Đánh giá độ chính xác chiết tách đất xây dựng và đât trống khu vực đô thị từ ảnh viễn thám bằng ảnh chỉ số, thực nghiệm tại Hà Nội

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (2.39 MB, 98 trang )

(1)<div class='page_container' data-page=1>

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG

TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG HÀ NỘI

NGUYỄN THỊ HIỀN

ĐÁNH GIÁ ĐỘ CHÍNH XÁC CHIẾT TÁCH ĐẤT XÂY DỰNG 
VÀ ĐẤT TRỐNG KHU VỰC ĐÔ THỊ TỪ ẢNH VIỄN THÁM

BẰNG ẢNH CHỈ SỐ, THỰC NGHIỆM TẠI HÀ NỘI

Ngành: Kỹ thuật Trắc địa – Bản đồ

LUẬN VĂN THẠC SĨ KỸ THUẬT

</div>
(2)<div class='page_container' data-page=2>

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG

TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG HÀ NỘI

NGUYỄN THỊ HIỀN

ĐÁNH GIÁ ĐỘ CHÍNH XÁC CHIẾT TÁCH ĐẤT XÂY DỰNG VÀ 
ĐẤT TRỐNG KHU VỰC ĐÔ THỊ TỪ ẢNH VIỄN THÁM

BẰNG ẢNH CHỈ SỐ, THỰC NGHIỆM TẠI HÀ NỘI

Ngành: Kỹ thuật Trắc địa – Bản đồ

Mã ngành: 8520503

LUẬN VĂN THẠC SĨ KỸ THUẬT

</div>
(3)<div class='page_container' data-page=3>

CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI

TRƯỜNG ĐẠI HỌC TÀI NGUN VÀ MƠI TRƯỜNG HÀ NỘI

Cán bộ hướng dẫn chính: TS. Nguyễn Thị Thúy Hạnh

Cán bộ chấm phản biện 1: PGS. TS Trần Xuân Trường

Cán bộ chấm phản biện 2: TS. Phạm Minh Hải

Luận văn thạc sĩ được bảo vệ tại:

HỘI ĐỒNG CHẤM LUẬN VĂN THẠC SĨ

TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG HÀ NỘI

</div>
(4)<div class='page_container' data-page=4>

LỜI CAM ĐOAN

Luận văn “Đánh giá độ chính xác chiết tách đất xây dựng và đất trống

khu vực đô thị từ ảnh viễn thám bằng ảnh chỉ số, thực nghiệm tại Hà Nội”

một cơng trình nghiên cứu khoa học độc lập cùng với sự giúp đỡ của giáo

viên hướng dẫn. Những kết quả nghiên cứu được trình bày trong luận văn là

hồn tồn trung thực, khơng vi phạm bất cứ điều gì trong luật sở hữu trí tuệ và

pháp luật Việt Nam. Nếu sai, tơi hồn tồn chịu trách nhiệm trước pháp luật.

Hà Nội, ngày 16 tháng 01 năm 2019

TÁC GIẢ LUẬN VĂN

</div>
(5)<div class='page_container' data-page=5>

LỜI CẢM ƠN

Trước tiên, tôi xin gửi lời cảm ơn chân thành đến TS. Nguyễn Thị Thúy

Hạnh, người đã hướng dẫn tận tình, chu đáo và định hướng cho tôi trong suốt

quá trình thực hiện luận văn thạc sĩ này.

Tơi cũng xin gửi lời cảm ơn tới các thầy cô trong khoa Trắc địa, Bản đồ

và Thông tin địa lý, trường Đại học Tài nguyên và Môi trường Hà Nội, những
người đã giúp tơi có đủ kiến thức cũng như kinh nghiệm trong suốt quá trình

học tập, tạo điều kiện thuận lợi cho tôi trong thời gian học tập và nghiên cứu.

Tơi xin bày tỏ lịng biết ơn sâu sắc tới gia đình, người thân, đồng nghiệp,

bạn bè đã giúp đỡ, động viên khích lệ và chia sẻ cùng tơi trong q trình thực

hiện luận văn.

Cuối cùng, tôi xin cảm ơn Đề tài “Nghiên cứu ứng dụng Viễn thám và
GIS giám sát hiện tượng đảo nhiệt đô thị”. Mã số TNMT.2018.08.10 đã cung

cấp tư liệu giúp tơi hồn thành luận văn.

Học viên

</div>
(6)<div class='page_container' data-page=6>

iii

MỤC LỤC

LỜI CAM ĐOAN ... i

LỜI CẢM ƠN ... ii

TÓM TẮT LUẬN VĂN ... v

DANH MỤC TỪ VIẾT TẮT... vi

DANH MỤC BẢNG BIỂU ... vii

DANH MỤC HÌNH VẼ ... viii

MỞ ĐẦU ... 1

CHƯƠNG 1: TỔNG QUAN VỀ CHIẾT TÁCH ĐẤT XÂY DỰNG VÀ 
ĐẤT TRỐNG KHU VỰC ĐÔ THỊ TỪ ẢNH VIỄN THÁM ... 4

1.1. Tổng quan về viễn thám ... 4

1.1.1. Khái niệm, phân loại viễn thám ... 4

1.1.1.Những nguyên lý cơ bản của viễn thám ... 8

1.2. Tổng quan về chiết tách đất xây dựng và đất trống khu vực đô thị từ ảnh
viễn thám ... 11

1.3. Tình hình nghiên cứu chiết tách đất xây dựng và đất trống bằng ảnh
chỉ số ... 19

CHƯƠNG 2: CƠ SỞ KHOA HỌC CHIẾT TÁCH THÔNG TIN ĐẤT 
XÂY DỰNG VÀ ĐẤT TRỐNG KHU VỰC ĐÔ THỊ ... 22

2.1. Kỹ thuật tiền xử lý ảnh ... 22

2.1.1. Hiệu chỉnh bức xạ ... 22

2.1.2. Hiệu chỉnh hình học ... 26

2.1.3. Tăng cường chất lượng ảnh... 30

2.2. Phương pháp chiết tách thông tin viễn thám ... 39

2.2.1. Phương pháp giải đoán ảnh bằng mắt ... 39

2.2.2. Phương pháp phân loại ảnh ... 45

2.2.3. Phương pháp tạo ảnh chỉ số ... 46

</div>
(7)<div class='page_container' data-page=7>

CHƯƠNG 3: NGHIÊN CỨU CHIẾT TÁCH ĐẤT TRỐNG VÀ ĐẤT

XÂY DỰNG KHU VỰC HÀ NỘI BẰNG ẢNH CHỈ SỐ TỪ ẢNH VỆ

TINH LANDSAT 8 ... 52

3.1. Khu vực nghiên cứu. ... 52

3.1.1. Vị trí địa lý ... 52

3.1.2. Đặc điểm tự nhiên ... 53

3.1.3. Điều kiện kinh tế - xã hội ... 55

3.2. Tư liệu sử dụng ... 57

3.3. Thực nghiệm chiết tách đất xây dựng và đất trống khu vực Hà Nội bằng
các chỉ số EBBI, UI, IBI, NDBI ... 58

3.3.1. Tiền xử lý ảnh vệ tinh Landsat 8... 58

3.3.2. Tính các chỉ số UI, NDBI, IBI, EBBI. ... 60

3.3.3. Đánh giá độ chính xác ... 61

4. Kết quả và thảo luận ... 63

4.1. Quan sát và phân tích ... 63

4.2. Đánh giá độ chính xác ... 79

KẾT LUẬN ... 81

</div>
(8)<div class='page_container' data-page=8>

TÓM TẮT LUẬN VĂN

Họ tên học viên: Nguyễn Thị Hiền

Lớp: CH2BTĐ Khóa: 2

Cán bộ hướng dẫn: TS. Nguyễn Thị Thúy Hạnh

Tên đề tài: “Đánh giá độ chính xác chiết tách đất xây dựng và đât trống
khu vực đô thị từ ảnh viễn thám bằng ảnh chỉ số, thực nghiệm tại Hà Nội”

Tóm tắt: Luận văn nghiên cứu đánh giá độ chính xác chiết tách đất xây

dựng và đất trống khu vực đô thị từ ảnh Landsat 8 bằng ảnh chỉ số, thực

nghiệm tại Hà Nội. Luận văn sử dụng phần mềm Envi 4.6 để tính tốn các chỉ

số ảnh EBBI, IBI, NDBI, UI. Các chỉ số này đều phản ánh đất xây dựng ứng

với ngưỡng giá trị cao, tiếp đến là đất trống và thấp nhất là các đối tượng

khác. Kết quả nghiên cứu cho thấy để chiết tách đất xây dựng dùng chỉ số

NDBI là tốt nhất, tiếp đến có thể dùng các chỉ số EBBI, IBI, UI. Chiết tách

đất trống dùng chỉ số IBI và NDBI là tốt nhất. Kết quả nghiên cứu của luận
văn sẽ góp phần tạo điều kiện thuận lợi cho công tác điều tra khảo sát về đất

xây dựng và đất trống khu vực Hà Nội. Kết quả này phù hợp với các nghiên

</div>
(9)<div class='page_container' data-page=9>

DANH MỤC TỪ VIẾT TẮT

STT Từ viết tắt Tiếng Anh Ý Nghĩa

1 DEM Digital Elevation Model Mơ hình số độ cao

2 EBBI Enhanced Built-Up and Bareness

Index Chỉ số đất trống và đất xây dựng

3 FCC False color composite Ảnh tổng hợp màu giả

4 GCP Ground Control Points-GCPs Điểm khống chế

5 IBI Index – based Built – Up Index Chỉ số dựa trên chỉ số đất xây dựng

6 MNDWI Modified normalized difference

water index Chỉ số khác biệt nước có điều chỉnh

7 NDBI Normalised Difference Built –

Up Index Chỉ số đất xây dựng

8 SAVI Soil adjusted vegetation index Chỉ số thực vật có hiệu chỉnh độ
ẩm của đất

</div>
(10)<div class='page_container' data-page=10>

vii

DANH MỤC BẢNG BIỂU

Bảng 1.1. Đặc điểm của dải phổ điện từ sử dụng trong kỹ thuật viễn thám ... 10

Bảng 2.1. Ma trận sai số ... 49

Bảng 3.1. Thông số kỹ thuật ảnh vệ tinh Landsat 8 ... 57

Bảng 3.2. Phân ngưỡng chỉ số ... 65

Bảng 3.3. Khả năng chiết tách đất xây dựng và đất trống của các chỉ số thông
qua quan sát và so sánh ảnh chỉ số với ảnh gốc . ... 79

</div>
(11)<div class='page_container' data-page=11>

viii

DANH MỤC HÌNH VẼ

Hình 1.1. Viễn thám chủ động và viễn thám bị động ... 5

Hình 1.2. Vệ tinh địa tĩnh và vệ tinh quỹ đạo gần cực ... 6

Hình 1.3. Sơ đồ phân loại viễn thám theo bước sóng ... 7

Hình 1.4. Ngun lý thu nhận dữ liệu viễn thám ... 8

Hình 2.1. Histogram của ảnh quá tối, quá sáng, tương phản thấp, tương
phản cao ... 32

Hình 2.2. Ảnh và biểu đồ Histogram trước và sau khi biến đổi tuyến tính .... 34

Hình 2.3. Ảnh gốc và ảnh sau khi biến đổi Histogram ... 37

Hình 3.1. Sơ đồ khu vực nghiên cứu ... 52

Hình 3.2. Hiệu chỉnh bức xạ ảnh ... 59

Hình 3.3. Hiệu chỉnh ảnh hưởng của khí quyển ... 60

Hình 3.4. Các bước xử lý ảnh lập bản đồ đất trống và đất xây dựng từ ảnh
Landsat 8 bằng ảnh chỉ số. ... 62

Hình 3.5. Ảnh chỉ số UI khu vực Hà Nội năm 2018 ... 63

Hình 3.6. Ảnh chỉ số NDBI khu vực Hà Nội năm 2018 ... 64

Hình 3.7. Ảnh chỉ số EBBI khu vực Hà Nội năm 2018. ... 64

Hình 3.8. Ảnh chỉ số IBI khu vực Hà Nội năm 2018. ... 65

Hình 3.9. Bản đồ phân bố đất trống và đất xây dựng từ chỉ số UI. ... 66

Hình 3.10. Bản đồ phân bố đất trống và đất xây dựng từ chỉ số EBBI ... 67

Hình 3.11. Bản đồ phân bố đất trống và đất xây dựng từ chỉ số NDBI ... 68

Hình 3.12. Bản đồ phân bố đất trống và đất xây dựng từ chỉ số IBI ... 69

</div>
(12)<div class='page_container' data-page=12>

MỞ ĐẦU

1. Tính cấp thiết

Một trong những khó khăn của công tác trắc địa khi thành lập bản đồ

khu vực đô thị là mật độ dân cư cao, nhiều nhà cao tầng hạn chế khả năng đo

vẽ trực tiếp; vì vậy, viễn thám trở thành công cụ đắc lực trợ giúp nhiệm vụ

này. Việc đánh giá chuyển đổi sử dụng đất từ các loại đất khác sang đất ở

cũng rất cần thiết trong nghiên cứu đơ thị hóa. Q trình đơ thị hóa khơng chỉ
làm gia tăng bề mặt khơng thấm mà cịn xuất hiện cả những mảnh đất trống
trong đô thị do bỏ hoang đất canh tác nông nghiệp hoặc các dự án “treo”. Lập

bản đồ đất xây dựng và đất trống là nhiệm vụ quan trọng vì sự có mặt của các
đối tượng này là chỉ báo của mức độ phát triển đô thị cũng như chất lượng
môi trường. Một trong những phương pháp thường được sử dụng trong lập

bản đồ sử dụng đất đô thị là phân loại ảnh, tuy nhiên phương pháp dung ảnh

chỉ số cho kết quả nhanh chóng và hiệu quả hơn. Chen và cộng sự đã phân

loại sử dụng đất đô thị từ ảnh viễn thám bằng nhiều chỉ số khu vực Đồng bằng

sông Châu – Trung Quốc với độ chính xác cao [1]. Các chỉ số thường dùng để

lập bản đồ đất xây dựng và đất trống trong khu vực đô thị như NDBI

(Normalised Difference Built-Up Index), IBI (Index-based Built-Up Index),

UI (Urban Index), NDBaI (Normalised Difference Bareness Index), và BI

(Bare soil index) được sử dụng trong rất nhiều nghiên cứu. Chỉ số NDBI và UI

cho phép lập bản đồ đất xây dựng và đất trống rất nhanh nhưng không thể phân

biệt được đất xây dựng và đất trống. He và cộng sự đã cho biết lý do không

phân biệt được đất trống và đất xây dựng khi dùng hai chỉ số này là do tính

phức tạp của hành vi phản xạ phổ của các đối tượng thực vật, đất trống và đất

xây dựng, đặc biệt là những pixel hỗn hợp [2]. Nghiên cứu này sẽ sử dụng một

chỉ số mới để nâng cao khả năng phân biệt đất xây dựng và đất trống trong khu

</div>
(13)<div class='page_container' data-page=13>

(Enhanced Built-Up and Bareness Index) và thử nghiệm cho khu vực Hà Nội.

Kết quả nghiên cứu sẽ được kiểm chứng và so sánh với nhiều chỉ số khác.

Luận văn chọn khu vực nghiên cứu Thành phố Hà Nội là nơi có mật độ

dân cư đơng, và có tốc độ phát triển, xây dựng khá là nhanh dẫn đến việc khó
khăn trong cơng tác quản lý cũng như đo đạc. Kết quả nghiên cứu của luận
văn sẽ góp phần tạo điều kiện thuận lợi cho cơng tác điều tra khảo sát về đất

xây dựng và đất trống khu vực Hà Nội.

2. Mục tiêu của đề tài

Đánh giá độ chính xác chiết tách đất xây dựng và đất trống khu vực đô

thị từ ảnh viễn thám bằng ảnh chỉ số.

3. Phương pháp nghiên cứu

3.1. Phương pháp tổng hợp kế thừa

Nghiên cứu tài liệu của các tác giả khác đã công bố liên quan đến đề tài:

tài liệu về cơ sở khoa học viễn thám, tài liệu về nghiên cứu đô thị, GIS, tài liệu

về điều kiện tự nhiên và kinh tế xã hội khu vực thực nghiệm,…Đề tài kế thừa

các thành tựu của khoa học viễn thám, tiếp thu một số kỹ thuật xử ảnh vệ tinh,

từ đó phát triển và xây dựng cơ sở lý luận cho đề tài.

3.2. Kỹ thuật phân tích, xử lý ảnh viễn thám: Ảnh viễn thám ghi nhận

thông tin trung thực, khách quan về bề mặt Trái Đất, tuy nhiên để có được kết

quả tin cậy cần phải vận dụng kết hợp nhiều kỹ thuật xử lý ảnh một cách linh

hoạt và sáng tạo. Đề tài sẽ sử dụng một số kỹ thuật như hiệu chỉnh hình học, hiệu

chỉnh bức xạ (tính giá trị phản xạ phổ từ giá trị số) cho ảnh vệ tinh Landsat 8, kỹ

thuật tạo ảnh chỉ số,…

3.3. Phương pháp nghiên cứu thực địa: Phương pháp này áp dụng để

thu thập thông tin về lớp phủ phục vụ quá kiểm chứng kết quả nghiên cứu.

