đề cương cơ sở GIS và viễn thám

ĐỀ CƯƠNG ÔN THI
Môn học: Cơ sở GIS Và viễn thám
Câu 1: Khái niệm và nguyên lý hoạt động của hệ thống viễn thám (sử dụng sơ đồ
gồm 7 yếu tố).
1, Khái niệm:
Viễn thám là một ngành khoa học có lịch sử phát triển lâu đời. Sự phát triển của khoa
học viễn thám bắt đầu từ mục đích quân sự khi nghiên cứu các ảnh chụp sử dụng phim va
giấy ảnh từ khinh khí cầu, máy bay. Ngay nay, cùng sự phát triển của khoa học kỹ thuật,
viễn thám được ứng dụng trong nhiều nganh khoa học khác nhau như quân sự, địa chất, địa
lý, môi trường, khí tượng, thủy văn, nông nghiệp, lâm nghiệp,...
Định nghĩa:
“Viễn thám là khoa học nghiên cứu các thực thể, hiện tượng trên trái đất từ xa mà
không cần tiếp xúc trực tiếp vào nó”.
2, Nguyên lý hoạt động của hệ thống viễn thám:
Trong viễn thám, nguyên tắc hoạt động của nó liên quan giữa sóng điện từ từ nguồn phát va
vật thể quan tâm

1. Nguồn phát năng lượng (A) - yêu cầu đầu tiên cho viễn thám la có nguồn năng lượng phát
xạ để cung cấp năng lượng điện từ tới đối tượng quan tâm.
2. Sóng điện từ và khí quyển (B) - khi năng lượng truyền từ nguồn phát đến đối tượng, nó sẽ
đi vao va tương tác với khí quyển ma nó đi qua. Sự tương tác nay có thể xảy ra lần thứ 2 khi
năng lượng truyền từ đối tượng tới bộ cảm biến.

1


3. Sự tương tác với ñối tượng (C) - một khi năng lượng gặp đối tượng sau khi xuyên qua
khí quyển, nó tương tác với đối tượng. Phụ thuộc vao đặc tính của đối tượng va sóng điện từ
ma năng lượng phản xạ hay bức xạ của đối tượng có sự khác nhau.
4. Việc ghi năng lượng của bộ cảm biến (D) - sau khi năng lượng bị tán xạ hoặc phát xạ từ
đối tượng, một bộ cảm biến để thu nhận va ghi lại sóng điện từ.

5. Sự truyền tải, nhận và xử lý (E) - năng lượng được ghi nhận bởi bộ cảm biến phải được
truyền tải đến một trạm thu nhận va xử lý. Năng lượng được truyền đi thường ở dạng điện.
Trạm thu nhận sẽ xử lý năng lượng nay để tạo ra ảnh dưới dạng hardcopy hoặc la số.
6. Sự giải đoán và phân tích (F) - ảnh được xử lý ở trạm thu nhận sẽ được giải đoán trực
quan hoặc được phân loại bằng máy để tách thông tin về đối tượng.
7. Ứng dụng (G) - đây la thanh phần cuối cùng trong quy trình xử lý của công nghệ viễn
thám. Thông tin sau khi được tách ra từ ảnh có thể ñược ứng dụng ñể hiểu tốt hơn về đối
tượng, khám phá một vai thông tin mới hoặc hỗ trợ cho việc giải quyết một vấn đề cụ thể.
Câu 2: Phân loại viễn thám.
Sự phân biệt các loại viễn thám căn cứ vao các yếu tố sau:
- Hình dạng quỹ đạo của vệ tinh.
- Độ cao bay của vệ tinh
- Loại nguồn phát va tín hiệu thu nhận.
- Dải phổ của các thiết bị thu .
3 phương thức phân loại viễn thám như sau:
a. Phân loại theo nguồn năng lượng được sử dụng (loại nguồn phát và tín hiệu thu
nhận), kỹ thuật viễn thám bao gồm:
- Viễn thám bị động: sử dụng năng lượng mặt trời hoặc năng lượng do vật thể bức xạ
(ở điều kiện nhiệt độ thường, các vật thể tự phát ra bức xạ hồng ngoại).
- Viễn thám chủ động: thiết bị thu nhận phát ra nguồn năng lượng tới vật thể rồi thu
nhận tín hiệu phản xạ lại.
b. Phân loại theo vùng bước sóng sử dụng (theo dải phổ của các thiết bị thu): ứng với
vùng bước sóng sử dụng , viễn thám có thể được phân thanh 3 loại cơ bản:
- Viễn thám trong dải sóng nhìn thấy và hồng ngoại phản xạ: nguồn năng lượng sử
dụng la bức xạ mặt trời, ảnh viễn thám nhận được dựa vao sự đo lường năng lượng vùng
ánh sáng nhìn thấy va hồng ngoại được phản xạ từ vật thể va bề mặt trái đất. Ảnh thu được
bởi kỹ thuật viễn thám nay được gọi la ảnh quang học.
- Viễn thám hồng ngoại nhiệt: nguồn năng lượng sử dụng la bức xạ nhiệt do chính vật
thể sản sinh ra. Ảnh thu được bởi kỹ thuật viễn thám nay được gọi la ảnh nhiệt.
- Viễn thám siêu cao tần: trong viễn thám siêu cao tần 2 kỹ thuật chủ động va bị

động đều được áp dụng. Viễn thám bị động thu lại sóng vô tuyến cao tần với bước
2


sóng lớn hơn 1mm ma được bức xạ tự nhiên hoặc phản xạ từ một số đối tượng. Vì có
bước sóng dai nên năng lượng thu nhận được của kỹ thuật viễn thám siêu cao tần bị
động thấp hơn viễn thám trong dải sóng nhìn thấy. Đối với viễn thám siêu cao tần chủ
động (Radar), vệ tinh cung cấp năng lượng riêng va phát trực tiếp đến các vật thể, rồi
thu lại năng lượng do sóng phản xạ lại từ các vật thể. Cường độ năng lượng phản xạ
được đo lường để phân biệt giữa các đối tượng với nhau. Ảnh thu được từ kỹ thuật viễn
thám nay được gọi la ảnh Radar.
c. Phân loại theo đặc điểm quỹ đạo: có hai nhóm chính la viễn thám vệ tinh địa tĩnh va
viễn thám vệ tinh quỹ đạo cực (hay gần cực)
Căn cứ vao đặc điểm quỹ đạo vệ tinh, có thể chia ra hai nhóm vệ tinh la:
+ Vệ tinh địa tĩnh la vệ tinh có tốc độ góc quay bằng tốc độ góc quay của trái đất, nghĩa
la vị trí tương đối của vệ tinh so với trái đất la đứng yên.
+ Vệ tinh quỹ đạo cực (hay gần cực) la vệ tinh có mặt phẳng quỹ đạo vuông góc hoặc
gần vuông góc so với mặt phẳng xích đạo của Trái Đất. Tốc độ quay của vệ tinh khác với
tốc độ quay của trái đất va được thiết kế riêng sao cho thời gian thu ảnh trên mỗi vùng lãnh
thổ trên mặt đất la cùng giờ địa phương va thời gian lặp lại la cố định đối với một vệ tinh (ví
dụ LANDSAT la 18 ngay, SPOT la 23 ngay...)
Câu 3: Khái niệm về vật mang, bộ cảm. Phương pháp quét dọc, quét ngang.
1, Khái niệm về vật mang, bộ cảm:
a, Vật mang
Phương tiện dùng để mang các bộ cảm tới độ cao va vị trí mong muốn để thu nhận
năng lượng bức xạ va phản xạ từ các vật thể trên bề mặt tạo ra ảnh quang học hay ảnh rada
được gọi la vật mang. Hiện nay, vật mang rất đa dạng, có thể la khinh khí cầu, máy bay, vệ
tinh, tau vũ trụ,...
b, Bộ cảm
b, bộ cảm

Khái niệm: Thiết bị dùng để cảm nhận sóng điện từ phản xạ hay bức xạ từ vật thể được
gọi la bộ cảm biến (Sensor).
Nhiệm vụ:
Bộ cảm biến bao gồm các tế bao quang điện thực hiện nhiệm vụ thu nhận năng lượng
sóng điện từ phản xạ hay bức xạ từ vật thể theo từng bước sóng xác định. Sau đó, năng
lượng sóng điện từ được bộ cảm biến chuyển thanh tín hiệu điện. Tiếp theo, tín hiệu điện
liên tục nay được chuyển thanh tín hiệu số (chuyển đổi tín hiệu điện thanh một số nguyên
hữu hạn gọi la giá trị số của pixel) tương ứng với năng lượng sóng điện từ nhận được ban
đầu.
2,

3


Phương pháp quét dọc, quét ngang

-

Hệ thống quét dùng để thu thập dữ liệu trên cơ sở sử dụng nhiều bước sóng khác nhau
được gọi la máy quét đa phổ MSS. Đây la hệ thống quét sử dụng cả trên máy bay va vệ tinh.
Có hai phương pháp quét chính: quét vuông góc với tuyến chụp, quét dọc tuyến chụp
Quét vuông góc với tuyến chụp
Trước hết ta làm quen với thuật ngữ : trường nhìn không đổi và trường nhìn
Trường nhìn không đổi (Instantanneous Field of View – IFOV) la góc không gian tương
ứng với một đơn vị chia mẫu trên mặt đất. Lượng thông tin ghi được trong IFOV tương ứng
với gía trị của pixel.
Góc nhìn tối đa ma một bộ cảm có thể thu được sóng điện từ được gọi la trường nhìn
(Field of View FOV). Khoảng không gian trên mặt đất do FOV tạo ra chính la bề rộng tuyến
chụp.
Quá trình quét vuông góc với tuyến chụp được thực hiện như sau :

Gương quay chuyển động trong mặt phẳng vuông góc với đường bay được sử dụng để
dịch chuyển trường nhìn không đổi IFOV tạo thanh dòng quét vuông góc với hương di
chuyển của vệ tinh. Năng lượng phản xạ được phân chia ứng với từng bước sóng khác nhau
(thông qua kinh lọc phổ) được bộ tách sóng đo lường năng lượng ứng với từng kênh phổ va
chuyển thanh giá trị số của từng pixel. Sau khi kết thúc dòng quét, gương quay trả về vị trí
ban đầu để tạo dòng kế tiếp nhờ sự dịch chuyển đồng bộ của vệ tinh, kết quả nhận được ảnh
vệ tinh la tập hợp của các dòng ảnh liên tiếp nhau.

-

Trường nhìn không đổi IFOV của bộ cảm biến va độ cao của vệ tinh xác định độ phân
giải mặt đất va góc nhìn tối đa ma một bộ cảm có thể thu được sóng điện từ (được quét bởi
gương quay) được gọi la trường nhìn (field of view – FOV). Khoảng không gian trên mặt đất
do FOV tạo nên tương ứng với độ cao của vệ tinh chính la bề rộng tuyến chụp va còn dược
sử dụng để xác định bề rộng của ảnh vệ tinh.
Quét dọc tuyến chụp
Quét dọc tuyến chụp sử dụng các hệ thống quét điện tử hoặc bộ tách sóng tuyến tính để
ghi nhận năng lượng bức xạ ứng với dòng quét cố định vuông góc với phương chuyển động
của vệ tinh. Bộ tách sóng mảng tuyến tính được xây dựng tại mặt phẳng tạo ảnh của hệ
thống lăng kính cho phép tạo thanh dòng quét vuông góc với hướng di chuển của vệ tinh.
Mỗi bộ tách sóng riêng biệt đo lường năng lượng phản xạ ứng với từng pixel được phân
chia với từng bước sóng khác nhau (thông qua kính lọc phổ). Trong phương pháp nay, mỗi
bộ tách sóng mảng tuyến tính riêng sẽ đảm nhiệm việc đo lường năng lượng ứng với từng
kênh phổ va kích thước của IFOV ứng với bộ tách sóng riêng biệt sẽ xác định độ phân giải
mặt đất của ảnh vệ tinh.


