CHUẨN BỊ TÀI LIỆU TRƯỚC KHI HỌC PHẦN MỀM CHUYÊN NGÀNH QUẢN LÝ ĐẤT ĐAI – Đất Sạch

PHẦN 1. XỬ LÝ ẢNH VIỄN THÁM QUANG HỌC

1. TẢI ẢNH QUANG HỌC

Nội dung chính

1.1. Ảnh Landsat 8

Bước 1: Tải ảnh trên trang web Cục khảo sát địa chất Hoa Kỳ

Link: https://glovis.usgs.gov/ hoặc https://earthexplorer.usgs.gov

Tải ảnh trên trang web https://glovis.usgs.gov/

Đăng ký tài khoản 🡪 Sau đó đăng nhập vào trang Web

Hình 1. Website của Cục Khảo sát Địa chất Hoa Kỳ (USGS)

Bước 2: Tìm kiếm dữ liệu trên website của USGS

Sử dụng con trỏ chữ thập di chuyển đến khu vực nghiên cứu.

Hình 2. Lựa chọn khu vực nghiên cứu

Bước 3: Nhập điều kiện tìm kiếm

– Bật công tắc: Landsat 8 OLI/ TIRS C1 level 1

– Ở mục Metadata filter: Chọn khoảng thời gian thu thập dữ liệu

– Bấm Apply

Hình 1. Các lựa chọn để tìm kiếm dữ liệu Landsat 8 OLI

Bước 4: Chọn và tải ảnh

+ Bấm Next để chuyển cảnh ảnh

+ Bấm download để tải ảnh về

Lưu ý: Khi tải ảnh 2 giai đoạn để làm biến động sử dụng đất thì phải xét lịch nông vụ để biết cùng thời gian đó thì người dân có canh tác hoa màu hay không (Nếu có thì cùng có, nếu không thì cùng không). Để làm điều này ta tải ảnh cùng thời gian

Ví dụ: Năm 2010 tải ảnh là tháng 9, thì năm 2020 cũng tải ảnh tháng 9

2. Tải ảnh trên trang web https://earthexplorer.usgs.gov

Sau khi đăng nhập vào 🡪 Tiến hành chọn địa điểm 🡪 Chọn thời gian lấy ảnh 🡪 Chọn loại ảnh cần lấy

Lưu ý: Chọn ảnh Landsat collection 1 level 1

1.2. Ảnh Sentinel 2

Sản phẩm ảnh Sentinel 2 ở Mức 0 và Mức 1A là các sản phẩm nội bộ, ESA chỉ cung cấp dữ liệu đã xử lý ở Mức 1C và mức 2A cho người dùng thông qua trang web https://scihub.copernicus.eu.

Sản phẩm mức 1C là sản phẩm xử lý phản xạ tại đỉnh khí quyển (TOA), được nắn chỉnh hình học trong hệ lưới chiếu bản đồ UTM -WGS84 bằng các điểm khống chế trên mặt đất và mô hình số độ cao DEM SRTM. Ở những khu vực vĩ độ cao hoặc vĩ độ thấp được bổ sung bằng DEM quốc gia như: DEM Quốc gia Canada; Hệ thống đo độ cao laser địa chất Greenland (GLAS).

Sản phẩm mức 2A được xử lý từ ảnh mức 1C bằng cách áp dụng phương pháp hiệu chỉnh tại đáy khí quyển và trong hệ tọa độ bản đồ. (là sản phẩm phản xạ hiệu chỉnh đáy của khí quyển (BOA))

Từ tháng 3 năm 2018 bộ phận xử lý dữ liệu tại mặt đất của chương trình Copernicus hoàn thành việc xử lý và cung cấp các sản phẩm mức 2A cho toàn Châu Âu, tới tháng 12 năm 2018 thì hoàn thành và cung cấp cho toàn cầu.

Bảng 1. Sản phẩm ảnh ở mức xử lý 1C và 2A

Mức xử lý	Mô tả	Sản xuất và phân phối	Dung lượng dữ liệu
Mức 1C	Dữ liệu xử lý phản xạ tại đỉnh khí quyển (TOA), nắn chỉnh hình học trong hệ tọa độ bản đồ	Sản xuất theo hệ thống và phân phối trực tuyến	600 MB (mỗi đơn vị ảnh 100×100 km2)
Mức 2A	Dữ liệu xử lý phản xạ tại đáy khí quyển (BOA) trong hệ tọa độ bản đồ.	Sản xuất theo yêu cầu của người dùng (sử dụng công cụ xử lý Sentinel-2)	800MB (mỗi đơn vị ảnh 100×100 km2)

2. Tải ảnh Sentinel 2

Ảnh sentinel 2 được tải từ các trang web sau:

+ Chương trình giám sát trái đất của ESA

https://scihub.copernicus.eu/dhus/#/home

+ Cục khảo sát địa chất Hoa Kỳ

https://glovis.usgs.gov/ or https://earthexplorer.usgs.gov

+ Tải ảnh Sentinel 2 trên trang chủ ESA

Lưu ý: Trên trang web chính thức của ESA từ tháng 12 năm 2018 cung cấp ảnh Sentinel 2 đã được hiệu chỉnh khí quyển lên mức 2A, còn trước đó thì ảnh ở mức 1C (Chưa hiệu chỉnh khí quyển). Nên khi tải ảnh ở mức 1C về thì phải hiệu chỉnh khí quyển.

+ Hiện tại trên trang này có 2 chế độ Online và chế độ Offline

– Chế độ Online cho các ảnh mới. Còn các ảnh cũ hơn thì ở chế độ Offline.

Để tải các ảnh cũ hơn (ở chế độ Offline) cần Kích hoạt truy xuất các sản phẩm ngoại tuyến.

– Bấm chuột vào ảnh cần tải, chọn thêm vào giỏ hàng sau đó bấm tải xuống Khi đó 🡪 Yêu cầu tải xuống một sản phẩm ngoại tuyến sẽ tự động kích hoạt yêu cầu khôi phục lại sản phẩm trực tuyến từ kho lưu trữ lịch sử. Sau khi khôi phục người dùng có thể tải xuống (các) sản phẩm.

Bước 1: Truy cập vào địa chỉ web của ESA

https://scihub.copernicus.eu/dhus/#/home

+ Đăng ký tài khoản 🡪 Sau đó đăng nhập vào trang Web

Bước 2: Khoanh vẽ khu vực thực nghiệm

Tìm đến khu vực thực nghiệm 🡪 Sử dụng chuột phải để vẽ khu vực thực nghiệm

Bước 3: Nhập thông tin tìm kiếm dữ liệu

– Thời gian thu thập dữ liệu (3 tháng gần đây)

– Tích chọn loại dữ liệu Sentinel-2

– Bắt đầu tìm kiếm

Bước 4: Download ảnh

+ Tải ảnh trên trang web Cục khảo sát địa chất Hoa Kỳ

(Giống các bước tải ảnh Landsat 8)

2. TIỀN XỬ LÝ ẢNH QUANG HỌC

2.1. Hiệu chỉnh bức xạ, khí quyển

Bức xạ mặt trời trên đường truyền xuống trái đất bị hấp thụ, tán xạ một lượng nhất định trước khi tới mặt đất và bức xạ, tán xạ từ vật thể cũng bị hấp thụ hay tán xạ trước khi tới được bộ cảm. Do vậy bức xạ mà bộ cảm thu được không chỉ chứa riêng năng lượng hữu ích mà còn chứa nhiều thành phần nhiễu khác nữa. Hiệu chỉnh khí quyển là một công đoạn tiền xử lý nhằm loại trừ những thành phần bức xạ không mang thông tin hữu ích.

Hiệu chỉnh khí quyển là một trong những bước quan trọng loại bỏ nhiễu khí quyển trong quá trình truyền và thu nhận năng lượng bức xạ điện từ.

Những hiệu ứng khí quyển này bao gồm quá trình tán xạ và hấp thụ năng lượng điện từ bởi các thành phần khí quyển và các hạt ion khí mà được các cảm biến vệ tinh phát hiện.Vì quá trình này mà sự phân bố phổ, phân bố góc và phân bố không gian do việc phát xạ của các đối tượng nghiên cứu bị yếu đi.

Để khắc phục vấn đề này, có nhiều mô hình được sử dụng bao gồm:

– Phương pháp trừ đối tượng tối DOS (Dark Object Subtraction ) (Chavez, 1996)

– Phương pháp FLAASH (Fast Line-of-sight Atmospheric Analysis of Hypercubes). (Matthew et al., 2003)

Bảng Các hệ số của phương pháp hiệu chỉnh khí quyển FLAASH

Tham số	Hiệu chỉnh khí quyển FLAASH
Dữ liệu đầu vào	Ảnh hiệu chỉnh bức xạ ở định dạng Float, long integer (4-byte) hoặc integer (2-byte) ở định dạng file BIL hoặc BIP Dữ liệu ảnh có lưu header file là giá trị bước sóng trung bình của kênh ảnh
Thông tin về cảnh ảnh và bộ cảm	Tọa độ Lat và Lon của tâm ảnh
	Loại bộ cảm (LANDSAT 8OLI)
	Độ cao của vệ tinh
	Độ cao trung bình của mặt đất
	Kích thước pixel
	Ngày chụp
	Thời gian chụp ảnh
Mô hình khí quyển	Mô hình khí quyển gồm SAW (Sub Arctic Winter); MLW (Mid-Latitude Winter) và U.S.Standard (US) hoặc SAS (Sub-Arctic Summer); MLS (Mid-Latitude Summer); T (Tropical) của MODTRAN. Thông số mô hình khí quyển gồm thông số thoát hơi nước và nhiệt độ bề mặt tương ứng
Hiệu chỉnh hấp thụ bức xạ của nước	Sử dụng một hằng số cho toàn bộ pixel của toàn ảnh
Mô hình Aerosol	MODTRAN xây dựng mô hình aerosol cho từng khu vực nông thôn, đô thị, biển và tầng đối lưu (độ cao trên 40km
Mô hình hấp thụ Aerosol	Hiệu chỉnh đối với vị trí các dark pixel trên ảnh như bóng địa vật và đối tượng nước
Tầm nhìn lúc chụp ảnh	Thể hiện qua giá trị độ trong của khí quyển trong các điều kiện thời tiết Clear, Moderate Haze, Thick Haze, thông qua hệ số có liên quan đến độ sâu quang học AOD theo chiều dọc từ mặt đất đến bộ cảm.

Mô hình hiệu chỉnh khí quyển FLAASH đã được sử dụng để loại bỏ các ảnh hưởng bởi các hiệu ứng khí quyển. Dữ liệu đầu vào của mô hình hiệu chỉnh khí quyển này là ảnh đã được tính chuyển sang giá trị bức xạ (Radiance). Các thông số đưa vào mô hình được lựa chọn dựa trên loại tư liệu, tọa độ địa lý vị trí khu vực nghiên cứu và thời gian thu nhận ảnh viễn thám. Phương pháp hiệu chỉnh khí quyển FLAASH dựa trên mô hình khí quyển tiêu chuẩn của Mỹ hoặc đại diện khu vực khí quyển trên toàn cầu.

2.1.1. Hiệu chỉnh bức xạ, khí quyển ảnh Landsat 8

Bước 1: Mở ảnh

File 🡪 Open As 🡪 Landsat GeoTIFF with Metadata 🡪 Chọn file metadata của ảnh

Bước 2: Hiệu chỉnh bức xạ tại đỉnh khí quyển (TOA)

Toolbox 🡪 Radiometric Calibration 🡪 Radiometric Calibration 🡪 Chọn ảnh có đuôi “*.MultiSpectral” 🡪 OK🡪 Xuất hiện hộp thoại

+ Ở mục Calibration: Chọn Radiance: Bức xạ hay còn gọi là phát xạ

+ Ở mục Interleave : Chọn BIL/BIP

+ Ở mục Output Data Type: Chọn Float

Hoặc Bấm Apply FLAASH Settings

Ghi chú: Dữ liệu đầu vào của mô hình FLAASH là ảnh đã được tính chuyển sang giá trị bức xạ (Radiance), ở định dạng Float, long integer (4-byte) hoặc integer (2-byte) ở định dạng file BIL (Dải xen kẽ theo dòng) hoặc BIP (Dải xen kẽ theo pixel)

+ Chọn thư mục lưu kết quả và đặt tên: TOA_RADIANCE

Hình 1: Kết quả ảnh hiệu chỉnh bức xạ (TOA_RADIANCE)

Sau khi hiệu chỉnh thì ảnh sáng hơn, rõ nét hơn

Bước 3. Hiệu chỉnh khí quyển

1. Phương pháp FLAASH

+ Phương pháp FLAASH được tích hợp sẵn trên phần mềm Envi.

+ Dữ liệu đầu vào của mô hình này là ảnh đã được tính chuyển sang giá trị bức xạ (Radiance).

Toolbox 🡪 Radiometric Calibration 🡪 Atmospheric Correction Module 🡪 FLAASH Atmospheric Correction

+ Mục Input Radiance image:

Chọn ảnh: TOA_ RADIANCE.dat 🡪 Tích chọn Use single scale fator for all bands.

+ Mục Out Reflectance file:

Chọn thư mục lưu kết quả 🡪 Đặt tên file: TOA_RADIANCE_FLAASH

+ Mục Output Directory for FLAASH File: Chọn thư mục lưu kết quả

+ Mục Rootname for FLAASH File: Đặt tên: FLAASH

+ Mục Sensor Type: Chọn Multispectrl 🡪 Landsat-8 OLI

+ Mục Scene Center Location: Bấm vào ô DD <-> DMS

+ Mục Sensor Altitude (km): Độ cao cảm biến: Nhập là 750 km

+ Mục Ground Elevation (km): Độ cao trung bình mặt đất: Nhập là 1.500

+ Mục Date, Time 🡪 Mở file *.txt xem ngày giờ để nhập vào

+ Bấm Multispectral Setting 🡪 Chọn tab Kaufman – Tanre Aerosoi Retrieval

🡪 Ở dòng Assign Default Values Based on Retrieval Conditions 🡪 Chọn Defaults 🡪 Over – land Retrieval standard (660:2100 nm).

+ Bấm Filter Function file 🡪 Open 🡪 New File 🡪 Tìm đến file “landsat8_oli.sli” theo đường dẫn sau:

C:\Program Files\Exelis\ENVI53\resource\filterfuncs\landsat8_oli.sli 🡪 OK 🡪 Xuất hiện hộp thoại 🡪 Thu hộp thoại này xuống 🡪 OK 🡪 Apply.

+ Kết quả sau hiệu chỉnh khí quyển

Bước 4. Xuất ảnh TIFF

File 🡪 Save as

Xuất ảnh TIFF để mở trên phần mềm Arcgis

2. Phương pháp trừ đối tượng tối DOS (Dark Object Subtraction)

Phép trừ các vật đen là một phương pháp điều chỉnh khí quyển theo kinh nghiệm đơn giản để chụp ảnh vệ tinh, giả định rằng hệ số phản xạ của các vật tối bao gồm một thành phần quan trọng của tán xạ khí quyển.

Khái niệm rất đơn giản: nếu bạn có một vật thể hoàn toàn đen và do đó hoàn toàn không phản xạ ánh sáng, vật thể này phải có giá trị phản xạ bằng 0, sẽ có giá trị khác 0 ở cảm biến vệ tinh. Giá trị này sẽ là độ phản xạ do các hạt có trong khí quyển.

Phép trừ các đối tượng tối nghiên cứu giá trị pixel tối nhất trong mỗi dải. Chương trình phát sóng bị xóa bằng cách trừ đi giá trị này của mỗi pixel của băng tần.