Kết quả xử lý ảnh trong phòng được đem ra thực địa để đối chiếu và bổ sung

</div>
(14)<div class='page_container' data-page=14>

3.4. Phương pháp bản đồ

Bản đồ giúp tìm hiểu những thông tin ban đầu về lãnh thổ nghiên cứu

như vị trí địa lý, điều kiện tự nhiên (khí hậu, thủy văn, lớp phủ,…), kinh tế xã

hội (dân số, cơ sở hạ tầng,…). Ngược lại, bản đồ là phương tiện để thể hiện sự

phân bố không gian của đối tượng nghiên cứu: phân bố không gian các loại

lớp phủ, đặc biệt là đất trống và đất xây dựng. Kết quả nghiên cứu được thể

hiện dưới dạng bản đồ sẽ giúp người đọc dễ hiểu hơn so với việc đọc các số

liệu trong bảng biểu.

4. Nội dung nghiên cứu

- Nghiên cứu tổng quan về viễn thám, chiết tách đất xây dựng và đất

trống khu vực đô thị từ ảnh viễn thám.

- Nghiên cứu cơ sở khoa học chiết tách thông tin đất xây dựng và đất

trống khu vực đô thị, bao gồm kỹ thuật tiền xử lý ảnh, các phương pháp chiết

tách thông tin viễn thám và phương pháp đánh giá độ chính xác.

- Thực nghiệm đánh giá độ chính xác ứng dụng chỉ số EBBI, UI, IBI,

NDBI chiết tách đất xây dựng và đất trống khu vực Hà Nội từ ảnh viễn thám.

5. Cấu trúc của luận văn

Luận văn được cấu trúc thành 3 chương:

Chương 1. Tổng quan về chiết tách đất xây dựng và đất trống khu vực đô

thị từ ảnh viễn thám.

Chương 2. Cơ sở khoa học chiết tách thông tin đất xây dựng và đất trống

khu vực đô thị.

Chương 3. Thực nghiệm đánh giá độ chính xác ứng dụng chỉ số EBBI,

UI, IBI, NDBI chiết tách đất xây dựng và đất trống khu vực Hà Nội từ ảnh

</div>
(15)<div class='page_container' data-page=15>

CHƯƠNG 1: TỔNG QUAN VỀ CHIẾT TÁCH ĐẤT XÂY DỰNG 
VÀ ĐẤT TRỐNG KHU VỰC ĐÔ THỊ TỪ ẢNH VIỄN THÁM

1.1. Tổng quan về viễn thám

1.1.1. Khái niệm, phân loại viễn thám

a. Khái niệm

Viễn thám được hiểu là một khoa học và nghệ thuật để thu nhận thông

tin về một đối tượng, một khu vực hoặc một hiện tượng thơng qua việc phân

tích tài liệu thu nhận được bằng các phương tiện. Những phương tiện này

khơng có sự tiếp xúc trực tiếp với đối tượng, khu vực hoặc với hiện tượng

được nghiên cứu.

Thực hiện được những cơng việc đó chính là thực hiện viễn thám - hay

hiểu đơn giản: Viễn thám là thăm dò từ xa về một đối tượng hoặc một hiện
tượng mà khơng có sự tiếp xúc trực tiếp với đối tượng hoặc hiện tượng đó.

Mặc dù có rất nhiều định nghĩa khác nhau về viễn thám, nhưng mọi định
nghĩa đều có nét chung, nhấn mạnh "viễn thám là khoa học thu nhận từ xa các

thông tin về các đối tượng, hiện tượng trên Trái Đất" [3].

b. Phân loại viễn thám

Sự phân biệt các loại viễn thám căn cứ vào các yếu tố sau:

- Hình dạng quỹ đạo của vệ tinh.

- Độ cao bay của vệ tinh, thời gian còn lại của một quỹ đạo.

- Dải phổ của các thiết bị thu.

- Loại nguồn phát và tín hiệu thu nhận.

Có hai phương thức phân loại viễn thám chính là:

Phân loại theo nguồn tín hiệu

</div>
(16)<div class='page_container' data-page=16>

- Viễn thám chủ động: nguồn tia tới là tia sáng phát ra từ các thiết bị

nhân tạo, thường là các máy phát đặt trên các thiết bị bay.

Hình 1.1. Viễn thám chủ động và viễn thám bị động

- Viễn thám bị động: nguồn phát bức xạ là Mặt Trời hoặc từ các vật chất

tự nhiên. Hiện nay, việc ứng dụng phối hợp giữa viễn thám và các công nghệ

vũ trụ đã trở nên phổ biến trên phạm vi toàn cầu. Các nước có nền cơng nghệ
vũ trụ phát triển đã phóng nhiều vệ tinh lên quỹ đạo, trên đó có mang nhiều

thiết bị viễn thám khác nhau. Các trạm thu mặt đất phân bố đều trên toàn cầu

có khả năng thu nhận nhiều loại tư liệu viễn thám do vệ tinh truyền xuống.

* Phân loại theo đặc điểm quỹ đạo

Có hai nhóm chính là viễn thám vệ tinh địa tĩnh và viễn thám vệ tinh quỹ
đạo cực (hay gần cực) (hình 1.2) [3].

Căn cứ vào đặc điểm quỹ đạo vệ tinh, có thể chia ra hai nhóm vệ tinh là:

- Vệ tinh địa tĩnh là vệ tinh có tốc độ góc quay bằng tốc độ góc quay của

Trái Đất, nghĩa là vị trí tương đối của vệ tinh so với Trái Đất là đứng yên.

- Vệ tinh quỹ đạo cực (hay gần cực) là vệ tinh có mặt phẳng quỹ đạo

vng góc hoặc gần vng góc so với mặt phẳng xích đạo của Trái Đất. Tốc

</div>
(17)<div class='page_container' data-page=17>

sao cho thời gian thu ảnh trên mỗi vùng lãnh thổ trên mặt đất là cùng giờ địa
phương và thời gian thu lặp lại là cố định đối với 1 vệ tinh (ví dụ LANDSAT

là 18 ngày, SPOT là 26 ngày,…).

Trên hai nhóm vệ tinh nói trên đều có thể áp dụng nhiều phương pháp

thu nhận thông tin khác nhau tùy theo sự thiết kế của nơi chế tạo.

Hình 1.2. Vệ tinh địa tĩnh (trái) và vệ tinh quỹ đạo gần cực (phải)

* Phân loại theo dải sóng thu nhận

Theo bước sóng sử dụng, viễn thám có thể được phân ra thành 3 loại
cơ bản:

- Viễn thám trong dải sóng nhìn thấy và hồng ngoại.

- Viễn thám hồng ngoại nhiệt.

- Viễn thám siêu cao tần.

Mặt Trời là nguồn năng lượng chủ yếu đối với nhóm viễn thám trong dải

sóng nhìn thấy và hồng ngoại. Mặt Trời cung cấp một bức xạ có bước sóng ưu

thế ở 0,5 μm. Tư liệu viễn thám thu được trong dải sóng nhìn thấy phụ thuộc

chủ yếu vào sự phản xạ từ bề mặt vật thể và bề mặt Trái Đất. Các thông tin về

</div>
(18)<div class='page_container' data-page=18>

Mỗi vật thể ở nhiệt độ bình thường đều tự phát ra một bức xạ có đỉnh tại
bước sóng 10 μm.

Nguồn năng lượng sử dụng đối với viễn thám hồng ngoại nhiệt do chính

vật thể sản sinh ra.

Viễn thám siêu cao tần sử dụng bức xạ siêu cao tần có bước sóng từ một
đến vài chục centimet. Nguồn năng lượng sử dụng đối với viễn thám siêu cao

tần chủ động được chủ động phát ra từ máy phát. Kỹ thuật ra đa thuộc viễn

thám siêu cao tần chủ động. Ra đa chủ động phát ra nguồn năng lượng tới các

vật thể, sau đó thu lại được những bức xạ, tán xạ hoặc phản xạ từ vật thể.

Nguồn năng lượng sử dụng đối với viễn thám siêu cao tần bị động do

chính vật thể phát ra. Bức xạ kế siêu cao tần là bộ cảm thu nhận và phân tích

bức xạ siêu cao tần của vật thể [2].

</div>
(19)<div class='page_container' data-page=19>

1.1.1. Những nguyên lý cơ bản của viễn thám

Sóng điện từ được phản xạ hoặc bức xạ từ vật thể là nguồn cung cấp

thông tin chủ yếu về đặc tính của đối tượng. Ảnh viễn thám cung cấp thông

tin về các vật thể tương ứng với năng lượng bức xạ ứng với từng bước sóng
đã xác định. Đo lường và phân tích năng lượng phản xạ phổ ghi nhận bởi ảnh

viễn thám, cho phép tách thơng tin hữu ích về từng lớp phủ mặt đất khác nhau

do sự tương tác giữa bức xạ điện từ và vật thể.

Thiết bị dùng để cảm nhận sóng điện từ phản xạ hay bức xạ từ vật thể
được gọi là bộ cảm biến. Bộ cảm biến có thể là các máy chụp ảnh hoặc máy
quét. Phương tiện mang các bộ cảm biến được gọi là vật mang (máy bay,

khinh khí cầu, tàu con thoi hoặc vệ tinh,…). Hình 1.4 thể hiện sơ đồ nguyên

lý thu nhận ảnh viễn thám.

Nguồn năng lượng chính thường sử dụng trong viễn thám là bức xạ Mặt

Trời, năng lượng của sóng điện từ do các vật thể phản xạ hay bức xạ được bộ

cảm biến đặt trên vật mang thu nhận.

Thông tin về năng lượng phản xạ của các vật thể được ảnh viễn thám thu

nhận và xử lí tự động trên máy hoặc giải đốn trực tiếp từ ảnh dựa trên kinh

nghiệm của chuyên gia. Cuối cùng, các dữ liệu hoặc thông tin liên quan đến

các vật thể và hiện thượng khác nhau trên mặt đất sẽ được ứng dụng vào

trong nhiều lĩnh vực khác nhau như: nông lâm nghiệp, địa chất, khí tượng,

mơi trường,…

</div>
(20)<div class='page_container' data-page=20>

Tồn bộ q trình thu nhận và xử lí ảnh viễn thám có thể chia thành 5

phần cơ bản như sau:

- Nguồn cung cấp năng lượng;

- Sự tương tác của năng lượng với khí quyển;

- Sự tương tác với các vật thể trên bề mặt đất;

- Chuyển đổi năng lượng phản xạ từ vật thể thành dữ liệu ảnh;

- Hiển thị ảnh số cho việc giải đoán và xử lí.

Năng lượng của sóng điện từ khi lan truyền qua mơi trường khí quyển sẽ

bị các phân tử khí hấp thụ dưới các hình thức khác nhau tuỳ thuộc vào từng
bước sóng cụ thể. Trong viễn thám, người ta thường quan tâm đến khả năng

truyền sóng điện từ trong khí quyển, vì các hiện tượng và cơ chế tương tác

giữa sóng điện từ với khí quyển sẽ có tác động mạnh đến thông tin do bộ

cảm biến thu nhận được. Khí quyển có đặc điểm quan trọng đó là tương tác

khác nhau đối với bức xạ điện từ có bước sóng khác nhau. Đối với viễn thám

quang học, nguồn năng lượng cung cấp chủ yếu là do Mặt Trời và sự có mặt

cũng như thay đổi các các phân tử nước và khí (theo khơng gian và thời gian)

có trong lớp khí quyển là ngun nhân gây chủ yếu gây nên sự biến đổi năng

lượng phản xạ từ mặt đất đến bộ cảm biến. Khoảng 75% năng lượng Mặt Trời

khi chạm đến lớp ngồi của khí quyển được truyền xuống mặt đất và trong

q trình lan truyền sóng điện từ ln bị khí quyển hấp thụ, tán xạ và khúc xạ

trước khi đến bộ cảm biến. Các loại khí như oxy, nitơ, cacbonic, ôzôn, hơi

nước,… và các phân tử lơ lửng trong khí quyển là tác nhân chính ảnh hưỏng
đến sự suy giảm năng lượng sóng điện từ trong q trình lan truyền.

Để hiểu rõ cơ chế tương tác giữa sóng điện từ và khí quyển và việc

chọn phổ điện từ để sử dụng cho việc thu nhận ảnh viễn thám, bảng 1.1

thể hiện đặc điểm cuả dải phổ điện từ thường được sử dụng trong kỹ thuật

</div>
(21)<div class='page_container' data-page=21>

Bảng 1.1. Đặc điểm của dải phổ điện từ sử dụng trong kỹ thuật viễn thám

Dải phổ điện từ Bước sóng Đặc điểm

Tia cực tím 0,3 ÷ 0,4 μm

Hấp thụ mạnh bởi lớp khí quyển ở tầng cao

(tầng ôzôn), không thể thu nhận năng lượng do

dải sóng này cung cấp nhưng hiện tượng này

lại bảo vệ con người tránh tác động của tia cực

tím.

Tia nhìn thấy 0,4 ÷ 0,76 μm

Rất ít bị hấp thụ bởi oxy, hơi nước và năng

lượng phản xạ cực đại ứng với bước sóng 0,5

μm trong khí quyển. Năng lượng do dải sóng

này cung cấp giữ vai trị trong viễn thám.

Cận hồng ngoại

Hồng ngoại trung

0,77÷1,34 μm

1,55 ÷ 2,4 μm

Năng lượng phản xạ mạnh ứng với các bước

sóng cận hồng ngoại từ 0,77 ÷ 0,9 μm. Sử

dụng trong chụp ảnh hồng ngoại theo dõi sự

biến đổi thực vật từ 1,55 ÷ 2,4 μm

Hồng ngoại

nhiệt 3 ÷ 22 μm

Một số vùng bị hơi nước hấp thụ mạnh, dải

sóng này giữ vai trị trong phát hiện cháy rừng

và hoạt động núi lửa. Bức xạ nhiệt của Trái

Đất của năng lượng cao nhất tại bước sóng 10
μm

Vơ tuyến (rada) 1 mm ÷ 30 cm

Khí quyển không hấp thụ mạnh năng lượng

các bước sóng lớn hơn 2 cm, cho phép thu

nhận năng lượng cả ngày lẫn đêm, không bị

</div>
(22)<div class='page_container' data-page=22>

1.2. Tổng quan về chiết tách đất xây dựng và đất trống khu vực đô thị từ

ảnh viễn thám

Thuật ngữ đất xây dựng và đất trống trong luận văn được hiểu như sau:

- Đất xây dựng bao gồm tất cả bề mặt không thấm của các cơng trình

như là nhà cửa, đường xá, các cơng trình xây dựng, các nhà máy,...

- Đất trống bao gồm bề mặt khơng có thực vật che phủ ví dụ như đất

nông nghiệp bỏ hoang, các dự án treo chưa triển khai,...

Với bản chất việc “chụp” ảnh là đo giá trị phần trăm phản xạ của năng

lượng sóng điện từ từ các đối tượng trên mặt đất, viễn thám có ưu thế cơ bản

trong theo dõi biến động lớp phủ. Bề mặt lớp phủ lại phản ánh tác động của
con người thơng qua loại hình sử dụng đất. Với ưu thế đặc biệt của viễn thám
là không gian đối tượng nghiên cứu, tư liệu viễn thám đa thời gian đáp ứng
được yêu cầu về khả năng cập nhật và tính chu kì trong theo dõi biến động.

Kết quả khảo sát khả năng sử dụng một số loại ảnh vệ tinh trong công

tác quản lý đất đai cho thấy rằng:

Ảnh LansatTM và ETM+ có độ phân giải không gian là 30 m đối với
kênh đa phổ, kênh toàn sắc là 15 m. Loại này sử dụng để theo dõi và chỉnh lý

những biến động lớn trong quá trình sử dụng đất ở quy mơ cấp tỉnh. Ảnh tồn

sắc có thể sử dụng để thành lập bản đồ hiện trạng sử dụng đất ở tỷ lệ 1:50 000

hoặc nhỏ hơn.

Ảnh SPOT, độ phân giải không gian là 20 m đối với các kênh ảnh đa phổ

và 10 m đối với các kênh toàn sắc. Ảnh này có thể dùng nghiên cứu biến động

sử dụng đất ở tỷ lệ 1:50 000 và nhỏ hơn. Có thể theo dõi biến động sử dụng
đất ở cấp huyện và cấp tỉnh.

Ảnh ASTER có độ phân giải khơng gian là 15 m, 15 kênh phổ. Dùng để

theo dõi biến động sử dụng đất, hoặc thành lập bản đồ hiện trạng sử dụng đất

cấp tỉnh, huyện với tỷ lệ 1:25 000.

</div>
(23)<div class='page_container' data-page=23>

cứu sử dụng đất và lớp phủ mặt đất vì những lý do sau:

- Các ảnh của một vùng rộng lớn có thể thu nhận sự thay đổi một cách

rất nhanh chóng.

- Các ảnh có độ phân giải thích hợp với việc phân loại các đối tượng

trong việc quan sát.

- Ảnh viễn thám có thể giải quyết các cơng việc mà thơng thường quan

sát trên mặt đất rất khó.

- Phân tích ảnh nhanh hơn và rẻ hơn rất nhiều so với quan sát thực địa.

- Ảnh cung cấp các thông tin mà trong khi quan sát thực địa có thể bỏ sót.

- Các ảnh có thể cung cấp một tập hợp các thông tin để đối chiếu so sánh

các hiện tượng có sự thay đổi lớn như: sử dụng đất, lớp phủ mặt đất như

rừng, nông nghiệp, thuỷ văn và sự phát triển đô thị.

Tuy nhiên, phân tích ảnh viễn thám có một số thiếu sót là:

- Một số lồi hình sử dụng đất khác nhau có thể khơng được phân biệt

trên ảnh.