Từ 2 phương pháp cơ bản cho thấy, các phần tử của ảnh vệ tinh thường có dạng
hình vuông va thể hiện một khu vực nao đó trên mặt đất. Điều quan trọng cần chú ý
đó la phân biệt rõ rang giữa kích thước của pixel ảnh với độ phân giải không gian,

đối với ảnh vệ tinh điều nay không phải tương ứng trong mọi trường hợp. Nói
chung, ảnh chỉ thể hiện được những vật thể lớn gọi la ảnh có độ phân giải thấp, còn
ảnh cho phép tách các đối tượng nhỏ va thấy đủ chi tiết trên mặt đất được gọi la ảnh
có độ phân giải cao. Độ phân giải cang cao thì diện tích mặt đất được thể hiện trên
một pixel ảnh cang nhỏ, hiện nay các bộ cảm biến đặt trên vệ tinh phục vụ cho mục
4


đích quân sự được thiết kế sao cho thu được cang nhiều thông tin cang tốt, nên ảnh
nhận được thường có độ phân giải cao hơn so với ảnh do các công ty thương mại
cung cấp.
Câu 4:Khái niệm, tính chất bức xạ điện từ. Khái niệm cửa sổ khí quyển, độ phản
xạ phổ. Đặc trưng phản xạ phổ của thổ nhưỡng, thực vật, nước.
1, Khái niệm, tính chất bức xạ điện từ:
Thuật ngữ bức xạ điện từ, do James Clerk Maxwell đặt ra, xuất phát từ những tính
chất điện va từ đặc trưng chung cho tất cả các dạng của loại năng lượng giống sóng nay,
như được biểu lộ bởi sự phát sinh cả trường dao động điện va từ khi sóng truyền trong
không gian. Ánh sáng khả kiến chỉ đại diện cho một phần nhỏ của phổ bức xạ điện từ, trải ra
từ các tia vũ trụ cao tần va tia gamma, qua tia X, ánh sáng cực tím, bức xạ hồng ngoại, va vi
ba, cho tới các sóng vô tuyến bước sóng dai, tần số rất thấp.
Sóng điện từ di chuyển theo hướng vuông góc với hướng dao động của cả vectơ điện
trường (E) va từ trường (B). Hai trường năng lượng dao động vuông góc với nhau va dao
động cùng pha theo dạng đồ thị ham số sin. Các vectơ điện trường va từ trường không chỉ
vuông góc với nhau ma còn vuông góc với phương truyền sóng. Để đơn giản hóa minh họa,
người ta thường quy ước bỏ qua các vectơ biểu diễn điện trường va từ trường dao động, mặc
dù chúng vẫn tồn tại.
Khi lan truyền, sóng điện từ mang theo năng lượng, động lượng va thông tin. Sóng
điện từ với bước sóng nằm trong khoảng 400 nm va 700 nm có thể được quan sát bằng mắt
người va gọi la ánh sáng. Bức xạ điện từ truyền năng lượng trên cơ sở các dao động trường
điện từ trong không gian hoặc trong lòng các vật chất.

Bức xạ điện từ có tính chất sóng và hạt:
a, Tính chất sóng của bức xạ điện từ được xác định bởi bước sóng, tần số va tốc độ
truyền. Năng lượng ánh sáng có tính chất bức xạ tự nhiên với 2 trường điện va từ có hướng
vuông góc với nhau, chuyển động tuân theo nguyên lý của sóng điều hòa.
Phương trình truyền ánh sáng:
C = v. λ
Trong đó:
C: hằng số tốc độ ánh sáng ( ~ 3*108m/s)
v: tần số dao động của ánh sáng
λ: bước sóng của ánh sáng

5


b, Tính chất hạt được mô tả theo tính chất quang lượng tử (photon). Ánh sáng bao
gồm rất nhiều phân tử nhỏ riêng biệt đc gọi la các proton hay lượng tử (quanta). Năng lượng
của mỗi lượng tử đc xác định theo công thức sau:
Q = h.v
Trong đó:
Q: năng lượng của mỗi lượng tử (J)
h: hằng số plank (h=6,626*10-34 J/s)
v: tần số (Hezt)
Giải phương trình trên ta đc:
v = Q/h; Q = h. C/λ
Bức xạ điện từ có 4 thông số cơ bản: tần số (bước sóng), hướng truyền, biên độ va
mặt phân cực.
Tất cả các vật thể đều phản xạ va hấp thụ, phân tách va bức xạ sóng điện từ theo các
cách khác nhau va đặc trưng nay được gọi la đặc trưng phổ. Hiện tượng phản xạ phổ
có liên quan mật thiết với môi trường ma sóng điện từ lan truyền. Dải sóng điện từ
được coi la dải sóng có bước sóng từ 0.1 micromet đến 100 km.

•
•
•
•

Căn cứ vao bước sóng, sóng điện từ được chia lam các loại sau:
Sóng tử ngoại: có bước sóng từ 0.1μm đến 0.4 μm ;
Bức xạ điện từ ở bước sóng nhìn thấy: có bước sóng từ 0.4 μm đến 0.7 μm ;
Bức xạ hồng ngoại: cận hồng ngoại (0.7 μm – 1.3 μm ), hồng ngoại ngắn (1.3 μm – 3 μm ),
giữa hồng ngoại (3 μm – 8 μm ), hồng ngoại nhiệt (8 μm – 14 μm), hồng ngoại xa (14 μm –
1mm);
Sóng radio: Sóng micro, sóng cực ngắn, sóng ngắn (HF)…
2, Khái niệm cửa sổ khí quyển, độ phản xạ phổ:
Cửa sổ khí quyển: Trong dải phổ, dải sóng ma ở đó năng lượng được truyền qua
nhiều nhất thì đc gọi la các cửa sổ khí quyển.Trong các cửa sổ khí quyển thì dải nhìn
thấy la vùng rộng nhất va năng lượng ánh sáng đc truyền qua cũng mạnh nhất.
Độ phản xạ phổ p(λ): la tỉ lệ phần trăm của năng lượng rơi xuống đối tượng va
được phản xạ trở lại. Với cùng 1 đối tượng, độ phản xạ phổ ở các bước sóng khác nhau la
khác nhau. Khả năng phản xạ phổ của các vật thể la một trong những thông số cơ bản nhất
cần biết khi phân loại ảnh vệ tinh. Khả năng phản xạ phổ phụ thuộc vao bước sóng của sóng
điện từ. Ở các bước sóng khác nhau, giá trị phản xạ phổ của một vật thể không giống nhau.
Khả năng phản xạ phổ của vật thể phụ thuộc vao bước sóng được định nghĩa theo
công thức sau đây:
6


E

ρ (λ )
r =

.100%
λ E
0(λ )

Trong đó, Eρ(λ) – năng lượng phản xạ tại bước sóng λ;
Eo(λ) – năng lượng tới tại bước sóng λ.
3, Đặc trưng phản xạ phổ của thổ nhưỡng, thực vật, nước:
Dựa trên đặc tính phổ của vật thể tại các bước sóng, các đối tượng tự nhiên được chia
ra thanh các nhóm chính sau:
Đặc trưng phản xạ phổ của thổ nhưỡng. Đặc trưng phản xạ chung nhất của thổ
nhưỡng la khả năng phản xạ phổ tăng theo độ dai bước sóng, đặc biệt la bước sóng cận hồng
ngoại va hồng ngoại nhiệt. Ở dải sóng điện từ nay, chỉ có năng lượng hấp thụ va năng lượng
phản xạ ma không có năng lượng thấu quang. Với các loại đất có thanh phần cấu tạo các chất
hữu cơ va vô cơ khác nhau, khả năng phản xạ phổ sẽ khác nhau. Tùy thuộc vao thanh phần
hợp chất có trong đất ma biên độ của đồ thị phản xạ phổ sẽ khác nhau.
Các yếu tố ảnh hưởng đến khả năng phản xạ phổ của thổ nhưỡng: cấu trúc bề mặt của
đất, độ ẩm của đất (khi độ ẩm tăng, phản xạ sẽ giảm), hợp chất hữu cơ, vô cơ có trong đất.
Khả năng phản xạ phổ của đất tỉ lệ nghịch với các yếu tố nay.
Đặc trưng phản xạ phổ của thực vật
Khả năng phản xạ phổ của thực vật phụ thuộc vao bước sóng điện từ. Trong dải sóng
điện từ nhìn thấy, các sắc tố của lá cây ảnh hưởng đến đặc tính phản xạ phổ của nó, đặc biệt
la ham lượng chất diệp lục (clorophyl). Trong dải sóng nay, thực vật ở trạng thái tươi tốt với
ham lượng diệp lục cao trong lá cây sẽ có khả năng phản xạ phổ cao ở bước sóng xanh lá
cây (green), giảm xuống ở vùng sóng đỏ (red) va tăng rất mạnh ở vùng sóng cận hồng
ngoại.
Thực vật có khả năng hấp thụ năng lượng mạnh nhất ở các bước sóng 1.4 μm, 1.9
μm, 2.7 μm. Bước sóng 2.7 μm hấp thụ năng lượng mạnh nhất gọi la dải sóng cộng hưởng
hấp thụ (sự hấp thụ mạnh diễn ra với dải sóng trong khoảng từ 2.66 μm–2.73 μm). Khi ham
lượng nước chứa trong lá giảm đi, khả năng phản xạ phổ của lá cây cũng tăng lên đáng kể.
Đặc trưng phản xạ phổ của nước

Khả năng phản xạ phổ của nước thay đổi theo bước sóng của bức xạ chiếu tới va
thanh phần vật chất có trong nước. Ngoai ra, khả năng phản xạ phổ của nước còn phụ thuộc
vao bề mặt nước va trạng thái của nước.
Đối với đường bờ nước, ở dải sóng hồng ngoại va cận hồng ngoại có thể phân biệt
một cách rõ rang. Nước có khả năng hấp thụ rất mạnh năng lượng ở bước sóng cận hồng
ngoại va hồng ngoại, do đó năng lượng phản xạ sẽ rất ít. Ở dải sóng dai, khả năng phản xạ
phổ của nước khá nhỏ nên có thể sử dụng các kênh ở dải sóng ngoai để xác định ranh giới
nước – đất liền.
Trong nước chứa nhiều thanh phần hữu cơ va vô cơ, cho nên khả năng phản xạ phổ
của nước phụ thuộc vao thanh phần va trạng thái của nước. Nước đục có khả năng phản xạ
phổ cao hơn nước trong, nhất la ở dải sóng dai. Ham lượng clorophyl cũng ảnh hưởng đến
7


khả năng phản xạ phổ của nước (giảm khả năng phản xạ phổ ở dải sóng ngắn, tăng ở dải
sóng mau xanh lá cây). Ngoai ra, một số yếu tố khác cũng ảnh hưởng đến khả năng phản xạ
phổ của nước, tuy không thể hiện rõ rệt qua sự khác biệt của đồ thị phổ: độ mặn của nước
biển, ham lượng khí metan, oxi, nitơ, cacbonic,... trong nước.
Câu 5: Khái niệm ảnh số. Độ phân giải của ảnh vệ tinh
1, Khái niệm ảnh số:
Ảnh số được tạo bởi mảng hai chiều của các phần tử ảnh có cùng kích thước được
gọi la pixel ảnh. Mỗi pixel được xác định bởi tọa độ hang (m), cột (n) va giá trị độ xám của
nó g(m,n). Giá trị độ xám của pixel thay đổi theo tọa độ điểm (x,y). Tọa độ hang va cột của
mỗi pixel đều la các số nguyên. Tọa độ số hóa la các giá trị rời rạc m, n được xác định như
sau:

Trong đó m = 0, 1,…, M; n = 0, 1,…, N; la bước nhảy số hóa. Trong trường hợp , M
= N, các giá trị rời rạc được gán vao các giá trị độ xám g(m,n) tương ứng của các pixel ảnh.
Khi đó, ảnh được lấy mẫu va các giá trị độ xám được lượng tử hóa. Như vậy: ảnh số là một
ma trận không gian của các đơn vị ảnh (pixel ảnh) được xếp theo dòng và cột theo một trật

tự nhất định dưới dạng số.
2, Độ phân giải của ảnh vệ tinh:
Độ phân giải la thông số cơ bản nhất phản ánh chất lượng va tính năng của ảnh vệ
tinh ma dựa vao đó ta có thể xác định khả năng phân loại, nghiên cứu vật thể. Độ phân giải
ảnh vệ tinh bao gồm: độ phân giải không gian, độ phân giải thời gian, độ phân giải phổ va
độ phân giải bức xạ. Đối với từng bai toán, phải xác định được yêu cầu cụ thể về mặt kỹ
thuật đối với các thông số trên. Ví dụ, khi nghiên cứu biến động thực vật cần dữ liệu ảnh vệ
tinh đa phổ, chụp ở các thời gian khác nhau, trên ảnh không có mây..Khi thanh lập va hiện
chỉnh bản đồ, tùy thuộc vao tỉ lệ bản đồ ma yêu cầu với các thông số trên khác nhau. Bản đồ
tỉ lệ 1:100 000 có thể dùng ảnh vệ tinh độ phân giải không gian 30 x 30 m; bản đồ tỉ lệ 1: 25
000 có thể dùng ảnh vệ tinh độ phân giải 10 x 10 m.
2.1 Độ phân giải không gian
Độ phân giải không gian của ảnh vệ tinh la kích thước nhỏ nhất của một đối tượng
hay khoảng cách tối thiểu giữa hai đối tượng liền kề có khả năng phân biệt được trên ảnh.
Ảnh có độ phân giải không gian cang cao thì có kích thước pixel cang nhỏ. Độ phân giải
nay phụ thuộc vao kích thước của pixel ảnh, độ tương phản hình ảnh, điều kiện khí quyển
va các thông số quỹ đạo của vệ tinh.
Độ phân giải không gian cũng được gọi la độ phân giải mặt đất khi hình chiếu của
một pixel tương ứng với một đơn vị chia mẫu trên mặt đất.
Dựa vao độ phân giải không gian, ảnh vệ tinh có thể được chia lam các loại cơ bản
sau: ảnh vệ tinh độ phân giải siêu cao (độ phân giải không gian trên 1m), ảnh vệ tinh độ
phân giải cao (1 – 10m), ảnh vệ tinh độ phân giải trung bình (10 – 100m) va ảnh vệ tinh độ
phân giải thấp (>100m).
8


2.2 Độ phân giải bức xạ
Để lưu trữ, xử lý va hiển thị ảnh vệ tinh trong máy tính kiểu raster, tùy thuộc vao số
bit dùng để ghi nhận thông tin, mỗi pixel sẽ có giá trị hữu hạn ứng với từng cấp độ xám. Độ
phân giải bức xạ la khả năng nhạy cảm của các thiết bị thu để phát hiện những sự khác nhau

rất nhỏ trong năng lượng sóng điện từ (số bit dùng để ghi nhận thông tin ảnh vệ tinh). Phần
lớn dữ liệu ảnh viễn thám hiện nay được lưu trữ ở dạng 8 bit, một số ảnh vệ tinh độ phân
giải cao có thể lưu trữ ở dạng 16 bit. Ảnh vệ tinh được lưu trữ ở dạng 8 bit sẽ có 256 cấp độ
xám (0 – 255), 16 bit có 65536 cấp độ xám (0 – 65535).
2.3 Độ phân giải phổ
Cùng một vùng phủ mặt đất tương ứng, các pixel sẽ cho giá trị riêng biệt theo từng
vùng phổ ứng với các bước sóng khác nhau. Do đó, thông tin được cung cấp theo từng loại
ảnh vệ tinh khác nhau không chỉ phụ thuộc vao số bit dùng để ghi nhận, ma còn phụ thuộc
vao phạm vi bước sóng. Độ phân giải phổ thể hiện bởi kích thước va số kênh phổ, bề rộng
phổ hoặc sự phân chia vùng phổ ma ảnh vệ tinh có thể phân biệt một số lượng lớn các bước
sóng có kích thước tương tự, cũng như tách biệt được các bức xạ từ nhiều vùng phổ khác
nhau.
Ngoai ra, độ phân giải phổ thể hiện độ nhạy tuyến tính của bộ cảm biến trong khả
năng phân biệt sự thay đổi nhỏ nhất của cường độ phản xạ sóng từ các vật thể.
2.4 Độ phân giải thời gian
Độ phân giải thời gian la thời gian chụp lặp lại tại cùng một vị trí của ảnh vệ tinh.
Độ phân giải thời gian cho biết số ngay (hoặc giờ) ma hệ thống cảm biến của vệ tinh sẽ
quay lại để chụp một vị trí nhất định. Do vậy, độ phân giải thời gian không liên quan đến
các thiết bị ghi ảnh ma chỉ liên quan đến khả năng khi lặp lại của vệ tinh. Ảnh được chụp
vao các ngay khác nhau cho phép so sánh đặc trưng bề mặt theo thời gian. Ưu điểm của độ
phân giải thời gian la cho phép cung cấp thông tin chính xác hơn va nhận biết sự biến động
của khu vực cần nghiên cứu
Câu 6: Phân tích ảnh bằng mắt: Khái niệm, các dấu hiệu.
1, Khái niệm:
Phân tích hay giải đoán ảnh bằng mắt là quá trình sử dụng mắt người cùng với trí
tuệ để tách chiết các thông tin từ tư liệu viễn thám dạng hình ảnh. Trong việc xử lý ảnh viễn
thám, giải đoán bằng mắt la công việc đầu tiên, phổ biến nhất va có thể áp dụng trong mọi
điều kiện có trang thiết bị từ đơn giản đến phức tạp. Việc phân tích ảnh bằng mắt có thể
được trợ giúp bằng một số thiết bị quang học từ đơn giản đến phức tạp như kính lúp, kính
lập thể, kính phóng đại, kính tổ hợp mầu,.. nhằm nâng cao khả năng phân tích của mắt

người.
Phân tích ảnh bằng mắt la công việc có thể áp dụng một cách dễ dang trong mọi điều
kiện va có thể phục vụ cho nhiều nội dung nghiên cứu khác nhau: nghiên cứu lớp phủ mặt
đất, nghiên cứu rừng, thổ nhưỡng, địa chất, địa mạo, thuỷ văn, sinh thái, môi trường. Kết
quả phân loại ảnh bằng mắt có ý nghĩa đặc biệt quan trọng trong việc lẫy mẫu phân loại
phục vụ việc phân loại tự động có kiểm định.
Ưu điểm lớn nhất của phương pháp phân loại ảnh bằng mắt la đơn giản, nhanh chóng
va phát huy được trí tuệ của người sử dụng.
9


Tuy nhiên, nhược điểm cơ bản của phương pháp nay la độ chính xác không cao va
phụ thuộc vao khả năng của người phân loại. Bên cạnh đó, phương pháp phân loại bằng mắt
không thể xử lý lượng thông tin lớn cũng như không phát hiện được các đối tượng ngụy
trang. Phương pháp nay thông thường chỉ sử dụng trong trường hợp phân loại các đối tượng
đơn giản (cây cối, nha cửa, sông hồ) va tỏ ra có hiệu quả với ảnh độ phân giải không gian
cao.
2, Các dấu hiệu phân loại ảnh:
Những yếu tố cơ bản để phân loại ảnh bằng bắt bao gồm kích thước, hình dạng, mau
sắc, vị trí, ... của đối tượng cần phân loại.
Kích thước. Thông tin biểu diễn hình dạng va kích thước đối tượng có ý nghĩa quan
trọng trong phân loại va phân tích ảnh bằng mắt. Kích thước của đối tượng tùy thuộc vao tỷ
lệ ảnh, kích thước có thể được xác định nếu lấy kích thước đo được trên ảnh nhân với
nghịch đảo tỷ lệ của ảnh. Do vậy, khi phân loại ảnh bằng mắt, điều quan trong phải xác định
được độ phân giải không gian, kích thước pixel cũng như tỉ lệ ảnh. Đối với ảnh vệ tinh độ
phân giải cao, kích thước các ngôi nha có thể được nhận thấy rõ. Ngược lại, trên ảnh vệ tinh
độ phân giải trung bình va thấp không thể phân biệt bằng mắt các ngôi nha riêng biệt ma chỉ
phát hiện được các khu nha, khu đô thị.
Hình dạng. La đặc trưng bên ngoai tiêu biểu cho đối tượng va có ý nghĩa quan trọng
trong giải đoán ảnh. Hình dạng đặc trưng cho mỗi đối tượng khi nhìn từ trên cao xuống

được coi la dấu hiệu giải đoán ảnh quan trọng (ruộng thường có dạng hình vuông hay chữ
nhật, khu vực chung cư cao tầng khác với nha riêng lẻ,...).
Bóng râm: Khi nguồn phát năng lượng (mặt trời hay radar) không nằm ngay trên
đỉnh đầu hoặc trong trường hợp chụp ảnh xiên sẽ xuất hiện bóng của đối tượng. Căn cứ theo
bóng của vật thể có thể xác định được chiều cao của chúng, trong ảnh radar bóng râm la yếu
tố giúp cho việc xác định địa hình va hình dạng mặt đất. Tuy nhiên, bóng râm trong ảnh vệ
tinh quang học thường lam giảm khả năng giải đoán đối với khu vực nhiều nha cao tầng, rất
khó khăn trong việc xác định diện tích của vật thể. Trong nhiều trường hợp, bóng râm do
mây tạo ra dẫn đến việc không thể phân loại được đối tượng bị bóng râm che phủ.
Độ đậm nhạt – độ sáng. La tổng hợp năng lượng phản xạ bởi bề mặt của đối tượng.
Mỗi vật thể được thể hiện bằng một cấp độ sáng nhất định tỷ lệ với cường độ phản xạ ánh
sáng của nó (ảnh đen trắng biến thiên từ trắng đến đen tuyền, ảnh mau thì tone ảnh sẽ cho
độ đậm nhạt mau để phân biệt các vật thể khác nhau). Độ đậm nhạt của ảnh la yếu tố rất
quan trọng va cơ bản trong việc giải đoán ảnh.
Màu sắc. La một yếu tố rất thuận lợi trong việc xác định chi tiết các đối tượng. Ví
dụ, các kiểu loai thực vật vật có thể được phát hiện dễ dang qua mau sắc (ngay cả cho
những người không có kinh nghiệm). Trong phân tích ảnh bằng mắt khi sử dụng ảnh hồng
ngoại mau, các đối tượng khác nhau sẽ có tone mau khác nhau, đặc biệt sử dụng ảnh đa phổ
tổ hợp mau. Tùy theo mục tiêu giải đoán, việc chọn lựa các kênh phổ để tổ hợp mau sẽ hiển
thị được tốt nhất các đối tượng ma người giải đoán quan tâm.
Cấu trúc. La tần số lặp lại của sự thay đổi cấu trúc tone ảnh cho một khu vực cụ thể
trên ảnh quang học. Cấu trúc còn la một tập hợp của nhiều đối tượng nhỏ phân bố thường
theo một quy luật nhất định trên một vùng ảnh ma trong một mối quan hệ với đối tượng cần
nghiên cứu, các đối tượng nhỏ nay sẽ quyết định đối tượng đó có cấu trúc la mịn hay sần
sùi.
10