Bước 1: Mở ảnh

Đối với ảnh Landsat thì chọn file Metadata

Bước 2: Hiệu chỉnh bức xạ

Chuyển đổi giá trị DN sang Top of Atmosphere (TOA) Reflectance (Giá trị phản xạ tại đỉnh khí quyển)

Toolbox 🡪 Radiometric Calibration 🡪 Radiometric Calibration 🡪 Chọn ảnh có đuôi “*.MultiSpectral” 🡪 OK

+ Calibration Type: Chọn Reflectance (Phản xạ)

+ Ở mục Interleave: Chọn BSQ (Tuần tự băng tần)

+ Chọn thư mục lưu kết quả và đặt tên: TOA_ Reflectance

Bước 3: Tính toán thống kê

Toolbox 🡪 Compute Statistics 🡪 Tích chọn Basic stats, Histogram, Covariance 🡪 OK

+ Bấm vào Locate stats 🡪 Histogram band 1, band 2, band 3…. Để xem giá trị min của từng band

+ Ở cột Count bỏ qua các giá trị 0, đến giá trị số đầu tiên thì chọn giá trị DN tương ứng ở cột DN, đó chính là giá trị DN min của Band ảnh đó

+ Ghi các giá trị này ra để chạy hiệu chỉnh khí quyển

Band 1: 0.085954

Band 2: 0.064465

Band 3: 0.032233

Band 4: 0.016116

Band 5: 0.005372

Band 6: 0.005372

Band 7: 0.005372

Toolbox 🡪 Radiometric Calibration 🡪 Dark Subtraction

+ Tích vào User value 🡪 Nhập các thông số giá trị min ở trên vào

+ Chọn đường dẫn lưu kết quả 🡪 OK

Ghi chú: Trong hộp thoại của phương pháp Dark Subtraction Còn có 2 tùy chọn nữa là:

+ Band Minimum: Tích vào tùy chọn này và chọn đường dẫn để lưu kết quả (Nếu các giá trị Mini mum mà đều = 0 thì kết quả hiệu chỉnh khí quyển sẽ bằng kết quả ban đầu)

+ Region of insert: Với tùy chọn này thì trước khi vào hiệu chỉnh khí quyển ta tìm đến 1 vùng tối 🡪 Chọn công cụ Regions of Interest (ROI) Tool 🡪 Sử dụng công cụ Point 🡪 Chấm 1 điểm ở vùng tối 🡪 Click phải chuột chọn Accept point

3. Phương pháp Quick atmospheric correction

Bước 1: Hiệu chỉnh bức xạ

Toolbox 🡪 Radiometric Calibration 🡪 Radiometric Calibration 🡪 Chọn ảnh có đuôi “*.MultiSpectral” 🡪 OK

+ Calibration Type: Chọn Reflectance

+ Chọn thư mục lưu kết quả và đặt tên: TOA_radio

Bước 2: Hiệu chỉnh khí quyển

Toolbox 🡪 Radiometric Calibration 🡪 Quick atmospheric correction

2.1.2. Hiệu chỉnh khí quyển ảnh Sentinel 2

+ Từ tháng 12 năm 2018 (đầu năm 2019) ESA cung cấp ảnh đã hiệu chỉnh khí quyển ở mức 2A cho toàn cầu. Vậy nên ta chỉ cần hiệu chỉnh khí quyển cho các ảnh ở mức 1C (ảnh trước năm 2019)

+ Sử dụng phần mềm Sen2cor chạy trên nền phần mềm Snap để hiệu chỉnh khí quyển cho ảnh Sentinel 2.

Bước 1: Cài đặt phần mềm Sen2Cor

+ Trên phần mềm Snap: Tools 🡪 Plugins

+ Trong tab Available Plugin: Chọn Sentinel-2 SEN2COR 280 Processor 🡪 Install 🡪 Restar Now 🡪 Finish 🡪 Chờ phần mềm tự khởi động lại

+ Tools 🡪 Manager Extenal Tools 🡪 Xuất hiện hộp thoại

+ Click đúp chuột vào dòng Sen2cor 🡪 Xuất hiện hộp thoại 🡪 Chọn Bundle Binaries 🡪 Xuất hiện hộp thoại 🡪 Chọn Download and Intall 🡪 Chờ phần mềm tải về và cài đặt xong thì chọn OK 🡪 Ta được kết quả

Bước 2: Hiệu chỉnh khí quyển

2.1. Mở tệp dữ liệu

File 🡪 Open product 🡪 Mở tệp MTD_MSIL1C.xml

2.2. Hiệu chỉnh khí quyển

Optical 🡪 Thematic Land Processing 🡪 Sen2Cor processor 🡪 Sen2Cor280 🡪 Xuất hiện hộp thoại

+ Trong tab (Input/Output) 🡪 Để mặc định.

+ Trong tab Processing Parameters

– Tích chọn: Display execution output

– Resolution: Chọn ALL

– Nb threads: 1

– Aerosol: RURAL

– Mid lat: WINTER

– Ozone: 0

– Wv correction: 1

+ Bấm Run để bắt đầu hiệu chỉnh

2.3. Kết quả thu được

Bước 3. Đồng nhất độ phân giải không gian

+ Để đồng nhất độ phân giải không gian ta sử dụng chức năng Resampling

+ Resampling là chức năng thay đổi kích thước pixel của kênh ảnh theo kích thước yêu cầu.

+ Phải đồng nhất độ phân giải không gian mới xuất ảnh được.

+ Raster 🡪 Geometric 🡪 Resampling

– Chọn tab Resampling Parameters

– Tích chọn By refernce band from source products 🡪 Ví dụ: Chọn B2 (Đồng nhất độ phân giải theo kênh B2) 🡪 Run.

Các kênh của Sentinel-2	Độ phân giải không gian (m)
Band 1 – sol khí ven bờ	60
Band 2 – Blue	10
Band 3 – Green	10
Band 4 – Red	10
Band 5 –red edge	20
Band 6 –red edge	20
Band 7 –red edge	20
Band 8 – NIR	10
Band 8A –NIR hẹp	20
Band 9 – Hơi nước	60
Band 10 – SWIR	60
Band 11 – SWIR	20
Band 12 – SWIR	20

Bước 4. Cắt ảnh sơ bộ và lược bỏ kênh ảnh

+ Subset là công cụ nhằm hạn chế phạm vi dữ liệu không gian và chọn các kênh ảnh cần thiết.

+ Nên cắt sơ bộ và bỏ bớt kênh ảnh để giảm dung lượng của ảnh.

– Cắt ảnh sơ bộ: Raster 🡪 Subset

+ Ở tab Spatial Subset 🡪 Nhập Scene start X,Y; Nhập Sence end X,Y để tạo khung cắt ảnh.

– Lược bỏ bớt một số kênh ảnh

+ Ở tab Band Subset 🡪 Select none toàn bộ 🡪 Tích chọn các kênh ảnh cần giữa lại 🡪 OK.

+Lưu ảnh đã cắt

Trên layer snap 🡪 Chọn Save as 🡪 chọn thư mục lưu kết quả

Bước 5. Xuất ảnh

+ Ảnh chỉ được xuất khi đã đồng nhất độ phân giải không gian

+ Trên Layer phần mềm Snap 🡪 Chọn ảnh cần xuất 🡪 File 🡪 Export 🡪 Chọn định dạng dữ liệu là ENVI/ TIFF

2.2. Gộp kênh ảnh

Tool box 🡪 Raster management 🡪 Layer Stacking

Tổ hợp màu cho ảnh đã gộp: File 🡪 Chọn Data manager, nhấn F4 hoặc chọn biểu tượng icon

2.3. Ghép ảnh

Trường hợp 1 tấm ảnh không bao phủ hết khu vực nghiên cứu thì ta tiến hành ghép ảnh.

Toolbox 🡪 Mosaic 🡪 Seamless mosaic 🡪 Xuất hiện hộp thoại

+ Bấm vào biểu tượng Add scenes thêm các ảnh cần ghép

+ Cột Data Ignore Value: Nhập là 0

+ Cột Feathering Distance: Nhập 0

+ Bấm vào Seamlines 🡪 Chọn Auto Generate Seamlines

+ Chờ Phần mềm ghép xong thì bấm vào Export

– Mục value: Nhập 0 🡪 Bấm Finish

2.4. Cắt ảnh

– Cắt ảnh theo địa giới hành chính

+ Dữ liệu địa giới hành chính được tải về từ trang web “Diva-gis” https://www.diva-gis.org/gdata

+ Sau khi tải về ta có bộ dữ liệu có tên “VNM_adm” với hệ tọa độ WGS 84 là ranh giới hành chính của cả nước bao gồm:

+ Vnm- 0Shp là ranh giới cả nước.

+ Vnm-1Shp là ranh giới các tỉnh.

+ Vnm- 2Shp là ranh giới các huyện.

+ Vnm- 3Shp là ranh giới các xã.

+ Tiến hành chuyển đổi hệ tọa độ WGS84 sang UTM

Arctool box 🡪 Data management tool 🡪 Projection and Transformations 🡪 Project

+ Input Dataset or Feature Class: Chọn VNM_adm2

+ Geographic Transformation: Chọn WGS 1984 (Geographic coordinate systems 🡪 World 🡪 WGS 1984)

+ Output: Chọn WGS_1984_UTM_Zone_48N

(Projected coordinate systems 🡪 UTM 🡪 WGS 1984 🡪 Northern Hemisphere 🡪 WGS_1984_UTM_Zone_48N)

1. Cắt ảnh bằng Envi

Bước 1: Mở ảnh đã hiệu chỉnh khí quyển

File 🡪 Open 🡪 Chọn ảnh: TOA_RADIO_FLAASH

Bước 2: Xuất shp file khu vực nghiên cứu

Mở địa giới hành chính huyện: VNM_adm2.shp (Đã chuyển đổi sang UTM)

Chọn địa danh cần tạo ranh giới: Click phải chuột vào Layer “VNM_adm2”🡪 View/Edit Attributes 🡪 Tìm đến dòng khu vực nghiên cứu (Có thể chọn trực tiếp trên cửa sổ ảnh) 🡪 File 🡪 Save Selected Records to New shape file

Bước 3: Cắt ảnh theo địa giới hành chính

Ở bước này các bạn có thể cắt ảnh từ Shape file hoặc từ ROI

1. Cắt ảnh từ shp

Toolbox 🡪 Subset data from ROI 🡪 Chọn THANHBINH.SHP

+ Mask pixels ouside of ROI? 🡪 Chọn Yes (Lúc này phần mềm sẽ cắt ảnh bên trong ranh giới còn phần nền phía ngoài ranh giới sẽ có giá trị là 0).

2. Cắt ảnh từ Roi

Để cắt ảnh từ vùng Roi ta phải chuyển ranh giới hành chính từ dạng Vector (shp) sang ROI

Toolbox 🡪 Regions of interest 🡪 Vector to ROI 🡪 Chọn shape file 🡪 Chọn All records to a single ROI

Sau đó cắt ảnh theo vùng Roi vừa tạo

Toolbox 🡪 Regions of interest 🡪 Subset data from ROI 🡪 Chọn THANHBINH

3. Sự khác nhau giữa cắt ảnh từ shp và cắt ảnh từ Roi

Cắt bằng shp	Cắt bằng Roi

2. Cắt ảnh bằng Arcgis

Bước 1: Xuất ảnh TIFF

Trên phần mềm ENVI 🡪 File 🡪 Export

Bước 2: Mở ảnh

Trên phần mềm Arcgis 🡪 Catalog 🡪 Tìm đến thư mục chứa ảnh 🡪 Chọn ảnh TOA_RADIO_FLAASH.tif 🡪 Kéo ảnh vào cửa sổ Map

Bước 3: Mở shp file địa giới hành chính

Trên phần mềm Arcgis 🡪 Catalog 🡪 Tìm đến thư mục chứa shape file 🡪 Chọn shape file VNM_adm2.shp (Đã chuyển đổi sang UTM) 🡪 Kéo ảnh vào cửa sổ Map

Bước 4: Mở hộp thoại Image Analyze

+ Window 🡪 Image Analyze 🡪 Xuất hiện hộp thoại Image Analyze

– Sử dụng công cụ Select 🡪 Chọn khu vực nghiên cứu

– Trên hộp thoại Image Analyze 🡪 Chọn ảnh cần căt 🡪 Sau đó chọn vào biểu tượng Clip 🡪 Click phải chuột vào kết quả 🡪 Chọn Data 🡪 Export Data

2.5. Hiệu chỉnh hình học

Dữ liệu phân phối tới người dùng được nắn chỉnh hình học trong hệ lưới chiếu bản đồ UTM -WGS84 bằng các điểm khống chế trên mặt đất và mô hình số độ cao DEM SRTM. Tuy nhiên, các dữ liệu cần sử dụng ở nước ta phải trong trong hệ lưới chiếu bản đồ VN-2000. Do vậy công việc đầu tiên phải chuyển hệ lưới chiếu bản đồ về khu vực nghiên cứu. Nội dung bao gồm chuyển đổi hệ tọa độ theo 7 thông số chuyển đổi giữa các hệ qui chiếu theo Quyết định 05/2007/QĐBTNMT, chọn kinh tuyến trục ở khu vực nghiên cứu và loại múi chiếu là 3⁰hoặc 6⁰ tương ứng với hệ số biến dạng. Việc thực hiện nội dung này có thể tiến hành trên phần mềm Arcgis như sau:

1. Chuyển đổi hệ tọa độ

+ Tạo Shape file VN2000

Catalog 🡪 Click phải chuột vào thư mục 🡪 Chọn New 🡪 Shape file 🡪 Tạo 1 shape file dạng điểm 🡪 Đặt tên: VN2000

– Chọn Projection và nhập các thông tin sau:

+ False_Easting: 500000

+ False_Northing: 0

+ Central_Meridian: 105

+ Scale_Factor: Nhập 0.9996

+ Nhấn “Change” 🡪 Chọn Geographic Coordinate System 🡪 Asia 🡪 VN2000

+ Tạo phương pháp chuyển đổi tọa độ

Arctool box 🡪 Data management tool 🡪 Projection and Transformations 🡪 Create Custom Geographic Transformation.

+ Geographic Transformation Name: Đặt tên “WGS84 to VN2000”

+ Input Geographic Coordinate System: Chọn “WGS 1984 zone 48”

+ Output Geographic Coordinate System: Chọn Shape file VN2000

+ Custom Geographic Transformation: Chọn COORDIATE_FRAME

Nhập thông số tính chuyển WGS 84 sang VN2000

+ Tham số dịch chuyển gốc tọa độ

= 191.90441429

= 39.30318279

= 111.45032835

+ Góc xoay

= 0.00928836

= -0.01975479

= 0.00427372

+ Hệ số biến dạng tỉ lệ chiều dài K

K = -0.252906278

Ghi chú: Giá trị k mà Quyết định 05/2007/QĐBTNMT quy định chuyển WGS 84 sang VN2000 là k = 0.999999747093722. Nhưng trong phần mềm Arcgis và một số phần mềm khác có chức năng chuyển đổi hệ tọa độ , hệ số tỷ lệ chiều dài k = (k-1).10⁶ suy ra giá trị k nhập vào phần mềm sẽ là k = (0.999999747093722 – 1) .10⁶ = -0.252906278

+ Tiến hành chuyển đổi

Arctool box 🡪 Data management tool 🡪 Projection and Transformations

+ Đối với dữ liệu Vector chọn Project.

