Ứng dụng thuật toán k NN nhằm chiết xuất các đối tượng bề mặt không thấm trên ảnh landsat OLI khu vực giao thủy, nam định

Mở đầu
1. Tính cấp thiết của đề tài
Bề mặt không thấm là các bề mặt do con người tạo ra, bao gồm các loại bề mặt
ngăn chặn quá trình nước không thể xâm nhập vào đất, chẳng hạn như đường giao
thông, vỉa hè, bãi đậu xe, mái nhà, v.v... Trong những năm gần đây, bề mặt không
thấm đã nổi lên không chỉ là một chỉ số về mức độ đô thị hóa, mà còn là một chỉ số
chính về chất lượng môi trường. Sự gia tăng bề mặt không thấm sẽ dẫn đến sự gia
tăng về quy mô, thời gian và cường độ của dòng chảy trong đô thị. Gia tăng biện
tích bề mặt không thấm sẽ tác động và gây ô nhiễm nguồn nước, bao gồm các tác
nhân gây bệnh, các chất độc hại gây ô nhiễm nước mặt và nước ngầm. Ngoài ra, sự
gia tăng này cũng sẽ làm giảm diện tích thảm thực vật trong các khu đô thị. Sự xuất
hiện với mức độ dày đặc trên không gian của bề mặt không thấm có thể ảnh hưởng
đáng kể đến khí hậu đô thị bằng cách thay đổi luồng nhiệt hợp lý và tiềm ẩn nguy
cơ gây gia tăng nhiệt độ đô thị dẫn đến hiện tượng đảo nhiệt tại các đô thị. Do đó,
thông tin các bản đồ phân bố không gian của khu vực bề mặt không thấm là thực
sự cần thiết cho lập thiết kế, quy hoạch, quản lý và bảo vệ tài nguyên môi trường
đô thị.
Kỹ thuật viễn thám vệ tinh đã trở thành phương pháp ưu việt trong quan trắc và lập
bản đồ phân bố và ước tính diện tích bề mặt không thấm do tính đa thời gian, đa
phổ, đa nguồn dữ liệu và diện tích nghiên cứu trên khu vực rộng. Các nghiên cứu
trên thế giới và trong nước nêu trong phần tổng quan đã một phần minh chứng
được sự thành công của việc sử dụng phương pháp viễn thám kĩ thuật số như là
công cụ hữu hiệu cho việc chiết xuất thông tin về đặc điểm, sự phân bố và sự thay
đổi của các bề mặt không thấm trong các khu đô thị. Bởi vì, các thông tin về bề
mặt không thấm được xác định rất rõ ràng trên ảnh vệ tinh. Đặc biệt hơn nữa, ảnh
vệ tinh có thể cho phép xác định sự thay đổi của các bề mặt không thấm trong
những khoảng thời gian từ trong quá khứ cho đến hiện tại một cách hệ thống và có
tính đồng nhất cao. Điều này góp phần định lượng, phân tích sự biến đổi để đưa ra
xu thế, và có thể dự báo được tốc độ của sự thay đổi các yếu tố này và từ đó đưa ra
được bức tranh phát triển của các khu đô thị lớn.
Mặc dù đã được một số nhà nghiên cứu trong nước đề cập đến vấn đề này, tuy

nhiên chưa hề có một nghiên cứu nào ứng dụng các kĩ thuật phân loại viễn thám và
trang1


ảnh vệ tinh được tiến hành để chiết xuất các thông tin và định lượng được các đối
tượng bề mặt không thấm ở khu vực nông thôn. So với bề mặt không thấm trong
đô thị, lớp phủ bề mặt không thấm ở khu vực nông thôn có những đặc điểm đặc thù
riêng. Đầu tiên, bề mặt không thấm khu vực nông thôn là thưa thớt, phân bố nhỏ lẻ
không tập trung thành khối lớn như trong đô thị. Thứ hai, tính chất quang học của
bề mặt không thấm ở khu vực nông thôn thay đổi ở các vị trí không gian khác
nhau. Do đó, khi hiển thị trên ảnh vệ tinh độ phân giải trung bình, các điểm ảnh
thực tế của bề mặt không thấm khu nông thôn bao gồm rất nhiều các vật liệu không
đồng nhất về chất liệu như: cơ sở nông nghiệp, đường xá giao thông, nhà cửa bao
gồm cả mái tôn và mài ngói và bị lẫn trong khu vực vườn tạp của người dân. Vì
vậy nó là khó khăn hơn để tiến hành khai thác các thông tin bề mặt không thấm ở
khu vực nông thôn so với thành phố, và một số lượng lớn các điểm ảnh hỗn hợp
thường dẫn đến giảm độ chính xác kết quả phân loại do tính chất không đồng nhất
của đối tượng bề mặt không thấm ở nông thôn.
Trong nghiên cứu này, chúng tôi đã tìm hiểu và lựa chọn phương pháp phân loại
theo hướng đối tượng sử dụng thuật toán K Nearest Neighbors (K-NN) nhằm chiết
tách bề mặt không thấm từ ảnh vệ tinh Landsat OLI ở khu vực huyện Giao Thủy,
tỉnh Nam Định
2.Mục tiêu, nhiệm vụ nghiên cứu
2.1.Mục tiêu nghiên cứu
Mục tiêu của nghiên cứu này là ứng dụng thuật toán K Nearest Neighbors
nhằm phân loại các bề mặt không thấm khu vực nông thôn từ ảnh vệ tinh Landsat
OLI.
2.2. Nhiệm vụ của nghiên cứu
Để đạt được mục tiêu nghiên cứu, quá trình nghiên cứu thực hiện các nhiệm
vụ sau:

Nội dung 1: Tổng quan tài liệu;
Nội dung 2: Thu thập và đánh giá dữ liệu;
Nội dung 3: Xây dựng quy trình chiết tách thông tin các bề mặt không thấm từ ảnh
vệ tinh;
trang2


Nội dung 4: Xử lý và phân loại ảnh vệ tinh Landsat OLI theo quy trình đã xây
dựng, phân tích và đánh giá các kết quả phân loại.
Nội dung 5: Viết báo cáo tổng kết.
3.Các phương pháp và phần mềm nghiên cứu
3.1 Các phương pháp nghiên cứu
1. Phương pháp phân tích và tổng hợp: Phục vụ cho phần tổng quan báo cáo;
2. Phương pháp xử lý ảnh viễn thám
3. Phương pháp thực nghiệm thực địa: Thu thập và xác định các mẫu đối tượng
trên thực địa nhằm kiểm chứng độ chính xác phân loại ảnh vệ tinh.
3.2 Các phần mềm được sử dụng
1. Envi 4.8: Xử lý ảnh vệ tinh;
2. eCognition Developer: Phân loại ảnh vệ tinh;
3. Mapinfo 10.0: Tạo dữ liệu thuộc tính trên không gian xã cho dữ liệu dân số;
4. Arc Map 10.0: Phân loại ảnh vệ tinh và Phân tích biến động không gian;
4.Cấu trúc báo cáo
Báo cáo bao gồm 3 chương cùng với phẩn mở đầu và kết luận, tài liệu tham
khảo được trình bày trong 50 trang đánh máy, dưới đây là tiêu đề các chương:
Chương 1: Nghiên cứu tổng quan về các đối tượng bề mặt không thấm
Chương 2: Nghiên cứu tổng quan về thuật toán K-NN và các phương pháp phân
loại trên ảnh vệ tinh
Chương 3: Ứng dụng thuật toán K-NN nhằm chiết xuất các đối tượng bề mặt
không thấm trên ảnh Landsat OLI khu vực Giao Thủy, Nam Định.