Hình mẫu. Liên quan đến việc sắp xếp của các đối tượng về mặt không gian va mắt
người giải đoán có thể phân biệt được. Đây la dạng tương ứng với vật thể theo một quy luật

nhất định, nghĩa la sự lặp lại theo trật tự cụ thể của tone ảnh hay cấu trúc sẽ tạo ra sự phân
biệt va đồng thời có thể nhận biết được hình mẫu. Hình mẫu cung cấp thông tin từ sự đồng
nhất về hình dạng của chúng.
Mối liên quan. Sự phối hợp tất cả các yếu tố giải đoán, môi trường xung quanh hoặc
mối liên quan của đối tượng nghiên cứu với các đối tượng khác sẽ cung cấp một thông tin
giải đoán quan trọng để xác định chính xác đối tượng.
Khóa giải đoán ảnh
Khóa giải đoán la chuẩn giải đoán cho đối tượng nhất định bao gồm tập hợp các yếu
tố va dấu hiệu do người giải đoán thiết lập, nhằm trợ giúp cho công tác giải đoán nhanh va
đạt kết quả chính xác thống nhất cho các đối tượng từ nhiều người khác nhau. Kết quả giải
đoán chủ yếu phụ thuộc vao khóa giải đoán, thông thường khóa giải đoán được thanh lập
dựa trên những vùng nghiên cứu thử nghiệm đã được điều tra kỹ lưỡng. Bằng cách sử dụng
khóa giải đoán, người giải đoán có thể phát triển mở rộng va phân tích cho nhiều vùng khác
trên cơ sở cùng một loại tư liệu cũng như cùng mùa va thời gian chụp ảnh do đó giúp cho
công tác giải đoán nhanh hơn va đảm bảo được tính thống nhất trong quá trình giải đoán.
Câu 7: Xử lý ảnh số: khái niệm, các bước cơ bản. Phân loại ảnh: có giám sát và
không giám sát.
1, Xử lý ảnh số:
a, Khái niệm
Các dữ liệu ảnh vệ tinh thu được trong kỹ thuật viễn thám thường được lưu dưới dạng
ảnh số nên vấn đề xử lý ảnh số trong viễn thám giữ vai trò quan trọng

-

Có 2 nguồn dữ liệu chính:
 Ảnh tương tự do các máy chụp quang cơ cung cấp.
 Ảnh số do các máy quét đa phổ cung cấp.
Để xử lý ảnh số thì dữ liệu bắt buộc phải được lưu trong hình thức số sao cho có thể lưu trữ
vận hanh va phân tích bởi máy tính.
Trường hợp ảnh số: dữ liệu được chuyển từ các băng từ lưu trữ mật độ cao HDDT (high

density digital tape) vao các băng từ CCT (computer compatible tape) hay CD-ROM để cho
phép bất kỳ máy tính nao cũng có thể đọc được số liệu.
Trường hợp ảnh tương tự: phải được chuyển thanh ảnh số thông qua các máy quét.
-Xử lý ảnh:Các dữ liệu ảnh vệ tinh thu được trong viễn thám thường dưới dạng số va
được xử lý bởi máy tính để tạo ảnh đã được giải đoán ứng dụng vao nhiều lĩnh vực khác
nhau.
Có một số các phần mềm thương mại cũng như miễn phí dùng để xử lý ảnh số cho nhiều
mục đích khác nhau: ví dụ như Envi, Erdas, PCI, Ermapper…
Các bước xử lý ảnh số
Nhìn chung đối với một ảnh viễn thám dưới dạng số thì việc xử lý được thực hiện
qua 4 bước dưới đây:
+ Tiền xử lý
11


+ Tăng cường chất lượng ảnh
+ Chuyển đổi ảnh
+ Phân loại ảnh
1. Tiền xử lý ảnh
Các phép Tiền xử lý là những công đoạn như khôi phục và hiệu chỉnh ảnh. Nó được
sử dụng để hiệu chỉnh bức xạ và hiệu chỉnh hình học do những biến dạng gây ra bởi bộ cảm
biến và vật mang
Tiền xử lý ảnh số bao gồm hiệu chỉnh hình học va bức xạ, thường được thực hiện
trên các máy tính lớn tại các trung tâm thu dữ liệu vệ tinh nhằm tạo ra một dữ liệu ảnh lý
tưởng cung cấp cho người sử dụng.
a, Hiệu chỉnh bức xạ
Để đảm bảo nhận được những giá trị chính xác của năng lượng bức xạ va phản xạ
của vật thể cho trên ảnh vệ tinh, cần phải thực hiện việc hiệu chỉnh nhằm loại trừ các nhiễu
trước khi sử dụng ảnh. Hiệu chỉnh bức xạ được phân thanh ba nhóm chính sau:
+ Hiệu chỉnh do ảnh hưởng bởi bộ cảm biến

Nếu sử dụng các bộ cảm quang học, bao giờ cũng xảy ra trường hợp cường độ bức
xạ tại tâm lớn hơn tại góc. Khi sử dụng các bộ cảm quang điện tử thì xác định số hiệu chỉnh
bức xạ có thể thực hiện bằng cách xác định sự sai khác giữa cường độ bức xạ trước Sensor
va cường độ tín hiệu của chuẩn. Ngoai ra, ảnh vệ tinh thu được trong một số trường hợp bị
mất dòng ảnh, tạo vệt dòng ảnh va nhiễu ngẫu nhiên trên ảnh. Những ảnh hưởng tạo ra
nhược điểm nhất định cần phải khôi phục để cung cấp ảnh cho người sử dụng.
+ Ảnh hưởng do địa hình và góc chiếu của mặt trời
* Bóng chói mặt trời: Tạo ra hiện tượng bức xạ của mặt đất ở vùng nay sáng hơn ở
những vùng khác
* Bóng râm: la hiện tượng che khuất nguồn bức xạ bởi bản thân địa hình (vùng đồi,
núi, nha cao tầng…).
* Góc chiếu của mặt trời: Do vị trị tương đối của trái đất với mặt trời thay đổi theo
thời gian trong ngay va mùa trong năm, lam cho vùng Bắc bán cầu có góc đứng của mặt trời
vao mùa đông nhỏ hơn mùa hạ. Kết quả la ảnh chụp vao các mùa khác nhau sẽ có cường độ
chiếu sáng của mặt trời khác nhau.
+ Ảnh hưởng khí quyển
Rất nhiều các hiệu ứng khí quyển khác nhau như hấp thụ, phản xạ, tán xạ… ảnh
hưởng tới chất lượng ảnh thu được. Bức xạ mặt trời trên đường truyền xuống mặt đất bị hấp
thụ, tán xạ một lượng nhất định trước khi tới mặt đất va năng lượng bức xạ phản xạ từ vật
thể cũng bị hấp thụ hoặc tán xạ trước khi tới được bộ cảm. Do đó, bức xạ ma bộ cảm thu
được không phải chỉ đơn thuần năng lượng trực tiếp ma còn nhiều thanh phần nhiễu khác.
Hiệu chỉnh do ảnh hưởng khí quyển la giai đoạn tiền xử lý nhằm loại trừ ảnh hưởng của
những thanh phần bức xạ không mang thông tin hữu ích. Để hiệu chỉnh khí quyển, người ta
thường sử dụng các mô hình khí quyển nhằm mô phỏng trạng thái khí quyển va áp dụng các
quy luật quang học để hiệu chỉnh.
Các phương pháp cơ bản sau đây thường được sử dụng:
12


* Phương pháp sử dụng hàm truyền bức xạ

* Phương pháp sử dụng dữ liệu thực mặt đất
* Các phương pháp khác
b. Hiệu chỉnh hình học
Biến dạng hình học của ảnh được hiểu như sự sai lệch vị trí giữa toạ độ ảnh thực tế
(đo được) va toạ độ ảnh lý tưởng được tạo bởi một bộ cảm có thiết kế hình học chính xác va
trong các điều kiện thu nhận lý tưởng, nhằm loại trừ sai số giữa toạ độ ảnh thực tế va toạ độ
ảnh lý tưởng cần phải tiến hanh hiệu chỉnh hình học.
Nguyên nhân sinh ra biến dạng hình học của ảnh la do tổng hợp từ hai nguồn sai số
chính:
- Nội sai gây ra bởi tính chất hình học của bộ cảm.
- Ngoại sai gây bởi vị trí thế của vật mang va hình dáng của vật thể.
Ngoai ra, sự thay đổi địa hình cũng gây nên biến dạng hình học của ảnh. Tuy nhiên khi
mặt đất có sự chênh cao lớn thì khoảng cách trên ảnh trở nên lớn hơn. Ảnh hưởng do sự thay
đổi địa hình gây nên biến dạng tăng dần từ tâm ảnh ra các biên, các điểm trên mặt đất có độ
cao thấp hay cao hơn độ cao chuẩn tham chiếu (trong lúc chụp ảnh) đều bị biến dạng
Hiệu chỉnh hình học phải được thực hiện để loại trừ sự biến dạng về mặt hình học
của ảnh. Bản chất của hiệu chỉnh hình học la xây dựng mối tương quan giữa hệ toạ độ ảnh
va hệ toạ độ quy chiếu chuẩn (có thể la hệ toạ độ mặt đất vuông góc hoặc địa lý) dựa vao
các điểm khống chế mặt đất, vị thế của Sensor, điều kiện khí quyển …
Các bước thực hiện quá trình hiệu chỉnh hình học như sau:
+Chọn phương pháp
+ Kiểm tra độ chính xác: Sau khi đăng ký toạ độ ảnh, độ chính xác của việc hiệu
chỉnh hình học cần phải được kiểm tra bởi các cặp điểm GCP ma không tham gia trong quá
trình chuyển đổi (điểm kiểm tra). Nếu dộ chính xác không thoả mãn tiêu chuẩn yêu cầu (sai
số 1 pixel) thì phải kiểm tra lại dữ liệu toạ độ được nhập.
+ Nội suy và tái chia mẫu: la giai đoạn cuối cùng của hiệu chỉnh hình học, vì ảnh sau
khi hiệu chỉnh sẽ có sự thay đổi vị trí nên giá trị độ sáng của cá pixel cần phải được tính va
gán lại theo vị trí mới. Phương pháp nội suy va tái chia mẫu nhằm xác định giá trị độ sáng của
các pixel trên ảnh đã hiệu chỉnh từ các giá trị độ sáng của các pixel trên ảnh gốc.
2. Tăng cường chất lượng ảnh

Tăng cường chất lượng ảnh có thể được định nghĩa như một thao tác nổi bật hình ảnh
sao cho người giải đoán ảnh dễ đọc, dễ nhận biết nội dung trên ảnh hơn so với ảnh gốc.
Phương pháp cơ bản thường được sử dụng la biến đổi cấp độ xám, chuyển đổi histogram, tổ
hợp mau, chuyển đổi mau giữa hai hệ RGB red, green, blue) va HIS (Hue- sắc, Intensity cường độ, Saturation - mật độ) nhằm phục vụ việc giải đoán bằng mắt (phân tích định tính).
Ngoai việc tăng cường chất lượng ảnh, bước tiếp theo trong xử lý ảnh vệ tinh la
chiết tách thông tin đặc tính. Đây la một thao tác nhằm phân loại, sắp xếp thông tin có sẵn
13


trong ảnh theo các yêu cầu hoặc chỉ tiêu đưa ra dưới dạng ham số (phục vụ phân tích chất
lượng).
Biến đổi cấp độ xám
Biến đổi cấp độ xám la một kỹ thuật tăng cường chất lượng ảnh đơn giản, do thực tế
trong ảnh thô giá trị phổ nhằm cung cấp thông tin hữu ích thường phân bố trong phạm vi
hẹp so với khả năng hiển thị của ảnh (nếu ảnh lưu 8 bits sẽ hiển thị đến 256 giá trị). Ý nghĩa
của việc biến đổi cấp độ xám la nhằm biến đổi khoảng giá trị cấp độ xám thực tế của ảnh
gốc về khoảng cấp độ xám ma thiết bị hiển thị có khả năng thể hiện được. Bằng cách nay sẽ
tăng được độ tương phản giữa các đối tượng, lam cho ảnh rõ rang hơn.
Lọc không gian
Hiện tượng “muối va tiêu” trên ảnh phân loại, hoặc lốm đốm sinh ra trên ảnh gốc do
sai số phát snh trong quá trình truyền dữ liệu hoặc bị gián đoạn tạm thời. Do ảnh hưởng nay,
mọt số pixel trên ảnh có giá trị độ sáng lớn hay nhỏ hơn rất nhiều so với các pixel xung
quanh. Kết quả tạo ra các điểm sáng trắng hay sậm đen trên ảnh, lan ảnh hưởng đến việc
tách thông tin từ ảnh viễn thám. Tăng cường hay cải tiến chất lượng ảnh bằng cách áp dụng
ham (hay toán tử lọc) trong không gian ảnh nhằm loại nhiễu ngẫu nhiên va các giá trị đột
biến của pixel trên ảnh, tạo ảnh mới mịn hơn so với ảnh gốc. Biện pháp dùng cửa sổ lọc la
khá phổ biến.
3. Chuyển đổi ảnh
Cơ sở của các phép biến đổi ảnh la việc ứng dụng các phép toán số học để tạo thanh
ảnh mới.