+ Đối với dữ liệu ảnh raster thì ta chọn Project Raster

+ Geographic Transformation: Chọn WGS84 to VN2000

+ Output: Shape file VN2000

+ Xuất ảnh tiff

Data 🡪 Export 🡪 Xuất hiện hộp thoại chọn 🡪 Yes

Sau khi chuyển đổi hệ tọa độ xong dữ liệu ảnh sau khi chuyển đổi được lưu trong Geodatabase nên ta cần xuất dữ liệu đó ra dạng ảnh TIFF để mở ảnh này trên phần mềm Envi

2. Nắn ảnh

Mục đích của quá trình nắn để hạn chế sai số vị trí và chênh lệch địa hình

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).

Nhằm thực hiện 3 nhiệm vụ:

– Loại trừ sai số vị trí điểm ảnh do góc nghiêng của ảnh gây ra.

– Hạn chế sai số vị trí điểm ảnh do chênh cao địa hình gây ra.
– Đưa tấm ảnh về tỷ lệ của bản đồ cần thành lập.

Độ chính xác vị trí điểm của ảnh Landsat 8 khi không sử dụng điểm khống chế mặt đất (GCP) cũng là khá tốt.

Tuy nhiên, để nâng cao độ chính xác ta áp dụng các điểm khống chế mặt đất GCP để đồng nhất độ chính xác với dữ liệu nền địa lý quốc gia.

Sau khi chuyển đổi hệ qui chiếu về VN-2000, tiến hành chọn >= 5 điểm không chế trong Cơ sở dữ liệu nền thông tin địa lý 1:5000 ở khu vực nghiên cứu. Tiến hành nắn chỉnh hình học theo đa thức bậc 1 (affine bậc 1) để đưa về cùng qui chiếu với Cơ sở dữ liệu nền thông tin địa lý 1:5000 và đồng thời đánh giá được độ chính xác của sản phẩm mức 2.

Độ chính xác nắn ảnh phụ thuộc vào chất lượng ảnh và độ chính xác của các điểm khống chế, số lượng và sự phân bố của các điểm khống chế trên ảnh.

+ Nắn ảnh theo bản đồ

Bước 1: Mở ảnh VN2000

Bước 2: Mở bản đồ địa hình giao thông VN2000

+ Dữ liệu bản đồ giao thông được lấy từ bản đồ địa hình hệ tọa độ VN2000 kinh tuyến 105 múi 6 độ.

+ Để chuyển đổi dữ liệu bản đồ địa hình *.dgn thành *.shp ta làm như sau:

Trên phần mềm Arcgis 🡪 Catalog 🡪 Tìm đến thư mục chứa file bản đồ 🡪 Chọn bản đồ giao thông 🡪 Click phải chuột vào Poline 🡪 Export to shape file (single)

+ Thiết lập hệ tọa độ cho shape file vừa chuyển đổi

Bước 3: Nắn ảnh theo bản đồ

Tool box 🡪 Geometric Correction 🡪 Registration 🡪 Registration: Image to Map 🡪 Xuất hiện hộp thoại Image to map Registration

+ Ở mục Select Projection: Chọn VN2000

Lưu ý: Nếu trong hộp thoại này không xuất hiện hệ tọa độ VN2000 thì tiến hành gộp lại kênh ảnh để Envi nhận hệ tọa độ này. Tool box 🡪 Raster management 🡪 Layer Stacking

+ Sau khi chọn xong hệ tọa độ 🡪 Bấm OK 🡪 Xuất hiện hộp thoại Ground Control Points Selection để thực hiện việc nhập toạ độ điểm khống chế từ bản đồ vào ảnh.

+ Để thuận tiện cho việc nắn ảnh ta mở thanh cuộn ngang, cuộn dọc trên ảnh cần nắn. Trên cửa sổ #1🡪 chọn File 🡪 Preperences 🡪 Yes scrollbar 🡪 OK

+ Sử dụng công cụ Crosshairs để hiển thị tọa độ điểm khống chế bản đồ

+ Tiến hành chọn điểm khống chế 🡪 Copy tọa độ nhập vào hộp thoại Ground Control Points Selection 🡪 Bấm add point

+ Chọn các điểm khống chế phân bố đều trên toàn ảnh,

+ Số điểm khống chế >= 5

+ Sai số tổng RMS Error nhỏ hơn 0,05 pixel sooeu Anh Regi. (Lưu ý đây là sai số khống chế giữa các vị trí điểm với nhau chứ không phải sai số vị trí điểm, nên khi chỉnh 1 điểm khống chế thì các điểm khác sẽ khống chế lẫn nhau)

+ Lưu điểm khống chế

Trên hộp thoại Ground Control Points Selection

Chọn File 🡪 Save GCPs w/Map coords

+ Nắn ảnh

Trên hộp thoại Ground Control Points Selection 🡪 Option 🡪 Wap File 🡪 Chọn ảnh cần nắn 🡪 OK

+ Method: Polynomal (hàm đa thức). Degree: Chọn bậc càng cao thì càng chính xác.

Ngoài ra còn có 2 phương pháp nắn khác:

– RST: Xoay, chia tỷ lệ và dịch; đây là phương pháp đơn giản nhất

– Triangulation: tam giác Delaunay

+ Resamling: Tái chia mẫu:

Chọn Bilinear. Thực hiện nội suy tuyến tính bằng cách sử dụng bốn pixel để lấy mẫu lại hình ảnh bị cong.

Ngoài ra còn có 2 phương pháp tái chia mẫu:

Nearest Neighbor : Sử dụng pixel gần nhất mà không cần bất kỳ phép nội suy nào để tạo hình ảnh bị cong vênh.

Cubic Convolution: Sử dụng 16 pixel để tính gần đúng hàm sinc bằng cách sử dụng đa thức khối để lấy mẫu lại hình ảnh.

Trang web tham khảo: https://envi.geoscene.cn/help/Subsystems/envi/Content/GeorectifyImagery/WarpingResampling.htm

+ Chọn đường dẫn lưu kết quả 🡪 OK

3. Đánh giá độ chính xác sau khi nắn.

Để đánh giá độ chính xác hình học sau khi nắn ta tiến hành chọn các điểm khống chế trong cơ sở dữ liệu nền thông tin địa lý quốc gia ở khu vực nghiên cứu. (Các điểm này không được trùng với các điểm nắn)

Ví dụ: Chọn 8 điểm kiểm tra

Bảng sai số các điểm nắn dữ liệu

Tên Điểm	Tọa độ_X	Tọa độ_Y	Sai số (m)
1	505935,21	1110132,53	9,20
2	505699,02	1114155,43	8,50
3	514841,59	1098293,47	9,00
4	514086,73	1092152,19	7,00
5	517409,87	1095049,67	7,60
6	569797,89	1118589,16	1,20
7	564418,46	1124914,48	10,00
8	560323,77	1129788,80	15,00

– Ta thấy điểm có sai số lớn nhất bằng 18m (1,8 pixel),

– Điểm có sai số nhỏ nhất bằng 0m.

– Đối chiếu sai số này với hạn sai cho phép theo thông tư 05/2012/TT-BTNMT

2.6. Tăng cường chất lượng ảnh

Tăng cường chất lượng ảnh là công việc tiến hành nhằm loại bỏ các yếu tố gây nhiễu trên tấm ảnh.

Có hai phương thức làm tăng cường chất lượng ảnh là: Tăng độ nét và lọc ảnh.

1. Tăng độ nét

Trên thanh công cụ chính của Envi có sẵn danh sách một số phương pháp tăng độ nét mà ta có thể sử dụng.

1. Phương pháp Linear (tuyến tính)

– Linear: sử dụng giá trị nhỏ nhất và lớn nhất của ảnh để thực hiện phép giãn tuyến tính. Ảnh tăng cường theo phương pháp tuyến tính các đối tượng mờ, nhưng các yếu tố nhiễu đã loại bỏ được. Giá trị độ xám của các pixel có tính đồ đều.

– Linear 2%: Sẽ cắt bớt 2% của 2 đầu dữ liệu để tăng khả năng hiển thị ảnh. Ảnh tăng cường theo phương pháp này ta quan sát thấy rõ nét hơn.

2. Equalization (Cân bằng): Phương pháp này sẽ kéo giãn cân bằng đồ thị của dữ liệu được hiển thị. Ảnh sau khi tăng cường được nổi bật hơn

3. Square Root (Căn bậc hai): Phương pháp này sẽ tính căn bậc hai của đồ thị đầu vào sau đó mới thực hiện giãn tuyến tính. Ảnh sau khi tăng cường được làm mờ đều, độ xám các pixel có tính cân bằng

Và một số phương pháp tăng cường khác như là:

4. Phương pháp Pansharpening

Đây là phép tăng cường sử dụng ưu điểm của hai loại ảnh là toàn sắc (Pan_Panchromatic) có độ phân giải không gian cao và ảnh đa phổ (MS_MultiSpectral) có màu sắc nhưng độ phân giải thấp hơn; kết hợp cả hai loại ảnh sẽ được dữ liệu ảnh mới có màu sắc và độ phân giải cao.

Trong trường hợp sử dụng ảnh Sentinel-2 thì không cần thiết vì dữ liệu đã ở độ phân giải không gian tốt nhất. Nếu sử dụng Landsat-8 hay các loại ảnh khác như VNREDSat-1, SPOT,… thì ảnh Pan và ảnh MS có độ phân giải khác nhau, ví dụ đối với ảnh Landsat-8, ảnh Pan có độ phân giải 15m, ảnh MS có độ phân giải 30m. Như vậy cần phải tăng cường pansharpening để thuận tiện giải đoán hơn.

Toolbox 🡪 Image Sharpening 🡪 Color Normalized (Brovey) Sharpening

+ Cửa sổ Select Input RGB Input Bands 🡪 Load ảnh RGB 🡪 OK

+ Cửa sổ High Resolution Input File 🡪 Lựa chọn kênh có độ phân giải cao (15m) 🡪 OK

5. Tăng độ sáng, độ nét của ảnh

Điều chỉnh các chức năng sau để tăng cường độ sáng, độ tương phản và độ sắc nét của ảnh

Kỹ thuật tăng độ nét này chỉ thay đổi cách hiển thị trên màn hình (tăng giảm độ tương phản) mà không làm thay đổi các giá trị thật của pixel. Các kỹ thuật stretching gồm các phương pháp tuyến tính và không tuyến tính. Tùy theo mục đích sử dụng mà ta chọn cách tăng cường cho phù hợp nhất.

2. Lọc ảnh (Filter)

Lọc ảnh cũng nhằm mục đích tăng độ tương phản của ảnh để thể hiện rõ hơn một số đối tượng cần quan tâm, nhưng làm thay đổi các giá trị pixel và tạo ra file ảnh lọc mới.

Dùng các ma trận để lọc, tăng cường chất lượng ảnh. Lọc ảnh thông dụng có thể thực hiện một cách tương tác đang hiển thị bằng cách chọn enhance\ filter \… từ thanh menu của cửa sổ hiển thị chính. Có các bộ lọc làm trơn (smooth), làm rõ nét (sharpen) và lọc median để làm sắc nét hoặc làm mịn ảnh.

Hiện tượng lốm đốm sinh ra trên ảnh do sai số phát sinh ra trong quá trình truyền dữ liệu hoặc bị gián đoạn tạm thời. Do ảnh hưởng này, một số phần tử ảnh trên ảnh có giá trị độ sáng lớn hay nhỏ hơn rất nhiều so với các phần tử ảnh chung quanh. Kết quả tạo ra các điểm sáng trắng hay sậm đen trên ảnh mà làm ảnh hưởng đến việc tách thông tin từ ảnh viễn thám. Tăng cường hay cải tiến chất lượng ảnh bằng cách áp dụng hàm (hay toán tử lọc) trong không gian ảnh nhằm loại nhiễu ngẫu nhiên và các giá trị đột biến của phần tử ảnh trên ảnh, tọa ảnh mới mịn hơn so với ảnh gốc. Envi cung cấp cho chúng ta rất nhiều phép lọc và cho phép chúng ta thay đổi các tham số kernel.

1. Lọc cơ bản

Các chế độ lọc này sẽ có trên của sổ #1, #2,#3… trên bản envi classic

Sharpen (làm sắc nét): Phương pháp này dùng các ma trận để lọc làm tăng cường độ nét của các điểm ảnh.

Smooth: Làm trơn ảnh

Median: Ảnh sau khi lọc các đối tượng có độ tương phản rõ nét hơn.

2. Lọc nâng cao

1. Convolotion and Morphology

+ Chế độ High Pass (Lọc cao tần): Làm nổi bật những khu vực có thay đổi đột ngột.

+ Chế độ Low Pass (Lọc tần thấp): Làm mịn ảnh Để loại trừ hiện tượng nhiễu trên ảnh, ví dụ hiện tượng muối tiêu (làm mờ ảnh).

2. lee filter

3. PHÂN LOẠI ẢNH QUANG HỌC

3.1. Xác định các lớp phủ bề mặt

Lớp phủ bề mặt		Khái niệm, mô tả đặc trưng đối tượng
Cấp I	Cấp II	Khái niệm, mô tả đặc trưng đối tượng
Mặt đất	Đất xây dựng	– Khu dân cư: Là loại hình sử dụng đất trải dài từ vùng có mật độ cao, đặc trưng bởi các cấu trúc đa đơn vị của vùng lõi đô thị, cho đến nơi có mật độ thấp, vùng ngoại vi đô thị như nhà ở, nhà máy, xí nghiệp,…. – Giao thông: Bao gồm đường quốc lộ, tỉnh lộ, đường sắt, sân bay, cảng biển,…..
Mặt đất	Đất trống	– Đất trống: Là vùng đất có dưới 1/3 diện tích được bao phủ bới thực vật, bao gồm cả đất trồng trọt trước hoặc sau thu họach, đất bỏ hoang, đất cằn cỗi, nghĩa trang, bãi rác,…..
Mặt nước	Mặt nước	– Mặt nước: Là khu vực liên tục được bao phủ bởi nước,cụ thể là diện tích tự nhiên như sông, suối, ao, hồ,…hoặc nhân tạo phục vụ cho mục đích sản xuất như nuôi trồng thủy sản,…..
Thực vật	Cây hàng năm	– Là đất sử dụng rộng rãi cho mục đích sản xuất lương thực (lúa, hoa màu), đồng cỏ có tính ngắn hạn.
Thực vật	Cây lâu năm	– Là đất có mật độ che phủ từ 10% trở lên, gồm các cây có khả năng lấy gỗ hoặc các sản phẩm khác như loại cây cho bóng mát, rừng, cây ăn quả, cây xanh trong đô thị,…

3.2. Xác định khóa giải đoán ảnh

Lớp phủ		Tổ hợp màu 432	Ảnh thực địa	Mô tả
Cấp I	Cấp II	Tổ hợp màu 432	Ảnh thực địa	Mô tả
Mặt đất	Đất xây dựng			– Khu dân cư: Có màu hồng nhạt đến hồng đậm, trắng, xanh lục nhạt. Kích thước không cố đinh. Cấu trúc min. Có hình dáng bất kỳ – Giao thông: Có dạng tuyến, có màu tím sậm hoặc xám. Kích thước nhỏ, hẹp.
Mặt đất	Đất trống			– Đất trống: Có màu cam đến nâu đậm, đôi khi xen lẫn với màu xanh lục nhat. Cấu trúc lốm đốm. Khu vực kích thước lớn, có hình dáng không xác định.
Mặt nước	Mặt nước			– Có màu xanh lam đến xanh lam đậm đậm đôi khi ngã đen với nước có tạp chất. Dạng tuyến đối với sông hồ, kênh rạch, có cấu trúc mịn. Dạng vùng (đa giác hoặc chữ nhật) đối với mặt nước nuôi trồng thủy sản.
Thực vật	Cây hàng năm			– Có màu xanh mạ non, cấu trúc lốm đốm, hình dáng không xác định
Thực vật	Cây lâu năm			– Có màu xanh lá đến xanh lá sẫm, cấu trúc lốm đốm đôi khi xen lẫn trong khu dân cư.