trang3


CHƯƠNG 1
NGHIÊN CỨU TỔNG QUAN VỀ CÁC ĐỐI TƯỢNG
BỀ MẶT KHÔNG THẤM

1. Những vấn đề chung về bề mặt không thấm
1.1. Khái niệm và đặc điểm của đối tượng bề mặt không thấm
Tính không thấm nước (gọi tắt là tính không thấm) là đơn vị vật lý được đặc trưng
bởi sự đóng kín bề mặt từ các vật liệu xây dựng và ngăn cản sự thẩm thấu nước
vào trong lòng đất (Barnes, Morgan và Roberge et al., 2001). Đây là yếu tố chỉ thị
rất hữu ích dùng để tính tác động của phát triển đất đai lên cảnh quan, tính chất này
thường được thể hiện dưới các dạng bề mặt không thấm.
Trong những năm gần đây, bề mặt không thấm được biết đến như là một chỉ số
chính để nhận dạng quá trình đô thị hóa và cường độ phát triển đô thị cũng như sự
phát triển đô thị bền vững và quy hoạch nguồn tài nguyên thiên nhiên. Dưới đây là
một số khái niệm định nghĩa về bề mặt không thấm.
Theo Dougherty et al.,2004 : “Bề mặt không thấm nước bao gồm các mái của các
tòa nhà, đường phố đường cao tốc, vỉa hè, bãi đỗ xe mà nước không thể xâm nhập,
trực tiếp ảnh hưởng đến lượng dòng chảy làm cho suối, hồ, ao và điểm bắt đầu ô
nhiễm và thẩm mỹ cảnh quan.”
“Bề mặt không thấm là bất kỳ bề mặt nào mà nước không thể xâm nhập vào đất,
chẳng hạn như đường giao thông, đường lái xe vào, vỉa hè, bãi đậu xe, mái nhà.
Trong những năm gần đây, bề mặt không thấm nước đã nổi lên không chỉ là một
chỉ số về mức độ đô thị hóa , mà còn là một chỉ số chính về chất lượng môi
trường” theo Arnold và Gibbons, 1996.
“Là những bề mặt không cho nước xâm nhập vào đất, bề mặt không thấm chủ yếu
là các loại hình phục vụ cho giao thông (đường phố, đường cao tốc, bãi đỗ xe, vỉa
hè). Và mái của các tòa nhà đại diện cho sự phát triển của cảnh quan.” theo civco

et. 2002.

trang4


Như vậy từ các định nghĩa trên ta có thể thấy bề mặt không thấm là các bề mặt
cứng ngăn cản cũng như làm hạn chế sự xâm nhập của nước vào trong đất khiến
cho nước chảy tràn trên bề mặt với lượng rất lớn hoặc với tỷ lệ dòng chảy cao. Các
mặt không thấm là các mặt xây dựng như mái nhà, lối đi bộ, đường giao thông, bãi
đỗ, kho chứa được phủ bởi các vật liệu không thấm như nhựa đường, bê tông và
đá.
Quá trình đô thị hóa ở các thành phố thường liên quan đến các mặt không thấm,
bởi vì chúng liên quan đến quá trình bê tông hóa bề mặt. Các mặt không thấm đại
diện cho quá trình phát triển của cảnh quan. Nó bao gồm 2 thành phần chính là: bề
mặt xây dựng hạ tầng mái nhà, nơi chúng ta đang sống, các công trình công cộng,
cửa hàng, văn phòng làm việc và các hệ thống giao thông (đường bộ, vỉa hè, bãi đỗ
xe). Hiện nay diện tích bề mặt không thấm từ các thành phần giao thông cao hơn
hẳn so với diện tích bề mặt không thấm từ các mái nhà. Ví dụ: bề mặt không thấm
liên quan đến giao thông bao gồm 63-70% tổng diện tích không thấm tại cuộc khảo
sát tại 11 khu dân cư, thương mại và sinh sống của nhiều hộ gia đình (City of
Olympia,1994). Thực trạng này được thấy rõ nhất trong các khu vực ngoại thành
và thể hiện sức mạnh về nhu cầu đi lại của người dân. Trong hơn hai thập kỷ qua
các thành phần vận tải ngày càng được mở rộng.
Xét về góc độ sử dụng đất, chúng liên quan với các kiểu thực phủ đô thị và biến
động thực phủ. Do đó, mặt không thấm là tham số thích hợp cho việc xem xét quá
trình đô thị hóa của một khu vực.
Nhiều nghiên cứu đã chứng minh rằng ngưỡng giới hạn đối với sự ổn định của một
đô thị thuộc lưu vực sông và chất lượng môi trường sống ở khoảng 10% – 15% đặc
tính không thấm trong toàn lưu vực và đã đề nghị sơ đồ phân loại ngưỡng 3 cấp
cho tiềm năng chất lượng đô thị thuộc lưu vực dựa trên các mức độ của đặc tính

không thấm như sau (Arnold, Gibbons, 1996 và Schueler, 1994):
- Căng thẳng: diện tích mặt không thấm chiếm 1 – 10% tổng diện tích toàn lưu vực
- Tác động: diện tích mặt không thấm chiếm 11 – 25% tổng diện tích toàn lưu vực
- Suy thoái: diện tích mặt không thấm chiếm > 26% tổng diện tích toàn lưu vực

trang5


1.2. Nguyên nhân và tác động của sự gia tăng bề mặt không thấm tới môi
trường
-

Các nguyên nhân gây gia tăng các bề mặt không thấm

Mặt không thấm là mặt nhân tạo, được xem là yếu tố chỉ thị về môi trường bởi vì
có liên quan đến việc xây dựng lên chúng. Quá trình đô thị hóa mở rộng không
gian đô thị ở Hà Nội nói riêng và trên cả nước nói chung dẫn đến sự gia tăng các
bề mặt không thấm. Dưới đây là một số nguyên nhân tiêu biểu dẫn đến sự gia tăng
bề mặt không thấm.