- Trừ ảnh thường được sử dụng để xác định sự thay đổi xảy ra của một khu vực nao
đó ở những thời điểm khác nhau. Tuy nhiên hai ảnh muốn trừ được cho nhau chúng phải
được đưa về cùng một hệ tọa độ nhất định
- Tạo ảnh tỉ số
Phép chia ảnh hay ảnh tỷ số la một trong những phép biến đổi thường hay gặp. Ảnh
tỷ số thường để phát hiện hay lam nổi bật những biến đổi nhỏ về phổ của các đối tượng lớp
phủ trên bề mặt đất.
Một trong những tỷ số hay được đề cập đến đó la
+ Thuật toán NDVI
NDVI được dùng rất rộng rãi để xác định mật độ phân bố của thảm thực vật, đánh
giá trạng thái sinh trưởng va phát triển của cây trồng, lam cơ sở số liệu để dự báo sâu bệnh,
hạn hán, diện tích năng suất va sản lượng cây trồng…
NDVI =

Công thức:

NIR − RED
NIR + RED

Trong đó:
RED: giá trị phản xạ của kênh phổ đỏ
NIR: giá trị phản xạ của kênh phổ hồng ngoại
+Ngoài ra còn có: Thuật toán TVI, RVI, EVI
14


- Phân tích thành phần chính
Phân tích thanh phần chính la kỹ thuật chuyển đổi các giá trị độ sáng của pixel va sự
chuyển đổi nay sẽ nén dữ liệu ảnh bằng cách giữ tối đa lượng thông tin hữu ích va loại bỏ
các thông tin trùng lặp. Kết quả la dữ liệu ảnh thu được (ảnh thanh phần chính) chỉ chứa các

kênh ảnh ít tương quan thường được sử dụng rất hiệu quả trong tổ hợp mau va phân loại
ảnh.
Phân tích thanh phần chính được sử dụng để giảm số lượng các kênh phổ ma vẫn giữ
lượng thông tin không bị thay đổi đáng kể. Thực chất la thuật toán tạo ảnh chứa thông tin
chủ yếu dễ nhận biết hơn so với ảnh gốc. Về cơ bản đây la tổ hợp tuyến tính từ không gian k
chiều (k- số kênh chứa trên ảnh gốc) về một không gian p chiều (p- số kênh chứa trên ảnh
thanh phần chính) với k > p ma vẫn bảo toan thông tin ở mức chấp nhận được. Phương pháp
nay được áp dụng trong viễn thám trên cơ sở một thực tế la ảnh chụp ở các kênh phổ gần
nhau có độ tương quan rất cao, vì vậy thông tin của chúng có phần trùng lặp rất lớn.
4, Phân loại ảnh
Phân loại ảnh la quá trình tách gộp thông tin dựa trên các tính chất phổ, không gian va
thời gian. Phân loại thường được biểu diễn bởi tập hợp các kênh ảnh va quá trình nay la gán
từng pixel trên ảnh vao các lớp khác nhau dựa trên đặc tính thống kê của các giá trị độ xám
của từng pixel.
Các bước trong việc phân loại:
+ Chọn trước một tập hợp các lớp phủ ma theo đó ảnh sẽ được phân lớp
+ Với mỗi lớp, chọn ra môt tập các pixel tiêu biểu cho lớp đó (gọi la samples hoặc
training data)
+ Các tập training có thể lấy được từ đi thực địa, từ bản đồ, hay từ các nguồn hình ảnh
khác
+ Các tập training được dùng để ước đoán các tham số của giải thuật phân loại sẽ sử
dụng (các tham số thuộc 1 lớp training gọi la tín hiệu hay signature của lớp đó)
+ Dựa vao các tập training, xếp loại tất cả các pixel của ảnh sao cho mỗi pixel sẽ thuộc
về một lớp duy nhất
+ Tạo ảnh (hoặc bản đồ) phân loại, tính toán các thống kê của việc phân loại
Có hai phương pháp phân loại chính đó la Có kiểm định (Supervised ) va Không kiểm
định (Unsupervised).
- Phân loại không giám định
Phân loại không giám định có thể được dùng như một phương tiện để sơ bộ tìm hiểu sự
chia lớp của một vùng sắp khảo sát hay trong trường hợp thông tin về các lớp phủ la không

đầy đủ, hoặc thậm chí không có.
Các phương pháp phân loại không kiểm định
Các phương pháp phân loại không kiểm định không yêu cầu phải sử dụng số liệu mẫu
ma chỉ sử dụng thuần túy các thông tin phổ trên ảnh. Các pixel trên ảnh sẽ được nhóm (gộp)
vao các lớp phổ khác nhau trên cơ sở các nhóm phổ tự nhiên biểu thị qua các giá trị độ xám
của ảnh. Sau đó bằng cách xác minh thực địa (hoặc xác minh với các bản đồ khác), mỗi lớp
phổ sẽ được phân thanh các lớp tương ứng trên thực địa.
15


Các phương pháp phân loại không kiểm định rất đa dạng, dưới đây ta chỉ xét một số
thuật toán thường sử dụng trong viễn thám.
*Phương pháp K giá trị trung bình (K – Mean)
Với phương pháp nay số lớp cần phân loại phải được xác định từ trước. Khởi đầu, ta
chọn ra K tâm ban đầu của các lớp. rồi tiến hanh phân loại các điểm ảnh theo nguyên tắc
khoảng cách tối thiểu. Sau đó xác định vị trí trung bình của tất cả các điểm ảnh thuộc lớp, để
nhận lam tâm mới, rồi tiến hanh phân loại lại tất cả các điểm ảnh. Quá trình nay được lặp lại
cho tới khi nao tâm của các lớp giữa hai lần lặp không còn thay đổi thì kết thúc.
Phương pháp nay có thể được tóm tắt bằng 3 bước cơ bản sau:
Bước 1: Đầu tiên, chọn ra k vectơ lam tâm (mean) cho k lớp khởi đầu
Bước 2: Một vectơ pixel sẽ thuộc lớp ma khỏang cách (Euclide, chẳng hạn) từ nó đến
tâm của lớp la nhỏ nhất (thực hiện với tất cả các vecto trong 1 lần lặp)
Bước 3: Tính lại tâm của các lớp. Nếu tất cả các tâm giữ nguyên, thuật toán dừng;
nếu không quay lại bước 2
Phương pháp có ưu điểm la do các tâm lớp được điều chỉnh dần trong quá trình lặp
nên kết quả phân lớp không phụ thuộc vao việc lựa chọn các tâm ban đầu cũng như trình tự
các điểm ảnh được xét va do vậy cho ta kết quả đáng tin cậy nếu số lượng các lớp được xác
định đúng ngay từ đầu.
Tuy nhiên, nó có nhược điểm cơ bản la đòi hỏi người sử dụng phải xác định trước số
lớp cần phân loại. Trong khi đó việc ước lượng số lớp phổ tồn tại trên ảnh lại hoan toan

không đơn giản, nhất la đối với những ảnh có số lượng kênh phổ lớn.
* Phương pháp ISODATA
Đây có thể coi như một cải biên của phương pháp K giá trị trung bình nhằm khắc
phục nhược điểm đã nêu của phương pháp nay bằng cách sau mỗi lần lặp tiến hanh kiểm tra
để nhóm gộp, loại bỏ hay tách lớp khi cần, nhờ đó tự điều chỉnh được số lớp trong kết quả
phân loại. Thuật toán đòi hỏi người sử dụng phải biết ước lượng để lựa chọn các tham số
điều khiển quá trình phân loại
ISODATA có thể coi la thuật toán đáng tin cậy nhất trong số các phương pháp phân
loại không giám sát va được cai đặt trong hầu hết các phần mềm xử lý ảnh số. Tuy nhiên,
ngoai nhược điểm đã nêu về yêu cầu đối với người sử dụng, thì thời gian xử lý cũng la một
yếu điểm đáng kể của phương pháp nay.
- Phân loại có kiểm định:
Trong phân loại có kiểm định, người phân tích dựa trên những thông tin biết trước đó
về đặc tính phổ của các lớp, tiến hanh lấy mẫu nhằm tạo nên các ranh giới cho mỗi lớp trong
không gian phổ. Sau đó thì mỗi pixel trong ranh giới của1 lớp sẽ được phân chia về lớp đó.
*Phương pháp phân loại xác suất cực đại
La phương pháp thông dụng nhất, sử dụng các thống kê (mean, variance - covariance)
trong không gian phổ để xây dựng thuật toán.
Giả định các giá trị phổ (đa chiều) trong mỗi lớp đều có phân bố chuẩn.
Đây la phương pháp phân loại được coi la chặt chẽ va thường được sử dụng trong xử
lý ảnh viễn thám. Ở dạng cơ bản, phương pháp nay còn được gọi la xác suất cực đại không
điều kiện. Phương pháp nay sử dụng các số liệu mẫu để xác định ham mật độ phân bố xác
suất của mỗi lớp cần phân loại, sau đó mỗi Pixel được tính xác xuất ma nó thuộc vao một
lớp nao đó va Pixel đó sẽ được gán vao lớp ma xác suất thuộc vao lớp đó la lớn nhất.
Nhận xét: Phương pháp phân loại xác suất cực đại có cơ sở toán học chặt chẽ, để kết
quả phân loại đạt độ chính xác cao, cần có điều kiện:
-Các lớp cần có phân bố chuẩn, vì vậy hệ thống phân loại phải dựa trên các lớp phổ.
16

-Số liệu mẫu phải thực sự đại diện cho các lớp, cho phép xác định đúng ham phân bố
của mỗi lớp.
* Phương pháp theo khoảng cách tối thiểu
Phương pháp nay còn có tên gọi la phương pháp “láng giềng gần nhất”. Đây la
phương pháp tương đối đơn giản, dựa vao việc so sánh khoảng cách từ điểm ảnh cần phân
loại tới tâm của các lớp trong không gian phổ rồi gán điểm đó về lớp có tâm gần với nó
nhất.
* Phương pháp phân loại hình hộp
Phân loại hình hộp thuộc vao nhóm phương pháp phân loại có kiểm định đơn giản
nhất
Ưu điểm: đơn giản, tính nhanh
Nhược điểm: có nhiều pixel sẽ không được xử lý
Ngoài các phương pháp cơ bản trên còn có các, ph ư ơng pháp: sử dụng mạng nơ
ron hay phân loại m ềm
*Phương pháp phân loại sử dụng mạng nơ ron
Câu 8: Khái niệm GIS theo chức năng. Các thành phần cơ bản của hệ thống GIS.
1, Khái niệm GIS:
Theo chức năng, GIS la một hệ thống nhằm thu thập, lưu trữ, truy vấn, tích hợp, thao tác,
phân tích va hiển thị dữ liệu không gian. Thực chất, GIS chính la một chương trình máy tính
hỗ trợ việc thu thập, lưu trữ, phân tích va hiển thị dữ liệu bản đồ. Điểm khác biệt cơ bản của
GIS với các hệ thống thông tin khác la GIS được thiết kế để lam việc với các dữ liệu trong
một hệ toạ độ quy chiếu. Điểm giống với các hệ thống thông tin khác la GIS cũng bao gồm
một hệ cơ sở dữ liệu va các phương pháp để thao tác với dữ liệu đó.
2, Các thành phần cơ bản của hệ thống GIS:
Theo nghĩa rộng, GIS bao gồm phần cứng, phần mềm, dữ liệu, phương pháp, con người.
Theo nghĩa hẹp, GIS được định nghĩa như một hệ phần mềm thực hiện chức năng nhập dữ
liệu, xây dựng cơ sở dữ liệu, phân tích dữ liệu va trình bay dữ liệu qua các thiết bị đầu ra.
Hệ thống thông tin địa lý (GIS):
+Phần cứng:Máy tính,Máy in,Ban số hóa,Đĩa CD va ổ USB
+Phần mềm:ArcGIS,Idrisi,Mapinfo,MicroStation