3.3. Chọn mẫu huấn luyện

Trên thanh menu Envi 🡪 Chọn công cụ Regions of Interest (ROI) Tool

+ Chọn New ROI: Để thêm 1 vùng mẫu

+ ROI Name: Đặt tên vùng mẫu

+ Sử dụng công cụ polygon để vẽ vùng mẫu

Click chuột trái để bắt điểm và nháy đúp chuột trái để kết thúc vùng chọn. Các
vùng sau khi chọn sẽ hiển thị ngay trên ảnh. Kích thước mẫu thường từ 5-40 pixel cho mỗi mẫu. Số lượng mẫu ít nhất 100 pixel cho mỗi lớp thông tin.

+ Xóa vùng mẫu vừa vẽ: Click phải chuột 🡪 Delete record

+ Chọn File 🡪 Save as để lưu vùng mẫu

Bảng kết quả các đối tượng để phân loại.

STT	Lớp phủ bề mặt đất	Mẫu pixel	Số lượng mẫu
1	Xây dựng		20
2	Đất trống		30
3	Mặt nước		30
4	Cây hàng năm		52
5	Cây lâu năm		52

3.4. Kiểm tra độ chính xác vùng mẫu

Trên hộp thoại Region of Interest (ROI) Tool 🡪 Options 🡪 Compute ROI
Separability… 🡪 Select All Items 🡪 OK

Kiểm tra độ khác biệt giữa các mẫu.

Việc đánh giá sự tương quan của các mẫu huấn luyện cho chúng ta thấy khả năng trùng lặp, gây sai số trong giai đoạn phân lớp các đối tượng.

Đánh giá sự khác biệt mẫu là tính toán sự tương quan giá trị phổ giữa các cặp mẫu huấn luyện được lựa chọn cho một tập tin đầu vào cho trước.

Kết quả khác biệt mẫu huấn luyện.

Sự khác biệt mẫu huấn luyện có giá trị từ 0 đến 2 chỉ ra sự khác biệt giữa các cặp mẫu huấn luyện.

Nếu các cặp mẫu huấn luyện có giá trị nằm trong khoảng 1.9 đến 2 chứng tỏ cặp mẫu huấn luyện có sự tách biệt tốt.

Đối với các cặp mẫu huấn luyện nằm trong khoảng từ 1 đến 1.9 thì nên chỉnh sửa lại các mẫu huấn luyện cho phù hợp, còn các cặp mẫu huấn luyện có giá trị thấp hơn 1.0 thì nên gom chúng lại thành cùng một nhóm tránh việc phân loại nhầm lẫn.

Bảng đánh giá chỉ số khác biệt giữa các mẫu huấn luyện

Lớp phủ bề mặt đất	Xây dựng	Đất trống	Mặt nước	Cây hằng năm	Cây lâu năm
Xây dựng	–	1.9553	1.9649	1.9999	1.9999
Đất trống	1.9553	–	1.9934	1.9999	1.9999
Mặt nước	1.9649	1.9934	–	1.9999	1.9999
Cây hằng năm	1.9999	1.9999	1.9999	–	1.9892
Cây lâu năm	1.9999	1.9999	1.9999	1.9892	–

3.5. Phân loại

1. Lựa chọn phương pháp phân loại.

Một số phương pháp phân loại có giám sát phổ biến như:

– Phương pháp phân loại hình hộp (Parallelpiped);

– Phương pháp khoảng cách tối thiểu (Minimum Distance);

– Phương pháp xác suất cực đại (Maximum Likelihood).

Trong các phương pháp trên thì phương pháp Maximum Likelihood được áp dụng khá phổ biến và được xem là thuật toán chuẩn để so sánh với các thuật toán khác được sử dụng trong xử lý ảnh viễn thám.

Maximum Likelihood được xây dựng dựa trên cơ sở giả thuyết hàm mật độ xác suất tuân theo luật phân bố chuẩn. Mỗi pixel được tính xác suất thuộc vào một loại nào đó và nó được chỉ định gán tên loại mà xác suất thuộc vào lớn đó lớn nhất. (Lê Văn Trung, 2017)

2. Phân loại

Trong giáo trình này chúng ta sử dụng phương pháp Maximum Likelihood để phân loại ảnh.

Toolbox 🡪 Classification 🡪 Supervised Classification 🡪 Maximum Likelihood Classification

+ Chọn ảnh cần phần loại

+ Chọn Select Mask Band: Chọn 1 band ảnh bất kỳ (Để khi phân loại ảnh không bị phân loại ra khỏi ranh giới)

4. XỬ LÝ SAU PHÂN LOẠI

Do máy tính chỉ có thể dựa vào giá trị pixel theo kênh phổ, kết quả phân loại ảnh vẫn thường chưa nhiều sai số. vì vậy nhằm nâng cao độ tin cậy của kết quả phần mềm ENVI cung cấp kỹ thuật xử lý sau phân loại:

4.1. Lọc nhiễu kết quả

Phương pháp Majority Analysis sẽ gộp những pixel riêng lẻ hoặc phân loại lẫn trong các lớp vào chính lớp chứa của nó hoặc giá trị pixel trung tâm sẽ được thay thế bằng giá trị của pixel chiếm đa số trong cửa sổ lọc đó

Toolbox 🡪 Classification 🡪 Post Classification 🡪 Majority/Minority Analysis

4.2. Đánh giá độ chính xác phân loại

Để đánh giá độ chính xác sau phân loại ta sử dụng ma trận sai số phân loại và hệ số Kappa.

– Ma trận sai số là một ma trận vuông trong đó số hàng và số cột tương ứng với số loại lớp phủ đã phân loại trước đó. Từ bảng ma trận sai số cung cấp cho ta các chỉ số đo lường của việc tính toán chính xác như độ chính xác tổng thể, phần trăm của sai số bỏ sót và sai số nhầm lẫn, sai số người sản xuất và người sử dụng.

Giả thiết n pixels được phân thành K loại, một ma trận sai số với K hàng và K cột dùng để thể hiện sự phù hợp giữa những loại thực trên mặt đất và những loại giải đoán.

Gọi O_ijlà giá trị thể hiện sự phù hợp ở hàng i và cột j của ma trận K*K, khi đó tổng theo hàng là S_i+ ( i =1,2,..,K) và tổng hàng là S_+j (j = 1, 2,…,K):

Bảng Ma trận sai số phân loại.

Loại thực	Loại được giải đoán
Loại thực	(1)	(2)	…	(K-1)	(K)	Tổng cộng
(1)	O₁₁	O₁₂	…	O_1K-1	O_1K	S₁₊
(2)	O₂₁	O₂₂	…	O_2K-1	O_2K	S₂₊
…	…	…	…	…	…	…
(K-1)	O_K-11	O_K-12	…	O_K-1K-1	O_K-1K	S_K-1+
(K)	O_K1	O_K2	…	O_KK-1	O_KK	S_K+
Tổng cộng	S₊₁	S₊₂	…	S_+K-1	S_+K	₌

Trong đó: K là số lớp phủ bề mặt

N là tổng số pixel trong bộ lưu trữ.

là tổng theo cột

là tổng theo hàng

(loại bề mặt); Với ( i = 1,2,…,K)

(loại giải đoán); Với ( i = 1,2,…,K)

Tỷ lệ phần trăm sai số bỏ sót là phần trăm của các pixel mà lẽ ra phải nằm trong các lớp đã đưa ra nhưng trên thực tế lại không có.

Tỷ lệ phần trăm sai số thực hiện là phần trăm của các pixel nằm trong các lớp đã đưa ra trong khi thực tế chúng lại thuộc về các lớp khác.

Trong đó:

, : số pixel được phân loại đúng nằm trên đường chéo.

– Chỉ số Kappa (K) nhằm thống kê kiểm tra và đánh giá sự phù hợp giữa những nguồn dữ liệu khác nhau hoặc khi áp dụng các thuật toán khác nhau.

Cách xác định chỉ số Kappa được thể hiện ở công thức như sau:

K =

Trong đó: k là tổng số cột trong ma trận sai số

là số mẫu phân loại đúng (đường chéo)

là tổng số mẫu tại hàng i

là tổng số mẫu tại cột i

là tổng số mẫu đánh giá

Khi K = 1, độ chính xác phân loại là tuyệt đối.

Để đánh giá độ chính xác sau phân loại ta có 2 cách sau:

+ Một là tạo vùng mẫu ngẫu nhiên trên Envi sau đó đối chiếu với tài liệu thực địa (Google earth) để đánh giá độ chính xác.

+ Hai là từ tài liệu thực địa (Google earth) chọn các điểm mẫu ngẫu nhiên sau đó đưa vào envi để đánh giá độ chính xác.

4.4.1. Tạo vùng mẫu ngẫu nhiên trên Envi

Bước 1. Gắn vùng mẫu ngẫu nhiên.

Toolbox 🡪 Classification 🡪 Post Classification 🡪 Generate Random Sample Using Groud Truth Image (Tạo mẫu ngẫu nhiên bằng hình ảnh chân thực trên mặt đất) 🡪 Chọn file đã lọc nhiễu 🡪 OK🡪 Xuất hiện hộp thoại

+ Chọn các lớp cần kiếm chứng 🡪 OK

+ Chọn Stratified Radom (gắn diểm ngẫu nhiên)

+ Chọn mẫu dạng Pixel, với tối thiểu là 6 điểm cho mỗi lớp

+ Chọn Choose, chọn đường dẫn để lưu 🡪 OK

Bấm vào View class sample sizes 🡪 Xuất hiện hộp thoại số lượng mẫu của từng đối tượng.

Bảng thống kê số điểm mẫu.

STT	Lớp phủ bề mặt	Số điểm mẫu
1	Xây dựng	65
2	Đất trống	16
3	Mặt nước	17
4	Cây hàng năm	112
5	Cây lâu năm	34
Tổng		244

Bước 2: Xuất vùng mẫu ra shape file

Chuyển toàn bộ số điểm mẫu sang file dịnh dạng (*.shp) để thể hiện tọa độ các điểm mẫu lên Google Earth.

1. Mở lại vùng mẫu ngẫu nhiên đã gắn

Trên hộp thoại “Region of Interest (ROI) Tool” 🡪 File 🡪 Open 🡪 Tìm đến vùng mẫu đã gắn 🡪 OK

2. Xuất vùng mẫu ra shape file

Trên hộp thoại “Region of Interest (ROI) Tool” 🡪 File 🡪 Export to Shapefile

Bước 3. Biên tập vùng mẫu trên Arcgis

1. Chuyển vùng thành điểm

Arctool box 🡪 Data managemet tool 🡪 Feature 🡪 Feature to point

2. Chuyển đổi hệ tọa độ

Trước tiên phải chuyển đổi hệ tọa độ của vùng mẫu từ VN2000 sang WGS 84 bằng ArcGis.

a. Tạo phương pháp chuyển đổi tọa độ

Arctool box 🡪 Data management tool 🡪 Projection and Transformations 🡪 Create Custom Geographic Transformation.

+ Geographic Transformation Name: Đặt tên “VN2000 to WGS84 ”

+ Input Geographic Coordinate System: Chọn Shape file “Điểm mẫu”

+ Output Geographic Coordinate System: Chọn WGS 84

+ Custom Geographic Transformation: Chọn COORDIATE_FRAME

Nhập thông số tính chuyển VN2000 sang WGS 84

+ Tham số dịch chuyển gốc tọa độ

= -191.90441429

= -39.30318279

= -111.45032835

+ Góc xoay

= -0.00928836

= 0.01975479

= -0.00427372

+ Hệ số biến dạng tỉ lệ chiều dài

K = 0.252906278

Ghi chú: Giá trị k mà Quyết định 05/2007/QĐBTNMT quy định chuyển đổi VN2000 sang WGS 84 là k = 1.000000252906278. Nhưng trong phần mềm Arcgis và một số phần mềm khác có chức năng chuyển đổi hệ tọa độ , hệ số tỷ lệ chiều dài k = (k-1).10⁶ suy ra giá trị k nhập vào phần mềm sẽ là k = 0.252906278

b. Chuyển đổi

Arctool box 🡪 Data management tool 🡪 Projection and Transformations 🡪 Project.

+ Geographic Transformation: Shape file “Điểm mẫu”

+ Output: Chọn WGS 84

3. Hiển thị nhãn

Trước khi hiển thị nhãn cần gắn số thứ tự điểm kèm theo tên mẫu. Để khi nhãn hiển thị sẽ có cả số thứ tự điểm và tên mẫu ví dụ “1CLN”, “2DT”….

Mở bảng thuộc tính 🡪 Thêm trường“Nhãn” 🡪 Nhập dữ liệu cho trường “Nhãn” bằng “STT&Class name”

Vào Property 🡪 Label 🡪 Hiển thị nhãn

4. Xuất điểm mẫu ra định dạng KML

Xuất điểm mẫu sang định dạng KML dể mở dữ liệu trên google earth. Sử dụng Google như 1 tài liệu thực địa để kiểm tra độ chính xác.

Việc sử dụng tư liệu Google Earth với độ chính xác từ 2 – 4m, có khả năng bao quát khu vực rộng lớn, có thể tùy chọn thời gian phù hợp với khu vực nghiên cứu phần nào đã khắc phục việc khảo sát thực địa, kiểm chứng kết quả giải đoán với thực tế vốn mất mất nhiều thời gian và chi phí.

Arctoolbox 🡪 Conversion Tools 🡪 To KML 🡪 Layer to KML

Bước 4: Đánh giá độ chính xác

Có thể sử dụng Envi hoặc Excel để đánh giá độ chính xác

4.1: Đánh giá độ chính xác bằng Excel

Đối chiếu điểm mẫu với tải liệu thực địa google earth. Điểm mẫu nào bị lẫn thì ghi chép lại, sau đó sử dụng phần mềm Excel để lập ma trận đánh giá độ chính xác.

1. Kiểm tra điểm mẫu

+ Số điểm mẫu gốc chuyển lên google earth để đối chiếu là

STT	Lớp phủ bề mặt	Số điểm mẫu
1	Xây dựng	65
2	Đất trống	16
3	Mặt nước	17
4	Cây hàng năm	112
5	Cây lâu năm	34
Tổng		244

+ Thống kê số vùng mẫu

1. Đất xây dựng: Chuyển lên 65 mẫu, đúng 64 mẫu, lẫn qua đất trống 1 mẫu.

2. Đất trống: Chuyển lên 16 mẫu, đúng 10 mẫu, lẫn qua đất xây dựng 3 mẫu, lẫn qua cây hàng năm 3 mẫu.

3. Đất mặt nước: Chuyển lên 17 mẫu, đúng 13 mẫu, lẫn qua đất xây dựng 3 mẫu, lẫn qua cây hàng năm 1 mẫu.

4. Cây hàng năm: Chuyển lên 112 mẫu, đúng 105 mẫu, lẫn qua đất xây dựng 6 mẫu, lẫn qua cây lâu năm 1 mẫu.

5. Cây lâu năm: Chuyển lên 34 mẫu, đúng 25 mẫu, lẫn qua đất xây dựng 2 mẫu, lẫn qua mặt nước 1 mẫu, lẫn qua cây hàng năm 6 mẫu.