- Nhiều thông tin theo chiều nằm ngang bị mất đi hoặc không rõ nét trên

ảnh viễn thám, những thông tin này thường rất có giá trị để phân loại những
đối tượng sử dụng đất.

- Đối với một vùng nhỏ thì chi phí cho sự nghiên cứu viễn thám trở nên

đắt hơn các phương pháp truyền thống, vì vậy sẽ khơng kinh tế.

Sự phân tích viễn thám cần phải được kiểm tra bằng các thông tin mặt

đất tại các điểm điển hình, như vậy kết quả sẽ trở nên rất chính xác.

- Những cơng việc cần thực hiện:

a. Xác định hệ thống phân loại

Hệ thống phân loại cần được xác định, xây dựng để có thể phân biệt cả

các đối tượng sử dụng đất. Trong viễn thám, hệ thống phân loại phải phù hợp

</div>
(24)<div class='page_container' data-page=24>

Yêu cầu của bảng phân loại trong viễn thám là:

- Độ chính xác tối thiểu cho phân biệt các đối tượng sử dụng đất và lớp

phủ mặt đất phải đạt ít nhất 85%.

- Độ chính xác của việc phân tích trong bảng phân loại cần phải giống nhau

cho mọi đối tượng và thích hợp với khả năng cung cấp thơng tin của tư liệu.

- Kết quả phân tích khi dùng hệ thống phân loại đó cần phải được giống

nhau đối với những người giải đoán khác nhau.

- Hệ thống phân loại có thể được áp dụng cho nhiều vùng rộng lớn.

- Hệ thống phân loại có thể được sử dụng khi phân tích các tư liệu thu

được trong các thời gian khác nhau.

- Hệ thống phân loại cho phép dùng các bậc phân loại phụ sử dụng cho

việc quan sát mặt đất, hoặc phân tích từ các tư liệu viễn thám tỷ lệ lớn hơn.

- Sự tổng hợp của hệ thống phân loại phải được thực hiện một cách chi tiết

- Có thể so sánh với tài liệu sử dụng đất trong tương lai.

- Những đặc điểm sử dụng đất khác nhau có thể nhận biết được.

Theo nguyên tắc đó, việc xác định hệ thống phân loại là công việc đầu

tiên rất quan trọng khi sử dụng tư liệu viễn thám để xây dựng bản đồ sử dụng

đất và lớp phủ mặt đất.

Trong quá trình nghiên cứu thành lập hệ thống chú giải cần lưu ý đến tỷ

lệ bản đồ cần thành lập và loại tư liệu viễn thám sử dụng. Ảnh màu giả FCC

là rất hữu hiệu cho việc phân tích các đối tượng sử dụng đất. Còn đối với bản

đồ tỷ lệ lớn 1/5.000 - 1/10.000 sử dụng ảnh vệ tinh độ phân giải cao là tốt

nhất. Ở Việt Nam, căn cứ vào hệ thống phân loại của bộ Tài nguyên và Mơi

trường xây dựng ta có thể lựa chọn hệ thống chú giải thích hợp. Ví dụ, để

thành lập bản đồ sử dụng đất tỷ lệ 1/250.000 bằng phương pháp viễn thám, có

</div>
(25)<div class='page_container' data-page=25>

* Đất nông nghiệp

1. Đất chuyên lúa
2. Đất lúa màu

3. Đất chuyên rau màu và cây công nghiệp ngắn ngày
4. Đất nương rẫy

5. Đất trồng cây công nghiệp
6. Đất trồng cây ăn quả
7. Đất trồng cây lâu năm
8. Đất cỏ dùng vào chăn ni

9. Đất có mặt nước chuyên dùng vào nuôi tôm cá và nuôi trồng hải sản

10. Rừng lá rộng thường xanh

11. Rừng lá rộng nửa rụng lá

12. Rừng lá rộng rụng lá

13. Rừng lá kim thuần loại

14. Rừng hỗn giao (lá kim, lá rộng)

15. Rừng tre nứa thuần loại

16. Rừng tre nứa hỗn giao (tre nứa, gỗ)

17. Rừng trồng

18. Rừng ngập mặn

* Đất phi nông nghiệp

19. Đất xây dựng

20. Đất di tích lịch sử, văn hố, du lịch
21. Đất khai thác khoáng sản

22. Đất làm muối

23. Đất chuyên dùng khác
24. Đất thành thị

</div>
(26)<div class='page_container' data-page=26>

* Đất chưa sử dụng

26. Đất trống, trảng cỏ, lùm bụi
27. Núi đá khơng có cây

28. Bãi bồi ven sông, ven biển

29. Bãi cát, cồn cát (cát khô)

30. Đất hoang vùng đồng bằng

b. Xác định các dấu hiệu giải đốn

Cơng tác tiếp theo của việc thành lập hệ thống chú giải là xác định các

dấu hiệu giải đoán. Đối với xử lý ảnh số, đó là việc xác định các vùng thử

nghiệm (hay còn gọi là vùng mẫu). Từ các vùng mẫu đó, có thể mở rộng cho

tồn tấm ảnh.

* Khi giải đốn cần chú ý đến các nguyên tắc sau:

- Xác định điều kiện sinh thái nơi tồn tại của các loại hình sử dụng đất để

đưa ra những giả thuyết thích hợp về tên gọi của chúng.

- Xác định các chìa khố giải đoán (nền ảnh, cấu trúc ảnh, vị trí, hính

dạng, màu sắc,...) từ đó mở rộng ra các vùng khác.

- Tổ hợp suy luận và định loại, đưa ra những giả thiết và kết luận.

- Phải kết hợp nhuần nhuyễn kiến thức thực tế và kiến thức về sinh thái,

cảnh quan để tổng hợp các dấu hiệu, từ đó mới có thể đi đến các kết luận

chính xác.

Một số ví dụ cụ thể khi phân tích ảnh tổng hợp màu giả (FCC) để xác
định một số đối tượng sử dụng đất ở Việt Nam (có đối chiếu với ảnh đen

trắng kênh 5).

- Cây trồng một năm (lúa-màu-cây trồng cạn): xuất hiện màu vàng hoặc

da cam trên ảnh FCC.

</div>
(27)<div class='page_container' data-page=27>

(nếu ngập nước nhiều), có màu xanh lơ sẫm thì chỉ trồng được 1 vụ lúa.

- Thảm thực vật trên bãi bồi: chỉ ở hai bên sông suối, cấu trúc rất mịn,

màu xanh vàng nhạt hoặc trắng đến màu da cam sẫm. Đôi chỗ thành mảnh đỏ

sẫm chỉ thị cho thảm thực vật trồng, cây hàng năm (ngô, đậu, lạc) hoặc cây

thân thảo hoá gỗ, cây lâu năm ưa nước.

- Cây trồng quanh khu dân cư: màu đỏ xen lẫn hạt trắng lốm đốm thành

từng đám nhỏ.

- Thảm thực vật đầm lầy: màu xanh lơ thẫm đến tím xám, cấu trúc mịn

sáng do ngập nước.

- Trảng cây bụi thấp - xen cỏ: tím xám đến vàng nâu cấu trúc trung bình
đến thơ (và xám nhạt khơng đều trên ảnh kênh 5 đen trắng), phân bố thành

từng mảng ở sườn đồi.

- Cây trồng lâu năm, rừng trồng, cây công nghiệp như chè, cà phê, có
màu đỏ hoặc đỏ sẫm, thành từng khối có ranh giới dạng hình học rõ ràng, ít

khi ở dạng tự nhiên, tương phản nền màu cao so với đối tượng xung quanh.

Trên ảnh kênh 5, cây công nghiệp tạo nên các mảng tối sẫm.

- Thực vật trên vùng sườn và đồi núi, thốt nước tốt có màu hồng lốm
đốm (trên ảnh FCC) và xám nhạt trên ảnh đen trắng kênh 5. Về cơ bản có thể

chia thành từng nhóm kiểu thảm sau:

- Trên núi đất feralit phong hoá từ các loại đá mẹ khác nhau, từ đá cứng

bị phong hoá: cấu trúc thành khối hoặc các điểm có diện tích nhỏ (núi đồi sót)
tương phản bóng rõ, chia cắt ngang rõ, chia cắt sâu mờ, có nếp hằn sâu, chạy

song song, đó là kết quả của q trình uốn nếp, đứt gẫy hoặc bào mịn, tích tụ.

Có các kiểu chính như sau:

+ Rừng hỗn giao thường xanh quanh năm: màu đỏ sẫm, bóng rất mờ

hoặc khơng rõ, cấu trúc trung bình.

+ Rừng tre nứa hoặc hỗn giao: màu đỏ đến đỏ sẫm, bóng rất mờ hoặc

khơng rõ, cấu trúc trung bình đến mịn, phân bố ở các dạng địa hình đặc biệt,

</div>
(28)<div class='page_container' data-page=28>

+ Trảng cây bụi rậm: đỏ tươi, hơi nhạt, bóng của vật bị chia cắt ngang
hơi mờ, cấu trúc đều, tương đối mịn.

+ Trảng cây bụi xen cỏ: lốm đốm đỏ nhạt trên nền vàng sẫm, cấu trúc
thơ, khơng đều, bóng lấy được thể hiện tương đối rõ.

+ Trảng cỏ - nương rẫy tạm thời: vàng sẫm hoặc hồng nhạt, cấu trúc

trung bình bởi các hạt lốm đốm đỏ, rất thưa và hầu như không thấy bóng của
đối tượng.

+ Nương rẫy thường xuyên: cấu trúc mịn màu tím, xanh tím hoặc tím đỏ,
thường bị chia cắt rất sắc nét.

- Thảm thực vật trên đất phong hố từ đá vơi cấu trúc thành khối lớn

hoặc núi sót nhỏ, bị chia cắt ngang và chia cắt sâu rất rõ tạo nên cấu trúc lốm

đốm đặc trưng.

+ Rừng rậm: màu đỏ sẫm, độ “nhàu” hơi nhoè do cấu trúc nhiều tầng

của rừng

+ Trảng cây bụi rậm: màu đỏ hồng, độ “nhàu nát” tương đối rõ

+ Đá lộ: màu tím đến xanh nhạt tím, độ “ nhàu nát” rất rõ nét.

+ Tổ hợp thảm trảng cỏ - nương rẫy: thường ở chân sườn ít dốc hoặc ở

núi sót, màu hồng tất nhạt đến màu vàng lốm đốm đỏ trên nền vàng, đôi chỗ

xanh nhạt hoặc xanh tím trên ảnh FCC, (trên kênh 5 có màu xám nhạt) [3].

c. Tổng hợp kết quả giải đoán

Đây là bước quan trọng nhất nhằm khẳng định sự nghiên cứu, phân tích

giải đốn và đưa đến kết quả chính thức. Các cơng việc cần làm của khâu tổng

hợp là:

- Xem xét lại sự hợp lý hay chưa hợp lý của hệ thống chú giải khi áp dụng

và phân tích xử lý cho một hình ảnh cụ thể, từ đó có thể hiệu chỉnh chú giải cho

phù hợp.

- Kiểm tra thực địa trên các vùng mẫu để xác định chính xác các tên gọi,

</div>
(29)<div class='page_container' data-page=29>

hợp với thời gian chụp ảnh. Do tư liệu không cập nhật, có thể kiểm tra trên

vùng nghiên cứu ít có sự biến đổi, với thời gian lệch về năm song nhất thiết

phải cùng thời điểm chụp trong năm. Để đảm bảo mức độ chính xác, khi kiểm

tra thực địa cần có sự mô tả, điều tra về sử dụng đất trong quá khứ (vào thời
điểm có tư liệu). Các thơng số cần thu thập khi kiểm tra thực địa là: ảnh chụp,

bản tả về hiện trạng (loại đối tượng và tính chất của chúng), khi có máy, cần

tiến hành đo phổ mặt đất.

- Chỉnh lý các đường bao được vẽ ra, đặt tên thống nhất cho từng đường

bao đó (theo hệ thống chú giải). Trong đó có công việc là phải hiệu chỉnh bổ

sung mức độ chi tiết của cơng việc giải đốn trên từng phần của ảnh (đối với

xử lý ảnh bằng mắt) hoặc chỉnh lý trên kết quả xử lý số (bằng các phép lọc

hoặc phân loại,...).

- Xác định các mã màu phù hợp cho từng đơn vị phân loại (hoặc bổ sung

bằng các ký hiệu đối với giải đoán ảnh bằng mắt).

- Tính tốn diện tích bằng các kỹ thuật và cơng cụ đơn giản hoặc bằng

việc tự động tính tốn trên máy tính với các phần mềm tương ứng [3].

Trên đây là tóm tắt những dấu hiệu nhận biết trên ảnh vệ tinh của một số

kiểu sử dụng đất chính. Để thành lập bản đồ chuyên đề, một số yêu cầu cơ

bản đặt ra cho cơng tác giải đốn là:

- Bản thân người giải đoán phải thực sự nắm chắc kiến thức thực vật học

và kiến thức về sử dụng đất. Đó là yêu cầu đầu tiên hết sức quan trọng.

- Ngồi việc phát hiện các khố giải đốn ảnh, người giải đốn phải có

sự phân tích, liên hệ ngoại suy và quy nạp để khẳng định được các đối tượng

đã được vạch ra trên ảnh ứng với từng dải phổ khác nhau (các ảnh ở các kênh

khác nhau và ảnh tổng hợp màu).

- Trong giải đoán ảnh bằng mắt thường việc xác định khoá giải đoán ảnh

là cần thiết song dù sao nó cũng chỉ mang tính nguyên tắc và phụ thuộc rất

</div>
(30)<div class='page_container' data-page=30>

có thể là dấu hiệu của nhiều kiểu thảm khác nhau và ngược lại, nhiều kiểu

thảm giống nhau song trên ảnh lại có thể thay đổi tuỳ từng điều kiện cụ thể và

từng khu vực lãnh thổ. Giải quyết được vấn đề đó địi hỏi trình độ chun

mơn và kinh nghiệm thực tiễn của người giải đốn.

- Cơng tác kiểm tra thực tế trên các vùng mẫu là một yêu cầu đặt ra

trong q trình giải đốn, tuy nhiên việc kiểm tra thực địa phải đảm bảo

thực hiện cho đai diện hầu hết các đối tượng đã dự đoán ở giai đoạn phân

tích trong phịng. Hơn nữa khối lượng cơng việc cần thực hiện phải tối ưu

nhất, có như vậy mới khẳng định được hiệu quả của phương pháp viễn thám

trong nghiên cứu, thành lập bản đồ hiện trạng sử dụng đất, thảm thực vật

hay bản đồ lớp phủ mặt đất nói chung [3].

1.3. Tình hình nghiên cứu chiết tách đất xây dựng và đất trống bằng ảnh 
chỉ số

Q trình đơ thị hóa khơng chỉ làm gia tăng diện tích đất xây dựng mà

cịn xuất hiện cả những mảnh đất trống trong đô thị do bỏ hoang đất canh tác

nông nghiệp hoặc các dự án “treo”. Lập bản đồ đất xây dựng và đất trống là

nhiệm vụ cần thiết cho nghiên cứu chuyển đổi sử dụng đất trong q trình đơ

thị hóa cũng như cho phát triển bền vững vì sự có mặt của các đối tượng này

là chỉ báo của mức độ phát triển đô thị cũng như chất lượng môi trường [5].

Một trong những khó khăn khi thành lập bản đồ khu vực đô thị là mật độ dân
cư cao, nhiều nhà cao tầng hạn chế khả năng đo vẽ trực tiếp, vì vậy viễn thám

trở thành cơng cụ đắc lực trợ giúp nhiệm vụ này [6],[7]. Hướng tiếp cận phổ

biến để lập bản đồ sử dụng đất đô thị từ tư liệu viễn thám là phân loại ảnh, tuy
nhiên phương pháp dùng ảnh chỉ số cho kết quả nhanh chóng và hiệu quả hơn

[6],[8]. Các chỉ số này được tính tốn dựa trên đặc tính hấp thụ và phản xạ

mạnh của đối tượng quan tâm trên các kênh phổ khác nhau của ảnh đa phổ [9]

</div>
(31)<div class='page_container' data-page=31>

dựng. Lần đầu tiên chỉ số này được áp dụng để chiết tách đất xây dựng ở

thành phố Nam Kinh - miền Đông Trung Quốc [10]. Mặc dù NDBI có thể

phân biệt được đất xây dựng, thực vật và các đối tượng xanh, ướt ở thành phố
Nam Kinh nhưng không phân biệt được đất xây dựng, đất khô cằn và đất

trống do hành vi phổ của các đối tượng này gần giống nhau [2]. Chỉ số NDBI

và UI cho phép lập bản đồ đất xây dựng và đất trống rất nhanh nhưng không

thể tách riêng được đất xây dựng và đất trống do tính phức tạp trong đặc tính

phản xạ phổ của các đối tượng thực vật, đất trống và đất xây dựng, đặc biệt là

những pixel hỗn hợp. As-syakur và cộng sự (2012) đề xuất chỉ số EBBI đối

với ảnh Landsat ETM+ cho thành phố Denpasar ở Bali, Indonesia [6]. Tác giả
này cũng so sánh EBBI với các chỉ số khác như IBI, NDBI, và UI; kết quả

cho thấy EBBI chính xác hơn những chỉ số khác, đất trống được tách riêng

với độ chính xác toàn cục 90.5%. Chỉ số UI cho kết quả tốt hơn trong phát

hiện khu vực đô thị nhưng không thể phân biệt được đất trống và đất xây

dựng một cách chính xác [11],[12]. Xu (2010) đã đề xuất chỉ số NDISI
(Normalized Impervious Surface Index) để chiết tách bề mặt không thấm trên
cơ sở sử dụng kết hợp kênh hồng ngoại nhiệt với kênh phản xạ để tính tốn sự

khác biệt rõ rệt về giá trị phát xạ của bề mặt không thấm so với đất trống; kết

quả đã chứng minh NDISI có thể chiết tách bề mặt khơng thấm hiệu quả [13].