Công nghiệp hóahiện đại hóa

Gia tăng
dân số
Gia tăng bề
mặt không
thấm

Gia tăng các công
trình công cộng

Phát triển
giao thông
Đô thị hóa, nông
thôn mới

Hình1.1: Nguyên nhân chính làm gia tăng bề mặt không thấm
Sự gia tăng dân số dẫn đến nhu cầu về nhà ở của người dân tăng cao. Để đáp ứng
nhu cầu đó đòi hỏi việc phải xây dựng nhà ở, mở rộng các khu dân cư, các khu đô
thị. Việc xây dựng các khu dân cư, nhà ở cho người dân làm gia tăng các bề mặt
không thấm như bê tông, nhựa, sỏi, đá…
- Ảnh hưởng của quá trình biến động bề mặt không thấm đến môi trường đô
thị.
Liên quan đến môi trường đô thị, tác động của các mặt không thấm đa dạng và liên
kết với nhau. Rất quan trọng và cần thiết khi xem xét các tác động này trong các dự
trang6


án tăng trưởng dân số và kiểm soát sự phát triển bành trướng đô thị, bảo vệ đất đai
nông nghiệp và các dự án môi trường tương tự khác. Sự gia tăng lên về diện tích
các bề mặt không thấm gây nên nhiều ảnh hưởng đến nhiều khía cạnh của môi
trường như cảnh quan, khí hậu đô thị và nguồn tài nguyên nước và ảnh hưởng trực
tiếp đến cuộc sống của mỗi chúng ta. Chúng được thể hiện ở những điểm sau:
Thay đổi về chất
lượng nước mặt

Sự thay đổi định
lượng nước mặt
Gia tăng bề
mặt không

thấm
Suy thoái, mất mát,
và chia cắt môi
trường sống

Thay đổi để cân đối
năng lượng địa
phương và vi khí hậu
(Tăng nhiệt độ đô thị)

Thay đổi sông
suối và cảnh quan
thẩm mỹ

Hình1.2: Ảnh hưởng của bề mặt không thấm đến môi trường đô thị
Các bề mặt không thấm trực tiếp ảnh hưởng đến dòng chảy nước mưa và chất
lượng nước. Hơn nữa, các phản ứng nhiệt độ và đặc tính phản quang của bề mặt
không thấm được liên kết với "đảo nhiệt đô thị" có hiệu lực, mà ảnh hưởng đến
cuộc sống và sức khỏe con người vì những thay đổi trong dòng nhiệt hợp lý và
nồng độ của ô nhiễm không khí. Gia tăng bề mặt không thấm cũng dẫn đến sự thay
đổi kịch tính về thẩm mỹ của cảnh quan môi trường sống. Cho thấy sự thay đổi từ
phong cảnh sống tự nhiên, nông thôn thành các khu vực đô thị. Đây có thể là thước
đo cho sự mở rộng, phát triển đô thị.
Sự thay đổi của chu kỳ thủy văn địa phương và khu vực (các thay đổi định lượng
nước):
Sự phát triển các khu dân cư, thương mại, công nghiệp, và sử dụng đất phục vụ
giao thông vận tải, các chu kỳ thủy văn địa phương được thay đổi đáng kể. Sự thay
đổi về thời gian, chu kỳ, chiều cao của các dòng chảy là kết quả của sự gia tăng các

trang7

bề mặt không thấm. Ngoài ra, sự thay thế các thảm thực vật của bề mặt không thấm
làm giảm đáng kể mức bốc hơi nước trung bình hàng năm trên lưu vực sông.
-Tác động đến chất lượng nước:
Các bề mặt không thấm ngăn cả sự thâm nhập của nước vào trong đất dẫn đến việc
tích tụ lại của nước trong các khu vực trũng. Đồng thời trong đó cũng bao hàm một
lượng lớn các chất thải, hóa chất, các chất gây ô nhiễm môi trường(chất gây ô
nhiễm thông thường: chất dinh dưỡng, vi khuẩn, các chất hữu cơ. Hay như các kim
loại nặng và các chất độc hại khác như xăng dầu theo Clark, 1985; Whipple, 1977).
Khi mưa lớn các chất này cũng theo dòng chảy trên các bề mặt không thấm chảy ra
sông ngòi, kênh rạch, ao hồ dẫn đến việc ô nhiễm suy giảm sinh học, hóa học, và
đặc tính vật lý của các hồ, suối, và cửa sông tiếp nhận nước thải đô thị
-Thay đổi cân bằng năng lượng và vi khí hậu:
Do sự phát triển thay đổi đất từ rừng, đồng cỏ, và đất canh tác sang thành các bề
mặt không thấm nước, cân bằng giữa năng lượng mặt trời bị hấp thụ ở bề mặt và
năng lượng trên mặt đất phản xạ cũng được thay đổi. Bức xạ mặt trời truyền đến bề
mặt trái đất được phản xạ, hấp thụ và chuyển hóa thành nhiệt hợp lý hoặc sử dụng
trong quá trình bốc hơi. Điều quan trọng cần lưu ý là không khí được làm nóng chủ
yếu bởi năng lượng tỏa ra khỏi bề mặt của trái đất và không phải bằng cách làm
nóng năng lượng mặt trời trực tiếp. Do đó vật liệu ảnh hưởng đến lượng phản xạ
hoặc hấp thụ, và cũng ảnh hưởng đến dòng chảy của nhiệt từ bề mặt vào khí quyển
-Làm thoái hóa, mất mát và phân mảnh môi trường sống:
Phát triển, đặc biệt là không gian phân tán các hình thức như một gia đình lớn
nhiều nhà ở, kết quả không chỉ với số lượng lớn hơn các bề mặt không thấm trên
toàn khu vực, nhưng trong sự hủy diệt và sự phân mảnh của môi trường sống trên
cạn. tác động của sự phân mảnh môi trường sống được biểu hiện chậm hơn và
thường tích lũy dần. Các môi trường sống trên cạn thường được bao quanh bởi
hoặc tiếp giáp với đường giao thông, khu dân cư, khu thương mại, hoặc đất canh
tác.

-Phá hủy thẩm mỹ học của sông suối và cảnh quan:

trang8


Xu hướng phát triển về phía bề mặt không thấm nước làm thay đổi hình ảnh của
sông suối và cảnh quan của nó. Đối với một số cá nhân, mở rộng đô thị, với bề mặt
không thấm nước, tốt hơn là khu vực nông nghiệp và nông thôn để phát triển. Tiêu
biểu như các bờ suối đô thị thường bóc tách thực vật một cách nghiêm trọng và bị
xói mòn thường xuyên.
Tóm lại việc chuyển đổi từ đất thấm sang bề mặt không thấm là một mối đe dọa
nghiêm trọng đến tính toàn vẹn của cả hai môi trường tự nhiên và xây dựng và ảnh
hưởng đến sự thoải mái và chất lượng tổng thể của cuộc sống cho mình cư dân. Sự
gia tăng bề mặt không thấm đang gia tăng đáng kể khối lượng của nước mưa. Dòng
chảy tăng này tạo ra mối nguy hiểm lũ lụt và ô nhiễm nước mặt với các chất ô
nhiễm tích tụ trên các đường phố, đường cao tốc, bãi đậu xe, và thậm chí cả sân cỏ
của khu vực đô thị hoá, trong khi làm giảm chất lượng vật lý của dòng suối. Do sự
đóng góp của các bề mặt không thấm nước để các hiệu ứng đảo nhiệt đô thị, Thủy
sản và môi trường sống trên cạn bị phân hủy hoặc thay thế bằng các khu thương
mại, công nghiệp, dân cư và sử dụng đất tiêu thụ nhiều hơn và nhiều không gian.
Cuối cùng, sự phá hủy và thay đổi của dòng kênh và chuyển đổi rừng và đất canh
tác thành đất dân cư, trung tâm thương mại và bãi đỗ xe đang làm xuống cấp chất
lượng thẩm mỹ của nhiều dòng chảy và cảnh quan.
1.3. các phương pháp xác định bề mặt không thấm
Để xác định được các bề mặt không thấm trong không gian đô thị ta có thể tiến
hành đo đạc trực tiếp bằng công tác truyền thống ngoài thực địa cũng như có thể sử
dụng các công nghệ hiện đại sử dụng các tư liệu ảnh hàng không, ảnh vệ tinh viễn
thám để đánh giá diện tích các bề mặt không thấm.
1.3.1. Phương pháp đo đạc truyền thống
Phương pháp đo đạc truyền thống đó là công việc đo đạc trực tiếp từng đối tượng

sau đó thống kê tổng hợp để thành lập bản đồ hiện trạng bề mặt không thấm cũng
như bản đồ biến động.
Ưu điểm của phương pháp này:
- Tiếp cận trực tiếp được với các đối tượng cần nghiên cứu.
- Phân loại một cách chi tiết các đối tượng.
trang9


- Kết quả thu được có độ chính xác cao.
Nhược điểm:
- Mất nhiều thời gian và tốn kém về mặt kinh tế.
- Phụ thuộc nhiều vào điều kiện thời tiết và địa hình khu đo do phương pháp này
phụ thuộc vào các điều kiện ngoại nghiệp.
- Không thu được dữ liệu một cách liên tục theo thời điểm cần quan trắc biến động.
- Phương pháp này gặp nhiều hạn chế trong nghiên cứu biến động các yếu tố môi
trường.
1.3.2. Phương pháp đo đạc trên ảnh hàng không
Đây chính là phương pháp đo đạc gián tiếp các đối tượng bề mặt không thấm qua
các hình ảnh thu được từ các thiết bị chụp ảnh hàng không, giúp ta xác định được
vị trí, hình dáng, kích thước, mỗi quan hệ tương hỗ giữa các đối tượng đo từ đó xây
dựng các bản đồ hiện trạng cũng như biến động các bề mặt không thấm.
Ưu điểm của phương pháp này:
- Có khả năng đo đạc tất cả các đối tượng đo mà không nhất thiết phải tiếp xúc
hoặc đến gần chúng, miễn các đối tượng này có thể chụp ảnh được (bằng phim
toàn sắc, phim màu hoặc phim quang phổ).
- Nhanh chóng thu được các tư liệu đo đạc trong thời gian chụp ảnh, giảm nhẹ
công tác ngoài trời, tránh các ảnh hưởng của thời tiết đối với công tác đo đạc.
- Có thể đo trong cùng một thời điểm nhiều điểm đo khác nhau của các đối tượng
đo.
Nhược điểm:

- Nhược điểm chủ yếu của phương pháp đo ảnh là trang bị kỹ thuật cồng kềnh và
đắt tiền, đòi hỏi những điều kiện nhất định trong sử dụng và bảo quản, đặc biệt là
đối với khí hậu nhiệt đới ở nước ta.
- Yêu cầu trình độ trình độ của cán bộ chuyên môn phải cao.

trang10


1.3.3. Phương pháp đo đạc trên ảnh viễn thám
Để khắc phục những hạn chế của các phương pháp đo đạc truyền thống, viễn thám
đã được đưa vào sử dụng đối với công việc ước tính thông tin bề mặt không thấm
với nhiều ưu điểm nổi trội.
Ưu điểm của phương pháp:
- Độ phủ trùm không gian của tư liệu, phương pháp này có thể nghiên cứu
biến động trên các khu vực có phạm vi khác nhau, ở các thời điểm khác
nhau.
- Phương pháp có thể được áp dụng nghiên cứu trên những khu vực có
điều kiện địa hình, thời tiết phức tạp nơi mà phương pháp đo đạc truyền
thống khó có thể thực hiện được.
- Xử lý nhanh và có hiệu quả kinh tế.
- Đảm bảo được độ chính xác cần có và các yêu cầu kỹ thuật.
- Thuận tiện trong nghiên cứu biến động các yếu tố môi trường.
Nhược điểm của phương pháp:
- Với khu vực nhỏ, chi phí cho nghiên cứu bằng phương pháp viễn thám và GIS sẽ
đắt hơn các phương pháp truyền thống.
- Phương pháp này đòi hỏi yêu cầu trình độ của cán bộ chuyên môn phải cao, đội
ngũ cán bộ làm được còn hạn chế.
- Nhiều dạng đối tượng có thể bị lẫn vào nhau, không phân biệt được trên ảnh
1.3.3.1. Phân loại bằng mắt
Giải đoán bằng mắt là 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 thông tin viễn thám thì giải
đoán bằng mắt (visual interpretaion) là công việc đầu tiên, phổ biến nhất và 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 là công việc
trang11


có thể áp dụng một cách dễ dàng trong mọi điều kiện và 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 (Hà Văn Hải, 2002)
Nhìn chung, có thể chia các yếu tố giải đoán thành 8 nhóm chính sau:
- Kích thước: Kích thước của đối tượng tùy thuộc vào 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 (cần phải chọn một tỷ lệ ảnh phù hợp để giải đoán).
- Hình dạng: Là đặc trưng bên ngoài tiêu biểu cho đối tượng và 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 là dấu hiệu giải đoán ảnh quan trọng (ruộng thường có dạng
hình vuông hay chữ nhật, khu vực chung cư cao tầng khác với nhà riêng lẻ…).

