



 







 



liên



 



quan



 



với



 



các



 



vùng



đất đá hạt thơi, thốt nước tốt. Tơn  ảnh sẫm liên quan tới các vùng đất đá hạt 

mịn, thốt nước kém. 

Ngồi ra, màu của đối tượng trên ảnh màu giả (FCC) cũng là yếu tố quan 

trọng, giúp cho người  giải đốn có thể  phân biệt nhiều đối tượng có đặc điểm  

tơn ảnh tương tự như nhau trên ảnh đen trắng. Tổ hợp màu giả thơng dụng trong 

ảnh Landsat là xanh lơ  (blue), xanh lục (green) và đỏ  (red) thể  hiện các nhóm  

yếu tố  cơ  bản là: thực vật từ  màu hồng đến màu đỏ, nước xanh lơ  nhạt đến  

xanh lơ  xẫm; đất trống, đá lộ  có màu trắng. Ngồi ra, một số  đối tượng khác  

cũng có màu đặc biệt: đơ thị màu xanh lơ, đất trồng màu có cây vụ đơng các loại 

màu hồng đến màu vàng. Ngồi 3 tổ  hợp màu giả  đã nêu trên, rất nhiều tổ  hợp 

màu giả khác có thể tạo ra bằng phương pháp quang học ( dùng các tấm lọc màu) 

hoặc bằng kỹ thuật xử lý ảnh số để phục vụ cho giải đốn ảnh.

­   Các yếu tố  địa kỹ  thuật ( Geotechnical elements): gồm địa hình, thực  

vật, hiện trạng sử dụng đất, mạng lưới sơng suối, hệ  thống các khe nứt lớn và  

các yếu tố dạng tuyến, và sự tổ hợp các yếu tố giải đốn. Trong đó, địa hình cho  

phép phân biệt sơ bộ các yếu tố trên ảnh, từ đó định hướng rất rõ trong phân tích. 

Sự  phân bố  của một kiểu thảm thực vật và đặc điểm của nó (mật độ  tán che,  

sinh khối ) là một dấu hiệu quan trọng để  phân biệt đối tượng. Hiện trạng sử 

dụng đất cung cấp những thơng tin quan trọng để xác định các đối tượng (Ví dụ:  

lúa một vụ­ vùng bồi cao, lúa hai vụ ­ vùng thấp thường xun vừa đủ  nước­ đó 

là các đồng bằng phù sa). Mạng lưới sơng suối có quan hệ rất mật thiết với dạng  

cấu hình, độ dốc, lớp vỏ  phong hóa, nền thạch học, đồng thời nó cũng cho biết 

đặc điểm cấu trúc địa chất của khu vực. Những thơng số  của hệ  thống khe nứt  

cần được xem xét đến là hướng, mật độ, hình dạng, độ  lớn, giúp xác định và  

phân biệt rất nhiều đối tượng, đồng thời cũng là thơng số để đánh giá đối tượng.  

Ngồi ra, trong q trình giải đốn, bên cạnh việc phân tích các yếu tố  riêng lẻ 

còn xem xét đến sự tập hợp trong khơng gian của từng nhóm yếu tố. Sự tập hợp 



14



đó có thể tạo nên một dạng hay một kiểu địa hình, từ đó giúp người giải đốn có  

thể hiệu chỉnh, loại bỏ những sai sót và nâng cao  độ chính xác.

Trình tự phân loại ảnh gồm các bước sau:

Bước 1: Xác định số loại thơng tin cần phân chia trong khu vực, các loại  

cần được định nghĩa rõ ràng về mặt chỉ tiêu, các chỉ tiêu này cần được lựa chọn  

có tính đến đặc thù của dữ  liệu  ảnh vệ  tinh ( thời gian thu nhận  ảnh, độ  phân  

giải khơng gian, phổ…)

Bước 2: Tuyển chọn các đặc trưng bao gồm các đặc trưng về phổ của đối 

tượng (ảnh đa phổ), biến động về thời gian (ảnh đa thời gian) hoặc cấu trúc cụ 

thể  của đối tượng nhằm thiết lập tiêu chuẩn cho phép phân biệt giữa các loại 

quan tâm (xử lý riêng rẽ hoặc phối hợp với nhau ).

Bước 3: Chọn vùng mẫu trên  ảnh bao gồm dữ  liệu tương  ứng với vùng 

mẫu được khảo sát thực địa hoặc từ những dữ liệu cần thiết được lựa chọn dựa 

trên bước 1 và bước 2. Các số  liệu được lấy trên cơ  sở  vùng mẫu có ý nghĩa  

quyết định trong việc thành lập các chỉ tiêu và luật quyết định trong phân loại, từ 

đó chọn thuật tốn thích hợp là thuật tốn hợp lý tối đa của phương pháp có giám 

định, còn gọi là phân loại giám sát.

Bước 4: Ước tính thống kê vùng mẫu nhằm xác định các giá trị tương ứng 

với loại phổ  trong khơng gian đặc trưng của đối tượng quan tâm, từ  đó áp dụng 

nhiều phương pháp phân loại khác nhau  ứng với vùng mẫu và so sánh kết quả 

đạt được nhằm tìm thuật tốn tối ưu cho cho kết quả phân loại.

Bước 5: Thực hiện phân loại, các pixel sẽ được phân tuần tự vào các loại 

tương ứng đã xác định. 

Bước 6: Ảnh sau khi phân loại được làm trơn bởi các thuật tốn lọc, đây là 

giai đoạn hậu xử lý sau khi phân loại.                                                        

Bước 7: Kiểm tra phân loại để  đánh giá độ  chính xác và mức độ  tin cậy  

của  ảnh sau khi phân loại. Kết quả  phân loại được kiểm tra bằng cách so sánh 



15



ảnh phân loại với dữ  liệu tham khảo đã có (bản đồ  nền xã Tản Lĩnh năm 2005  

và dữ liệu đo GPS ngồi thực địa).        