Sun và cộng sự (2017) đề xuất chỉ số MNDISI (Modified Normalized
Difference Impervious Surface Index) để chiết tách bề mặt không thấm từ ảnh

vệ tinh Landsat, trong đó giá trị nhiệt độ chói được thay bằng nhiệt độ bề mặt.

Kết quả thử nghiệm MNDISI ở Boston, Massachusetts, USA cho thấy chỉ số

MNDISI có khả năng phân biệt bề mặt không thấm tốt hơn chỉ số NDISI,

thậm chí ở khu vực đô thị mật độ xây dựng thấp [14].

Các văn liệu trên cho thấy những chỉ số được đề xuất ở trên hầu hết bắt

nguồn từ các thế hệ vệ tinh Landsat cũ. Mặt khác các chỉ số này khơng thành

cơng hồn tồn trong mọi trường hợp [15], [16], tùy thuộc vào tính chất phức

</div>
(32)<div class='page_container' data-page=32>

nhau, hơn thế nữa, hiệu năng của những chỉ số đó ở khu vực nhiệt đới như thế

nào thì vẫn cịn bỏ ngỏ.

Vệ tinh Landsat 8 mang hai bộ cảm OLI (Operational Land Imager) và

TIRS (Thermal Infrared Sensor) được thiết kế cải tiến với các băng tần có
bước sóng hẹp hơn ở dải cận hồng ngoại, hồng ngoại trung và hồng ngoại

nhiệt so với Landsat thế hệ trước để giảm thiểu tối đa nhiễu khí quyển, độ

phân giải bức xạ cũng tăng lên tới 16 bit [17]. Do đó khi áp dụng các chỉ số đơ

thị cho ảnh Landsat 8 cần phải điều chỉnh cho phù hợp trên cơ sở xem xét tính

nhạy cảm của các chỉ số này đối với các bước sóng sử dụng và khảo sát khả
năng phản xạ phổ của đất xây dựng, đất trống trên các kênh phổ khác nhau.

Hà Nội là đô thị cổ, trải qua quá trình hình thành và phát triển hàng
nghìn năm với các kiểu kiến trúc đặc thù, không giống với các đô thị hiện

đại khác trên Thế giới. Khu vực trung tâm là các phố cổ đã ngàn năm tuổi,

phân bố kiểu bàn cờ, đa số là nhà lợp bằng ngói hoặc vật liệu xây dựng cũ và

thấp [18]. Vùng ngoại ô là các khu đô thị mới, nhiều nhà cao tầng mọc lên

với vật liệu và kiểu kiến trúc hiện đại. Trong q trình đơ thị hóa, sự chuyển
đổi sử dụng đất ở Hà Nội diễn ra mạnh mẽ, chủ yếu là đất nông nghiệp thành
đất xây dựng, làm cho cảnh quan đô thị bị phân mảnh sâu sắc với hoa văn
mang nét đặc trưng riêng, có nhiều ơ đất nhỏ xen giữa nhà cao tầng bị bỏ

hoang do dự án chậm tiến độ. Hà Nội là “thành phố trong sông” với hàng
trăm ao hồ lớn nhỏ có vai trị như là hệ thống điều hịa tự nhiên làm cho khí

hậu mát lành, thảm thực vật xanh tốt quanh năm. Hà Nội thuộc khu vực

nhiệt đới nóng ẩm, mưa nhiều nên đặc tính phản xạ phổ của lớp phủ cũng

không giống với các khu vực khác, do đó, liệu rằng các chỉ số đã được đề

xuất ở các vùng khí hậu khác (khơ hạn, bán khơ hạn) có phù hợp với đơ thị

nhiệt đới hay khơng thì cần phải tiến hành nghiên cứu. Vì vậy, đề tài luận
văn đã được đặt ra để nghiên cứu nhằm đánh giá độ chính xác chiết tách đất

xây dựng và đất trống khu vực Hà Nội bằng việc sử dụng các chỉ số IBI,

</div>
(33)<div class='page_container' data-page=33>

CHƯƠNG 2: CƠ SỞ KHOA HỌC CHIẾT TÁCH THÔNG TIN

ĐẤT XÂY DỰNG VÀ ĐẤT TRỐNG KHU VỰC ĐÔ THỊ

2.1. Kỹ thuật tiền xử lý ảnh

Các phép tiền xử lý là những công đoạn như khơi 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 và 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. Thực tế cho thấy,

khi đo các bức xạ và phản xạ sóng từ mặt đất thu nhận bởi Sensor đặt trên các

vật mang, người ta thấy sự khác biệt so với trường hợp quan sát cùng đối

tượng đó ở khoảng cách gần. Điều này chứng tỏ ở những khoảng cách xa luôn

tồn tại một lượng nhiễu nhất định gây bởi ảnh hưởng của góc nghiêng và độ

cao Mặt Trời, của điều kiện khí quyển như sự hấp thụ, tán xạ,… Do đó, để
đảm bảo nhận được những giá trị chính xác của năng lượng bức xạ và phản

xạ, cần phải thực hiện việc hiệu chỉnh bức xạ nhằm loại trừ các nhiễu. Ngoài

ra, do ảnh hưởng tổng hợp của sai số chế tạo Sensor và sự thay đổi ngẫu nhiên

vị thế của vật mang, làm cho ảnh thu được bị biến dạng về mặt hình học. Biến

dạng hình học của ảnh được hiểu như sự sai lệch vị trí giữa toạ độ ảnh thực tế

(nhận được) và toạ độ ảnh lý tưởng được tạo bởi một bộ cảm có thiết kế hình

học chính xác và chụp ảnh trong các điều kiện lý tưởng (không ảnh hưởng bởi

vị thế của vật mang).

2.1.1. Hiệu chỉnh bức xạ

Để đảm bảo nhận được những giá trị chính xác của năng lượng bức xạ và

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

</div>
(34)<div class='page_container' data-page=34>

* 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. Hiện tượng này gọi là vignetting (thể

hiện bởi Cosnθ, trong đó θ là góc hợp bởi tia tới và quang trục của thấu kính

và n là tham số phụ thuộc vào thấu kính được sử dụng, thường n = 4). Đây là

sai số không thể tránh khỏi do các hệ thống quang học tạo ra [4].

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 và cường độ tín hiệu của chuẩn. Ngồi ra, ảnh vệ tinh thu được trong

một số trường hợp bị mất dòng ảnh, tạo vệt dòng ảnh và 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.

* Mất dòng ảnh: Nguyên nhân là do một bộ phận tách sóng nào đó của

mảng tuyến tính khơng tách được (hoặc khơng hoạt động) năng lượng phản xạ
cho pixel được phân chia ứng với từng dòng ảnh. Kết quả nhận được ảnh vệ

tinh bị mất đi một hoặc dòng ảnh riêng biệt mà cần phải khơi phục. Ví dụ bộ

cảm biến có 16 bộ tách sóng tạo thành dịng qt (hàng trên ảnh), nếu một bộ

tách sóng khơng hoạt động sẽ tạo ra trong mỗi dòng quét thứ 16 là một chuỗi

zero gây ra một dòng đen (hoặc vài dòng đen nếu có vài bộ tách sóng) mà có

thể nhận biết dễ dàng bằng mắt.

Để khôi phục, bước đầu tiên là tính giá trị trung bình trên dịng qt sao

cho toàn bộ ảnh, so sánh giá trị trung bình của từng dịng với giá trị vừa nhận

được này. Bất cứ dòng nào lệch khỏi (vượt quá ngưỡng cho phép) giá trị trung

bình trên dịng qt cho tồn bộ ảnh thì được xem như là bị ảnh hưởng. Trong

những vùng mà có sự thay đổi lớn về lớp phủ mặt đất, cần xem xét histogram

của phần ảnh có biến đổi đặc biệt và xử lý riêng phần ảnh này.

</div>
(35)<div class='page_container' data-page=35>

một giá trị được nội suy từ các pixel xung quanh. Giá trị trung bình của các
pixel xung quanh được dùng để thay thế cho giá trị pixel bị mất [4].

* Vệt dòng ảnh: là hiện tượng ảnh để lộ ra nhiều dòng nhiễu do sự đáp
ứng khơng đồng bộ giữa các bộ tách sóng trong cùng mảng tuyến tính. Hiện
tượng này thường xảy ra hơn so với “dòng bị mất”. Mặc dù tất cả các bộ tách

sóng của cùng mảng tuyến tính đã được kiểm tra cẩn thận và rất phù hợp với

nhau về mức độ cảm nhận trước khi phóng vệ tinh, sau một thời gian vận

hành một số bộ tách sóng bị thay đổi thông số (tăng hay giảm mức độ cảm

nhận). Kết quả là mỗi dịng qt được ghi nhận bởi chính các bộ tách sóng

này sẽ sáng hơn hay tối hơn so với các dòng quét khác. Cần lưu ý rằng,

trong trường hợp này giá trị thực của năng lượng phản xạ cần được thể hiện

bởi dịng qt khiếm khuyết đó, nhưng cần phải hiệu chỉnh để phù hợp cho

toàn ảnh.

Để hiệu chỉnh ảnh có nhiều biện pháp, nhưng phổ biến nhất là làm phù

hợp histogram của ảnh bằng cách chia histogram tương ứng với từng bộ phận

tách sóng, chọn histogram chuẩn và hiệu chỉnh histogram của bộ tách sóng bị

khiếm khuyết. Giá trị mới của pixel được tính tốn và hiệu chỉnh lại [4].

* Nhiễu ngẫu nhiên trên ảnh: Hiện tượng này sinh ra không phải do bộ

tách sóng mà do sai số sinh ra trong quá trình truyền dữ liệu ảnh hoặc bị
gián đoạn tạm thời. Do ảnh hưởng này, một 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 mà làm ảnh hưởng đến việc tách

thông tin từ ảnh viễn thám. Biện pháp dùng cửa sổ lọc để loại trừ nhiễu ngẫu

nhiên là khá phổ biến trong xử lý ảnh hiện nay.

- Ảnh hưởng do địa hình và góc chiếu của Mặt Trời

</div>
(36)<div class='page_container' data-page=36>

cong bóng râm dựa trên việc phân tích chuỗi Fourier để tách các thành phần

sóng có tần số thấp.

* Bóng râm: là hiện tượng che khuất nguồn bức xạ bởi bản thân địa hình
(vùng đồi, núi, nhà cao tầng,…). Để có thể hiệu chỉnh cần phải có mơ hình độ

cao số DEM và toạ độ vật mang tại thời điểm thu tín hiệu (xác định góc giữa

tia bức xạ và vector trực giao với bề mặt địa hình).

* Góc chiếu của Mặt Trời: Do vị trị tương đối của Trái Đất với Mặt Trời
thay đổi theo thời gian trong ngày và mùa trong năm, làm cho vùng Bắc bán

cầu có góc đứng của Mặt Trời vào mùa đông nhỏ hơn mùa hạ. Kết quả là ảnh

chụp vào các mùa khác nhau sẽ có cường độ chiếu sáng của Mặt Trời khác

nhau [4].

Hiệu chỉnh ảnh hưởng do góc chiếu của Mặt Trời được tiến hành bằng

cách lấy giá trị độ sáng của pixel chia cho sin góc đứng của Mặt Trời (giá trị
độ lớn của góc đứng được cho bởi file header của ảnh vệ tinh) cơng thức tính
như sau:



sin

BV

BVhc 

Trong đó BVhc là giá trị độ sáng của pixel cho bởi ảnh mới đã được hiệu

chỉnh góc chiếu của Mặt Trời. Vì góc đứng ln nhỏ hơn 90 độ nên BVhc luôn

lớn hơn BV (giá trị độ sáng của ảnh chưa hiệu chỉnh [4].

Khi có ảnh đa thời gian cho cùng một khu vực, việc hiệu chỉnh tương đối

có thể được thực hiện bằng cách chọn ảnh có góc chiếu của Mặt Trời cao làm

chuẩn và hiệu chỉnh bức xạ các ảnh còn lại theo ảnh chuẩn này.

- 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 và 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 mà bộ cảm thu được không phải chỉ đơn

</div>
(37)<div class='page_container' data-page=37>

thuần năng lượng trực tiếp mà còn nhiều thành phần nhiễu khác. Hiệu chỉnh

do ảnh hưởng khí quyển là giai đoạn tiền xử lý nhằm loại trừ ảnh hưởng của

những thành phần bức xạ không mang thơng tin hữu ích. Để hiệu chỉnh khí

quyển, người ta thường sử dụng các mơ hình khí quyển nhằm mơ phỏng trạng

thái khí quyển và áp dụng các quy luật quang học để hiệu chỉnh. Các phương
pháp cơ bản sau đây thường được sử dụng:

* Phương pháp sử dụng hàm truyền bức xạ: là giải pháp gần đúng được

sử dụng để xác định phương trình chuyển đổi bức xạ. Giá trị các thông số
được tính dựa trên trạng thái trung bình của khí quyển (hàm lượng bụi khí

quyển ảnh hưởng đến ánh sáng khả kiến và vùng gần hồng ngoại, mật độ hơi
nước ảnh hưởng đến sóng hồng ngoại nhiệt,… cần được ước tính).

* Phương pháp sử dụng dữ liệu thực mặt đất: Ngay trong thời điểm bay

chụp, tiến hành đo đạc năng lượng bức xạ các đối tượng cần nghiên cứu. Sau
đó, dựa trên sự khác biệt cường độ bức xạ thu được trên ảnh vệ tinh và giá trị
đo được thực tế xác định giá trị hiệu chỉnh bức xạ. Phương pháp này cho kết

quả chính xác nhưng khơng phải lúc nào cũng thực hiện được (vị trí đặc biệt

và mùa thích hợp).

* Các phương pháp khác: Một số vệ tinh được trang bị các bộ cảm đặc

biệt chuyên thu nhận các tham số trạng thái khí quyển đồng thời với các bộ

cảm thu nhận ảnh và việc hiệu chỉnh được thực hiện ngay trong q trình bay

chụp. Ví dụ vệ tinh NOAA, ngoài Sensor AVHRR để thu nhận ảnh còn trang

bị Sensor HIRS (High Resolution Infrared Radiometer Sounder) đo mật độ và 
hơi nước để thực hiện hiệu chỉnh khí quyển [4].

2.1.2. 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) và toạ độ ảnh lý tưởng được tạo bởi một bộ cảm có thiết

kế hình học chính xác và trong các điều kiện thu nhận lý tưởng, nhằm loại trừ

sai số giữa toạ độ ảnh thực tế và toạ độ ảnh lý tưởng cần phải tiến hành hiệu

</div>
(38)<div class='page_container' data-page=38>

Nguyên nhân sinh ra biến dạng hình học của ảnh là 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 và hình dáng của vật thể.

Ngồi 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 là xây dựng mối tương

quan giữa hệ toạ độ ảnh và hệ toạ độ quy chiếu chuẩn (có thể là hệ toạ độ mặt

đất vng góc hoặc địa lý) dựa vào 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

Chọn phương pháp phải dựa trên bản chất sự biến dạng của ảnh và số

lượng điểm khống chế mặt đất sẵn có (thể hiện trên ảnh) để chọn phương

pháp hiệu chỉnh thích hợp. ba phương pháp sau đây thường được sử dụng:

* Hiệu chỉnh hệ thống: Áp dụng loại trừ biến dạng do nội sai do thiết bị

chế tạo khơng hồn chỉnh. Trong trường hợp này, nếu có dữ liệu tham chiếu

hình học của Sensor thì biến dạng hình học của ảnh do sai số hệ thống được

loại trừ hoàn toàn.

* Hiệu chỉnh phi hệ thống: Lâp đa thức tương quan giữa hệ toạ độ ảnh và

hệ toạ độ quy chiếu chuẩn (dùng phương pháp số bình phương nhỏ nhất).

Trong phương pháp này địi hỏi phải có một số điểm đã biết toạ độ thực

</div>
(39)<div class='page_container' data-page=39>

khống chế mặt đất (Ground Control Points-GCPs). Quá trình xác định toạ độ

ảnh (cho bởi hàng, cột) của các điểm này trong ảnh bị biến dạng. Khi chọn
các điểm này cần phải lưu ý đến sự phân bố vị trí của các điểm trên ảnh

(không nên tập trung ở vùng nhỏ của ảnh) vì sự phân bố tốt sẽ nâng cao độ

chính xác hiệu chỉnh. Đa thức tương quan giữa hệ toạ độ ảnh và hệ toạ độ quy

chiếu chuẩn của các điểm GCP sẽ được xử lý bởi chương trình trên máy tính

và sau khi chuyển đổi ảnh sẽ có hệ tọa độ mặt đất. Độ chính xác đạt được phụ

thuộc vào bậc của đa thức, số điểm khống chế và sự phân bố của chúng.

* Hiệu chỉnh phối hợp: Hiệu chỉnh hệ thống được áp dụng trước đối với

ảnh nhằm loại trừ sai số hệ thống do thiết bị (nội sai), sau đó sai số cịn lại

(ngoại sai) sẽ được loại trừ bằng đa thức bậc thấp hơn để nhận được ảnh có

sai số là tối thiểu sau khi hiệu chỉnh hình học.