+Dữ liệu:Bản đồ ,Bảng thuộc tính
+Phương pháp :Phân lớp, Chồng xếp ,Phân tích lân cận, Phân tích mạng
Câu 9: Khái niệm về cơ sở dữ liệu

17


Các tập dữ liệu chứa các thông tin có liên quan đến một cơ quan, một tổ chức, một
chuyên nganh khoa học tự nhiên hoặc xã hội được lưu trữ trong máy tính theo một quy định
nao đó theo mục đích sử dụng được gọi la cơ sở dữ liệu.
Một cơ sở dữ liệu của hệ thống thông tin địa lý có thể chia ra lam 2 loại số liệu cơ bản:
số liệu không gian va phi không gian. Mỗi loại có những đặc điểm riêng va chúng khác
nhau về yêu cầu lưu giữ số liệu, hiệu quả, xử lý va hiển thị.
Số liệu không gian la những mô tả số của hình ảnh bản đồ, chúng bao gồm toạ độ, quy
luật va các ký hiệu dùng để xác định một hình ảnh bản đồ cụ thể trên từng bản đồ. Hệ thống
thông tin địa lý dùng các số liệu không gian để tạo ra một bản đồ hay hình ảnh bản đồ trên
man hình hoặc trên giấy thông qua thiết bị ngoại vi, …
Số liệu phi không gian la những diễn tả đặc tính, số lượng, mối quan hệ của các hình
ảnh bản đồ với vị trí địa lý của chúng. Các số liệu phi không gian được gọi la dữ liệu thuộc
tính, chúng liên quan đến vị trí địa lý hoặc các đối tượng không gian va liên kết chặt chẽ với
chúng trong hệ thống thông tin địa lý thông qua một cơ chế thống nhất chung.
Câu 10: Mô hình cấu trúc cơ sở dữ liệu của GIS: dữ liệu không gian, dữ liệu
thuộc tính.
1, Mô hình cấu trúc cơ sở dữ liệu không gian
Dữ liệu la trung tâm của hệ thống GIS, hệ thống GIS chứa cang nhiều thì chúng cang
có ý nghĩa. Dữ liệu của hệ GIS được lưu trữ trong CSDL va chúng được thu thập thông qua
các mô hình thế giới thực. Dữ liệu trong hệ GIS còn được gọi la thông tin không gian. Đặc
trưng thông tin không gian la có khả năng mô tả “vật thể ở đâu” nhờ vị trí tham chiếu, đơn
vị đo va quan hệ không gian. Chúng còn khả năng mô tả “hình dạng hiện tượng” thông qua
mô tả chất lượng, số lượng của hình dạng va cấu trúc. Cuối cùng, đặc trưng thông tin không

gian mô tả “quan hệ va tương tác” giữa các hiện tượng tự nhiên. Mô hình không gian đặc
biệt quan trọng vì cách thức thông tin sẽ ảnh hưởng đến khả năng thực hiện phân tích dữ
liệu va khả năng hiển thị đồ hoạ của hệ thống.
1. Cấu trúc dữ liệu vector
Cấu trúc dữ liệu Vector hay còn gọi la mô hình dữ liệu Vector nhằm thể hiện chính
xác các đối tượng địa lý trên bề mặt Trái đất lên bản đồ số bằng giá trị liên tục của các cặp
tọa độ va xác định chính xác mối quan hệ không gian của các đối tượng. Tuy vây, thực sự
thì không thể tồn tại sự hiển thị chính xác tuyệt đối ma phụ thuộc vao mức độ hiển thị của
máy tính. Mô hình Vector cho phép hiển thị các kiểu đối tượng dạng vùng va tuyến chính
xác về vị trí va thường được lựa chọn để xây dựng cơ sở dữ liệu dạng vùng (đa giác) như
thửa đất, các đơn vị ranh giới hanh chính các cấp; mạng lưới giao thông, thủy văn va các đối
tượng dạng tuyến khác.
Các đối tượng địa lý khác nhau được lưu trữ trong máy tính bằng một hay nhiều cặp
tọa độ XY. Trong mô hình Vector, đối tượng hình học cơ bản nhất la điểm. Đối tượng dạng
tuyến phức tạp hơn bởi vì nó được định nghĩa bằng chuỗi các cặp tọa độ theo từng điểm.
-

Mô hình dữ liệu Spaghetti

Mô hình dữ liệu Spaghetti la một trong các phương pháp sử dụng để lưu dữ liệu về các
nhóm đối tượng địa lý dưới dạng bản đồ trong các phần mềm GIS. Mô hình dữ liệu
Spaghetti la một mô hình đơn giản lưu trữ dữ liệu hình học các đối tượng địa lý rất hiệu quả.
18


Mô hình Spaghetti có cấu trúc đơn giản, mỗi đối tượng địa lý được mô tả độc lập, vì vậy,
một cặp tọa có thể xuất hiện nhiều lần để lưu hai hay nhiều đối tượng kề nhau. Tuy nhiên,
mô hình Spaghetti có một lợi thế la sự thay đổi của một đối tượng ma không ảnh hưởng đến
hình dạng của đối tượng khác. Mỗi nhóm đối tượng điểm, đường va đa giác được lưu thanh
các tệp riêng biệt. Các tệp riêng biệt nay được hiển thị dưới dạng các bản đồ riêng biệt.

Phương pháp lưu trữ dữ liệu dạng nay đơn giản va rất tiện cho việc tra cứu các thông tin liên
quan đến từng nhóm đối tượng.
Đối tượng điểm la các thực thể địa lý được xác định bởi một cặp tọa độ (x,y) duy nhất.
Ngoai ra thì các dữ liệu mô tả điểm đó như ký hiệu, tên gọi,… cũng được lưu trữ cùng với
cặp tọa độ.
Đối tượng đường được định nghĩa la tập hợp các thực thể địa lý được xác định bằng
những đoạn thẳng có ít nhất hai hay nhiều cặp tọa độ
a. Mô hình dữ liệu Topology
Đối tượng địa lý có thể nhóm thanh đối tượng cơ sở (điểm, đường) va nhóm đối tượng
topo (topological features) hay còn gọi la các đối tượng kết hợp (composite features). Nhóm
đối tượng topo như nút (nodes), đường (routes), vùng (regions) được tạo ra từ đối tượng cở
sở.
Các đối tượng topo được đặt tên va định nghĩa khác nhau tùy thuộc phần mềm GIS. Ví
dụ, trong ArcInfo, các đối tượng topo gồm cung (arcs), nút (nodes), điểm nhãn (level point),
polygon, điểm khống chế (tics), ký tự (annonation), đường (route), phần (section). Mô hình
dữ liệu Topology la tập các quy tắc để xây dựng va hiển thị các đối tượng topo. Hiện nay,
nhiều mô hình Topology đã được nghiên cứu va đề xuất cho nhóm đối tượng topo nay. Mỗi
mô hình đề xuất đều có những ưu va nhược điểm.
- Mô hình dữ liệu RASTER
a. Khái niệm dữ liệu Raster
Cấu trúc dữ liệu Raster la ma trận ô vuông. Mỗi ô vuông gọi la một pixel va đại diện
cho một điểm trên thực địa. Nếu một vùng lãnh thổ nao đó được chia thanh ma trận ô
vuông, mỗi ô vuông có tọa độ riêng, tập các ô vuông trong vùng lãnh thổ chính la thực thể
dữ liệu. Nếu các điểm coi như nằm ở tâm của mỗi ô vuông, ta thanh lập được một bảng dữ
liệu gồm tọa độ địa lý của các điểm trong vùng nhất định. Một ma trận ô vuông cho một
vùng lãnh thổ gọi la mô hình dữ liệu Raster.
Cách tổ chức phổ biến của dữ liệu Raster la ma trận số gồm hang va cột. Vị trí (tọa độ)
của pixel la thứ tự của hang va cột. Kích thước của pixel trong Raster gọi la độ phân giải
bản đồ hay ảnh. Pixel nên có kích thước đủ nhỏ để có thể lưu trữ chi tiết dữ liệu về đối
tượng, nhưng cũng phải có kích thước đủ lớn để có thể phân tích dữ liệu một cách thuận

tiện.
Trong cấu trúc dữ liệu dạng Raster, mọi đối tượng điểm, đường va đa giác trên bản đồ
đều được định nghĩa từ đơn vị cơ bản pixel. Điểm được định nghĩa la một ô pixel. Đường
được định nghĩa la một tập hợp các pixel nối tiếp nhau va sắp xếp theo một hướng nhất
định. Vùng được định nghĩa la một tập hợp khép kín các ô vuông lưới có vị trí liền kề nhau.
Mỗi pixel đều có một giá trị nhất định theo kiểu dữ liệu riêng.
Ưu điểm lớn nhất của mô hình Raster la toan bộ dữ liệu hình thanh bản đồ được lưu trong
bộ nhớ máy tính. Do vậy, các thao tác kiểu như so sánh được thực hiện dễ dang. Tuy nhiên
19


nó sẽ gặp bất lợi cho việc biểu diễn đường, điểm vì mỗi đối tượng nay la tập các pixel trong
mảng. Đường thẳng có thể bị đứt đoạn hay rộng hơn so với hình ảnh thực. Khó khăn lớn
nhất khi xử lý dữ liệu Raster la vấn đề “tế bao trộn”. Sau nay tuỳ thuộc vao ứng dụng thực
tế ma xác định quy luật gán giá trị lại cho chúng. Một vấn đề khác ma mô hình gặp phải đó
chính la việc lưu trữ dữ liệu. Ta biết rằng bản đồ chia ra lam nhiều lớp, mỗi một lớp gồm
hang triệu Pixel biểu diễn một đặc trưng địa lý nao đó. Trung bình một ảnh vệ tinh phủ
khoảng 30.000 km2 với kích thước của mỗi điểm ảnh la 30 m thì có khoảng 35 triệu Pixel.
Vì thế có thể nói rằng số lượng dữ liệu cần lưu trữ la khổng lồ, điều nay dẫn đến nhiều khó
khăn cho hệ thống thông tin. Vấn đề đặt ra la cần phải nén dữ liệu nhờ một số thuật toán
thích hợp.
Ưu và nhược điểm của dữ liệu vector và Raster
a. Mô hình dữ liệu Vector
Mô hình dữ liệu Vector có nhiều ưu điểm. Một trong những ưu điểm nổi trội la lưu trữ
chính xác vị trí các điểm va các đối tượng trên bề mặt Trái đất theo một hệ quy chiếu nhất
định. Một số ưu điểm chính của dữ liệu Vector bao gồm:
- Dữ liệu lưu tốn ít bộ nhớ hơn dữ liệu Raster.
- Dữ liệu có thể tạo từ độ phân giải gốc, không có sự khái quát hóa dữ liệu.
- Độ chính xác của dự liệu gốc được duy trì.
- Cho phép tạo topo cho các đối tượng, thực hiện các phân tích mạng rất tiện ích.