2. Lập ma trận đánh giá độ chính xác

+ Cách lập bảng ma trận:

1. Các mẫu chuyển lên Google earth mà không bị lẫn thì để trên đường chéo

Ví dụ: Các số 64, 10, 13, 105, 25 là số lượng các mẫu không bị lẫn

2. Các mẫu bị lẫn qua đối tượng khác thì sắp xếp theo chiều dọc

Ta có bảng sau:

	Xây dựng	Đất trống	Mặt nước	Cây hàng năm	Cây lâu năm
Xây dựng	64	3	3	6	2
Đất trống	1	10	0	0	0
Mặt nước	0	0	13	0	1
Cây hàng năm	0	3	1	105	6
Cây lâu năm	0	0	0	1	25
Tổng	65	16	17	112	34

+ Sau khi lập được bảng ma trận trên thì tiến hành đánh giá độ chính xác

Lớp đối tượng trên ảnh phân loại	Lớp đối tượng tham chiếu trên Google Earth
		Xây dựng	Đất trống	Mặt nước	Cây hàng năm	Cây lâu năm	Tổng hàng
	Xây dựng	64	3	3	6	2	78
	Đất trống	1	10	0	0	0	11
	Mặt nước	0	0	13	0	1	14
	Cây hàng năm	0	3	1	105	6	115
	Cây lâu năm	0	0	0	1	25	26
	Tổng cột	65	16	17	112	34	244
Sai số bỏ sót (%)		1.54	37.5	23.53	6.25	26.47
Sai số thực hiện (%)		17.95	9.09	7.14	8.7	3.85
Độ chính xác nhà sản xuất (%)		98.46	62.5	76.47	93.75	73.53
Độ chính xác người sử dụng (%)		82.05	90.91	92.86	91.3	96.15
Độ chính xác toàn cục: 88.93%

+ Cách tính ma trận

1. Sai số bỏ sót (%): Là sai số các mẫu bị lẫn qua đối tượng khác

Sai số bỏ sót (%) = Tổng mẫu bỏ sót/Tổng cột*100

Ví dụ 1: Đất xây dựng có 1 mẫu lẫn qua đất trống khi đó: Sai số bỏ sót (%) = 1/65*100 = 1.54 (%)

Ví dụ 2: Đất trống có 3 mẫu bị lẫn qua xây dựng, 3 mẫu bị lẫn qua cây hàng năm khi đó: Sai số bỏ sót (%)= (3+3)/16*100 = 37.5%

2. Sai số thực hiện (%): Hay còn gọi là sai số thêm vào.

Sai số thực hiện (%) = Tổng mẫu thêm vào/Tổng hàng*100

Ví dụ: Đất xây dựng có 3 mẫu được thêm vào từ đất trống, 3 mẫu được thêm vào từ nước mặt, 6 mẫu được thêm vào từ cây hàng năm, 2 mẫu được thêm vào từ cây lâu năm khi đó Sai số thực hiện (%) = (3+3+6+2)/78*100 = 17.95%

3. Độ chính xác nhà sản xuất (%) = Số mẫu không lẫn/Tổng cột*100

4. Độ chính xác người sử dụng (%) = Số mẫu không lẫn/Tổng hàng*100

5. Độ chính xác toàn cục (%) = Tổng đường chéo / Tổng cột (hàng)*100

= (64+10+13+105+25)/244*100 = 88.93%

4. Chỉ số Kappa

Công thức tính chỉ số Kappa: K =

Trong đó: = Tổng đường chéo / Tổng cột (hàng)

= (Tổng hàng 1) x ( Tổng cột 1) + (Tổng hàng 2) x ( Tổng cột 2) + (Tổng hàng 3) x ( Tổng cột 3) + (Tổng hàng 4) x ( Tổng cột 4) + (Tổng hàng 5) x ( Tổng cột 5) / Bình phương tổng cột (hàng)

4.2: Đánh giá độ chính xác bằng ENVI

1. Kiểm tra điểm mẫu

– Đối chiếu điểm mẫu chuyển lên với google earth, điểm mẫu nào bị lẫn thì chỉnh sửa điểm mẫu đó trên Arcgis.

– Để chỉnh sửa điểm mẫu trên Arcgis ta khởi động thanh Edittor 🡪 Chọn Start editing.

– Sau khi chỉnh sửa xong thì tiến hành chuyển đổi hệ tọa độ WGS84 🡪 VN2000

2. Lập ma trận đánh giá độ chính xác

Trên ENVI 🡪 Tool box 🡪 Classification 🡪 Post Classification 🡪 Confusion Matrix Using Ground Truth ROIs

+ Ở hộp thoại Match classes parameters

Chọn lần lượt tương ứng các cặp đối tượng, rồi nhấn Add Combination

Ta có kết quả là bảng ma trận.

Trong đó:

+ Overall Accuracy: Độ chính xác toàn phần

+ Kappa Coefficient: Chỉ số Kappa

+ Commission: Sai số thực hiện

+ Omission: Sai số bỏ sót

+ Prod. Acc. Độ chính xác nhà sản xuất

+ User Acc. Độ chính xác người sử dụng

4.4.2. Chọn các điểm mẫu ngẫu nhiên trên Google earth

B1. Xuất ranh giới hành chính huyện “THANH BINH” dạng line sang định dạng kml để đưa lên Google earth.

B2. Tạo thư mục “KHAO SAT” trên Google earth để chứa toàn bộ các điểm khảo sát.

B3. Chọn điểm khảo sát

Lưu ý khi ghi tên điểm: Mỗi đối tượng chỉ lưu 1 tên

Ví dụ: Đất xây dựng thì toàn bộ điểm khảo sát của đất xây dựng chỉ ghi là “XD”

4. Lưu thư mục khảo sát

Khi ta lưu thư mục khảo sát này thì google earth sẽ tự động tải về cho chúng ta 1 file kml.

5. Chuyển đổi kml sang layer

Convert tool 🡪 From kml

6. Xuất shape file

Click phải chuột vào point 🡪 Data 🡪 Export

7. Chỉnh sửa bảng thuộc tính

– Xóa các trường không cần thiết.

Arc tool box 🡪 Data management tool 🡪 Fied 🡪 Delete fied

– Thêm 2 trường bắt buộc là “CLASS_NAME” và “CLASS_ID” phải có 2 trường này thì Envi mới nhận dạng được vùng Roi, Nhập đầy đủ thông tin cho 2 trường này.

8. Chuyển đổi hệ tọa độ WGS 84 sang VN2000

9. Thực hiện đánh giá độ chính xác trên Envi

Trên ENVI 🡪 Tool box 🡪 Classification 🡪 Post Classification 🡪 Confusion Matrix Using Ground Truth ROIs

5. XUẤT KẾT QUẢ

5.1: Chuyển dữ liệu sang Vector

Toolbox 🡪 Classfication 🡪 Post Classfication 🡪 Classification to Vector

5.2: Chuyển đổi Evf sang Shp

Toolbox 🡪 Vector 🡪 Classic Evf to Shapefile 🡪 Chọn file vừa xuất sang (.evf).

5.3. Chỉnh sửa kết quả

Kiểm tra tổng thể bản đồ kết quả trên phần mềm Arcgis, mở ảnh lên để đối chiếu 🡪 Sử dụng các công cụ trên Arcgis để chỉnh sửa bản đồ.

5.4. So sánh diện tích phân loại với diện tích kiểm kê

So sánh tổng diện tích của từng lớp phủ bề mặt giải đoán với tổng diện tích loại đất tương ứng trên bản đồ hiện trạng sử dụng đất, hoặc trong bảng báo cáo kiểm kê.

– Nếu có sự sai lệch ít thì là phân loại đúng (Phải có sự sai lệch mới đúng)

– Nếu chênh lệch quá nhiều hoặc không hợp lý thì kiểm tra lại bản đồ và điều chỉnh.

PHẦN 2. XỬ LÝ ẢNH VIỄN THÁM RADAR

1: TẢI ẢNH SENTINEL 1

1.1. Tải ảnh Sentinel 1

+ Ảnh Sentinel 1 có thể được lấy từ 2 trang web sau:

1. https://scihub.copernicus.eu/dhus/#/home (Chương trình giám sát trái đất của ESA)

2. https://search.asf.alaska.edu/#/

1.1.1. Tải ảnh Sentinel 1 trên trang scihub.copernicus.eu

(Chương trình giám sát trái đất của ESA)

Bước 1: Truy cập vào địa chỉ website

https://scihub.copernicus.eu/dhus/#/home

+ Đăng ký tài khoản 🡪 Sau đó đăng nhập vào trang Web

Hình 2. Website của Chương trình giám sát trái đất của ESA

Bước 2: Khoanh vẽ khu vực thực nghiệm

Tìm đến khu vực thực nghiệm 🡪 Sử dụng chuột phải để vẽ khu vực thực nghiệm

Bước 3: Điền thông số tìm kiếm dữ liệu

– Thời gian thu thập dữ liệu

– Tích chọn loại dữ liệu Sentinel-1

– Bắt đầu tìm kiếm

Bước 4: Download ảnh

1.1.2. Tải ảnh Sentinel 1 trên trang https://search.asf.alaska.edu/#/

(nên dùng)

Bước 1: Truy cập vào trang web https://search.asf.alaska.edu/#/

Tạo tài khoản 🡪 Đăng nhập

Bước 2: Chọn khu vực nghiên cứu

+ Di chuyển đến khu vực nghiên cứu, 🡪 Vẽ khu vực mà mình cần tải về 🡪

+ Ở mục dataset: Chọn Sentinel 1

+ Ở mục Filter: Nhập ngày tháng lấy ảnh

🡪 Sau đó chọn Search

Bước 3: Chọn ảnh để tải về

+ Chọn ảnh có ký hiệu “IW_GRDH_1SDV” 🡪 Chọn L1 Detected High – Res Dual – pol (GRD-HD) 🡪 Tải về

2: TIỀN XỬ LÝ ẢNH

2.1. Hiệu chỉnh tán xạ và nắn chỉnh hình học

Quá trình hiệu chỉnh tán xạ và nắn chỉnh hình học ảnh Sentinel 1 được thực hiện trên phần mềm Snap.

+ Mở file ảnh: 🡪 Open Product 🡪 manifest.safe

+ Hiển thị ảnh: Chọn ảnh Jntensty_VV

+ Mở hộp thoại nắn ảnh: Chọn biểu tượng GraphBuilder

+ Chuẩn hóa bức xạ: Click phải chuột chọn Add 🡪 Radar 🡪 Radiometric 🡪 Calibration

+ Chuyển đổi giá trị bức xạ sang giá trị tán xạ (đơn vị dB): Click phải chuột chọn Add 🡪 Raster 🡪 Data Conversion 🡪 LinearToFromdB

+ Hiệu chỉnh hình học với ảnh hưởng của địa hình: Click phải chuột chọn Add 🡪 Radar 🡪 Geometric 🡪 Terain Correction 🡪 Terrain-Correction.

+ Liên kết các bước: Click phải chuột chọn Connect Graph

+ Đặt dữ liệu đầu vào, đầu ra và các thông số cho GraphBuilder

– tab Read 🡪 Data Fomat: Chọn SENTINEL-1

– tab Write 🡪 Save as: chọn Geo TIFF 🡪 Chọn thu mục lưu kết quả

– tab Calibration 🡪 Polarisation: Chọn phân cực (Ví dụ chuẩn hóa cho phân cực VV), Tích chọn Output sigma0 band.

– tab Linear toFromdB 🡪 Source bands: Chọn Sigma0_VV (Tính chuyển đổi sang giá trị Sigma0 đối với phân cực VV (đơn vị dB))

– tab Terrain-Correction

+ Source Bands: Sigma0_VV_db. (Hiệu chỉnh hình học cho sản phẩm phân cực VV đã hiệu chỉnh bức xạ)

+ Digital Elevation Model: SRTM 3Sec (Auto Dowload) (Nắn chỉnh theo DEM SRTM)

+ Pixel Spacing (m): 20.0

+ Pixel Spacing (deg): Tự động thay đổi theo khi ta thay đổi Spacing (m).

Lưu ý: Khi thay đổi Pixel Spacing (m) thì ta bấm vào một đối tượng khác để làm mới thì (deg) mới thay đổi theo (Ví dụ bấm vào khoảng trắng ở Source Bands)

+ Chọn Run: Để thực hiện quá trình nắn ảnh và hiệu chỉnh giá trị tán xạ phản hồi.

2.2 Ghép ảnh

– Mở hộp thoại ghép ảnh: Raster 🡪 Geometric operations 🡪 Mosaicing

+ tab I/O Parameters 🡪 Bấm vào dấu cộng 🡪 Thêm ảnh cần ghép (ảnh đã nắn và hiệu chỉnh giá trị tán xạ phản hồi) 🡪 Chọn Save as: GeoTiFF 🡪 Chọn thư mục lưu kết quả.

+ tab Map Projection Definition 🡪 Chọn phép chiếu: UTM/WGS84 (Automatic) và độ phân giải: 20 m

+ tab “Variables & Conditions” 🡪 Bấm vào biểu tượng Choose the band to process 🡪 Chọn band cần ghép

Cắt ảnh sơ bộ: Raster 🡪 Subset

+ Ở tab Spatial Subset 🡪 Nhập Scene start X,Y; Nhập Sence end X,Y để tạo khung cắt ảnh.

2.3. Cắt ảnh

PHẦN 3: PHÂN LOẠI HƯỚNG ĐỐI TƯỢNG

+ Quy trình chung phân loại hướng đối tượng

Bước 1: Hiển thị và quản lý dữ liệu

Bước 2: Phân mảnh ảnh và xem các đặc trưng của đối tượng ảnh

Bước 3: Thiết lập chú giải cho phân loại

Bước 4: Thiết lập quy tắc và tiến hành phân loại

Bước 5: Chỉnh sửa kết quả bằng tay

Bước 6: Đánh giá kết quả và xuất kết quả

Bước 1: Hiển thị và quản lý dữ liệu

1. Tạo mới một Project.

File 🡪 New project

+ Đối với ảnh Radar thì thêm ảnh đã lọc nhiễu

+ Đối với ảnh quang học thì thêm 2 kênh ảnh B4, B8 vào lần lượt B4 là Layer 1, B8 là layer 2

Save Project: File 🡪 save project 🡪 Đặt tên file

Bước 2: Phân mảnh ảnh và xem các đặc trưng của đối tượng ảnh

Process 🡪 Process Tree 🡪 Click phải chuột chọn Append New 🡪 Chọn thuật toán phân mảnh.

– eCognition cung cấp một số thuật toán cho phân mảnh ảnh như: Chessboard segmentation, Quatree based segmentation, Multiresolution segmentation

Trong đó thuật toán phân mảnh thường xuyên được sử dụng là phân mảnh đa độ phân giải (Multiresolution segmentation) (cho phép chạy cùng một lúc với nhiều ảnh có độ phân giải khác nhau)

Multi-segmentation: Áp dụng mức độ tối ưu hoá làm giảm thiểu mức độ bất đồng nhất của đối tượng ảnh cho một độ phân giải nhất định. Thuật toán có thể được ứng dụng trên mức Pixel hay mức đối tượng ảnh.

Thuật toán được thực hiện dựa theo việc lựa chọn các trọng số về hình dạng (shape), màu sắc (color), độ chặt (compactness), độ trơn (smothness) do người phân loại lựa chọn.

+ Ở mục Algorithm: Chọn thuật toán Multiresolution segmentation

+ Level name: Đặt tên cho Level (Vd Level 1)

+ Image layer weights: Đặt trọng số cho từng layer.