- 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 mà

khơng tham gia trong q trình chuyển đổi (điểm kiểm tra). Nếu độ chính xác

khơng thoả mãn tiêu chuẩn yêu cầu (sai số 1 pixel) thì phải kiểm tra lại dữ

liệu toạ độ được nhập trong quá trình chuyển đổi hoặc chọn mơ hình toán

khác sao cho kết quả đạt được là tốt nhất.

- Nội suy và tái chia mẫu: là 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 và gán lại theo vị trí mới. Phương pháp nội suy và 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.

Như chúng ta đã biết, ảnh số có thể được xem như là mảng giá trị độ xám

được lưu trữ trong máy tính, vì vậy việc nắn chỉnh ảnh số là sự thay đổi vị trí

của các con số này và hiển thị giá trị độ xám của các pixel nằm trong mảng

</div>
(40)<div class='page_container' data-page=40>

Các thuật toán sau đây thường được sử dụng trong thực tế để nội suy lại

giá trị độ xám của các pixel.

* Người láng giềng gần nhất: là phương pháp đơn giản nhất, nhanh và bảo

đảm khơng có các giá trị ngoại lai. Trong phương pháp này, giá trị của các

pixel trên ảnh đã hiệu chỉnh được nội suy theo giá trị độ sáng của các pixel

lân cận trong ảnh gốc.

* Tuyến tính kép: Việc nội suy tuyến tính dựa trên 4 pixel trên ảnh gốc

bao quanh vị trí của pixel trên ảnh đã hiệu chỉnh, ảnh được tạo ra sẽ có độ

tương phản dịu hơn.

* Hàm bậc ba: là phương pháp nội suy dựa trên 16 pixel trên ảnh gốc bao

xung quanh vị trí của pixel trên ảnh đã hiệu chỉnh. Mặc dù tốc độ tái chia mẫu

</div>
(41)<div class='page_container' data-page=41>

2.1.3. 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 là biến đổi

cấp độ xám, chuyển đổi histogram, tổ hợp màu, chuyển đổi màu giữa hai hệ

RGB (red, green, blue) và HIS (Hue- sắc, Intensity - cường độ, Saturation -

mật độ) nhằm phục vụ việc giải đoán bằng mắt (phân tích định tính).

Ngồi việc tăng cường chất lượng ảnh, bước tiếp theo trong xử lý ảnh vệ

tinh là chiết tách thơng tin đặc tính. Đây là một thao tác nhằm phân loại, sắp

xếp thông tin có sẵn trong ảnh theo các yêu cầu hoặc chỉ tiêu đưa ra dưới

dạng hàm số (phục vụ phân tích chất lượng). Thuận lợi của ảnh vệ tinh là cho

phép chúng ta thay đổi các giá trị của pixel trong ảnh. Mặc dù ảnh đã được

tiến hành hiệu chỉnh bức xạ, khí quyển và biến dạng hình học trước khi cung

cấp cho người sử dụng, ảnh vẫn chưa đảm bảo tối ưu cho việc giải đoán bằng

</div>
(42)<div class='page_container' data-page=42>

đa dạng của vật thể trên bề mặt đất (đất, nước, rừng, sa mạc,…) nên khơng có

thuật tốn hiệu chỉnh bức xạ tổng quát nào có thể được xem là tối ưu và cũng

khơng có giải pháp chung cho việc hiển thị tối ưu về độ sáng cũng như mức

tương phản thích hợp cho tất cả các đối tượng trong ảnh. Do đó, tuỳ thuộc
trường hợp ứng dụng cụ thể và tuỳ thuộc vào từng loại ảnh vệ tinh, cùng với
đặc điểm của từng kênh ảnh, người giải đoán cần phải điều chỉnh độ sáng và

mức độ tương phản thích hợp.

- Biến đổi cấp độ xám

Biến đổi cấp độ xám là một kỹ thuật tăng cường chất lượng ảnh đơn giản,

do thực tế trong ảnh thô giá trị phổ nhằm cung cấp thơng 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 là nhằm

biến đổi khoảng giá trị cấp độ xám thực tế của ảnh gốc về khoảng cấp độ xám

mà thiết bị hiển thị có khả năng thể hiện được. Bằng cách này sẽ tăng được độ
tương phản giữa các đối tượng, làm cho ảnh rõ ràng hơn.

Để hiểu rõ độ tương phản cần phải hiểu khái niệm histogram của ảnh. Đó

là sự thể hiện đồ giải các giá trị độ sáng của các pixel trong ảnh. Bằng cách

thay đổi giá trị độ sáng của pixel trong ảnh hay thay đổi histogram (histogram

biểu thị thống kê sự tương quan giữa số pixel và giá trị tương ứng được ghi

nhận bởi ảnh) sẽ cho phép chúng ta làm nổi bật hình ảnh sao cho người giải
đốn ảnh dễ đọc, dễ nhận biết nội dung trên ảnh hơn so với ảnh gốc.

Cấp độ xám của ảnh vệ tinh phụ thuộc vào giá trị của pixel, ví dụ nếu ảnh
được lưu theo 8 bits, các pixel sẽ được thể hiện bởi 256 giá trị và cấp độ xám

của ảnh thể hiện như sau:
0 = đen; 50 = xám đậm;

150 = xám trung bình;

</div>
(43)<div class='page_container' data-page=43>

Hình 2.1. Histogram của ảnh quá tối, quá sáng, tương phản thấp,

tương phản cao

Có nhiều kỹ thuật và phương pháp để biến đổi cấp độ xám của ảnh,

nhưng hiện nay thường sử dụng các biện pháp cơ bản như sau:

- Biến đổi độ tương phản

Thực tế khi ảnh chụp một vùng nào đó chỉ bao gồm những vật thể có độ

phản xạ giống nhau trên cùng vùng phổ, hoặc đơi khi trên ảnh có nhêìu vùng

tập trung các pixel có giá trị độ sáng gần nhau. Kết quả là ảnh không thể hiển

thị rõ ràng (độ tương phản thấp), ví dụ nếu ảnh có 80% số pixel thể hiện trong

phạm vi từ 50 đến 95 thì ảnh sẽ mang màu đen xám và độ tương phản rất

thấp. Có thể thực hiện phép biến đổi này dựa theo hàm số như sau:

y = f(x)

trong đó:

y - giá trị độ sáng của pixel trên ảnh đã biến đổi (cấp độ xám của ảnh sau

khi biến đổi).

</div>
(44)<div class='page_container' data-page=44>

x - giá trị độ sáng của pixel trên ảnh gốc (cấp độ xám của ảnh gốc).

Biến đổi tuyến tính là một trong những phép biến đổi cơ bản thường được

sử dụng trong việc thay đổi độ tương phản của ảnh vệ tinh, và còn được gọi là

phương pháp kéo giãn tương phản tuyến tính, trong đó hàm y = ax + b được

sử dụng.

Giá trị độ sáng của pixel bất kỳ trên ảnh đã biến đổi được tính theo

cơng thức:
min
min
min
max
min
max
)

(x x y

x
x

y
y

y  





trong đó:

xmin: giá trị độ sáng nhỏ nhất;

xmax: giá trị độ sáng lớn nhất của ảnh gốc;

ymin: giá trị độ sáng nhỏ nhất;

ymax: giá trị độ sáng lớn nhất của ảnh biến đổi.

Ví dụ: cấp độ xám của ảnh gốc biến thiên từ xmin = 20 đến xmax = 120 khi

hiển thị sẽ rất khó phân biệt các đối tượng trên ảnh, để nhận ảnh biến đổi có độ

tương phản cao nghĩa là kéo giãn giá trị nhỏ nhất và lớn nhất trên ảnh gốc

tương ứng là 0 và 255 trên ảnh biến đổi, cịn tồn bộ các giá trị độ sáng (từ 21
đến 119) sẽ được phân bố tuyến tính và nhận giá trị trong khoảng từ 1 đến 254.

Nếu pixel nào đó của ảnh gốc có giá trị là x = 40 và sau khi biến đổi, ggt của

pixel này khi được hiển thị là:

51
0
)
20
40
(
20
120
0

255   






y

</div>
(45)<div class='page_container' data-page=45>

Hình 2.2. Ảnh và biểu đồ Histogram trước và sau khi biến đổi tuyến tính

Trong phương pháp kéo giãn tương phản tuyến tính thì những vùng sáng

trên ảnh trở nên sáng hơn và điểm tối trở nên tối hơn làm cho việc giải đoán

bằng mắt dễ dàng hơn. Tuy nhiên trong một số trường hợp thực tế, phương

pháp này đôi khi không khắc phục được sự phân bố không đồng đều của các

giá trị độ sáng trên ảnh, nên ảnh sau khi biến đổi sẽ không được mịn (vào chỗ

tương phản quá mạnh do các pixel lân cận có giá trị chênh lệch nhau khá lớn).

Để khắc phục những trường hợp này, có thể biến đổi dựa trên giá trị trung

</div>
(46)<div class='page_container' data-page=46>

Hàm biến đổi được định nghĩa như sau:

n
m
x

y
y
x
x
S
S

y (  )

trong đó:

xm: giá trị trung bình của ảnh gốc;

Sx: độ lệch chuẩn của ảnh gốc;

ym: giá trị trung bình của ảnh sau khi biến đổi;

Sy: độ lệch chuẩn của ảnh sau khi biến đổi.

Ngoài ra, biến đổi cấp độ xám có thể dựa theo một số dạng hàm số đặc biệt
như sau:

- Biến đổi Fold sử dụng đường tuyến tính phức để làm nổi bật một phần cấp
độ xám.

- Biến đổi Saw tạo cấp độ xám không liên tục làm tăng tương phản cho

từng cấp độ.

Ngoài ra, có thể sử dụng các hàm lũy thừa, logarit,… để biến đổi cấp

độ xám.

- Biến đổi histogram

Biến đổi histogram là kỹ thuật biến đổi histogram thực tế của ảnh gốc để

nhận ảnh mới mà có histogram phù hợp với yêu cầu thực tế. Thực chất đây là

một dạng kéo giãn histogram để làm nổi bật những chi tiết của khu vực nào
đó trên histogram của ảnh mới so với phạm vi của histogram nguyên thuỷ

(những giá trị độ sáng trong phạm vi này ít được hiển thị). Vì histogram biểu

thị thống kê, sự tương phản giữa số pixel và giá trị độ sáng tương ứng trong
ảnh nên có thể thay đổi cấp độ xám của ảnh hay độ tương phản bằng cách

biến đổi phần cụ thể (đặc biệt) nào đó của histogram.

Ví dụ: Ảnh có cửa sơng và thể hiện nước của ảnh có giá trị từ 40 đến 76

nằm vùng nhỏ histogram của ảnh gốc. Nếu muốn thể hiện chi tiết của vùng
nước (để có thể phân biệt sự biến đổi bồi đắp của phù sa) chỉ cần thay đổi

(2.4)

</div>
(47)<div class='page_container' data-page=47>

phần nhỏ của histogram nguyên thuỷ tương ứng cho vùng nước (từ 40 đến 76)

kết quả chi tiết tại khu vực này sẽ được nổi bật khi hiển thị ảnh. Có hai phép

biến đổi cơ bản thường được sử dụng như sau:

- Quân bình histogram: Tương phản thấp trên ảnh còn sinh ra do một

lượng lớn pixel tập trung tại một số giá trị (vùng hẹp phạm vi từ 0 đến 255)

nên không thể áp dụng phương pháp kéo giãn tương phản tuyến tính.

Q trình biến đổi được thực hiện bằng cách tạo histogram tích luỹ của
ảnh gốc sau đó chia biểu đồ thành một số vùng bằng nhau và cuối cùng cấp
độ xám tương ứng cho từng vùng được chỉ định để biến đổi giá trị độ sáng

của pixel tương ứng. Với phép biến đổi này, trên ảnh vùng có thay đổi lớn sẽ
được hiển thị rõ, ngược lại sẽ được bỏ qua và tạo sự tăng cường độ tương

phản trên toàn bộ ảnh, đặc bịêt là tạo sự tương phản tốt cho những vùng quá

tối hoặc quá sáng trên ảnh.

- Chuẩn hoá histogram: là kỹ thuật biến đổi histogram ảnh gốc để nhận
ảnh mới mà có histogram phân bố chuẩn (nhằm tạo ra cấp độ xám phân bố

trên ảnh tự nhiên hơn). Tuy nhiên trong q trình biến đổi này, một số pixel

có cùng giá trị được biến đổi để có những giá trị khác nhau. Do đó, đây khơng

phải là phép biến đổi (1:1) nên thực hiện tái tạo histogram của ảnh gốc sẽ gặp

nhiều khó khăn. Phương pháp này chỉ áp dụng cho ảnh có phạm vi biến đổi

</div>
(48)<div class='page_container' data-page=48>

Hình 2.3. Ảnh gốc và ảnh sau khi biến đổi Histogram

* Lọc không gian

Hiện tượng “muối và tiêu” trên ảnh phân loại, hoặc lốm đốm sinh ra

trên ảnh gốc do sai số phát sinh trong quá trình truyền dữ liệu hoặc bị gián
đoạn tạm thời. Do ảnh hưởng này, một 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, làm ảnh hưởng đến việc tách thông tin từ
ảnh viễn thám. Tăng cường hay cải tiến chất lượng ảnh bằng cách áp dụng

hàm (hay toán tử lọc) trong không gian ảnh nhằm loại nhiễu ngẫu nhiên và

các giá trị đột biến của pixel trên ảnh, tạo ảnh mới mịn hơn so với ảnh gốc.

Biện pháp dùng cửa sổ lọc là khá phổ biến để loại trừ nhiễu còn được gọi là

lọc tần số không gian nhằm tạo ra một ảnh mới mịn hơn, nổi bật được các chi

tiết cần quan tâm như nhận dạng các yếu tố dạng tuyến,… tuỳ thuộc đặc tính

của ảnh được xác định, những kỹ thuật lọc khơng gian có thể áp dụng như:

lọc tần số thấp, lọc tần số cao, lọc tách biên hay lọc theo hướng,…

* Lọc tần số không gian

Lọc tần số không gian liên quan đến khái niệm cấu trúc của ảnh, đó là tần

số biến đổi của tone ảnh vệ tinh. Ảnh mịn khi có tần số khơng gian thấp, có
nghĩa là ít có sự thay đổi tone trong tồn bộ ảnh và ngược lại, ảnh có cấu trúc

</div>
(49)<div class='page_container' data-page=49>

ảnh có tần số biến đổi không gian cao.

Lọc trong không gian ảnh được thực hiện bởi cửa sổ trượt, với ma trận

tốn tử (n × n) là một số lẻ (3 × 3); (5 × 5) hay (9 × 9) nhằm tạo ra một ảnh

mới đáp ứng các yêu cầu như tạo sự rõ nét các yếu tố đường nét; làm mịn

ảnh hoặc nhận mạnh một yếu tố cấu trúc nào đó. Trong đó tốn tử lọc
thường chỉ sử dụng trên từng kênh đơn và giá trị của từng pixel trên ảnh mới

(pixel trung tâm của cửa sổ lọc) được tính từ những giá trị độ sáng lân cận

của ảnh gốc. Sau đó, cửa sổ dịch chuyển đi theo hàng hay cột (của ảnh gốc)

1 pixel để tính tốn và thay thế giá trị của pixel trung tâm, quá trình tiếp tục
cho đến khi tồn bộ ảnh gốc được lọc để tạo thành ảnh mới. Để tiến hành lọc

không gian, giá trị một pixel trung tâm của cửa sổ lọc được tính bằng một

công thức liên quan đến các giá trị độ sáng của các pixel xung quanh ở vị trí
tương ứng với ảnh gốc.

Công thức đơn giản nhất có thể được viết như sau:

 









 i w

w
i
k
w
j
w
j
l
l
j
k
i
h

l
k
f
j
i

y(. ) ( , ) ( , )

trong đó:

f - ma trận ảnh nhập (đầu vào); h - toán tử lọc;

y - giá trị pixel trung tâm (ảnh xuất sau khi lọc);

j, j - chỉ số hàng và cột ; w - kích thước cửa sổ lọc;

k, l - chỉ số hàng và cột ảnh gốc.

Tuỳ thuộc đặc tính của ảnh được xác định, hai kỹ thuật lọc không gian

sau đây:

* Lọc tần số thấp

Áp dụng để loại trừ hiện tượng nhiễu thật trên ảnh vệ tinh. Đây là phép lọc

nhằm giảm độ chênh lệch giá trị độ sáng giữa nhưng pixel lân cận nhau, ảnh

mới nhận được sẽ mịn hơn so với ảnh gốc và trong phép lọc này giá trị của

</div>
(50)<div class='page_container' data-page=50>

pixel trung tâm được tính tốn và thay thế tuỳ thuộc vào thuật toán được chọn.

* Lọc tần số cao

Đây là phép lọc ngược với lọc tần số thấp, được áp dụng để nhấn mạnh
các đối tượng cần quan tâm hoặc phóng đại để tạo sự sắc nét đối với một số

chi tiết trên ảnh vệ tinh.

* Lọc theo hướng

Lọc theo hướng còn được gọi là lọc tách biên, được sử dụng để tách

những biến đổi rời rạc hoặc làm nổi bật những vật thể ở biên của ảnh vệ tinh.