Hình 2.14: Kích thước và hình dạng của nhà là khác nhau: nhà ở, sân vận động,
sân tennis, bụi cây…
- 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 hiệnbóng của đối tượng.
Căn cứ theo bóng của vật thể xác định được chiều cao của chúng, trong ảnh radar
bóng râm là yếu tố giúp cho việc xác định địa hình và hình dạng mặt đất. Tuy
nhiên, bóng râm trong ảnh vệ tinh quang học thường làm giảm khả năng giải đoán
đối với khu vực nhiều nhà cao tầng, rất khó khăn trong việc xác định diện tích của
vật thể.

trang12


Hình 2.15: Bóng của đối tượng
- Độ đậm nhạt: Là 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 màu thì tone
ảnh sẽ cho độ đậm nhạt màu để phân biệt các vật thể khác nhau). Độ đậm nhạt của
ảnh là yếu tố rất quan trọng và cơ bản trong việc giải đoán ảnh.
- Màu sắc: Là một yếu tố rất thuận lợi trong việc xác định chi tiết các đối tượng.
Ví dụ, các kiểu loài thực vật vật có thể được phát hiện dễ dàng qua màu sắc (ngay
cả cho những người không có kinh nghiệm). Trong giải đoán ảnh khi sử dụng ảnh
hồng ngoại màu, các đối tượng khác nhau sẽ có tổ hợp màu khác nhau, đặc biệt sử
dụng ảnh đa phổ tổ hợp màu. Tùy theo mục tiêu giải đoán, việc chọn lựa các kênh
phổ để tổ hợp màu sẽ hiển thị được tốt nhất các đối tượng mà người giải đoán quan
tâm.

Hình 2.16: Độ đậm nhạt và màu sắc của: nước biển, nước hồ, rừng…
trang13


- Cấu trúc: Là tần số lặp lại của sự thay đổi cấu trúc ảnh cho một khu vực cụ thể
trên ảnh quang học. Cấu trúc còn là một tập hợp của nhiều hình mẫu (đối tượng)
nhỏ phân bố thường theo một quy luật nhất định trên một vùng ảnh mà trong một
mối quan hệ với đối tượng cần nghiên cứu, các đối tượng nhỏ này sẽ quyết định
đối tượng đó có cấu trúc là mịn hay sần sùi.

Hình 2.17: Cấu trúc mịn của nước biển và cỏ, cấu trúc thô của cây
- Hình mẫu: Liên quan đến việc sắp xếp của các đối tượng về mặt không gian và

mắt người giải đoán có thể phân biệt được. Đây là dạng tương ứng với vật thể theo
một quy luật nhất định, nghĩa là sự lặp lại theo trật tự cụ thể của ảnh hay cấu trúc
sẽ tạo ra sự phân biệt và đồng thời có thể nhận biết được hình mẫu. Hình mẫu cung
cấp thông tin từ sự đồng nhất về hình dạng của chúng.

Hình 2.18: Hình mẫu đều của nhà trong khu dân cư, hình mẫu không đều của cây
trong công viên và dọc đường giao thông

trang14


- 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 giảm nhẹ việc xác định chính xác đối tượng.

Hình 2.19: Chiều cao, vị trí, sự kết hợp
Khóa giải đoán ảnh là chuẩn giải đoán cho đối tượng nhất định bao gồm tập hợp
các yếu tố và dấu hiệu do nhà giải đoán thiết lập, nhằm trợ giúp cho công tác giải
đoán nhanh và đạt kết quả chính xác thống nhất cho các đối tượng từ nhiều người
khác nhau.
Kết quả giải đoán chủ yếu phụ thuộc vào khóa giải đoán, thông thường khóa giải
đoán được thành 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 và phân tích cho nhiều vùng khác trên cơ sở cùng một loại tư liệu cũng như
cùng mùa và thời gian chụp ảnh do đó giúp cho công tác giải đoán nhanh hơn và
đảm bảo được tính thống nhất trong quá trình giải đoán.
1.3.3.2. Phân loại ảnh vệ tinh bằng phương pháp xử lý số
Phân loại ảnh vệ tinh bằng phương pháp xử lý số: Hiện nay có rất nhiều phương
pháp phân loại cho dữ liệu ảnh viễn thám, nhưng nhìn chung, phương pháp tiếp
cận phân loại ảnh viễn thám có thể được nhóm lại bao gồm các nhóm chính sau: có

giám sát và không giám sát, hoặc phân loại có tham số và không (mờ) tham số,
hoặc cứng và mềm, hoặc dựa trên điểm ảnh, sub-pixel và vùng đối tượng.
- Phân loại dựa trên pixel:
+ Phân loại không kiểm định
trang15


Là việc phân loại thuần túy theo tính chất phổ mà không biết rõ tên hay tính chất
của lớp phổ đó và việc đặt tên chỉ là tương đối dựa vào việc phân lớp phổ
(Chistens).
+ Phân loại có kiểm định:
Là phân chia một cách có kiểm định các giá trị DN (Digital Number) của các pixel
ảnh theo từng nhóm đơn vị lớp phủ mặt đất bằng việc sử dụng máy tính và các
thuật toán. Để thực hiện việc phân loại có kiểm định, phải tạo được “chìa khoá
phân tích phổ” nghĩa là tìm được tính chất phổ đặc trưng cho từng đối tượng lớp
phủ mặt đất và đặt tên cho chúng. Công việc xác định chìa khoá phân tích phổ
được gọi là tạo các vùng mẫu (hay vùng kiểm tra – trainning areas). Từ các vùng
này, các pixel khác trong toàn ảnh sẽ được xem xét và sắp xếp theo nguyên tắc
“giống nhất” (Look must like) để đưa về các nhóm đối tượng đã được đặt tên.
Trong phân loại có kiểm định có một số phương pháp thường được sử dụng là:
phân loại hình hộp (Parallelpiped Classification), phân loại theo khoảng cách nhỏ
nhất (Minimum distance Classification), phân loại hàm xác suất cực đại
(Maximum Likelihood Classification).
Ưu điểm của phương pháp phân loại dựa trên pixel: Tận dụng được hết thông tin
trên tất cả các kênh ảnh. Rất ít phụ thuộc vào trình độ của người giải đoán, do thuật
toán phân loại được máy tính thực hiện. Các thuật toán phân loại được kiểm tra và
tùy biến nhiều lần. Các chỉ tiêu phân loại là định lượng, không phụ thuộc vào cảm
tính của người giải đoán. Dễ dàng kết hợp với các phương pháp chiết xuất thông
tin phi phân loại khác như tính toán chỉ số thực vật; tính toán sinh khối… Tuy
nhiên trong phương pháp này các ảnh phân loại chỉ đơn thuần dựa vào giá trị các

pixel không thể liên kết với các cảnh quan xung quanh nên nhiều trường hợp sẽ bị
giải đoán nhầm các đối tượng làm giảm độ chính xác của kết quả phân loại.
- Phân loại mờ (fuzzy classification):
Lý luận mờ là một phương pháp toán học nhằm lượng hóa các phát biểu mơ hồ. Ý
tưởng cơ bản là thay thế hai phát biểu lý luận nghiêm ngặt “có” và “không” bởi
dãy liên tục [0…1], mà 0 nghĩa là “không chính xác” và 1 là “chính xác”. Mọi giá
trị giữa 0 và 1 đại diện một phát biểu ít nhiều chắc chắn của “chính xác” và “không
chính xác”. Vì vậy, các hệ phân loại mờ thích hợp tốt với việc xử lý hầu hết các
vấn đề trong tách thông tin viễn thám.
trang16