+ Segmentation settings: Thay đổi các thông số tỷ lệ, màu sắc, độ chặt để tìm ra thông số phù hợp để phân mảnh.

Cụ thể:

+ Thay đổi Scale Parameter, giữ nguyên Shape 0,1; Compactness 0,5.

Lần 1: Lựa chọn thông số Scale parameter: 30.

Nhận xét: lô quá to, trong 1 lô vẫn còn có 2 đến 3 trạng thái khác nhau.

Lần 2: Lựa chọn thông số Scale parameter: 20.

Nhận xét: lô vẫn to, trong 1 lô vẫn có 2 trạng thái khác nhau.

Lần 3: Lựa chọn thông số Scale parameter: 10.

Nhận xét: diện tích lô vừa phải, không còn hiện tượng có 2 trạng thái trong 1 lô. Tuy nhiên có một số chỗ có hiện tượng một trạng thái nhưng được khoanh thành 2 đến 3 lô.

Kết luận về Scale parameter: Trong các trường hợp trên chọn thông số 10. Thông số này sẽ quyết định diện tích lô được khoanh vẽ tự động.

+ Thay đổi Shape, giữ nguyên Scale Parameter 10; Compactness 0,5.

Lần 1: Lựa chọn thông số Shape 0,1.

Nhận xét: Hình dạng mảnh khá giống với thực tế.

Lần 2: Lựa chọn thông số Shape 0,2.

Nhận xét: Hình dạng mảnh bị bo tròn hơn.

Lần 3: Lựa chọn thông số Shape 0,3.

Nhận xét: Hình dạng mảnh tròn dần lên.

Lần 4: Lựa chọn thông số Shape 0,05.

Nhận xét: Hình dạng mảnh hơi gấp khúc.

Lần 5: Lựa chọn thông số Shape 0,03.

Nhận xét: Hình dạng mảnh gấp khúc rõ nét hơn.

Lần 6: Lựa chọn thông số Shape 0,01.

Nhận xét: Hình dạng mảnh quá gấp khúc.

Kết luận về Shape: Như vậy chỉ cần thay đổi ở mức vi chỉnh cho thông số shape ở quanh vị trí 0,1. Đây là thông số ảnh hưởng đến hình dạng mảnh và đường biên của mảnh (Là mượt hay gấp khúc).

+ Thay đổi Compactness, giữ nguyên Scale Parameter 10; Shape 0,1.

Sau một số lần điều chỉnh đều không nhận rõ sự ảnh hưởng khi thay đổi thông số Compactness.

Kết luận về Compactness. Nên để giá trị mặc định của phần mềm là 0,5.

Sau khi đặt xong các tham số, click chuột vào Execute để thực hiện quá trình phân mảnh ảnh.

Bước 3: Thiết lập chú giải cho phân loại

Classification 🡪 Class Hierarchy 🡪 Xuất hiện hộp thoại để tạo các lớp phân loại 🡪 Lần lượt tạo chú giải cho các lớp

Tạo các lớp sau: Nước mặt, thực vật ngập, thực vật không ngập, đất trống, dân cư

Bước 4: Thiết lập quy tắc và tiến hành phân loại

+ Đối với ảnh Quang học ta cần tính chỉ số NDVI, đối với ảnh Radar ta sử dụng chỉ số dB có trên ảnh.

4.1. Công thức tính chỉ số NDVI ảnh Sentinel 2

Ở đây: NIR (Near Infrared) là kênh gần hồng ngoại (đối với dữ liệu Sentinel-2 là kênh 8); Red là kênh đỏ (đối với dữ liệu Sentinel-2 là kênh 4).

Giá trị của NDVI (từ -1 đến 1) càng cao thể hiện hoạt động quang hợp càng mạnh.

Trong đó: NIR: kênh cận hồng ngoại; RED: kênh đỏ.

4.2. Lập công thức tính chỉ số NDVI

Tool 🡪 Manager customized Features 🡪 Add 🡪 Xuất hiện hộp thoại Customized Features

+ Mục Name: Đặt tên là NDVI

+ Ở ô gõ công thức chọn vào Layer values 🡪 Mean 🡪 Chọn là ([Mean Layer 2]-[Mean Layer 1])/([Mean Layer 2]+[Mean Layer 1])

4.3. Tính chỉ số NDVI

Trên thanh Menu 🡪 Chọn Classification 🡪 Nearest Neighbor 🡪 Edit standard NN Feature space 🡪 Chọn Object Feature 🡪 Customized 🡪 Kích đúp vào NDVI

4.4. Thiết lập quy tắc và tiến hành phân loại

+ Khảo sát chỉ số NDVI/dB để thiết lập bộ quy tắc phân loại

+ Để tiến hành khảo sát chỉ số ta cần khởi động một số chức năn sau:

+ Classification 🡪 Nearest Neighbor 🡪 Edit Standard Feature space 🡪 Object feature.

+ Classification 🡪 Sample 🡪 Sample Editor 🡪 Xuất hiện cửa sổ Sample Editor ta có thể xem giá trị của chỉ số ở đây hoặc mở Image Objects 🡪 Image Objects information

+ Classification 🡪 Sample 🡪 Select Sample

+ Tiến hành khảo sát cùng 1 đối tượng ở nhiều vị trí khác nhau để xác định khoảng ngưỡng của đổi tượng.

+ Kết hợp với các tài liệu thực địa để nhận dạng đối tượng đang khảo sát.

Ta thu được kết quả bộ quy tắc phân loại ảnh Quang học như sau:

Bộ quy tắc (Rule Set)

Nước mặt

Thực vật ngập

Thực vật

không ngập

Segmentation 1

NDVI < 0,25

0,39 < NDVI ≤ 0,6

NDVI ≥ 0,6

Ảnh Sentinel-2

Level 1: Scale=10;

Shape=0,1; Compactness=0,5

Đất trống

Dân cư

0,25 ≤ NDVI < 0,3

0,3 ≤ NDVI < 0,39

Bộ quy tắc phân loại ảnh Radar

Bộ quy tắc (Rule Set)

Nước

mặt

Thực vật không ngập

Segmentation 1

Lớp 1 < -13dB

– 12dB < Lớp 1 < -9,9 dB

-9,5dB < Lớp 1 < -4,6dB

-9,9dB ≤ Lớp 1 ≤ -9,5dB

Ảnh Sentinel-1

Level 1: Scale=10; Shape=0,1;

Compactness=0,5

-4,6dB ≤ lớp1 < 0dB

Lớp 1 > 0dB

-13dB ≤ Lớp 1 ≤ -12dB

Đất Trống

Thực vật

ngập

Dân cư

4.5. Tiến hành phân loại dựa trên bộ quy tắc

+ Phân loại

Click phải chuột vào Process Tree 🡪 Append New 🡪 Assign class 🡪 Chọn Threshold condition.

Ví dụ: Đối với lớp nước mặt trên ảnh Quang học Ngưỡng < 0,25. Ta tiến hành nhập các thông số như sau:

1. Đối với lớp “Nước mặt”

+ Threshold condition: Ngưỡng < 0,25

+ Ở mục Useclass: Chọn lớp Nước mặt

+ Bấm Execute 🡪 Ta thu được kết quả

+ Thực hiện tương tự đối với các lớp phủ khác, và ảnh radar

Bước 6: Biên tập và xuất kết quả

1. Chỉnh sửa bằng tay

Công cụ Chỉnh sửa bằng tay bao gồm: gộp đối tượng (Merge Objects Manually), phân loại đối tượng ảnh (Classify Image Objects Manually) và chia nhỏ một đối tượng ảnh (Cut an Object Manually)

Để nhìn vào công cụ chỉnh sửa bằng tay:

Vào view🡪 Custionmize

Hình 5.1a: Công cụ chỉnh sửa bằng tay

Trên của sổ customize chọn Manual Editting🡪 close

Các công cụ của thanh Manual Editting hiện ra

Hình 5.1b: Thanh công cụ chỉnh sửa bằng tay

Có thể kéo thả hộp công cụ để chỉnh sửa (editting) cho các đối tượng ảnh chưa phân loại, và đối tượng ảnh đã được phân loại thành các lớp chuyên đề.

Công cụ lựa chọn (selection) đối tượng đơn
Lựa chọn đối tượng theo Polygon
Lựa chọn đối tượng theo dạng đường (line)
Lựa chọn đối tượng theo hình chữ nhật (Rectangle)
- 1. Gộp các đối tượng ảnh:

Tools > Manual Editing > Merge Objects

Hình 5.2a, 5.2b, 5.2c. Quá trình gộp các đối tượng

- 1. Chia nhỏ một đối tượng ảnh (cut an image object)

Hình 5.3a, 5.3b, 5.3c. Quá trình chia nhỏ các đối tượng

- 1. Phân loại đối tượng ảnh bằng tay

Công cụ này cho phép phân loại đối tượng ảnh thành các lớp chuyên đề.

Trên cửa sổ Manual Editting chọn: image object editting và hộp thoại bên cạnh là tên của lớp chúng ta muốn gán đối tượng ảnh thành lớp chuyên đề đó.

Sau đó, Click vào biều tượng classify image object để phân loại.

Hình 5.4a, 5.4b, 5.4c. Phân loại đối tượng ảnh bằng tay

2. Xuất kết quả

2.1. Xuất dữ liệu dạng vector (Shapefile)

- Ở mục Export chọn Shape file
- ở mục Content Type chọn Polygon raster
- ở mục fomart chọn Shapefile
- Ở mục Export file name đặt tên file

- Bấm vào Select classes 🡪 Chọn các lớp cần xuất kết quả. (Select classes) 🡪 Đưa các lớp cần xuất kết quả sang ô bên phải 🡪 ok

- Tiếp tục bấm vào Select feature

Chọn Class-Related features 🡪 Relation to classification 🡪 Class name 🡪 Kích đúp vào Create new ‘class name’ 🡪 ok

- Bấm vào Export 🡪chọn đường dẫn để lưu kết quả

Bước 7: Đánh giá kết quả phân loại

1. Đánh giá kết quả phân loại bằng phần mềm Excel

Tạo shape file dạng điểm trên phần mềm Arcgis 🡪 Xuất qua Google earth để kiểm tra thực địa.

(Thực hiện như phần trên)

2. Đánh giá kết quả phân loại tự động bằng phần mềm Ecognition

Bước 1: Tạo file điểm khảo sát.

+ Mở phần mềm Arcgis 🡪 Đưa kết quả phân loại vào phần mềm 🡪 Tạo chuyên đề cho các đối tượng.

+ Tạo shape file dạng điểm (Cùng hệ tọa độ với kết quả phân loại) --> Mở bảng thuộc tính 🡪 Tạo thêm trường Ví dụ “Class_name” 🡪 Chọn các mẫu khảo sát và nhập tên mẫu vào cột “Class_name”

Lưu ý: Khi nhập tên mẫu, nhập đúng tên mẫu đã phân loại trên eCognition

Bước 2: Chuyển file điểm kiểm tra *.shp vào Ecognition

File 🡪 Modify Open Project 🡪 Xuất hiện hộp thoại Modify Project 🡪 Ở mục Thematic layer alias 🡪 Chọn Insert

Bước 3: Đánh giá độ chính xác bằng Ecognition

1. Chạy lệnh phân mảnh và phân loại

+ Đầu tiên chạy lại lệnh phân mảnh và các lệnh phân loại (level chạy lúc này đang là level1) (Bước này có thể bỏ qua)

+ Tiếp tục chạy lệnh phân mảnh và các lệnh phân loại một lần nữa lúc này level chạy chọn là level2

2. Chạy lệnh Assign class: Xóa thuộc tính, mẫu của tất cả các lô trong Level2

Ở mục Level: Chọn level2

2. Chạy lệnh Delete all samples (xóa toàn bộ các mẫu đang có).

3. Chạy lệnh assign class by thematic layer (Gán thông tin từ file điểm khảo sát)

+ Ở mục Level: Chọn level2

+ Ở mục Thematic layer attribute: Chọn “Class_name” (Ở bước 1 đặt tên trường gì thì ở đây chọn tên trường đó)

+ Ở mục Class mode: Chọn Create new class

4. Chạy lệnh Classified image objects to samples (Copy điểm khảo sát vừa gán thành mẫu trong eCognition

+ Ở mục Level: Chọn level2

5. Tạo TTA mask: Chuyển các điểm mẫu đã có thuộc tính sang dạng mặt nạ.

Classification 🡪 Samples 🡪 Create TTA mask from samples 🡪 Level2

6: Đánh giá độ chính xác

Tool 🡪 Accuracy Assesment

+ Ở mục Image object level: Chọn level1

+ Ở mục Statistic type: Chọn Error Matrix based on TTA Mask

+ Bẩm vào Show statistics để hiển thị kết quả

PHẦN 4: THÀNH LẬP BẢN ĐỒ BIẾN ĐỘNG

Bước 1. Chồng xếp bản đồ.

Có 2 chức năng chồng xếp bản đồ thường được sử dụng trong Arcgis đó là Intersect, union

+ Chức năng chồng xếp union thì sau khi chồng xếp cần xóa đối tượng không biến động (Đối tượng không chuyển qua đối tượng khác)

+ Chức năng chồng xếp intersect thì không cần xóa đối tượng không biến động (Đối tượng không chuyển qua đối tượng khác)

Bước 2. Tạo ma trận biến động.

1. Tạo bảng ma trận tự động trên Arcgis

Từ 2 bản đồ hiện trạng 🡪 Sử dụng công cụ Tabulate Area 🡪 để tạo ma trận biến động tự động trên Arcgis.

2. Tạo ma trận biến động bằng excel

Xuất bảng thuộc tính và sử dụng chức năng paivot table trên Excel để phân tích biến động

Arctool box 🡪 Convertool 🡪 Excel 🡪 Table to excel (Lưu ý nhớ tích chọn đòng Use field alias as column header (optional)

Trên excel ta chọn Insert 🡪 Pivot table 🡪 Xuất hiện hộp thoại 🡪 Quét chọn 3 cột Class_2010, Class_2020, Dien tich BD 🡪 Tích vào New work sheet

+ Rows: Class_2010

+ Columns: Class_2020

+ : Dien tich BD

PHẦN 5: BIÊN TẬP BẢN ĐỒ

1. Đưa bản đồ lên trang Layout

View 🡪 Layout view

– Thiết lập tỷ lệ bản đồ: Căn cứ vào diện tích khu vực nghiên cứu theo thông tư 27/2014 (trang 24)

– Chọn khổ giấy in: Theo tỷ lệ bản đồ

2. Tạo lưới km

– Mắt lưới: Theo quy định trong thông tư 27/2018 (trang 25)

Ví dụ: Tỷ lệ bản đồ là 1:25000 theo thông tư thì mắt lưới là 8cm x 8cm

Vậy ta làm phép tính: Lấy 8cm x với tỷ lệ bản đồ 8 x 25000 = 200000cm = 2000m

Nhập vào Arcgis là 2000 thì ta sẽ có mắt lưới 8cm

3. Tạo khung bản đồ

Insert 🡪 Neatline

– Trình bày khung: Theo quy định trong thông tư 27/2018 (Phụ lục 4 trang 22)

+ Khung 1: là khung trong cùng trùng với Data Frame, Weight: 0.2mm

+ Khung 2: Khoảng cách 10 mm, Weight: 0.3 mm

+ Khung 3: Khoảng cách 2.2 mm, Weight: 1 mm

+ Khung 4: Khoảng cách 1.5 mm, Weight: 1.8 mm

Lưu ý: Một số chức năng trên Arcgis sẽ không nhập được đơn vị mm mà phải nhập đơn vị point. (ký hiệu pt)

Quy đổi: 1 point = 0.353 mm

4. Trình bày text

1. Tên bản đồ

Insert 🡪 Text

Kiểu chữ và kích thước chữ trình bày theo quy định trong thông tư 27/2018

Mẹo: Nếu không nhớ thông tư thì tham khảo bản đồ hiện trạng sử dụng đất chuẩn trên Microstation.