Ngoài ra, phép lọc này còn được áp dụng rất tốt cho việc làm nổi các đối

tượng có dạng hình tuyến như các vết đứt gãy địa chất, đường quốc lộ, kênh
đào,… Trong phép lọc này, con số trung tâm của ma trận cửa sổ lọc lớn

hơn hay nhỏ hơn rất nhiều so với giá trị của các phần tử hệ số lân cận, ảnh

mới nhận được từ phép lọc này cho phép làm nổi bật các pixel bị nhiễu

trong ảnh.

Tóm lại, việc chọn phương pháp lọc tuỳ thuộc vào mục tiêu và số trung

tâm của cửa sổ lọc sẽ quyết định ảnh hưởng như thế nào với ảnh mới được

tạo thành sau khi lọc. Sử dụng phép lọc nhằm tạo ra ảnh sắc nét hơn, mịn

hơn hay nhấn mạnh các đối tượng cần quan tâm sẽ giúp cho việc giải đoán

ảnh dễ dàng hơn [4].

2.2. Phương pháp chiết tách thơng tin viễn thám

2.2.1. Phương pháp giải đốn ảnh bằng mắt

Đoán đọc điều vẽ ảnh bằng mắt có thể áp dụng trong mọi điều kiện

trang thiết bị. Đoán đọc điều vẽ bằng mắt là việc sử dụng mắt người cùng với

các dụng cụ quang học như kính lúp, kính lập thể, máy tổng hợp mầu để xác

định các đối tượng. Cơ sở để đoán đọc điều vẽ bằng mắt là các chuẩn đoán

</div>
(51)<div class='page_container' data-page=51>

a. Các chuẩn đoán đọc điều vẽ ảnh vệ tinh và mẫu đốn đọc điều vẽ

Nhìn chung có thể chia các chuẩn đoán đọc điều vẽ thành 8 nhóm chính

- Chuẩn kích thước

Cần phải chọn một tỷ lệ ảnh phù hợp để đốn đọc điều vẽ. Kích thước của

đối tượng có thể xác định nếu lấy kích thước đo được trên ảnh nhân với mẫu số

tỷ lệ ảnh.

- Chuẩn hình dạng

Hình dạng có ý nghĩa quan trọng trong đốn đọc ảnh. Hình dạng đặc

trưng cho mỗi đối tượng khi nhìn từ trên cao xuống và được coi là chuẩn đoán
đọc quan trọng.

- Chuẩn bóng

Bóng của vật thể dễ dàng nhận thấy khi nguồn sáng khơng nằm chính

xác ở đỉnh đầu hoặc trường hợp chụp ảnh xiên. Dựa vào bóng của vật thể có

thể xác định được chiều cao của nó.

- Chuẩn độ đen

Độ đen trên ảnh đen trắng biến thiên từ trắng đến đen. Mỗi vật thể được

thể hiện bằng một cấp độ sáng nhất định tỷ lệ với cường độ phản xạ ánh sáng

của nó. Ví dụ cát khô phản xạ rất mạnh ánh sáng nên bao giờ cũng có mầu

trắng, trong khi đó cát ướt do độ phản xạ kém hơn nên có mầu tối hơn trên

ảnh đen trắng. Trên ảnh hồng ngoại đen trắng do cây lá nhọn phản xạ mạnh

tia hồng ngoại nên chúng có mầu trắng và nước lại hấp thụ hầu hết bức xạ

trong dải sóng này nên bao giờ cũng có mầu đen.

- Chuẩn mầu sắc

Mầu sắc là một chuẩn rất tốt trong việc xác định các đối tượng. Ví dụ các

kiểu lồi thực vật có thể được phát hiện dễ dàng ngay cả cho những người không

</div>
(52)<div class='page_container' data-page=52>

mầu. Các đối tượng khác nhau cho các tông mầu khác nhau đặc biệt khi sử dụng

ảnh đa phổ tổng hợp mầu.

- Chuẩn cấu trúc

Cấu trúc là một tập hợp của nhiều hình mẫu nhỏ. Ví dụ một bãi cỏ khơng

bị lẫn các loài cây khác cho một cấu trúc mịn trên ảnh, ngược lại rừng hỗn giao

cho một cấu trúc sần sùi. Đương nhiên điều này còn phụ thuộc vào tỷ lệ ảnh

được sử dụng.

- Chuẩn phân bố

Chuẩn phân bố là một tập hợp của nhiều hình dạng nhỏ phân bố theo

một quy luật nhất định trên toàn ảnh và trong mối quan hệ với đối tượng cần

nghiên cứu. Ví dụ hình ảnh của các dãy nhà, hình ảnh của ruộng lúa nước, các

đồi trồng chè,... tạo ra những hình mẫu đặc trưng riêng cho các đối tượng đó.

- Chuẩn mối quan hệ tương hỗ

Một tổng thể các chuẩn đốn đọc điều vẽ, mơi trường xung quanh hoặc

mối liên quan của đối tượng nghiên cứu với các đối tượng khác cung cấp một

thơng tin đốn đọc điều vẽ quan trọng.

Nhằm trợ giúp cho cơng tác đốn đọc điều vẽ người ta thành lập các

mẫu đoán đọc điều vẽ cho các đối tượng khác nhau. Mẫu đoán đọc điều vẽ là

tập hợp các chuẩn dùng để đoán đọc điều vẽ một đối tượng nhất định. Kết quả

đoán đọc điều vẽ phụ thuộc vào mẫu đoán đọc điều vẽ. Mục đích của việc sử

dụng mẫu đốn đọc điều vẽ là làm chuẩn hóa kết quả đốn đọc điều vẽ của

nhiều người khác nhau. Thông thường mẫu đốn đọc điều vẽ do những người

có nhiều kinh nghiệm và hiểu biết thành lập dựa trên những vùng nghiên cứu

thử nghiệm đã được điều tra kỹ lưỡng. Tất cả 8 chuẩn đoán đọc điều vẽ cùng

với các thông tin về thời gian chụp, mùa chụp, tỷ lệ ảnh đều phải đưa vào mẫu

đoán đọc điều vẽ. Một bộ mẫu đoán đọc điều vẽ bao gồm không chỉ phần ảnh

</div>
(53)<div class='page_container' data-page=53>

b. Ảnh tổng hợp mầu

Tư liệu ảnh vệ tinh dùng để giải đoán bằng mắt tốt nhất là các ảnh

tổng hợp mầu.

Đặc điểm cơ bản của ảnh tổng hợp mầu là sự mã hóa bằng mầu sắc các

khác biệt về phổ của các đối tượng. Ở đây chuẩn đoán đọc điều vẽ chính là độ
tương phản mầu được nhấn mạnh nhờ sự lựa chọn một cách có ý thức phương

án tổng hợp mầu. Trong trường hợp tư liệu gốc thoả mãn các điều kiện kỹ

thuật nếu sử dụng phương án tổng hợp mầu chuẩn và điều kiện xử lý hóa ảnh

chặt chẽ thì mầu là một chuẩn đốn đọc điều vẽ tương đối ổn định.

Nhờ khả năng phân biệt cao của mầu sắc mà nó có thể truyền đạt các

khác biệt về phổ của đối tượng, ảnh tổng hợp mầu có tính trực quan sinh động
hơn ảnh phổ trắng đen.

Đối với ảnh phổ chụp ở vùng hồng ngoại, ảnh tổng hợp mầu cho ta bức

tranh mầu giả khơng có thực trong tự nhiên.

Về mầu sắc, ảnh tổng hợp mầu so với ảnh mầu vệ tinh chụp trên phim

mầu 3 lớp có nhiều mầu sắc hơn với độ tương phản mầu cao hơn. So với ảnh

phổ thì ảnh tổng hợp mầu cũng có nhiều mầu sắc hơn và độ tương phản cao
hơn, nhưng lực phân giải lại kém hơn ảnh phổ mầu. Khả năng đoán đọc điều

vẽ các đối tượng trên ảnh tổng hợp mầu phụ thuộc vào phương án lựa chọn

mầu. Việc lựa chọn các phương án tổng hợp mầu phụ thuộc vào nhiệm vụ
đoán đọc điều vẽ, khả năng ứng dụng của ảnh tổng hợp mầu để đoán đọc điều

vẽ các đối tượng cụ thể.

Lựa chọn kênh phổ để tổng hợp mầu là một công việc quan trọng quyết
định chất lượng thông tin của kết quả tổng hợp mầu. Việc lựa chọn kênh phổ
được xác định trên cơ sở như sau:

- Đặc tính phản xạ phổ của các đối tượng cần đoán đọc điều vẽ.

- Nhiệm vụ đoán đọc điều vẽ.

- Yêu cầu đối với lực phân giải.

</div>
(54)<div class='page_container' data-page=54>

Đặc tính phản xạ mầu của các đối tượng đã được biểu thị trên đồ thị ở

các phần trước. Để chọn kênh phổ mang tính thông tin cao cần phân loại
nhóm đối tượng chính cần đốn đọc điều vẽ hoặc các đối tượng chỉ thị chính.

Bên cạnh việc sử dụng bảng này để lựa chọn kênh cần sử dụng cả đồ

thị phản xạ phổ của riêng từng nhóm đối tượng đã nêu ở phần trước.

Mặt khác để lựa chọn kênh phổ có thể sử dụng biểu đồ độ sáng

(histogram), khi dựng biểu đổ cần sử dụng phim để tổng hợp mầu.

Các thiết bị dùng cho tổng hợp mầu ảnh đa phổ thường dùng trên thế

giới và nước ta là:

- Máy chiếu hình đa phổ chuyên dụng MSP - 4C (Đức) và AC -

90B (Nhật).

- Máy nắn Rectimat - C, Dust 2000 có gắn đầu mầu.

- Các máy vi tính PC có màn hình mầu VGA và các trạm làm việc WS

c. Giải đoán ảnh viễn thám và chuyển kết quả giải đoán lên bản đồ nền

Sau khi nghiên cứu chỉ thị giải đoán, nghiên cứu bộ ảnh mẫu, ảnh vệ

tinh và các tài liệu khác ta tiến hành cơng tác giải đốn ảnh. Kết quả giải đốn
ảnh bao giờ cũng được chuyển lên bản đồ nền. Bản đồ nền để thể hiện kết quả

giải đoán ảnh phải thỏa mãn các điều kiện sau:

- Có một tỷ lệ phù hợp và đủ chính xác.

- Các hệ thống định vị tọa độ địa lý phải được thể hiện gây khó đầy đủ.

- Nền bản đồ phải sáng và các thông tin cơ bản phải được in sao cho

khơng khó khăn cho việc thể hiện các kết quả giải đốn ảnh.

Thơng thường bản đồ địa hình các tỷ lệ, sơ đồ quy hoạch và bản đồ trực
ảnh được sử dụng làm bản đồ nền cho cơng tác giải đốn ảnh. Bản đồ tỷ lệ

1/50.000, 1/100.000 và 1/250.000 phù hợp cho việc đoán đọc điều vẽ ảnh vệ
tinh độ phân giải trung bình độ phân giải như cao. Các bản đồ trực ảnh rất phù

</div>
(55)<div class='page_container' data-page=55>

Có 4 phương pháp để chuyển kết quả đoán đọc điều vẽ lên bản đồ nền,

thảm thực vật lên bản đồ nền.

- Can vẽ

Kết quả đoán đọc được đặt trên bàn sáng và bản đồ nền được đặt lên

trên sao cho các địa hình địa vật trùng nhau và sau đó thao tác viên chỉ được

can lại những gì cần thiết.

- Chiếu quang học

Ảnh đã được đoán đọc điều vẽ được chiếu lên bản đồ thông qua một hệ

thống quang học. Hệ thống này cho phép thực hiện một số phép hiệu chỉnh

hình học cơ bản như hiệu chỉnh tỷ lệ, xoay trong không gian và trong mặt

phẳng. Dựa theo nguyên tắc nắn phân vùng phương pháp này cho kết quả

tương đối tốt so với phương pháp can vẽ.

- Sử dụng lưới ô vuông

Trong trường hợp khơng có thiết bị chiếu hình hoặc thiết bị nắn chỉnh

hình học theo ngun lý quang học có thể sử dụng phương pháp lưới ô vuông.

Bằng phương pháp nắn hình học đơn giản có thể tạo được hai hệ lưới trên bản

đồ và ảnh và căn cứ vào vị trí tương đối của đối tượng trong hệ lưới đó có thể

chuyển nội dung đốn đọc điều vẽ từ ảnh lên bản đồ.

- Sử dụng các thiết bị đo ảnh

Trong trường hợp có các thiết bị đo ảnh hiện đại như các máy nắn ảnh

quang cơ máy đo vẽ ảnh hàng không việc hiệu chỉnh hình học sẽ đạt kết quả
chính xác hơn so với các phương pháp khác. Nguyên lý của phương pháp này

là dựa vào việc dựng lại mô hình chụp ảnh và thực hiện việc chuyển vẽ thơng
qua các mơ hình đó.

Sơ đồ tổng qt của việc giải đoán ảnh vệ tinh bao gồm các bước cơ

bản sau:

</div>
(56)<div class='page_container' data-page=56>

- Đọc thông tin bổ trợ và định vị ảnh theo bản đồ.

- Tạo khóa đốn đọc điều vẽ.

- Đo đạc các yếu tố định lượng.

- Phân tích ảnh và giải đoán các đối tượng.

- Thành lập bản đồ chuyên đề.

2.2.2. Phương pháp phân loại ảnh

Phân loại ảnh là q trình tách gộp thơng tin dựa trên các tính chất phổ,

khơng gian và thời gian. Phân loại thường được biểu diễn bởi tập hợp các

kênh ảnh và quá trình này là gán từng pixel trên ảnh vào các lớp khác nhau

dựa trên đặc tính thống kê của các giá trị độ xám của từng pixel.

a. Phân loại khơng giám định

Phân loại khơng 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 là khơng đầy đủ, hoặc thậm chí khơng có (ứng dụng trong

nhận dạng khơng có training). Các giải thuật được sử dụng có tên chung là

clustering (ghép nhóm). Trong giải thuật clustering, các lớp kết quả là khơng

biết trước, và có thể cả số các lớp cũng không biết trước.

- Các phương pháp phân loại không kiểm định

</div>
(57)<div class='page_container' data-page=57>

số liệu mẫu mà chỉ sử dụng thuần túy các thông tin phổ trên ảnh. Các pixel

trên ảnh sẽ được nhóm (gộp) vào 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 thành các lớp tương ứng trên thực địa.

b. Phân loại có giám định

Trong phân loại có kiểm định, người phân tích dựa trên những thơng tin

biết trước đó về đặc tính phổ của các lớp, tiến hành lấy mẫu nhằm tạo nên các

ranh giới cho mỗi lớp trong không gian phổ. Sau đó thì mỗi pixel trong ranh

giới của 1 lớp sẽ được phân chia về lớp đó [2].

2.2.3. Phương pháp tạo ảnh chỉ số

Tỉ số ảnh hay còn gọi là tỉ lệ ảnh là một kỹ thuật được ứng dụng rộng

rãi trong xử lý ảnh viễn thám nhằm tách lọc thông tin hữu ích trên ảnh cho

những mục đích khác nhau.

Ảnh tỉ lệ được xác định bằng cách chia giá trị số ở những kênh ảnh có
đặc trưng phản xạ phổ của đối tượng cao cho những kênh có phản xạ phổ thấp.

Ưu điểm lớn nhất của việc dùng chỉ số trong nghiên cứu các đối tượng

là sự đơn giản trong xử lý và kết quả giải đoán đảm bảo độ chính xác mà

khơng mất nhiều thời gian tính tốn như các phương pháp cổ điển (giải đốn
ảnh bằng các thuật tốn thơng dụng).

Với những ưu điểm trên, phương pháp tỉ số ảnh đã được sử dụng rất

rộng rãi trong việc xây dựng các chỉ số để giải đoán mộ số đối tượng đặc
trưng (thực vật, khoáng sản,...) hoặc đánh giá sự biến động, sự ô nhiễm, phân

biệt các loại đất,...

Trong nghiên cứu thực vật, hiện nay tồn tại tới 160 chỉ số thực vật,
trong đó có những chỉ số được sử dụng hết sức rộng rãi và hiệu quả như chỉ

số khác biệt thực vật NDVI, chỉ số SAVI,...Các chỉ số thực vật có thể chia

thành 7 nhóm chính:

</div>
(58)<div class='page_container' data-page=58>

trên các kênh sóng dải sóng rộng. Sử dụng để lập bản đồ lớp phủ, đánh giá và

quan sát thực vật, trữ lượng và năng suất mùa màng.

- Narrowband Greeness: Chỉ số mức độ xanh thực vật, được xác định

trên các kênh sóng dài sóng ngắn. Sử dụng để nghiên cứu các biến động

không lớn trong trạng thái thực vật.

- Light Use Efficieny: Sử dụng để đánh giá sự phát triển và sinh khối

thực vật, giải quyết các bài tốn về nơng nghiệp.

- Canopy Nitrogen: Sử dụng để xác định hàm lượng nitơ trong lớp phủ

thực vật.

- Dry or Senescent Carbon: Chỉ số hàm lượng carbon ở dạng cenllulose.

Sử dụng trong đánh giá mức độ nguy hiểm và ô nhiễm do cháy rừng.

- Leaf Pigments: chỉ số hàm lượng tế bào thực vật. Sử dụng trong các

bài tốn nơng nghiệp, xác định các vùng thực vật ở trạng thái sâu bệnh.

- Canopy Water Content: Chỉ số đánh giá hàm lượng hơi nước trong

thực vật. Sử dụng để đánh giá độ nguy hiểm và ô nhiễm của cháy rừng [4].