Bản đồ  hiện trạng sử  dụng đất xã Tản Lĩnh năm 1993, 2005 và 2010 sẽ 

được sử dụng làm đầu vào cho cơng đoạn thành lập bản đồ  biến động sử  dụng  

đất trong phần mềm Arcgis desktop 10.0. Để  tạo ra được bản đồ  biến động sử 

dụng đất thì đề  tài đã sử  dụng cơng cụ  Intersect (giao nhau giữa các đối tượng 

trên hai lớp khác nhau tạo thành nhiều đối tượng mới nhỏ  hơn có tất cả  các 

thuộc tính của 2 layer).

­ Phương pháp 4: Phương pháp phân tích nhân tố

Phân tích nhân tố  là mơ hình tốn học cho phép đưa số lượng lớn chỉ tiêu  

quan trắc về một số các nhân tố mà chỉ bị mất mát một phần những thơng tin ban 

đầu. Các nhân tố là những tổ  hợp tuyến tính của các chỉ  tiêu quan trắc. Trên cơ 

sở các nhân tố  này, ta có thể  tính được các chỉ  số tổng hợp mang thơng tin khái  

qt mới về chất [1]. 

Phân tích nhân tố được sử dụng trong các trường hợp sau:

­ Nhận diện các khía cạnh hay nhân tố  giải thích được các liên hệ  tương 

quan trong một tập hợp biến.

­ Nhận diện một tập hợp gồm 1 số lượng biến mới tương đối ít khơng có  

tương quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau nhằm  

thực hiện phân tích đa biến tiếp theo.

­ Để chọn ra một tập hợp con gồm các biến nổi trội từ một tập hợp nhiều  

biến nhằm sử dụng trong các phân tích đa biến kế tiếp.

Trong đề tài này, phương pháp phân tích nhân tố được sử dụng là phân tích  

trục thành phần chính (Principal Component Analysis – PCA). PCA là cơng cụ 

phân tích nhân tố sử dụng với mục đích giảm dữ liệu. Thuật tốn PCA tìm kiếm 

sự  kết hợp tuyến tính giữa các biến mà phương sai của chúng đạt cực đại. Sau 

đó, loại bỏ  phương sai này ra khỏi mơ hình và cố  gắng tìm kiếm sự  kết hợp  

tuyến tính thứ hai để có thể giải thích tối đa phần còn lại của phương sai và q 



16



trình tiếp tục được thực hiện tới khi tất cả  các phương sai được loại trừ  hết.  

Đây được gọi là phương pháp trục thành phần chính và kết quả  là các nhân tố 

trực giao (do vậy khơng có quan hệ).

Hiển thị  PCA được thực hiện với mục đích giảm số  lượng lớn các biến 

gốc sẵn có (lớn hơn 150 biến) xuống một số lượng ít hơn các nhân tố  cho mục  

đích mơ hình và giải đốn. Do số lượng trường hợp trong cơ sở dữ liệu này nhỏ 

(N=13), nên chỉ  một số  biến giới hạn được sử  dụng trong phép PCA mang lại  

kết quả  có ý nghĩa. Nói cách khác, “chỉ cần tính cộng đồng (communalities) cao, 

số lượng các nhân tố dự kiến tương đối nhỏ, và mơ hình lỗi thấp (một điều kiện 

thường đi với tính cộng đồng cao), các nhà nghiên cứu và đánh giá khơng nên q 

quan tâm về kích thước mẫu nhỏ [25], hay “dữ liệu mạnh trong phân tích nhân tố 

có nghĩa là tính cộng đồng mang tính thống nhất cao, mà khơng có tải trọng chéo,  

cộng thêm một số tải trọng biến mạnh trên mỗi nhân tố [15]. Đề tài đã thực hiện  

qua nhiều lần thử  chứng tỏ  để  có một ma trận với tương quan khơng q tồi, 

mỗi một lần phân tích khơng nhiều hơn 6 hoặc 7 biến. Có thể  nói là dị  thường 

trong ma trận tương quan nảy sinh khi hai hoặc nhiều biến trong mơ hình được 

loại bỏ hồn tồn.

Mức độ đầy đủ  của mẫu theo thống kê Kaiser­Meyer­Olkin (KMO) được  

sử  dụng trong việc chọn biến. KMO giúp việc đốn liệu dữ  liệu thể hiện có là 

nhân tố khơng, trên cơ sở các quan hệ và bán quan hệ. KMO có giá trị từ 0 đến 1. 

SPSS tính KMO tập hợp theo từng KMO cho mỗi biến thành phần trong PCA. 

Theo tác giả  Jullie Pallant [24], KMO tập hợp cần phải lớn hơn hoặc bằng 0.6  

mới nên đưa vào phân tích nhân tố, kể cả PCA. Mỗi KMO đơn lẻ được sử dụng 

để  xác định biến nào có thể  loại ra trong q trình phân tích, những KMO nhỏ 

nhất được loại trước, sau đó chạy lại PCA đến khi KMO tập hợp đạt u cầu. 

Sau khi đã ép được theo u cầu và chấp nhận giải pháp cuối cùng, cần phải  

quyết định  những nhân tố nào nên được giữ lại trong phân tích. Ví dụ trong luật 

Kaiser, tiêu chí được sử dụng là các thành phần được giữ  lại cần phải có giá trị 



17



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

- Phương pháp 3: Phương pháp viễn thám và GIS

Tải bản đầy đủ ngay(0 tr)

×