Tên bản đồ (In hoa, bôi đậm): BẢN ĐỒ HIỆN TRẠNG SỬ DỤNG ĐẤT NĂM 2019

Fonts: Time new roman

Kích thước: Height: 500.000

Width: 500.000

Đổi đơn vị: (Kích thước / Tỷ lệ bản đồ) * 1000 (mm)

Ví dụ: 500/25000*1000 = 20 mm

=> Size 20mm

2. Tên phụ

Tên phụ (In hoa, bôi đậm): HUYỆN BA CHỀ – TỈNH QUẢNG NINH

Fonts: Arial

Kích thước: Height: 375.000

Width: 375.000

=> Size: 375/25000*1000 = 15 mm

3. Tỷ lệ

Text (In hoa, bôi đậm): TỶ LỆ 1:25 000

Fonts: Time new roman

Kích thước: Height: 250.000

Width: 250.000

=> Size: 250/25000*1000 = 10 mm

4. Text lưới

Fonts: Arial

Kích thước: Height: 60.000

Width: 60.000

=> Size: 60/25000*1000 = 2.4 mm = 6.8 pt (1point = 0.353mm)

5. Tên huyện

Tên huyện: (In hoa, bôi đậm)

Fonts: Arial

Kích thước: Height: 240.000

Width: 240.000

=> Size: 240/25000*1000 = 9.6 mm

6. Tên xã

Tên xã: (In hoa, bôi đậm)

Fonts: Arial

Kích thước: Height: 62.500

Width: 62.500

=> Size: 62.5/25000*1000 = 2.5 mm

5. Trình bày Line

Đường địa giới đơn vị hành chính các cấp trình bày theo quy định trong thông tư 27/2018

1. Địa giới quốc gia

– Mở shape file hành chính 🡪 Chọn khu vực nghiên cứu 🡪 Export 🡪 Chuyển đổi sang dạng đường

– Mở bảng thuộc tính 🡪 Thêm trường “Loai_KH” 🡪 Nhập dữ liệu “Line_QG”

– Hiển thị: Property 🡪 Symbology 🡪 Chọn trường Line_QG

– Tạo kiểu đường: Click đúp vào Line_QG 🡪 Chọn Style reference 🡪 Add style to list 🡪 Chọn Style “RG_QG” 🡪 Tùy chỉnh Style theo tỷ lệ bản đồ.

+ Địa giới quốc gia xác định:

+ Weight line: 0.8 mm

+ Weight chấm tròn: 0.6 mm

Lưu ý: Tạo thêm 1 line trắng 0.81 mm để che phần ranh giới nằm dưới

+ Bấm vào dấu cộng 🡪 Chọn Simple Line Symbol 🡪 Độ rộng 0.81 mm, màu trắng, và đặt ở dưới cùng.

2. Địa giới cấp tỉnh

+ Địa giới tỉnh xác định:

+ Weight line: 0.6 mm

+ Weight chấm tròn: 0.6 mm

+ Tạo thêm 1 line trắng 0.61 mm để che phần ranh giới nằm dưới

3. Địa giới cấp huyện

+ Địa giới huyện xác định:

+ Weight line: 0.4 mm

+ Weight chấm tròn: 0.4 mm

+ Tạo thêm 1 line trắng 0.41 mm để che phần ranh giới nằm dưới

3. Địa giới cấp xã

+ Địa giới xã xác định:

+ Weight line: 0.2 mm

+ Weight chấm tròn: 0.2 mm

6. Tạo chú dẫn

1. Tạo chú dẫn

Insert 🡪 Legend 🡪 Nhập tên “CHÚ DẪN” Căn giữa 🡪 Chọn đối tượng cần chú dẫn 🡪 Next cho đến khi hoàn thành

Text (In hoa, bôi đậm): CHÚ DẪN

Fonts: Arial

Kích thước: Height: 97.500

Width: 97.500

=> Size: 97.5/25000*1000 = 3.9 mm = 11.06 pt (1point = 0.353mm)

2. Trình bày.

– Trên Layer map phần địa giới.

Đổi tên “RG_QG” thành “ĐỊA GIỚI HÀNH CHÍNH”

Phần mô tả đổi thành “ Ký hiệu Giải thích”

Còn phần ranh giới huyện và xã thì không cần đổi (Lấy theo ký hiệu và giải thích ở phần RG_QG

– Trên Layer map phần chuyên đề.

Đổi tên thành “HIỆN TRẠNG LỚP PHỦ NĂM 2010”

Phần mô tả đổi thành “ Màu sắc Giải thích”

3. Chọn kiểu (Style)

Click phải chuột vào chú dẫn 🡪 Properties… 🡪 Item

– Chọn “ĐỊA GIỚI HÀNH CHÍNH” 🡪 Style 🡪 Chọn kiểu trình bày

– Phần “RG_H” và RG_X chỉ cần trình bày ký hiệu và nhãn 🡪 Style 🡪 Chọn kiểu trình bày

– Phần “HIỆN TRẠNG LỚP PHỦ 2010” 🡪 Style 🡪 Chọn kiểu trình bày

4. Kích thước và font chữ

+ Chọn cả 4 lớp đối tượng 🡪 Symbol

Fonts: Time new roman

Kích thước: Height: 92.534

Width: 92.534

=> Size: 92.534/25000*1000 = 3.7 mm = 10.49 pt

Kết quả chú dẫn:

7. Tạo thước tỷ lệ

Insert 🡪 Scale bar

Size = 3.7 mm = 10.49 pt

Backroud: Chọn white (để làm nền trắng che cái phía dưới)

Thước tỷ lệ cần đặt ngang với khung chú giải

PHỤ LỤC

1. Đặc điểm kỹ thuật của dữ liệu Sentinel-2

1.1.1 Đặc điểm hệ thống

Hai vệ tinh Sentinel-2 được thiết kế bay ở độ cao 786 km trong quỹ đạo đồng bộ mặt trời, được thiết kế phân pha ở 180° trên các mặt đối diện của quỹ đạo nên tấp suất chụp lặp của 2 vệ tinh rất cao, là 5 ngày.

Hình 17. Cấu hình quỹ đạo vệ tinh Sentinel-2

Vệ tinh Sentinel-2 được thiết kế tiên tiến dựa trên các nền tảng mới do tập đoàn Astrium GmbH phát triển có thừa hưởng kinh nghiệm mà EADS-Astrium từ việc chế tạo các vệ tinh ESA trước đây. Mỗi vệ tinh Sentinel-2 nặng khoảng 1,2 tấn, với tuổi thọ 7,25 bao gồm giai đoạn vận hành trên quỹ đạo. Vị trí của mỗi vệ tinh Sentinel-2 được xác định trên quỹ đạo bằng thiết bị GNSS để đảm bảo việc chính xác của quỹ đạo bay, hệ thống Sentinel-2 bao gồm:

Trạm vận hành hướng bay để điều khiển, giám sát và lập lệnh cho vệ tinh;
Trạm mặt đất quản lý trữ lượng dữ liệu lưu trên vệ tinh (payload) để lập lịch quét, tải dữ liệu thu nhận, xử lý, lưu trữ, phân phối và kiểm soát chất lượng;
Mạng lưới các trạm băng tần S và X cho phép liên lạc với vệ tinh từ 4 trạm mặt đất Kiruna, Svalbard, Mas Palomas và Prince Albert.

Ở chế độ bình thường, vệ tinh hoạt động thu ảnh có tính hệ thống với chu kỳ 10 ngày. Tuy nhiên, trong trường hợp khẩn cấp vệ tinh có thể thu nhận dữ liệu và cung cấp cho người sử dụng trong vòng 3 giờ đồng hồ sau khi thu nhận.

Bảng 1. Đặc tính kỹ thuật của hệ thống Sentinel-2

Đặc điểm hệ thống vệ tinh	Thông tin
Tính liên tục	Cần 4 vệ tinh hoạt động trong chu kỳ 15 năm
Các trạm mặt đất	Ở Italia, Nauy, Tây Ban Nha, Alaska
Độ tin cậy	0.7
Độ sẵn có	97%
Định vị không có điểm khống chế GCP	<20m
Độ rộng dải quét	290 km
Phương thức hoạt động	Tiêu chuẩn, mở rộng, hỗ trợ, an toàn
Thời lượng chụp ảnh tối đa	32 phút mỗi 100 phút trong quỹ đạo

Sự kết hợp giữa dải quét rộng và yêu cầu thu nhận dữ liệu toàn cầu liên tục với tần suất chụp lặp cao dẫn đến việc Sentinel -2 tạo ra khoảng 1,6 TBytes dữ liệu hình ảnh thô được nén mỗi ngày. Điều này có nghĩa tốc độ cung cấp dữ liệu thô trung bình liên tục là 160 Mbit/s, với khả năng lưu trữ bộ nhớ là 2,4 Tbits. Dữ liệu được nén bằng thuật toán nén đa độ phân giải dựa trên sự phân tách sóng. Chức năng này hoạt động trong thời gian thực đem lại tốc độ truyền ổn định với tỷ lệ nén được tối ưu hóa cho từng kênh phổ để đảm bảo chất lượng ảnh.

Vệ tinh Sentinel-2 phóng lên vũ trụ mang nhiệm vụ cung cấp tính liên tục cho các dịch vụ giám sát trái đất bằng dữ liệu quang học độ phân giải không gian cao. Bộ cảm quang học trên vệ tinh được thiết kế cải tiến để cung cấp ảnh ở 13 kênh phổ từ dải nhìn thấy, cận hồng ngoại và hồng ngoại sóng ngắn. Thiết bị đa phổ MSI cung cấp ảnh từ bước sóng 443nm đến 2190nm và chụp bề mặt đất toàn cầu một cách có hệ thống từ 560 Nam đến 840 Bắc. Dữ liệu ảnh Sentinel-2 cung cấp 3 loại độ phân giải không gian gồm: Độ phân giải 10 m ở 4 kênh từ dải hồng ngoại nhìn thấy và cận hồng ngoại; 20 m ở 6 kênh từ dải viền đỏ và cận hồng ngoại; 3 kênh độ phân giải 60 m dùng để hiệu chỉnh khí quyển.

Sentinel-2 cũng được thiết kế để quay ống kính đến ± 20,60 dọc theo dải quét để phục vụ các yêu cầu khẩn cấp. Tín hiệu được truyền đến các trạm mặt đất lõi của Sentinel và thông qua liên kết laser của EDRS.

Từ khía cạnh quan sát Trái đất, các nhà nghiên cứu luôn mong muốn có thể sử dụng nguồn dữ liệu mở và miễn phí như các dòng vệ tinh Landsat và Sentinel. Do đó, khi kết hợp ảnh các vệ tinh Landsat 5-8 với dữ liệu ảnh Sentinel-2 sẽ đạt tần suất chụp lặp 3 ngày tại một điểm trên mặt đất. Do đó, dữ liệu Sentinel-2 có thể mang lại kết quả mong muốn nếu áp dụng phương pháp phù hợp.

1.1.2 Đặc điểm phản xạ phổ

Do các thông tin viễn thám có liên quan trực tiếp đến năng lượng phản xạ từ các đối tượng tự nhiên, nên việc nghiên cứu các tính chất quang học (chủ yếu là đặc trưng phản xạ phổ) của các đối tượng tự nhiên đóng vai trò quan trọng đối với việc ứng dụng có hiệu quả phương pháp viễn thám. Phần lớn các phương pháp ứng dụng viễn thám được sử dụng hiện nay đều có liên quan trực tiếp hoặc gián tiếp với việc nghiên cứu đặc trưng phản xạ phổ của các đối tượng hay nhóm các đối tượng tự nhiên. Các thiết bị ghi nhận, các loại phim ảnh chuyên dụng với độ nhậy phổ phù hợp đã được chế tạo dựa trên các kết quả nghiên cứu về quy luật phản xạ phổ của các đối tượng tự nhiên.

Trong lĩnh vực viễn thám, kết quả của việc giải đoán các thông tin phụ thuộc rất nhiều vào sự hiểu biết mối tương quan giữa đặc trưng phản xạ phổ và bản chất, trạng thái của đối tượng tự nhiên. Những thông tin về đặc trưng phản xạ phổ sẽ cho phép các nhà chuyên môn chọn kênh phổ tối ưu chứa nhiều thông tin về đối tượng nghiên cứu nhất, đồng thời đó cũng là cơ sở để phân tích các tính chất của đối tượng địa lý, tiến tới phân loại các loại đối tượng đó. Đặc tính phản xạ phổ của các đối tượng tự nhiên phụ thuộc vào nhiều yếu tố như điều kiện chiếu sáng, môi trường, khí quyển và bề mặt đối tượng cũng như bản thân các đối tượng đó (độ ẩm, lớp nền, thực vật, chất mùn, cấu trúc bề mặt …).

Với nhiệm vụ cung cấp dữ liệu để đảm bảo tính liên tục cho các dịch vụ giám sát trái đất bằng dữ liệu ảnh độ phân giải không gian cao, Chương trình Copernicus cung cấp dữ liệu ảnh Sentinel -2 với 13 kênh phổ từ dải nhìn thấy, cận hồng ngoại và hồng ngoại sóng ngắn như sau:

Bốn kênh phổ độ phân giải không gian 10m

Bốn kênh phổ ở độ phân giải không gian 10m là các kênh phổ: xanh blue (490nm); xanh green (560nm); đỏ (665nm) và cận hồng ngoại (842nm).

Hình 18. Các dải phổ của kênh phổ độ phân giải không gian 10m

(Nguồn: SENTINEL-2 User Handbook)

Bốn kênh phổ này đáp ứng yêu cầu của người sử dụng cho cho mục đích giám sát độ che phủ đất trên toàn cầu và đảm bảo các khả năng tương thích với dữ liệu vệ tinh SPOT 4 và 5 để duy trì chuỗi dữ liệu.

Bảng 2. Bước sóng và tỷ lệ tín hiệu nhiễu (SNR) của các kênh độ phân dải 10m

Kênh phổ	S2A		S2B
Kênh phổ	Bước sóng trung tâm (nm)	Độ rộng kênh phổ (nm)	Bước sóng trung tâm (nm)	Độ rộng kênh phổ (nm)	Lref (reference radiance) (W m−2 sr−1 μm−1)	Tỷ lệ tín hiệu nhiễu (SNR)
2	492,4	98	492,1	98	128	154
3	559,8	45	559,0	46	128	168
4	664,6	38	664,9	39	108	142
8	832,8	145	832,9	133	103	174

Sáu kênh phổ độ phân giải không gian 20m

Sáu kênh phổ độ phân giải không gian 20 m, gồm: Bốn kênh phổ hẹp trong dải phổ cạnh đỏ (705nm, 740 nm, 783 nm và 865 nm); hai kênh SWIR lớn (1610nm và 2190nm). Trong đó: kênh B5 ở bước sóng 705nm; kênh B6 ở bước sóng 740 nm (B6); kênh B7 ở bước sóng 783 nm; kênh B8a ở bước sóng 865 nm; kênh B11 ở bước sóng 1610 nm; kênh B12 ở bước sóng 2190nm.