2.2.4. Phương pháp đánh giá độ chính xác

- Khi chọn một trong các thuật toán phân loại trên áp dụng cho việc phân

loại dữ liệu ảnh vệ tinh đa phổ, các chỉ tiêu phân loại được xác lập dựa trên

đặc trưng phổ của các vùng mẫu và dùng luật quyết định thích hợp để gán

nhãn pixel ứng với từng vùng cụ thể.

- Kết quả thu được sau khi phân loại là file dữ liệu raster cho chúng ta

những thông tin hữu ích về vùng phủ của mặt đất. Từ dữ liệu này có thể số

hóa để thể hiện dưới dạng dữ liệu vector phục vụ thành lập các bản đồ chuyên

đề mã hóa màu sử dụng cho nhiều mục đích khác nhau.

- Xác định độ chính xác phân loại thường được dùng để đánh giá chất

</div>
(59)<div class='page_container' data-page=59>

Kết quả của việc so sánh sự phù hợp gữa những loại thực trên mặt đất và

những loại giải đoán bởi một thuật toán phân loại thường được thể hiện bởi

ma trận sai số. Trong đó, chỉ số phần trăm đạt được của độ chính xác tồn cục

và sai số phân loại nhầm cho từng đối tượng được xác định. Để thiết lập được

ma trận sai số, nhà phân tích phải so sánh kết quả phân loại trên khu vực đã

biết (bộ dữ liệu kiểm tra) trên cơ sở từng pixel một và xác định mức độ chính

xác như thế nào tại các vị trí được thẩm tra đó.

- Giả thiết n pixel được phân loại thành k loại, một ma trận sai số với k

hàng và k cột dùng để thể hiện sự phù hợp giữa những loại thực trên mặt đất

và những loại giải đoán.

Gọi 0ij là giá trị thể hiện sự phù hợp ở hàng i và cột j của ma trận k*k , khi

đó tổng theo hàng là Si, tổng theo cột là Sj (i, j =1,2,3,…,k) sao cho:

i
k

ij

Þ  S



1

0 loại thực

j
k

ii

Þ



S



1

0

loại giải đốn

và

s

n

K
J

J
K
I
I
Þ
K
I
K

J










1
1
1
1

0

Độ chính xác tồn cục của thuật tốn phân loại T được tính theo % như sau:

100
0
1 






n
T
k
i
ii

Tỷ lệ % của sai số bỏ sót:

100
0 


i
ii
i
i
S
S
t

Tỷ lệ % của sai số thực hiện:

</div>
(60)<div class='page_container' data-page=60>

- Việc áp dụng ma trận sai số phân loại để đánh giá thống kê kết quả

phân loại có ưu điểm quan trọng là cho phép chúng ta thấy rõ độ chính xác

toàn cục và mức độ phân loại nhầm đối với từng loại (tỷ lệ % sai số thực hiện

và bỏ sót). Tuy nhiên, ma trận sai số chỉ sử dụng trên bộ dữ liệu kiểm tra, do

đó khơng cung cấp thơng tin trong q trình phân loại thực sự của thuật toán
được chọn.

Bảng 2.1. Ma trận sai số

Lớp phủ

thực tế

Lớp phủ được giải đoán

(1) (2) … (k-1) (K) Tổng cộng

(1) 011 012 … 01(k-1) 01k S1

(2) 021 022 … 02(k-1) 02k S2

… … … …

(k-1) 0(k-1)1 0(k-1)2 … 0(k-1)(k-1) 0(k-1)k Sk-1

(k) 0k1 0k2 … 0k(k-1) 0kk Sk

Tổng cộng S1 S2 … Sk-1 Sk n

- Tuy nhiên vấn đề khó khăn là khơng có cơ sở để kiểm tra cho toàn khu

vực, nên trong thực tế một bộ dữ liệu thẩm tra được sử dụng để đánh giá mức
độ tin cậy của phương pháp phân loại đối với các dữ liệu mới (không được sử

dụng trong quá trình training data). Đây là cơ sở để nói lên mức độ tin cậy

chung của ảnh sau khi được giải đoán và chỉ ra mức độ tăng hay giảm độ sai

lệch giữa diện tích của loại trên ảnh giải đốn so vơi diện tích thực của chúng.

- Nhìn chung, độ tin cậy trong phân loại nhằm đo lường mức độ chính

xác hay phù hợp giữa một dữ liệu chuẩn (xem như đúng ngoài thực tế) với dữ

liệu ảnh được phân loại. Nếu ảnh được phân loại phù hợp với dữ liệu chuẩn
(dùng để thẩm tra) thì được gọi là tin cậy. Ma trận sai số cung cấp phần trăm
độ chính xác tồn cục thể hiện tỷ lệ số pixel được phân loại chính xác trên ảnh

</div>
(61)<div class='page_container' data-page=61>

nhận được từ tổng các yếu tố trên đường chéo và chia cho tổng số pixel được

kiểm tra, ngồi ra cịn có hai chỉ số:

* Sai số bỏ sót

Là diện tích đối tượng bị bỏ qua trên ảnh phân loại, điều này liên quan

đến phương pháp thành lập bản đồ từ ảnh giải đốn (diện tích đối tượng cho

bởi bản đồ ít hơn thực tế). Do đó, sai số bỏ sót thể hiện mức độ tin cậy của

nhà sản xuất đối với ảnh được giải đốn, nên cịn được gọi là độ tin cậy của

nhà sản xuất [3].

* Sai số thực hiện

Là sự phân loại nhầm trên mặt đất thành loại trên ảnh được giải đoán. Độ

tin cậy của người sử dụng là xác suất mà một loại thực nào đó được chỉ định

đúng trong kết quả phân loại (pixel được gán tên đúng loại đó), cịn độ tin cậy

của nhà sản xuất là xác suất của điểm được lấy mẫu trên bản đồ (trên ảnh giải

đoán) thuộc vào một loại cụ thể [3].

Tóm lại, đánh giá độ chính xác phân loại dựa vào ma trận sai số nhằm

đánh giá thống kê kết quả phân loại dựa trên bộ dữ liệu thẩm tra (hoặc bộ bản
đồ tham chiếu). Ưu điểm quan trọng là cho phép thấy rõ độ chính xác tồn

cục và mức độ phân loại nhầm đối với từng loại.

Tuy nhiên, biện pháp này chưa đủ để cung cấp thông tin cần thiết như sau:

- Tỷ lệ phân loại chính xác trong quá trình phân loại thực sự trên toàn

ảnh vệ tinh.

- Thông tin về sự phù hợp tối đa đối với tất cả các loại.

- Khi sử dụng hai thuật toán khác nhau, làm thế nào để xác định thuật

toán tối ưu trên cùng bộ dữ liệu mẫu.

Các vấn đề trên có thể được giải quyết bằng cách xây dựng thêm chỉ số
đánh giá dựa trên cơ sở lý thuyết xác suất hoặc lý thuyết thơng tin. Vì trong

</div>
(62)<div class='page_container' data-page=62>

nhất tiêu chuẩn của luật quyết định. Một trong những chỉ số đơn giản thường
được sử dụng là chỉ số Kapa nhằm thống kê, kiểm tra và đánh giá sự phù hợp

giữa những nguồn dữ liệu khác nhau hoặc khi áp dụng các thuật toán khác

nhau. Chỉ số Kapa được sử dụng khi hai bộ dữ liệu có độ tin cậy khác nhau về

thống kê, ví dụ khi phân loại bởi một thuật tốn nào đó đạt được độ chính xác

tồn cục trong ma trận sai số rất cao nhưng chưa chắc chắn đảm bảo kết quả

tốt trong quá trình phân loại thực sự cho toàn ảnh vệ tinh.

- Cách xác định chỉ số Kapa:

E

T





1 

trong đó:

T - độ chính xác tồn cục cho bởi ma trận sai số;

E - đại lượng thể hiện sự mong muốn (kỳ vọng tốn học) phân loại; chính

xác có thể dự đốn trước, nghĩa là E góp phần ước tính khả năng phân loại

chính xác trong q trình phân loại thực sự.

- Giá trị của E được tính theo tích của hàng và cột biên của ma trận sai số

nhằm ước tính số pixel được chỉ định vào từng vị trí trong ma trận sai số hay

thể hiện cơ hội pixel được phân cho từng loại.

- Chỉ số Kapa được sử dụng khá hiệu quả trong việc so sánh kết quả

phân loại ảnh vệ tinh bới các thuật toán khác nhau hoặc khác nhau về bộ dữ

liệu mẫu. Tuy nhiên, trong thực tế vấn đề đặt ra trong việc phân tích sai số từ

các chỉ số (% chính xác tồn cục và chỉ số Kapa) vẫn chưa cho phép dễ dàng

so sánh kết quả giải đoán bởi các phương pháp khác nhau.

- Để giải quyết khó khăn trên, hiện nay có nhiều phương pháp và chỉ số

được đề xuất như sử dụng biện pháp chuẩn hóa ma trận sai số phân loại hay

sử dụng chỉ số thông tin để xác định sự phù hợp tối ưu của các loại.

</div>
(63)<div class='page_container' data-page=63>

CHƯƠNG 3:

NGHIÊN CỨU CHIẾT TÁCH ĐẤT TRỐNG VÀ ĐẤT XÂY DỰNG

KHU VỰC HÀ NỘI BẰNG ẢNH CHỈ SỐ

TỪ ẢNH VỆ TINH LANDSAT 8 
3.1. Khu vực nghiên cứu

3.1.1. Vị trí địa lý

Hình 3.1. Sơ đồ khu vực nghiên cứu

Hà Nội nằm chếch về phía Tây Bắc của trung tâm vùng đồng bằng

châu thổ sơng Hồng, có vị trí từ 20°53' đến 21°23' vĩ độ Bắc và 105°44' đến

106°02' kinh độ Đơng.

Vị trí địa lý:

</div>
(64)<div class='page_container' data-page=64>

- Phía Nam giáp Hà Nam và Hồ Bình;

- Phía Đơng giáp các tỉnh Bắc Giang, Bắc Ninh và Hưng Yên;

- Phía Tây giáp tỉnh Hồ Bình và Phú Thọ.

Hà Nội nằm ở phía hữu ngạn sơng Đà và hai bên sơng Hồng, vị trí và địa thế
thuận lợi cho một trung tâm chính trị, kinh tế, vǎn hố, khoa học và đầu mối
giao thông quan trọng của Việt Nam.

3.1.2. Đặc điểm tự nhiên

* Khí hậu

Khí hậu Hà Nội khá tiêu biểu cho kiểu khí hậu Bắc bộ với đặc điểm của
khí hậu nhiệt đới gió mùa ấm, mùa hè nóng, mưa nhiều và mùa đơng lạnh,
mưa ít. Nằm trong vùng nhiệt đới, Hà Nội quanh nǎm tiếp nhận được lượng
bức xạ Mặt Trời rất dồi dào và có nhiệt độ cao. Lượng bức xạ tổng cộng trung
bình hàng nǎm ở Hà Nội là 122,8 kcal/cm2 và nhiệt độ không khí trung bình

hàng nǎm là 23,6ºC. Do chịu ảnh hưởng của biển, Hà Nội có độ ẩm và lượng
mưa khá lớn. Ðộ ẩm tương đối trung bình hàng nǎm là 79%. Lượng mưa

trung bình hàng nǎm là 1.800 mm và mỗi nǎm có khoảng 114 ngày mưa.

Là một trong những yếu tố quan trọng ảnh hưởng đến nhiệt độ bề mặt,
đặc điểm khí hậu Hà Nội rõ nét nhất là sự thay đổi và khác biệt của hai mùa
nóng, lạnh. Từ tháng 5 đến tháng 9 là mùa nóng và mưa. Nhiệt độ trung bình

mùa này là 29,2ºC. Từ tháng 11 đến tháng 3 nǎm sau là mùa đông thời tiết
khô ráo. Nhiệt độ trung bình mùa đơng 15,2ºC. Giữa hai mùa đó lại có hai
thời kỳ chuyển tiếp (tháng 4 và tháng 10) cho nên Hà Nội có đủ bốn mùa
Xuân, Hạ, Thu, Ðơng. Phần địa hình của Hà Tây (cũ) sáp nhập với Hà Nội, có
những đặc điểm riêng nên hình thành những tiểu vùng khí hậu: vùng núi,
vùng gò đồi và đồng bằng.

* Thủy văn

Sông Hồng là con sông chính của thành phố, chảy qua Hà Nội dài

</div>
(65)<div class='page_container' data-page=65>

với dịng sơng Hồng ở phía Bắc thành phố tại huyện Ba Vì. Ngồi ra, trên địa
phận Hà Nội cịn nhiều sơng khác như sông Đáy, sông Đuống, sông
Cầu, sông Cà Lồ,... Các sông nhỏ chảy trong khu vực nội thành như sông Tô
Lịch, sông Kim Ngưu,... là những đường tiêu thoát nước thải của Hà Nội.

Hà Nội cũng là một thành phố đặc biệt nhiều đầm hồ, dấu vết cịn lại
của các dịng sơng cổ. Trong khu vực nội thành, hồ Tây có diện tích lớn nhất,
khoảng 500 ha, đóng vai trò quan trọng trong khung cảnh đô thị, ngày nay
được bao quanh bởi nhiều khách sạn, biệt thự. Hồ Gươm nằm ở trung tâm lịch
sử của thành phố, khu vực sầm uất nhất, luôn giữ một vị trí đặc biệt đối với

Hà Nội. Trong khu vực nội ơ có thể kể tới những hồ khác như Trúc

Bạch, Thiền Quang, Thủ Lệ,... Ngồi ra, cịn nhiều đầm hồ lớn nằm trên địa
phận Hà Nội như Kim Liên, Liên Đàm, Ngải Sơn - Đồng Mô, Suối Hai, Mèo
Gù, Xuân Khanh, Tuy Lai, Quan Sơn,…

* Địa hình

Địa hình cũng là yếu tố tự nhiên có ảnh hướng khơng nhỏ tới nhiệt độ
bề mặt thành phố. Hà Nội có hai dạng địa hình chính là đồng bằng và đồi núi.
Địa hình đồng bằng chủ yếu thuộc địa phận Hà Nội cũ và một số huyện phía
đơng của Hà Tây (cũ), chiếm khoảng 3/4 diện tích tự nhiên, nằm bên hữu
ngạn sông Đà, hai bên sông Hồng và chi lưu các sông. Phần lớn địa hình đồi
núi thuộc địa phận các huyện Sóc Sơn, Ba Vì, Quốc Oai, Mỹ Đức. Một số
đỉnh núi cao như: Ba Vì 1.281 m; Gia Dê 707 m; Chân Chim 462 m; Thanh

Lanh 427 m; Thiên Trù 378 m; Bà Tượng 334 m; Sóc Sơn 308 m; Núi Bộc

245 m; Dục Linh 294 m,…

* Thổ nhưỡng

Lớp phủ thổ nhưỡng vốn liên quan đến đặc tính phù sa, q trình phong

hố, chế độ bồi tích và hoạt động nơng nghiệp. Dưới tác động của các yếu tố

</div>
(66)<div class='page_container' data-page=66>

giữa sông. Đất phù sa trong đê do có hệ thống đê nên khơng được các sơng

bồi đắp thường xun. Nhóm đất bạc màu phát triển chủ yếu trên đất phù sa

cổ tập trung nhiều ở hai huyện Đông Anh và Sóc Sơn là loại đất chua, nghèo
dinh dưỡng, không kết cấu, thành phần cơ giới nhẹ, rời rạc khi khơ hạn, kết

dính khi ngập nước, cho năng suất cây trồng thấp. Nhóm đất đồi núi tập trung
ở huyện Sóc Sơn, bị xói mịn nghiêm trọng do cây rừng bị chặt phá, tầng đất

mỏng, nhiều nơi trơ sỏi sạn, tầng mùn dường như khơng cịn, đất chua, nghèo

chất dinh dưỡng.

3.1.3. Điều kiện kinh tế - xã hội

* Dân số

Theo kết quả cuộc điều tra dân số ngày 31 tháng 12 năm 2015, dân số

toàn Hà Nội là 7.558.956 người. Mật độ dân số trung bình của Hà Nội là
1.979 người/km². Mật độ dân số cao tập trung ở các quận nội thành Hà Nội,

cao nhất là ở quận Đống Đa lên tới 35.341 người/km², trong khi đó, ở những

huyện ngoại thành như Sóc Sơn, Ba Vì, Mỹ Đức, Ứng Hịa mật độ dưới 1.000
người/km². Theo dự báo của Viện Dân số và các vấn đề xã hội, đến năm

2050, dân số Hà Nội có thể tăng lên gấp đôi, tương đương khoảng 14 triệu
người. Với tốc độ tăng trưởng dân số như vậy, Thủ đô đang phải chịu áp lực

rất lớn trên mọi lĩnh vực. Điều đó địi hỏi các nhà hoạch định chính sách cần

nhìn nhận nghiêm túc vấn đề này với việc phát triển kinh tê - xã hội để đưa ra

những giải pháp đồng bộ, lâu dài mang tính chiến lược.