- Chuyến đổi hệ tọa độ được thực hiện dễ dang.
- Truy vấn va cập nhật dữ liệu khá tiện ích va dễ dang.
Dữ liệu Vector bao gồm những mặt hạn chế sau:
- Cấu trúc dữ liệu phức tạp.
- Thực hiện các phép toán chồng ghép la rất khó khăn.
- Vị trí của mỗi điểm phải lưu trữ một cách chính xác.
- Cho phân tích không gian, dữ liệu Vector phải được chuyển sang mô hình Topology.
Quá trình sửa lỗi để tạo Toppology khá tốn kém thời gian. Hơn nữa, dữ liệu Topology phải
thường xuyên tạo lại vì các dữ liệu điểm, đường va đa giác thường xuyên thay đổi.
- Các thuật toán áp dụng cho phân tích không gian rất phức tạp.
- Các dữ liệu liên tục như dữ liệu độ cao, độ dốc không được hiển thị hiệu quả với mô
hình dữ liệu Vector.
- Phân tích không gian va lam trơn dữ liệu la không thể thực hiện trong ranh giới của
vùng.
b. Mô hình dữ liệu Raster
So với mô hình dữ liệu Vector, mô hình Raster có một số ưu điểm. Một trong những
ưu điểm nổi trội la cấu trúc dữ liệu phù hợp cho thực hiện các phép tính đại số bản đồ va
nhiều thuật toán phức tạp khác. Một số ưu điểm chính của dữ liệu Raster đã được khái quát
hóa bao gồm:
- Cấu trúc dữ liệu đơn giản, thanh phần cơ bản của bản đồ chỉ gồm Pixel.
20


- Vị trí của mỗi điểm được lưu đơn giản bằng tọa độ hang va cột của ma trận số.
- Phân tích không gian được thực hiện dễ dang va thuận tiện.
- Dữ liệu Raster thích hợp cho mô hình hóa va tính toán định lượng.
- Các dữ liệu rời rạc va dữ liệu liên tục như độ cao có thể kết hợp dễ dang.
- Dữ liệu Raster thích hợp với các thiết bị đầu ra như máy in va hiển thị dữ liệu đồ.
- Nhiều dữ liệu số như ảnh vệ tinh, ảnh máy bay sẵn có va đa dạng, có khả năng cập
nhật nhanh dữ liệu số nay.

Một số mặt hạn chế đã được ghi nhận bao gồm:
- Độ phân giải của Pixel hạn chế khả năng mô tả chi tiết đối tượng.
- Rất khó hiển thị các đối tượng hình tuyến chính xác như đường giao thông, thủy văn.
- Xử lý dữ liệu thuộc tính la khó khăn trong trường hợp cơ sở dữ liệu lớn. Mỗi bản đồ
Raster chỉ tương ứng với một thuộc tính nhất định.
- Hầu hết các dữ liệu đều tồn tại ở dạng Vector, để sử dụng dữ liệu Raster, ta cần thực
hiện chuyển đổi dữ liệu sang dạng Raster.
- Các bản đồ Raster thường có mau sắc kém hấp dẫn va đẹp hơn dữ liệu Vector.
- Chuyển đổi hệ tọa độ thực hiện khó khăn hơn dữ liệu Vector.
2, Mô hình cấu trúc cơ sở dữ liệu thuộc tính
Dữ liệu thuộc tính la các thông tin đi kèm với các dữ liệu không gian để mô tả về các
đối tượng điểm, đường va vùng. Trong các hệ thống GIS, phần lớn các tệp tin dữ liệu thuộc
tính được lưu thanh các tệp tin riêng biệt với tệp tin dữ liệu không gian. Các tệp dữ liệu
thuộc tính có thể được tạo ra trong các hệ quản trị cơ sở dữ liệu như Microsoft Access,
ORACLE, Microsoft SQL Server.
Nhiều phần mềm cơ sở dữ liệu nay đều được xây dựng dựa trên nguyên lý của mô
hình cơ sở dữ liệu quan hệ. Mô hình cơ sở dữ liệu quan hệ có thể coi như la mô hình chuẩn
đầu tiên về cơ sở dữ liệu nói chung cũng như cơ sở dữ liệu địa lý nói riêng.
Quá trình phân tích va xây dựng dữ liệu thuộc tính trong GIS có thể thực hiện các nội
dung cơ bản sau: Điều tra, thu thập dữ liệu; định nghĩa thực thể dữ liệu va thuộc tính; xác
định quan hệ giữa các thực thể dữ liệu; lập lược đồ thực thể dữ liệu va chuyển lược đồ thực
thể dữ liệu thanh bảng dữ liệu thuộc tính.
Điều tra, quan sát, thu thập dữ liệu của tổ chức: Tiến hanh liệt kê các hồ sơ, sổ sách,
tệp dữ liệu của tổ chức: Bước nay la cơ sở để định hình các thực thể dữ liệu dự định xây
dựng các tệp tin dữ liệu dạng bảng. Các tệp tin dữ liệu liên kết với nhau theo cấu trúc sẽ
hình thanh cơ sở dữ liệu. Ví dụ, để xây dựng cơ sở dữ liệu địa chính, ta cần thu thập bản đồ
địa chính, các bản đồ có liên quan, hồ sơ địa chính gồm sổ địa chính, sổ mục kê, sổ cấp giấy
chứng nhận quyền sử dụng đất, sổ theo dõi biến động đất đai. Các loại bản đồ va hồ sơ nay
sẽ la cơ sở để xác định các thực thể dữ liệu cho mô hình dữ liệu quan hệ phục vụ quản lý đất
đai.

Xác định thực thể dữ liệu và thuộc tính thực thể dữ liệu: Một thực thể la một lớp đối
tượng cụ thể hoặc trừu tượng của thế giới thực. Mỗi thực thể gồm nhiều phần tử giống như
tập hợp. Các phần tử trong một thực thể tồn tại khách quan va độc lập tương đối lẫn nhau.
Một thực thể được nhận diện bằng một số các đặc trưng của nó gọi la thuộc tính. Như vậy
21


thuộc tính (Attribute) la các yếu tố thông tin cụ thể để nhận biết một thực thể. Mỗi tập thực
thể được đặc trưng bởi một tên va danh sách các thuộc tính của nó. Người ta dùng một
trong các ký hiệu sau để mô tả một tập thực thể.
Xác định mối quan hệ giữa các thực thể dữ liệu: Mối quan hệ la sự mô tả sự liên hệ
giữa các phần tử của các tập thực thể với nhau, chúng la các gắn kết các tập thực thể với
nhau. Mối quan hệ giữa các tập thực thể có thể la một mối quan hệ sở hữu hoặc phụ thuộc
hoặc mô tả sự tương tác giữa chúng. Quan hệ giữa hai thực thể dữ liệu có thể la đơn-đơn (11), đơn-đa (1-n), đa-đa (n-n).
Lập lược đồ thực thể dữ liệu: Biểu đồ thực thể quan hệ mô tả các thực thể dữ liệu,
thuộc tính va các quan hệ giữa các thực thể dữ liệu. Mỗi biểu đồ thực thể dữ liệu thường
được lập cho một cơ sở dữ liệu nhất định.
Chuyển biểu đồ thực thể dữ liệu sang mô hình dữ liệu quan hệ: Trên cơ sở lược đồ
thực thể dữ liệu được thiết lập ở bước trên, ta sẽ chuyển đổi lược đồ thực thể dữ liệu thanh
bảng dữ liệu quan hệ. Mỗi thực thể dữ liệu sẽ tương ứng với một bảng dữ liệu. Ví dụ, thực
thể dữ liệu thửa đất sẽ lập bảng dữ liệu quan hệ có tên la bảng dữ liệu thửa đất. Mỗi thuộc
tính của một thực thể dữ liệu sẽ chuyển thanh cột tương ứng của bảng dữ liệu. Trong số các
thuộc tính của thực thể, chọn một thuộc tính lam tên định danh (ID) gọi la khóa chính. Mối
quan hệ giữa hai thực thể dữ liệu lam cơ sở để thiết lập trường khóa ngoại của bằng thuộc
tính.
Câu 11: Khái quát các dạng phân tích dữ liệu không gian trong hệ thống thông
tin địa lý.
Phân tích dữ liệu GIS la chức năng cơ bản nhất của các hệ thống thông tin địa lý. Phân
tích dữ liệu trong GIS nhằm tạo ra thông tin hữu ích đáp ứng nhu cầu thông tin của người sử
dụng.

Hiện nay, có nhiều quan điểm khác nhau về phân tích dữ liệu trong hệ thống thông tin
địa lý. Theo nghĩa hẹp, phân tích dữ liệu địa lý la việc sử dụng các phương pháp để phân
tích dữ liệu địa lý. Theo nghĩa rộng, phân tích dữ liệu địa lý la quá trình nghiên cứu va tìm
ra quy luật phân bố theo không gian của hiện tượng va quá trình diễn ra trên bề mặt Trái đất
(Murayama, 2011).
Mục tiêu cuối cùng của phân tích dữ liệu la cung cấp thông tin hữu ích cho người sử
dụng thông tin địa lý như các cơ quan quản lý, người dân va doanh nghiệp
Theo Bonham-Carter (1996), các phương pháp phân tích dữ liệu địa lý có thể được
nhóm thanh ba nhóm phương pháp theo số lớp dữ liệu sử dụng trong phân tích: Nhóm
phương pháp phân tích dữ liệu trên một lớp dữ liệu, hai lớp dữ liệu, nhiều lớp dữ liệu va
phương pháp xử lý dữ liệu chung.
Phân tích không gian dựa trên một lớp dữ liệu nhằm phân tích mối liên quan giữa các
đối tượng trong một bản đồ. Các dạng phân tích với một lớp dữ liệu bao gồm đo lường,
phân loại, truy vấn; phân tích lân cận; phân tích mạng. Nhóm phương pháp phân tích đo
lường, phân lớp va truy vấn có đặc điểm chung la không lam thay đổi cơ bản dữ liệu gốc để
tạo dữ liệu mới. Đo lường la các phép tính khoảng cách giữa các đối tượng, tính chu vi đối
tượng vùng, tính diện tích va thể tích. Truy vấn la các phép tính tìm kiếm thông tin từ cơ sở
dữ liệu dựa trên các điều kiện nhất định. Phân lớp la sự ấn định lại giá trị cho các đối tượng
của lớp dữ liệu. Tất cả các chức năng phân tích của nhóm nay đều thực hiện dựa trên một
22


lớp dữ liệu Vector hay Raster. Nhóm chức năng phân tích lân cận bao gồm phân tích vùng
đệm va chức năng phân tích phân bố.
Phân tích dữ liệu dựa trên hai lớp dữ liệu được thực hiện thông qua chồng xếp hai lớp
bản đồ. Hai lớp dữ liệu được chồng xếp trên cơ sở các phép tính số học va đại số để tạo ra
lớp dữ liệu mới. Phân tích chồng xếp được thực hiện phổ biến với dữ liệu Raster. Tuy nhiên,
dữ liệu Vector cũng có thể thực hiện chức năng chồng ghép. Nguyên lý chung của chồng
ghép la kết hợp các đối tượng ở cùng một vị trí.
Phân tích dữ liệu không gian dựa trên nhiều lớp dữ liệu la dạng phân tích nâng cao va