Hình 19. Các dải phổ của kênh phổ độ phân giải không gian 20m

(Nguồn: SENTINEL-2 User Handbook)

Sáu kênh này dùng chung cho mục đích đo đạc đất đai, hiệu chỉnh khí quyển và đảm bảo các khả năng tương thích với dữ liệu vệ tinh Landsat 8. Riêng Kênh 8a với độ hẹp dải phổ trong vùng bước sóng cận hồng ngoại (865 nm) được thiết kế để

tránh ảnh hưởng từ hơi nước, nhưng vẫn đủ khả năng để phát hiện được vùng có giá trị phổ bằng phẳng và đủ nhạy cảm với hàm lượng oxit sắt trong đất.

Bảng 3. Bước sóng và tỷ lệ tín hiệu nhiễu (SNR) của các kênh độ phân dải 20m

Kênh phổ	S2A		S2B
Kênh phổ	Bước sóng trung tâm (nm)	Độ rộng kênh phổ (nm)	Bước sóng trung tâm (nm)	Độ rộng kênh phổ (nm)	Lref (reference radiance) (W m−2 sr−1 μm−1)	Tỷ lệ tín hiệu nhiễu (SNR)
5	704,1	19	703,8	20	74,5	117
6	740,5	18	739,1	18	68	89
7	782,8	28	779,7	28	67	105
8a	864,7	33	864,0	32	52,5	72
11	1613,7	143	1610,4	141	4	100
12	2202,4	242	2185,7	238	1,5	100

Ba kênh phổ độ phân giải không gian 60m

Ba kênh phổ độ phân giải không gian 60 m, gồm: kênh B1 ở bước sóng 443 nm; kênh B9 ở bước sóng 945 nm; kênh B10 ở bước sóng 1375 nm.

Hình 20. Các dải phổ của kênh phổ độ phân giải không gian 60m

(Nguồn: SENTINEL-2 User Handbook)

Ba kênh phổ có độ phân giải không gian 60m chủ yếu dành riêng cho hiệu chỉnh khí quyển và sàng lọc trên đám mây mây ti, trong đó: kênh phổ 443nm dùng để thu hồi sol khí; kênh phổ 940nm để điều chỉnh hơi nước; kênh phổ 1375nm

được dùng để phát hiện đám mây voan mỏng. Độ phân giải 60 m cũng được coi là đủ để nắm bắt sự thay đổi không gian của thông số địa vật lý khí quyển [28]. Kênh phổ 443 nm (B1) còn được sử dụng trong các nhiệm vụ tính toán Chỉ số MGVI và trong hiệu chỉnh khí quyển cho đầu thu MODIS của NASA. Dữ liệu hiệu chỉnh sol khí chính xác được thu nhận trong dải phổ vùng xanh lam ở bước sóng 443 nm của ảnh Sentinel-2.

Bảng 4. Bước sóng và tỷ lệ tín hiệu nhiễu (SNR) của các kênh độ phân dải 60m

Kênh phổ	S2A		S2B		Lref (reference radiance) (W m−2 sr−1 μm−1)	Tỷ lệ tín hiệu nhiễu (SNR)
Kênh phổ	Bước sóng trung tâm (nm)	Độ rộng kênh phổ (nm)	Bước sóng trung tâm (nm)	Độ rộng kênh phổ (nm)	Lref (reference radiance) (W m−2 sr−1 μm−1)	Tỷ lệ tín hiệu nhiễu (SNR)
1	442,7	27	442,2	45	129	129
9	945,1	26	943,2	27	9	114
10	1373,5	75	1376,9	76	6	50

Bộ cảm MSI trên vệ tinh Sentinel-2 được thiết kế kế thừa những ưu điểm của bộ cảm OLI trên vệ tinh Landsat và Spot, tuy nhiên có những cải tiến rất lớn để khắc phục nhược điểm mà bộ cảm trên 2 dòng vệ tinh trước còn tồn như:

Kênh phổ cận hồng ngoại của ảnh vệ tinh LandSAT (760-900nm) bị ảnh hưởng nặng bởi hơi nước và không đủ nhạy đối với các tham số như hàm lượng oxit sắt trong đất. Do đó, việc thu hẹp độ rộng dải phổ của Sentinel-2 làm hạn chế ảnh hưởng của các thành phần khí quyển, bao gồm cả hơi nước. Tuy nhiên, độ hẹp của dải phổ 8A ở bước sóng 865 nm trong vùng cận hồng ngoại được thiết kế để tránh ảnh hưởng từ hơi nước nhưng vẫn có khả năng thể hiện được những giá trị phổ bằng phẳng. Việc này rất có ý nghĩa ở những kênh phổ cận hồng ngoại khi thể thảm thực vật nhưng vẫn đủ nhạy cảm với hàm lượng oxit sắt trong đất.
Việc hiệu chỉnh chính xác sự ảnh hưởng của sol khí đối với dữ liệu được đặt khi thiết kế bộ cảm của vệ tinh Sentinel-2. Việc thiết kế kênh 1 ở bước sóng

443 nm có nhiệm vụ hiệu chỉnh khí quyển cho đầu thu MODIS của Cơ quan Hàng không và Vũ trụ Hoa Kỳ cũng như tính toán chỉ số thực vật toàn cầu.

2. Đặc điểm kỹ thuật của dữ liệu Landsat

2.1. Bộ cảm biến TM

Bộ cảm biến TM được hoàn thiện hóa từ bộ cảm biến MSS, được sử dụng trên vệ tinh Landsat – 4, Landsat – 5. Bộ cảm TM gồm 7 kênh phổ nằm trên dải sóng 0.45 – 12.5 μm, trong đó có kênh hồng ngoại nhiệt (kênh 6) để đo nhiệt độ bề mặt trái đất nêu trong Bảng dưới đây.

Bảng 5. Đặc điểm bộ cảm biến TM

Kênh	Bước sóng (µm)	Tên gọi	Độ phân giải không gian (m)
1	0,45 – 0,52	Lam	30
2	0,52 – 0,60	Lục	30
3	0,63 – 0,69	Đỏ	30
4	0,76 – 0,90	Cận hồng ngoại	30
5	1,55 – 1,75	Giữa hồng ngoại	30
6	10,40 – 12,50	Hồng ngoại nhiệt	120
7	2,08 – 2,35	Giữa hồng ngoại	30

2.2 Bộ cảm biến ETM+

Bộ cảm biến ETM và ETM+ được thiết kế sử dụng trên các vệ tinh Landsat – 6 và Landsat – 7. Vệ tinh Landsat – 6 được phóng lên vào 05 – 10 – 1993 nhưng đã ngừng hoạt động cùng ngày do sự cố kỹ thuật. Bộ cảm biến dùng trên vệ tinh Landsat – 6 là ETM bao gồm 7 kênh phổ (như trên Landsat – 4 và Landsat – 5).

Trên vệ tinh Landsat – 7 được thiết kế thêm kênh phổ toàn sắc, có dải sóng 0.5 – 0.9 μm và độ phân giải không gian 15 x 15 m. Điều này cho phép chồng ảnh với các kênh phổ khác của bộ cảm biến ETM+ để tạo ra ảnh tổ hợp màu với độ phân giải cao hơn (15 x 15m). Ngoài ra kênh hồng ngoại nhiệt của bộ cảm ETM+ được thiết kế có độ phân giải không gian 60m thay vì 120m đối với bộ cảm TM . Ưu điểm của ETM+ còn thể hiện ở chỗ, quá trình chuyển đổi tín hiệu điện từ sang tín hiệu số khi lấy mẫu được thực hiện bẳng cả 8 bit và 9 bit. Điều này cho phép dùng 9 bit để đọc tín hiệu những nơi thu tín hiệu phổ rất thấp (mặt nước) hay rất cao (sa mạc).

Vệ tinh Landsat – 7 sau 4 năm đưa lên quỹ đạo đã gặp trục trặc về kỹ thuật SLC – Off (15 – 04 – 2003). Hiện tại trục trặc này vẫn chưa khắc phục được và làm giảm khả năng thu nhận thông tin quan sát trái đất khoảng 30%. Tuổi thọ thiết kế vệ tinh Landsat – 7 là 5 năm nhưng cho tới nay vệ tinh vẫn hoạt động, các hình ảnh về trái đất vẫn được tiếp tục thu nhận và gửi về. Các thông tin này trong một chừng mực nào đó vẫn sử dụng được nếu biết cách xử lý các lỗi SLC – Off.

Bảng 6. Đặc điểm bộ cảm biến ETM+

Kênh	Bước sóng (µm)	Tên gọi	Độ phân giải không gian (m)
1	0,45 – 0,52	Lam	30
2	0,52 – 0,60	Lục	30
3	0,63 – 0,69	Đỏ	30
4	0,76 – 0,90	Cận hồng ngoại	30
5	1,55 – 1,75	Giữa hồng ngoại	30
6	10,40 – 12,50	Hồng ngoại nhiệt	60
7	2,08 – 2,35	Giữa hồng ngoại	30
8	0,50 – 0,90	Toàn sắc	15

2.3. Bộ cảm biến OLI

LANDSAT 8 là thế hệ vệ tinh thứ 8 của chương trình LANDSAT (NASA, Mỹ), sử dụng 2 bộ cảm biến: bộ cảm quang học OLI – Operational Land Imager và bộ cảm hồng ngoại nhiệt TIRS – Thermal InfraRed Sensor. LANDSAT 8 được phóng lên quỹ đạo vào 11 tháng 02 năm 2013. LANDSAT 8 cung cấp ảnh ở 11 dải phổ, trong đó có 9 kênh đa phổ với độ phân giải không gian 30 m (Hình 1.4), 1 kênh toàn sắc với độ phân giải 15 m và 2 kênh hồng ngoại nhiệt ở độ phân giải 100 m. Cũng như tư liệu ảnh Landsat 7 ETM+, tư liệu ảnh Landsat 8 được cung cấp hoàn toàn miễn phí và được cập nhật trong chu kỳ 16 ngày.

So với ảnh LANDSAT ETM+, ảnh LANDSAT 8 có thêm 3 kênh phổ, trong đó có kênh 1 nghiên cứu đường bờ và sol khí, kênh 9 nghiên cứu mây, quyển khí và thêm 1 kênh hồng ngoại nhiệt. Độ phân giải không gian của ảnh hồng ngoại nhiệt LANDSAT 8 thấp hơn so với ảnh LANDSAT ETM+, tuy nhiên với độ phân giải 100m, ảnh LANDSAT 8 vẫn có thể sử dụng hiệu quả trong các nghiên cứu ở quy mô cấp vùng.

Khác với ảnh LANDSAT TM, ETM+ được lưu trữ ở cấu trúc 8 bit với 256 cấp độ xám, ảnh LANDSAT 8 được lưu trữ ở cấu trúc 16 bit với 65536 cấp độ xám, tương ứng với giá trị độ xám trên ảnh từ 0 đến 65535.

Đặc trưng các kênh phổ ảnh LANDSAT 8 OLI được trình bày trong bảng dưới đây.

Bảng 7. Đặc điểm các kênh phổ ảnh LANDSAT 8 OLI

Kênh	Tên gọi	Bước sóng	Độ phân giải không gian
1	Bờ biển/Sol khí	0,433 – 0,453 µm	30 m
2	Xanh lam	0,450 – 0,515 µm	30 m
3	Xanh lục	0,525 – 0,600 µm	30 m
4	Đỏ	0,630 – 0,680 µm	30 m
5	Cận hồng ngoại	0,845 – 0,885 µm	30 m
6	Hồng ngoại sóng ngắn	1,560 – 1,660 µm	30 m
7	Hồng ngoại sóng ngắn	2,100 – 2,300 µm	30 m
8	Toàn sắc	0,500 – 0,680 µm	15 m
9	Mây/quyển khí	1,360 – 1,390 µm	30 m
10	Hồng ngoại nhiệt	10,30 – 11,30 µm	100 m
11	Hồng ngoại nhiệt	11,50 – 12,50 µm	100 m

Rate this post

PHẦN 1. XỬ LÝ ẢNH VIỄN THÁM QUANG HỌC

1. TẢI ẢNH QUANG HỌC

1.1. Ảnh Landsat 8

2.1. Hiệu chỉnh bức xạ, khí quyển

2.1.1. Hiệu chỉnh bức xạ, khí quyển ảnh Landsat 8

2.1.2. Hiệu chỉnh khí quyển ảnh Sentinel 2

2.2. Gộp kênh ảnh

2.3. Ghép ảnh

2.4. Cắt ảnh

1. Cắt ảnh bằng Envi

2. Cắt ảnh bằng Arcgis

2.5. Hiệu chỉnh hình học

1. Chuyển đổi hệ tọa độ

2. Nắn ảnh

1. Tăng độ nét

2. Lọc ảnh (Filter)

3. PHÂN LOẠI ẢNH QUANG HỌC

3.1. Xác định các lớp phủ bề mặt

3.2. Xác định khóa giải đoán ảnh

3.3. Chọn mẫu huấn luyện

3.4. Kiểm tra độ chính xác vùng mẫu

3.5. Phân loại

4. XỬ LÝ SAU PHÂN LOẠI

4.1. Lọc nhiễu kết quả

4.2. Đánh giá độ chính xác phân loại

4.4.1. Tạo vùng mẫu ngẫu nhiên trên Envi

4.4.2. Chọn các điểm mẫu ngẫu nhiên trên Google earth

5. XUẤT KẾT QUẢ

5.1: Chuyển dữ liệu sang Vector

5.2: Chuyển đổi Evf sang Shp

5.3. Chỉnh sửa kết quả

5.4. So sánh diện tích phân loại với diện tích kiểm kê

PHẦN 2. XỬ LÝ ẢNH VIỄN THÁM RADAR

1: TẢI ẢNH SENTINEL 1

1.1. Tải ảnh Sentinel 1

2: TIỀN XỬ LÝ ẢNH

2.1. Hiệu chỉnh tán xạ và nắn chỉnh hình học

2.2 Ghép ảnh

PHẦN 3: PHÂN LOẠI HƯỚNG ĐỐI TƯỢNG

Bước 1: Hiển thị và quản lý dữ liệu

Bước 2: Phân mảnh ảnh và xem các đặc trưng của đối tượng ảnh

Bước 3: Thiết lập chú giải cho phân loại

Bước 4: Thiết lập quy tắc và tiến hành phân loại

Bước 6: Biên tập và xuất kết quả

Bước 7: Đánh giá kết quả phân loại

PHẦN 4: THÀNH LẬP BẢN ĐỒ BIẾN ĐỘNG

Bước 1. Chồng xếp bản đồ.

Bước 2. Tạo ma trận biến động.

PHẦN 5: BIÊN TẬP BẢN ĐỒ

1. Đưa bản đồ lên trang Layout

2. Tạo lưới km

3. Tạo khung bản đồ

4. Trình bày text

1. Tên bản đồ

2. Tên phụ

3. Tỷ lệ

4. Text lưới

5. Tên huyện

6. Tên xã

5. Trình bày Line

1. Địa giới quốc gia

2. Địa giới cấp tỉnh

3. Địa giới cấp huyện

3. Địa giới cấp xã

6. Tạo chú dẫn

1. Tạo chú dẫn

2. Trình bày.

3. Chọn kiểu (Style)

4. Kích thước và font chữ

7. Tạo thước tỷ lệ

PHỤ LỤC

1. Đặc điểm kỹ thuật của dữ liệu Sentinel-2

1.1.1 Đặc điểm hệ thống

2. Đặc điểm kỹ thuật của dữ liệu Landsat

2.1. Bộ cảm biến TM

2.2 Bộ cảm biến ETM+

2.3. Bộ cảm biến OLI

Để lại một bình luận Hủy

HỖ TRỢ KHÁCH HÀNG

Đăt Câu Hỏi/Tư Vấn