Tuy nhiên do các loại thuộc lớp phủ mặt đất khá đa dạng nên việc chỉ định chính
xác pixel đến từng loại cụ thể là không đơn giản. Mục tiêu phân loại là tìm sự phù
hợp 1 - 1 giữa thông tin phổ của pixel và thông tin loại tương ứng (dựa vào bộ dữ
liệu mẫu) và mong muốn sự phân loại đạt sự chính xác cao nhất. Tuy nhiên, trong
thực tế, nhiều trường hợp gặp phải bởi các phương pháp phân loại truyền thống đó
là sự không phân biệt rõ ràng giữa “chính xác” và “không chính xác”.
- Phương pháp phân vùng đối tượng
Phân vùng đối tượng được thiết kế để phân phối sự không đồng nhất về môi
trường, cải thiện độ chính xác phân loại. GIS đóng vai trò quan trọng trong việc
phân vùng đối tượng. Với hệ thống định vị vệ tinh cung cấp một phương tiện để
thực hiện phân loại cho mỗi lĩnh vực qua việc kết hợp các dũ liệu vector và raster.
Các dữ liệu vector thường được dùng để phân chia ảnh đầu thành các vùng nhỏ
tách rời thỏa mãn tính đồng nhất và liên thông bằng các nhóm pixel gần kề nhau
thành nhóm dựa trên tiêu chí giống nhau định trước nào đó. Các phương pháp phân
vùng đối tượng:
+ Phân vùng theo điểm ảnh: dựa trên các thống kê mức xám đồ của ảnh để tạo ra
các vùng đóng thuộc về các đối tượng có trong ảnh. Đây là phương pháp phân
vùng đơn giản nhất, tính toán nhanh, có thể thực hiện dễ dàng trong thời gian thực,

sử dụng phần cứng chuyên biệt.
+ Phân vùng dựa theo đường biên: dựa trên thông tin về đường biên của ảnh để xác
định đường bao của các đối tượng. Các đường bao này sau đó được phân tích, sửa
đổi nếu cần thiết nhằm tạo ra các vùng đóng thuộc về các đối tượng có trong ảnh.
+ Phân vùng dựa theo miền: các pixel được phân tích một cách trực tiếp trong quá
trình phát triển vùng dựa trên một tiêu chí giống nhau cho trước để hình thành nên
các vùng đóng thuộc về các đối tượng có trong ảnh. Khi các vùng được xác đinh,
các đặc điểm có thể được tính toán để biểu diễn vùng nhằm mô tả, phân tích, phân
loại. Các đặc điểm có thể là thông tin về hình dạng, cấu trúc của vùng cũng như
các thông tin xác suất.

trang17


- Phương pháp phân loại định hướng đối tượng
Nguyên lý của phương pháp này được xây dựng trên khái niệm cho rằng tập hợp
các pixel của ảnh sẽ hình thành nhiều đối tượng chuyên đề mà mắt ta có thể nhận
biết.
Bước xử lý cơ bản trong phân tích đối tượng ảnh là các phân mảnh ảnh (segment)
chứ không phải pixel. Để mắt người nhận biết được đối tượng đã được phân mảnh
(segmentation) thì hàng loạt thông tin đã được xử lý. Các thông tin này dùng để mô
tả một số đặc điểm hình dạng (shape) kiến trúc ảnh (texture), các quan hệ không
gian (topology) của đối tượng được phân loại và cách tích hợp các thông tin này
chính là các quy tắc cần được xây dựng để phần mềm có thể phân biệt các đối
tượng. Trong quá trình phân loại chúng ta còn có thể sử dụng các lớp thông tin
chuyên đề ngoài dữ liệu viễn thám như mô hình số độ cao, bản đồ thổ nhưỡng, bản
đồ địa chất, bản đồ sử dụng đất ... Việc tích hợp các thông tin nói trên trong phân
loại định hướng đối tượng dựa chủ yếu vào logic mờ (fuzzylogic) (Ravi Chauhan,
Nitin K. Tripathi et al. 2004).
Đặc điểm của phân loại định hướng đối tượng:

+) Mỗi đối tượng có thể được phân loại bằng một thuật toán khác nhau chứ không
phải bằng một thuật toán thống nhất.
+) Nguyên ký phân cấp đối tượng: Quy trình phân loại bao gồm các bước xác định
đối tượng ở các cấp bậc khác nhau. Ví dụ: các lớp đối tượng thực vật được gộp lại
thành một lớp và dưới đó là các phụ lớp của các lớp thực vật cụ thể. Cách phân
chia như vậy đảm bảo rằng mỗi đối tượng được phân loại theo một thuật toán khác
nhau nhưng các đối tượng thuộc cùng một nhóm sẽ có thể kế thừa các đặc trưng
chung của nhóm đó. Hệ thống cấp bậc này được xắp xếp theo một mạng lưới có
cấu trúc chặt chẽ.

trang18


Hình 2.20: Mạng phân cấp đối tượng ảnh
Cấu trúc của việc phân bậc đảm bảo theo hai quy tắc sau :
- Đường bao đối tượng bậc cao phải theo đường bao của các đối tượng bậc
thấp hơn
- Đối tượng bậc thấp hơn bị phân mảnh trong phạm vi đường bao của các đối
tượng bậc cao hơn.
Trên những dữ liệu khác nhau thì mức độ phân cấp các đối tượng cũng khác nhau.
Hình dạng của đối tượng được dựa trên sự tập hợp của các đối tượng phụ.
Trong phương pháp phân loại định hướng đối tượng ta cần nắm rõ được các vấn đề
như: đặc trưng phổ của dữ liệu viễn thám, lựa chọn tỷ lệ thích hợp cho việc phân
mảnh ảnh, xác định bối cảnh và mối phụ thuộc có tính phân cấp giữa các đối
tượng, tính bất định của bản thân dữ liệu viễn thám, dữ liệu chuyên đề và khái
niêm mờ sử dụng trong phân loại định hướng đối tượng. Xuất phát từ đặc điểm
hiện trạng sử dụng đất của khu vực nghiên cứu và mục đích của đề tài thì các yếu
tố này đề cần được tính đến một cách đầy đủ về phương diện phương pháp luận và
phương diện thử nghiệm phân loại để ứng dụng.
Trong phương pháp phân loại định hướng thì yếu tố cơ bản sẽ là các đối tượng ảnh.