phức tạp nhất. Các phân tích nâng cao nay thường dựa trên các mô hình tính toán phức tạp
như mô hình artificial neural netwworks, mô hình cellular automata, mô hình Markov chain,
mô hình fuzzy logic; các công thức tính toán khác nhau để kết hợp dữ liệu đầu vao va tạo ra
lớp thông tin mới
Các phương pháp xử lý dữ liệu chung bao gồm chuyển đổi hệ quy chiếu va chuyển đổi
dữ liệu như chuyển dữ liệu từ dạng cấu trúc Vector sang cấu trúc Raster.
Đây la các phương pháp phân tích dữ liệu được trình bay la những phương pháp phân tích
đơn giản dựa trên một lớp dữ liệu va hai lớp dữ liệu. Những phương pháp phân tích nâng
cao dựa vao nhiều lớp dữ liệu vượt qua phạm vi của giáo trình nay bởi vì phân tích nâng cao
thường liên quan với các lĩnh vực chuyên nganh cụ thể như khoa học Trái đất, sinh thái học,
nông học, lâm nghiệp, khoa học đất, khoa học môi trường, quản lý tai nguyên thiên nhiên,
khí tượng, thủy văn va nhiều lĩnh vực khoa học tự nhiên khác.
Câu 12: Các phép đo đạc và phân tích lớp dữ liệu địa lý
Chức năng đo đạc la chức năng đơn giản nhất trong phân tích dữ liệu địa lý với cả
dữ liệu Raster va Vector. Hầu hết các phần mềm GIS đều có các mô-đun để thực hiện
được chức năng đo đạc. Nội dung đo đạc chủ yếu la xác định vị trí, chiều dai, diện
tích. Các phép đo nay được thực hiện khác nhau giữa hai loại dữ liệu Vector va Raster.
Đo đạc với dữ liệu Vector: Đơn vị cơ bản của dữ liệu la điểm, đường va vùng. Vì
vậy, các phép đo đạc sẽ la xác định vị trí, chiều dai, khoảng cách va diện tích của các
đối tượng địa lý.
Vị trí của một đối tượng địa lý được lưu dưới dạng một tọa độ x,y với đối tượng
điểm, một dãy cặp tọa độ với dạng dữ liệu đường va vùng. Vị trí của một vùng thường
được xác định thông qua một điểm nhãn vùng. Phần mềm GIS lưu va truy vấn vị trí
của vùng qua điểm nhãn vùng nay. Phép đo chiều dai của đối tượng dạng đường hay
đường ranh giới vùng. Độ dai của đường sẽ bằng tổng các đoạn hay cung cộng lại.
Các phân mềm GIS cho phép phân biệt các đoạn thông qua cấu trúc topology. Mỗi
đoạn đường hay cung được xác định bởi điểm khởi đầu va điểm kết thúc. Đo khoảng
cách giữa hai đối tượng địa lý la một trong chức năng quan trọng. Các đối tượng địa lý
gồm điểm, đường va vùng vì vậy đo khoảng cách có thể thực hiện với nhiều cặp đối
tượng khác nhau như khoảng cách giữa hai điểm, khoảng cách giữa một điểm va một

đường.
Phép đo diện tích được thực hiện với các đối tượng dạng vùng. Vùng đặc trưng cho
nhiều đối tượng địa lý khác nhau. Diện tích của vùng thường được đo đạc thực địa va
ghi thanh một trường riêng trong tệp dữ liệu. Tuy nhiên, diện tích có thể tính được
thông qua các công cụ GIS nếu như vùng đảm bảo đã tạo topology. Phần mềm ArcGIS
23


va FAMIS cho phép thiết lập topology của bản đồ thửa đất, ta có thể tính được diện
tích từng thửa đất.
Đo đạc với dữ liệu Raster: Các phép đo đạc trên dữ liệu Raster được thực hiện đơn
giản hơn vì cấu trúc dữ liệu Raster đơn giản hơn Vector. Xác định vị trí một điểm la vị
trí của pixel trong lớp dữ liệu Raster. Vị trí của pixel được xác định bằng tọa độ hang
va cột của lớp dữ liệu. Diện tích được tính bằng tổng các pixel nhân với diện tích một
pixel. Diện tích của pixel được tính dựa trên độ phân giải.
Ví dụ, ảnh LANDSAT TM có độ phân giải la 30mx30m. Diện tích của một pixel sẽ
la 0.09 ha.
Khoảng cách được tính bằng chuỗi các pixel theo trật tự nhất định vì đường được
hiển thị trong mô hình dữ liệu Raster la chuỗi các pixel.

Câu 13: Nguyên lý chuyển cấu trúc dữ liệu dạng Raster sang Vector và ngược lại.
Chuyển dữ liệu trong GIS bao gồm nhiều kiểu khác nhau: chuyển đổi phổ biến la
chuyển đổi từ Raster sang Vector va ngược lại; chuyển từ dữ liệu thuộc tính sang bản
đồ; các dạng chuyển đổi dữ liệu sử dụng các ham số sơ cấp… Chuyển đổi từ Raster
sang Vector va ngược lại la một trong những dạng chuyển đổi phổ biến.
Chuyển đổi dữ liệu từ Vector sang Raster có ý nghĩa đặc biệt cho các dự án nghiên
cứu có tính toán phức tạp. Các dạng tính toán nay cần dữ liệu ở dạng dữ liệu Raster,
dữ liệu Vector nhìn chung chỉ phục vụ tốt mục tiêu hiển thị dữ liệu không gian. Dữ
liệu Vector dạng điểm, đường va vùng đều có thể chuyển sang Raster. Ngược lại, dữ
liệu Raster có thể chuyển thanh dữ liệu Vector dạng điểm, đường va vùng. Một số

phần mềm GIS hỗ trợ sự chuyển đổi nay khá thuận tiện.
Nguyên lý chuyển đổi dữ liệu từ dạng Vector sang Raster
Trong thực tiễn, rất nhiều dữ liệu địa lý được hiển thị theo dạng dữ liệu điểm để thực
hiện tính toán cần thiết.Các dữ liệu dạng đường của dữ liệu Vector la tập các điểm va
mỗi điểm có tọa độ xác định. Mỗi điểm nay được chuyển sang tương ứng la một pixel.
Như vậy, chuỗi các điểm của dữ liệu Vector được chuyển thanh chuỗi các ô pixel
Với các dữ liệu dạng vùng, quá trình chuyển đổi từ Vector sang Raster la sự chia
nhỏ vùng cần chuyển đổi thanh các ô vuông phủ chùm vùng cần chuyển đổi theo
đường ranh giới vùng. Trong quá trình chuyển đổi cần phải tính toán diện tích cần
chuyển đổi theo ranh giới vùng, hình thanh lưới ô vuông hiển thị cho vùng cần chuyển
với kích thước ô xác định va cuối cùng la chồng xếp lưới ô vuông lên vùng cần chuyển
đổi để tạo ra lưới dữ liệu Raster của vùng chuyển đổi. Việc lựa chọn độ phân giải của
pixel la yếu tố quan trọng vì sự lựa chọn độ phân giải ảnh hưởng đến độ chính xác của
vùng cần chuyển đổi. Lưu ý rằng các phân tích dữ liệu yêu cần độ chính xác cao về
diện tích vùng thì sự chuyển đổi từ dữ liệu Vector sang dữ liệu Raster cần phải xem
xét cẩn thận.
Chuyển đổi từ dữ liệu Raster sang dữ liệu Vector:
24


Ngoai chuyển đổi từ dữ liệu Vector sang Raster, nhiều ứng dụng đòi hỏi chuyển
đổi từ dữ liệu Raster sang Vector. Hiện nay, ảnh vệ tinh viễn thám, ảnh hang không
dạng số rất đa dạng va phong phú. Định dạng của các tệp dữ liệu ảnh vệ tinh viễm
thám đều lưu trữ dưới dạng dữ liệu Raster. Nhiều ứng dụng trong lĩnh vực quản lý đất
đai đòi hỏi dữ liệu ở dạng Vector, vì vậy sự chuyển đổi dữ liệu từ Raster sang Vector
la cần thiết
Khái quát hóa quá trình chuyển đổi từ dữ liệu Raster sang cấu trúc dữ liệu Vector
được mô tả khái quát: Ảnh số thực chất la dãy các ô vuông được mã hóa dưới dạng số
va được xếp theo cấu trúc ma trận vuông. Như vậy, quá trình chuyển đổi từ Raster
sang Vetor la quá trình nhóm các pixel có cùng giá trị thanh các nhóm khác nhau

Câu 14: Chồng xếp các lớp dữ liệu.
Với dữ liệu Raster, chồng xếp hai lớp dữ liệu được thực hiện theo từng pixel. Các tính
toán cũng được thực hiện theo cấp độ pixel. Chồng xếp được thực hiện đơn giản hơn dữ liệu
Vector. Sự kết hợp các lớp dữ liệu Raster thông qua các phép tính toán để cho ra lớp dữ liệu
mới. Các phép tính có thể la các phép tính số học va đại số, phép tính so sánh va Boolean.
Tại vị trí một pixel của từng lớp dữ liệu Raster, ta có thể kết hợp lại để tạo thanh ô
pixel mới. Giá trị của ô pixel mới la kết quả của các phép tính số học như cộng, trừ, nhân,
chia hoặc theo các công thức hoặc mô hình tính toán nhất định. Lưu ý rằng tất cả các lớp dữ
liệu Raster phải có cùng hệ quy chiếu thì mới có thể thực hiện được phân tích chồng xếp.
Có nghĩa la ta cần phải chuyển các bản đồ nhân tố về cùng một hệ quy chiếu như UTM
chẳng hạn.
Nguyên lý chồng xếp bản đồ Raster nay có tiềm năng ứng dụng to lớn trong thực hiện
mô hình hóa va mô phỏng nhiều hiện tượng địa lý diễn ra trên bề mặt Trái đất. Các mô hình
dự báo xói mòn đất, dự báo động đất, dự báo hiện tượng ấm nóng toan cầu, dự báo chuyển
đổi lớp phủ thực vật, tính toán phân bố nước thải, chất thải rắn va khí thải vao môi trường
đất va khí quyển la những ví dụ tiêu biểu. Trong lĩnh vực quản lý đất đai va quản lý tai
nguyên thiên nhiên, nguyên lý chồng xếp bản đồ Raster đã va đang được ứng dụng rộng rãi
trong công tác đánh giá đất, định giá đất để đề xuất các chiến lược quản lý va sử dụng một
cách hiệu quả va bền vững.
Chồng xếp lớp dữ liệu Raster dựa vào phép tính số học: Phép tính số học va đại số la
các phép tính cộng, trừ, nhân, chia, ham số mũ, logarit, các ham số sơ cấp khác. Mỗi lớp dữ
liệu có thể cộng, trừ, nhân, chia với một hằng số nhất định. Ví dụ, cho ba lớp dữ liệu A, B,
C, các lớp dữ liệu mới C1, C2, C3 được tạo ra thông qua các phép tính số học đơn giản để
kết hợp lớp dữ liệu với hằng số. Lớp dữ liệu A được cộng thêm giá trị 10 để tạo ra lớp dữ
liệu mới C1. Tương tự, ta có thể cộng hai lớp dữ liệu A va B để tạo ra lớp dữ liệu mới C2.
Va cuối cùng, lớp dữ liệu mới C3 được tạo ra từ công thức C3=((A-B)/(A+B))*100.
Chồng xếp các lớp dữ liệu Raster dựa theo phép tính so sánh: Phép tính nay để đánh giá
một điều kiện nhất định. Những điều kiện đánh giá gồm lớn hơn hoặc bằng (> =), nhỏ hơn
hoặc bằng (< =) va trong khoảng (> va <). Ví dụ về phép so sánh bằng, cho lớp dữ liệu 1 va
lớp dữ liệu 2, ta thực hiện phép so sánh lớn hơn hoặc bằng với hai lớp dữ liệu nay để tạo ra

lớp dữ liệu kết quả. Nếu giá trị tại mỗi pixel của lớp 1 lớn hơn pixel ở lớp dữ liệu 2 thì ô
tương ứng ở lớp dữ liệu kết quả nhận giá trị la 1, còn lại nhận giá trị 0.
25