Người ta phân biệt hai loại đối tượng: đối tượng nguyên thủy và đối tượng chuyên
đề. Đối tượng nguyên thủy được dùng trong các bước phân loại trung gian và
chúng ta chỉ chiết xuất các đối tượng chuyên đề. Với cách hiểu như vậy thì đối
tượng nhỏ nhất sẽ là pixel. Các đối tượng ảnh có để được khảo sát trong mối liên
quan với các đối tượng khác trên ảnh theo mạng phân cấp.
trang19


Như vậy, việc lựa chọn phương pháp phân loại định hướng đối tượng là phù hợp để
giải quyết sự lẫn phổ trong quá trình xử lý ảnh. Phương pháp này được coi là tối ưu
vì nó có khả năng tích hợp với các dữ liệu khác như bản đồ chuyên đề, mô hình số
độ cao và các kiến thức chuyên gia nhằm bổ trợ cho quá trình phân loại ảnh nhằm
nâng cao mức độ tin cậy cho kết quả giải đoán.
1.3.3.3. So sánh hai phương pháp phân loại định hướng đối tượng và phân loại
dựa trên pixel
Phương pháp phân loại đối tượng dựa trên các điểm ảnh (pixel) được coi là có hiệu
quả đối với những ảnh viễn thám có độ phân giải thấp và trung bình như Landsat.
Tuy nhiên, khi xử lý các ảnh có độ phân giải không gian cao và rất cao như SPOT
5, Quickbird, WorldView, GeoEyes thì phương pháp này có sự hạn chế do mối
quan hệ tỷ lệ nghịch giữa độ phân giải không gian và độ phân giải phổ. Kết quả
phân loại bằng pixel bị giảm rõ rệt khi thử nghiệm trên các ảnh vệ tinh có độ phân
giải không gian cao, bởi các kênh này chứa thông tin phổ phản xạ trong dải sóng
rộng làm cho giá trị phổ của các đối tượng khác biệt trên thực tế lại tương đối gần
nhau như: bãi cát khô ở giữa sông với đất xây dựng.
Phương pháp phân loại định hướng đối tượng được phát triển từ những năm 1970,
với những ưu thế rõ rệt so với phương pháp phân loại dựa trên pixel. Đặc biệt
trong những nghiên cứu gần đây đã cho thấy rõ phân loại định hướng đối tượng có
độ chính xác cao hơn hẳn phương pháp phân loại bằng pixel khi áp dụng cho các
ảnh vệ tinh đa độ phận giải. Đối với phân loại lớp phủ mặt đất các khu vực có
nhiều đối tượng mặt đất phức tạp và manh mún như vùng đô thị và ven đô thị Việt

Nam, phương pháp phân loại định hướng đối tượng đưa ra các kết quả đáng khích
lệ trên ảnh vệ tinh có độ phân giải không gian cao như SPOT 5.
Một số nghiên cứu cụ thể dẫn chứng như khi so sánh độ chính xác giữa hai phương
pháp phân loại trên ảnh có độ phân giải trung bình là Aster cho khu vực núi Đông
Bắc của dãy Helan, Trung Quốc, sai số tổng quát của phương pháp phân loại dựa
trên pixel là 46,48 % trong khi phân loại định hướng đối tượng là 83,25%, so sánh
với vùng Đông bắc của miền Nam Australia cũng chỉ ra bằng phương pháp phân
loại định hướng đối tượng độ chính xác 78 % so với phương pháp dựa trên pixel là
69,14 %, hay cho ảnh Landsat ở các vùng đồng bằng, thung lũng có độ chính xác
lên tới trên 85% bằng phương pháp phân loại định hướng đối tượng, ảnh SPOT có
trang20


độ chính xác lên tới 90 % cho khu vực đô thị. Tương tự như vậy, so sánh hai
phương pháp phân loại trên với ảnh có độ phân giải cao như IKONOS, Quickbird,
ảnh hàng không ở các khu vực có vị trí khác nhau trên thế giới cho thấy phân loại
định hướng đối tượng có độ chính xác trên 80%, cao hơn nhiều so với phân loại
dựa trên pixel, thông qua sai số tổng quát và chỉ số Kappa.

Kết luận chương 1:
Quá trình đô thị hóa ở các thành phố thường liên quan đến các mặt không thấm,
bởi vì chúng liên quan đến quá trình bê tông hóa bề mặt. Các mặt không thấm đại
diện cho quá trình phát triển của cảnh quan. Xét về góc độ sử dụng đất, chúng liên
quan với các kiểu thực phủ đô thị và biến động thực phủ. Do đó, mặt không thấm
là tham số thích hợp cho việc xem xét quá trình đô thị hóa của một khu vực. Để có
thể xác định được hiện trạng cũng như sự thay đổi của các bề mặt không thấm ta có
thể tiến hành đo đạc trực tiếp ngoài thực địa. Phương pháp này cho kết quả có độ
chính xác cao tuy nhiên lại tốn rất hiều công sức, tiền bạc cũng như phụ thuộc
nhiều vào ngoại cảnh. Vì vậy để khắc phục những nhược điểm đó viễn thám đã
được đưa vào sử dụng. Góp phần đo đạc xác định được các bề mặt không thấm

một cách chính xác, hiệu quả trên một phạm vi rộng, đảm bảo tính liên tục cũng
như giảm thiểu công sức, chi phí cho việc đo đạc.

trang21


CHƯƠNG 2

Nghiên cứu tổng quan về thuật toán K-NN và các phương
pháp phân loại trên ảnh vệ tinh
2.1 Tổng quan về thuật toán K-NN
K-Nearest Neighbors algorithm (KNN) được sử dụng rất phổ biến trong
nhiều lĩnh vực. KNN là phương pháp để phân lớp các đối tượng dựa vào khoảng
cách gần nhất giữa đối tượng cần xếp lớp với tất cả các đối tượng trong Training
Data.
Một đối tượng được phân lớp dựa vào k láng giềng của nó. K là số nguyên
dương được xác định trước khi thực hiện thuật toán. Người ta thường dùng khoảng
cách Euclid để tính khoảng cách giữa các đối tượng.
Như vậy, thuật toán KNN dùng trong phân lớp được mô tả như sau:
 K-Nearest Neighbors (K-NN) được sử dụng rất phổ biến trong lĩnh vực
DataMining.
 K-NN là phương pháp phân lớp các đối tượng dựa vào khoảng cách gần
nhất.
 Mỗi đối tượng được phân lớp dựa vào K láng giềng của nó. (K xác định
trước)
 Thường dùng khoảng cách Euclid để đo khoảng cách giữa các đối tượng.
 Thuật toán K-NN
1. Xác định giá trị tham số K (số láng giềng gần nhất)
2. Tính khoảng cách giữa đối tượng cần phân lớp với tất cả các đối tượng trong
training data

3. Sắp xếp khoảng cách theo thứ tự tăng dần và xác định K láng giềng gần nhất
với các đối tượng
4. Lấy tất cả các lớp của K láng giềng gần nhất đã xác định
5. Dựa vào phần lớn lớp của láng giềng gần nhất để xác định lớp cho đối tượng
trang22


*Khoảng cách Euclid

Trong toán học, khoảng cách Euclid là khoảng cách "thường" giữa hai điểm
mà người ta có thể đo được bằng cây thước, và được tính bằng công thức Pytago.
Khoảng cách Euclid giữa hai điểm p và q là chiều dài đoạn thẳng .
Trong hệ tọa độ Descartes, nếu p = (p1, p2,..., pn) và q = (q1, q2,..., qn) là hai điểm
trong không gian Euclid n chiều, thì khoảng cách từ p đến q bằng:

X

X

(b) 2-nearest neighbor

(c) 3-nearest neighbor

X

(a) 1-nearest neighbor

2.2 Các phương pháp phân loại trên ảnh vệ tinh
2.2.1 Phân loại hình ảnh
Cách tiếp cận phân loại hình ảnh như phương pháp phân loại Sub-pixel,

mạng thần kinh nhân tạo, các kỹ thuật mờ và phân tích phân loại hỗn hợp quang
phổ (SMA) là những phương pháp phổ biến nhất được sử dụng để để phân loại và
chiết xuất các bề mặt không thấm từ ảnh vệ tinh như một loại hình sử dụng đất.
Phân loại sub-pixel một hình ảnh điểm ảnh thành các thành phần có trong một
pixel, giả định rằng quang phổ bởi một cảm biến từ xa là sự kết hợp tuyến tính của
các quang phổ của tất cả thành phần trong các điểm ảnh.
2.2.2 Các phương pháp phân loại khác
Phương pháp hồi quy liên quan nhiều đến cách tính phần trăm bề mặt không
thấm. Cách tiếp cận mạng lưới thần kinh nhân tạo được áp dụng tiên tiếnmáy thuật
toán học để lấy diện tích bề mặt không thấm. Flanagan và Civco đã phát triển một
mạng lưới thần kinh nhân tạo ( ANN ) -mô hình dự đoán dựa trên bề mặt không
trang23


thấm nước, trong đó bao gồm một hai tầng loạt mạng lưới thần kinh, với kết quả
cuối cùng là dự đoán cho mỗi điểm ảnh không thấm nước và dữ liệu huấn luyện từ
Landsat TM phản xạ quang phổ giá trị. Cách tiếp cận hàng tạo ra một mô hình dựa
trên luật lệ để dự đoán các biến liên tục dựa trên tập dữ liệu huấn luyện và ước tính
diện tích không gian của phần trăm bề mặt không thấm .
Phân loại hình ảnh là một trong những phương pháp được sử dụng rộng rãi
nhất trong các khai thác bề mặt không thấm, nhưng kết quả thường không thỏa
đáng vì giới hạn của độ phân giải không gian trong ảnh viễn thám và tính không
đồng nhất của cảnh quan đô thị. Bề mặt không thấm có thể được trộn lẫn với các
loại đất khác, chẳng hạn như cây, cỏ và đất. Hơn nữa, những khó khăn trong việc
lựa chọn lĩnh vực đào tạo cũng có thể giảm độ chính xác của việc phân loại hình
ảnh. Như là dữ liệu có độ phân giải không gian tốt (chủ yếu là tốt hơn so với 5 m ở
độ phân giải không gian), chẳng hạn như IKONOS và QuickBird, trở nên có sẵn,
chúng đang ngày càng được sử dụng cho các ứng dụng khác nhau bao gồm lập bản
đồ bề mặt không thấm. Một lợi thế lớn của những loại ảnh này được rằng dữ liệu
đó làm giảm đáng kể các vấn đề hỗn hợp pixel, cung cấp một tiềm năng lớn để

khai thác thông tin chi tiết hơn trên bề mặt lớp phủ đất. Làm thế nào -bao giờ hết,
vấn đề mới liên quan đến các dữ liệu hình ảnh cần phải được xem xét, đặc biệt là
các sắc thái do địa hình, các tòa nhà cao hoặc cây.
Vì có tồn tại mối tương quan nghịch giữa bề mặt không thấm và thảm thực
vật trong khu vực đô thị, một cách tiếp cận tiềm năng để khai thác bề mặt không
thấm là thông qua thông tin về phân bố thảm thực vật. Sự bình thường hóa sự khác
biệt chỉ số thực vật (NDVI) hoặc chỉ số Greeness trong tasseled Cap hoặc phân tích
thành phần chính có thể được sử dụng để đại diện cho phân bố thực vật. Bề mặt
không thấm sau đó có thể được ước tính dựa trên mô hình hồi quy với chỉ số thực
vật. Cách tiếp cận này, tuy nhiên, có một hạn chế lớn đó là ở trong các mùa khác
nhau của hình ảnh vệ tinh có thể dẫn đến lớn biến thể trong dự toán bề mặt không
thấm nước. Trong mùa xuân và hè, thảm thực vật có thể được đánh giá cao đáng
kể, trong khi trong mùa rụng lá, thảm thực vật có xu hướng đánh giá thấp, dẫn đến
việc đánh giá quá cao diện tích bề mặt không thấm.

trang24


CHƯƠNG 3

Ứng dụng thuật toán K-NN nhằm chiết xuất các đối tượng
bề mặt không thấm trên ảnh Landsat OLI khu vực
Giao Thủy, Nam Định.
3.1. Tổng quan về ảnh Landsat OLI
LANDSAT là vệ tinh tài nguyên của Mỹ do Cơ quan Hàng không và Vũ trụ
(National Aeronautics and Space Administration- NASA) quản lý. Cho đến nay đã
có 7 thế hệ vệ tinh LANDSAT được nghiên cứu phát triển. Vệ tinh LANDSAT 1
được phóng năm 1972, lúc đó đầu thu cung cấp tư liệu chủ yếu là MSS. Từ năm
1985 vệ tinh LANDSAT 3 được phóng và mang đầu thu TM. Vệ tinh thế hệ thứ 8 Landsat 8 đã được Mỹ phóng thành công lên quỹ đạo vào ngày 11/02/2013 với tên
gọi gốc Landsat Data Continuity Mission (LDCM). Đây là dự án hợp tác giữa

NASA và cơ quan Đo đạc Địa chất Mỹ. Landsat sẽ tiếp tục cung cấp các ảnh có độ
phân giải trung bình (từ 15 - 100 mét), phủ kín ở các vùng cực cũng như những
vùng địa hình khác nhau trên trái đất. Nhiệm vụ của Landsat 8 là cung cấp những
thông tin quan trọng trong nhiều lĩnh vực như quản lý năng lượng và nước, theo
dõi rừng, giám sát tài nguyên môi trường, quy hoạch đô thị, khắc phục thảm họa và
lĩnh vực nông nghiệp. Landsat 8 (LDCM) mang theo 2 bộ cảm: bộ thu nhận ảnh
mặt đất (OLI - Operational Land Imager) và bộ cảm biến hồng ngoại nhiệt (TIRS Thermal Infrared Sensor). Những bộ cảm này được thiết kế để cải thiện hiệu suất
và độ tin cậy cao hơn so với các bộ cảm Landsat thế hệ trước. Landsat 8 thu nhận
ảnh với tổng số 11 kênh phổ, bao gồm 9 kênh sóng ngắn và 2 kênh nhiệt sóng dài.
Hai bộ cảm này sẽ cung cấp chi tiết bề mặt Trái Đất theo mùa ở độ phân giải không
trang25