* Giao thơng

Là thành phố thủ đơ và có vị trí ở khu vực trung tâm của miền Bắc, bên

cạnh con sông Hồng, giao thông từ Hà Nội đến các tỉnh khác của Việt Nam
tương đối thuận tiện, bao gồm cả đường không, đường bộ, đường thủy và đường
sắt. Giao thơng đường khơng, ngồi sân bay quốc tế Nội Bài cách trung tâm

khoảng 35 km, thành phố cịn có sân bay trực thăng Gia Lâm thuộc quận

Long Biên, sân bay quân sự Hòa Lạc tại huyện Thạch Thất, sân bay quân sự

</div>
(67)<div class='page_container' data-page=67>

tuyến đường sắt trong nước và một tuyến liên vận sang Bắc Kinh, Trung

Quốc, đi nhiều nước châu Âu, một tuyến quốc tế sang Côn Minh, Trung

Quốc. Các bến xe Phía Nam, Gia Lâm, Nước Ngầm, Giáp Bát, Yên
Nghĩa, Mỹ Đình là nơi các xe chở khách liên tỉnh tỏa đi khắp đất nước. Ngoài
ra, Hà Nội cịn có các nhiều tuyến đường cao tốc phục vụ nhu cầu đi lại cho
người dân, giúp giảm ách tắc giao thông trong thời gian tới.

* Du lịch

Hà Nội là một thành phố tiềm năng để phát triển du lịch.. Cùng với các

cơng trình kiến trúc, Hà Nội cịn sở hữu một hệ thống bảo tàng đa dạng bậc

nhất Việt Nam. Thành phố cũng có nhiều lợi thế trong việc giới thiệu văn hóa

Việt Nam với du khách nước ngồi thơng qua các nhà hát sân khấu dân gian,

các làng nghề truyền thống, các món ăn đường phố,... Hơn 6.1 triệu khách du

lịch đến Hà Nội chỉ trong quý I /2017, du lịch Hà Nội đang ngày càng trở nên

hấp dẫn hơn với các du khách.

* Kinh tế

Kinh tế của thủ đô năm 2016 tiếp tục duy trì ở mức tăng trưởng khá.

Kinh tế tăng trưởng cao hơn năm trước và cao nhất trong 6 năm trở lại đây,
đạt 8,03% (trong đó: ngành dịch vụ tăng 8,1%; công nghiệp, xây dựng tăng
8,8%; nông nghiệp tăng 2,21%).

Năm 2016 là năm Hà Nội có số lượng doanh nghiệp thành lập mới và thu

hút vốn đầu tư xã hội cao nhất từ trước đến nay. Vốn đăng ký của các dự án đầu
tư ngoài ngân sách nhà nước đạt 423,8 nghìn tỷ đồng, trong đó vốn đầu tư nước
ngồi là 2,8 tỷ USD (tăng 2,6 lần so với năm 2015). Tổng vốn đầu tư xã hội ước

thực hiện đạt 277,95 nghìn tỷ đồng, tăng 10% so với năm 2015.

* Giáo dục - đào tạo

Từ nhiều thế kỷ, vị thế kinh đô đã giúp Thăng Long – Hà Nội trở thành

trung tâm giáo dục của Việt Nam. Năm 2009, Hà Nội có 677 trường tiểu học,
581 trường trung học cơ sở và 186 trường trung học phổ thông với 27.552 lớp

học, 982.579 học sinh. Là một trong hai trung tâm giáo dục đại học lớn nhất

</div>
(68)<div class='page_container' data-page=68>

đạo tạo hầu hết các ngành nghề quan trọng. Năm 2007, tại thành phố có
606.207 sinh viên, Hà Tây cũng tập trung 29.435 sinh viên. Nhiều trường đại
học ở đây như: Đại học Quốc gia Hà Nội, Đại học Y Hà Nội, Trường Đại học

Bách khoa Hà Nội, Trường Đại học Kinh tế Quốc dân, Trường Đại học Sư

phạm Hà Nội, Trường Đại học Nông nghiệp Hà Nội là những trường đào tạo
đa ngành và chuyên ngành hàng đầu của Việt Nam [19].

3.2. Tư liệu sử dụng

Để chiết tách đất xây dựng và đất trống khu vực Hà Nội, đề tài sử dụng
sản phẩm ảnh Landsat 8, cảnh ảnh 127/045.

LANDSAT_SCENE_ID = "LC81270452017155LGN00", hàng 127,

cột 045.

Trong luận văn chọn cảnh ảnh ko bị mây che phủ, chất lượng ảnh rõ nét.

Các thông số kỹ thuật của sản phẩm ảnh vệ tinh Landsat 8 được thống

kê trong bảng 3.1.

Bảng 3.1. Thông số kỹ thuật ảnh vệ tinh Landsat 8

Bộ

cảm biến Kênh

Bước sóng 
(µm)

Độ phân giải 
không gian (m)

OLI

Kênh 1 - Coastal aerosol 0.43- 0.45 30

Kênh 2 - Xanh lam 0.45- 0.51 30

Kênh 3 - Xanh lục (GREEN) 0.53- 0.59 30

Kênh 4 - Đỏ (RED) 0.64- 0.67 30

Kênh 5 - Cận hồng ngoại (NIR) 0.85- 0.88 30
Kênh 6 - Sóng ngắn hồng ngoại (SWIR 1) 1.57- 1.65 30
Kênh 7 - Sóng ngắn hồng ngoại (SWIR 2) 2.11- 2.29 30

Band 8 - Toàn sắc 0.50- 0.68 15

</div>
(69)<div class='page_container' data-page=69>

Bộ

cảm biến Kênh

Bước sóng 
(µm)

Độ phân giải 
không gian (m)

TIRS

Kênh 10 - Hồng ngoại nhiệt (TIRS1) 10.6- 11.19 100 
Kênh 11 - Hồng ngoại nhiệt (TIRS2) 11.50- 12.51 100

(Nguồn: ASM và USGS) 
- Tư liệu thực địa gồm có 513 điểm GPS thực địa thu thập vào tháng

6/2018 trong khuôn khổ đề tài cấp Bộ Tài nguyên và Môi trường (Mã số

TNMT.2018.08.10).

- Đề tài nghiên cứu sử dụng phần mềm ENVI 4.6 để tính tốn các chỉ số

UI, NDBI, IBI, EBBI.

- Phần mềm ArcGis 10.2 để biên tập bản đồ đất trống và đất đô thị.

3.3. Thực nghiệm chiết tách đất xây dựng và đất trống khu vực Hà Nội

bằng các chỉ số EBBI, UI, IBI, NDBI

3.3.1. Tiền xử lý ảnh vệ tinh Landsat 8

Ảnh viễn thám sau khi thu nhận từ ảnh vệ tinh thông thường vẫn tồn tại

nhiều sai số. Sai số của ảnh viễn thám là những yếu tố làm sai lệch giá trị phổ

hoặc đặc điểm hình học của ảnh. Do vậy, để có thể sử dụng trong các bài tốn

cụ thể, một yêu cầu bắt buộc là phải tiền xử lý ảnh viễn thám.

a. Hiệu chỉnh bức xạ.

Hiệu chỉnh bức xạ là quá trình chuyển đổi giá trị số nguyên thành giá trị

thực của bức xạ điện từ thu nhận được bởi bộ cảm.

Hiệu chỉnh sai số do ảnh hưởng của bộ cảm đối với ảnh vệ tinh

Landsat 8 theo cơng thức sau:

trong đó:

ML, AL là hệ số chuyển đổi (lấy trong tệp metadata của ảnh Landsat 8).

là giá trị số của ảnh (DN).

</div>
(70)<div class='page_container' data-page=70>

Hình 3.2. Hiệu chỉnh bức xạ ảnh

b. Hiệu chỉnh ảnh hưởng của khí quyển

Bức xạ điện từ thu nhận được bởi bộ cảm chịu ảnh hưởng của khí quyển.

Mục đích của việc hiệu chỉnh ảnh hưởng của khí quyển là làm giảm ảnh hưởng

của sự hấp thụ, tán xạ gây ra bởi các thành phần có trong khí quyển đến giá trị

phản xạ bề mặt.

Hiện nay, hiệu chỉnh ảnh hưởng của khí quyển chủ yếu tồn tại hai

phương pháp chính là phương pháp hàm truyền khí quyển và sử dụng các số

liệu quan trắc thực địa và các phương pháp khác dựa vào bộ cảm đặc biệt .

Trong nghiên cứu này, phương pháp hàm truyền khí quyển được sử dụng, mọi

</div>
(71)<div class='page_container' data-page=71>

bụi lơ lửng và hơi nước.

trong đó:

ρ’ - giá trị phản xạ phổ tại đỉnh khí quyển (TOA reflectance);

Mp, Ap - hệ số chuyển đổi;

Qcal - giá trị số nguyên của ảnh.

Hình 3.3. Hiệu chỉnh ảnh hưởng của khí quyển 
3.3.2. Tính các chỉ số UI, NDBI, IBI, EBBI

Các chỉ số đô thị được đề xuất đối với các cảm biến của Landsat thế hệ
trước, nghiên cứu này vận dụng và điều chỉnh cho phù hợp với các kênh phổ

của ảnh vệ tinh Landsat 8 theo các công thức dưới đây:

a. Chỉ số UI

Chỉ số UI được Kawamura và cộng sự phát triển để chiết tách đất đô thị

</div>
(72)<div class='page_container' data-page=72>

ở khu vực Colombo - Sri Lanka từ ảnh Landsat TM [11].

5
7
5
7
2
2
B
B
B

B
NIR
SWIR
NIR
SWIR
UI







b. Chỉ số NDBI

Căn cứ vào đặc tính phản xạ phổ của đất xây dựng là phản xạ thấp với

bước sóng NIR và phản xạ cao với bước sóng MIR; Zha, Gao và Ni đã phát

triển chỉ số NDBI bằng cách sử dụng kênh 5 (NIR) và kênh 6 (SWIR) của ảnh

Landsat TM để hỗ trợ lập bản đồ khu vực đô thị [10].

5
6
5
6
1
1
B

B
B
B
NIR
SWIR
NIR
SWIR
NDBI







c. Chỉ số IBI

Chỉ số IBI được Xu [20] xây dựng dựa trên ba chỉ số bao gồm chỉ số

SAVI (soil adjusted vegetation index), chỉ số MNDWI (modified normalized

difference water index) và chỉ số. Những chỉ số này phản ánh các thành phần

cơ bản của bề mặt đô thị tương ứng là thực vật, nước và bề mặt không thấm.



























1 1















1
1
1
/
/
2
/
/
2
SWIR
GREEN
GREEN
RED
NIR
NIR
NIR
SWIR
SWIR
SWIR
GREEN
GREEN
RED
NIR
NIR
NIR
SWIR
SWIR

IBI








































6 6 5







5 4





3 6





6
3
3
4
5
5
5
6
6
/

/
2
/
/
2
B
B
B
B
B
B
B
B
B
B
B
B
B
B
B
B
B
B
IBI















d. Chỉ số EBBI

Chỉ số EBBI được As-Syakur và cộng sự phát triển trên cơ sở sử dụng

cho bước sóng 0.83 μm, 1.65 μm và 11.45 μm, (NIR, SWIR, và TIR) của ảnh
Landsat ETM+, các bước sóng này có tính chất phản xạ và hấp thụ trái ngược
nhau đối với đất trống và đất xây dựng [6].

10
6
5
6
1
1
1
10

10 B B

B
B
TIR

SWIR
NIR
SWIR
EBBI







3.3.3. Đánh giá độ chính xác

Để đánh giá độ chính xác kết quả chiết tách đất xây dựng và đất trống từ

các ảnh chỉ số, nghiên cứu này sử dụng dữ liệu lớp phủ từ 513 điểm GPS thực

(3.6)

(3.3)

(3.4)

</div>
(73)<div class='page_container' data-page=73>

địa được thu thập vào tháng 6/2018 trong khuôn khổ đề tài cấp Bộ Tài nguyên
và Mơi trường (Mã số TNMT.2018.08.10); trong đó đất trống có 245 điểm,
đất đơ thị có 268 điểm dùng để đánh giá độ chính xác. Tiến hành so sánh các

lớp phủ trên ảnh chỉ số với lớp phủ trên thực tế bằng cách lập ma trận sai số.

Các chỉ tiêu có thể đọc ra từ ma trận sai số bao gồm: Độ tin cậy nhà sản xuất,

độ tin cậy người sử dụng, độ chính xác tồn cục và hệ số Kappa [21],[22].

Toàn bộ các bước xử lý ảnh được thực hiện bằng phần mềm Envi 4.6 và

ArcGIS 10.2 và được tóm tắt qua sơ đồ dưới đây.

Hình 3.4. Các bước xử lý ảnh lập bản đồ đất trống và đất xây dựng từ 
ảnh Landsat 8 bằng ảnh chỉ số

Ảnh Landsat 8 kênh 3,4,5,6,7

Ảnh phản xạ tại đỉnh khí quyển
kênh 3,4,5,6,7

Ảnh phản xạ bề mặt

Ảnh chỉ số UI, NDBI, IBI

Ảnh phân ngưỡng đất trống,
đất xây dựng

Đánh giá độ chính xác phân
tích kết quả

Dữ liệu lớp phủ tại
513 điểm GPS

Ảnh Landsat 8

Ảnh Landsat 8 kênh 10

Giá trị bức xạ tại đỉnh khí quyển
kênh 10

</div>
(74)<div class='page_container' data-page=74>

4. Kết quả và thảo luận

Các ảnh chỉ số đô thị đối với ảnh vệ tinh Landsat 8 khu vực Hà Nội là
ảnh đen trắng, trong đó đen ứng với giá trị thấp, trắng ứng với giá trị cao và
được trình bày trên hình 3.5, 3.6, 3.7, 3,8.

Để tách đất trống và đất xây dựng ra khỏi các đối tượng khác, các ảnh
chỉ số này được phân ngưỡng dựa trên cơ sở so sánh với ảnh tổ hợp màu giả

các kênh 7-5-2 và cho kết quả như hình 3.9, 3.10, 3.11, 3.12 (đất xây dựng 
được trình bày màu đỏ, đất trống màu vàng và các đối tượng khác màu
hồng nhạt).

Việc so sánh, phân tích để thấy được hiệu năng của các chỉ số đối với đô

thị Hà Nội dựa trên quan sát định tính và đánh giá thống kê định lượng.

4.1. Quan sát và phân tích

Hiệu năng của các chỉ số trước hết được đánh giá thông qua việc quan sát

bằng mắt và so sánh các ảnh chỉ số với ảnh tổ hợp màu giả (đỏ, lục, lam tương
ứng với các kênh 7, 5, 2). Ở đây, tác giả sử dụng các hình ảnh phóng to của
những khu vực tiêu biểu để minh họa cho các nhận xét (hình 3.5, 3.6, 3.7, 3.8).

Hình 3.5. Ảnh chỉ số UI khu vực Hà Nội năm 2018

</div>
(75)<div class='page_container' data-page=75>

Hình 3.6. Ảnh chỉ số NDBI khu vực Hà Nội năm 2018

Hình 3.7. Ảnh chỉ số EBBI khu vực Hà Nội năm 2018

</div>
(76)<div class='page_container' data-page=76>

Hình 3.8. Ảnh chỉ số IBI khu vực Hà Nội năm 2018

Bảng 3.2. Phân ngưỡng chỉ số

Stt Chỉ số Ngưỡng chỉ số Đất xây dựng Đất trống

1 UI -0.7589 đến 0.5683 -0.2500 đến 0.5683 -0.2700 đến -0.2500

2 NDBI -0.5870 đến 0.4392 -0.0700 đến 0.4392 -0.0900 đến -0.0700

3 IBI -0.1268 đến 0.6237 0.4700 đến 0.6237 0.4360 đến 0.4700

4 EBBI -0.1020 đến 0.1497 -0.0076 đến 0.1497 -0.0090 đến -0.0076

IBI

</div>
(77)<div class='page_container' data-page=77>

</div>
(78)<div class='page_container' data-page=78>

</div>
(79)<div class='page_container' data-page=79>

</div>
(80)<div class='page_container' data-page=80>

Hình 3.12. Bản đồ phân bố đất trống và đất xây dựng từ chỉ số IBI

- Khả năng phân tách đất xây dựng, đất trống với các đối tượng khác từ

chỉ số EBBI rất tốt. Hầu hết đất xây dựng được xác định chính xác, trừ một

vài vị trí bãi bồi trên sơng Hồng bị nhầm thành đất xây dựng do đây là các bãi

cát nên tính chất phản xạ gần giống đất xây dựng (cát là thành phần chủ yếu

của vật liệu xây dựng) (hình 3.13e). Một số vị trí nước hồ bị nhầm thành đất

trống (hình 3.13d), điều này có thể giải thích là tại những khu vực đó nước có

</div>
(81)<div class='page_container' data-page=81>

phổ của nước. Hầu hết các đối tượng hình tuyến (đường xá) bằng vật liệu bê

tông, asphalt bị phân thành đối tượng khác là do ở Hà Nội có nhiều cây xanh

hai bên đường nên đường bị che khuất trên ảnh vệ tinh, đây cũng là điểm khác

biệt của đô thị nhiệt đới Hà Nội so với các thành phố ở vùng khí hậu khô,

lạnh. Đất xây dựng tập trung chủ yếu ở các quận nội thành, rải rác ở các

huyện ngoại thành; đất trống xen kẽ với đất xây dựng, thường là những ô đất

nhỏ do các dự án bị dừng hoặc do bị đầu cơ và bỏ hoang, chưa xây dựng. Kết

quả này phản ánh đúng thực trạng đơ thị hóa ở Hà Nội, nơi mà giá đất rất cao,

thuộc top 3 thành phố có giá đất đắt nhất Thế giới [23]. Thực trạng đất nông

nghiệp ở ven đô bị bỏ hoang cũng nhiều nhưng đã mọc cỏ và cây bụi nên

không phải là đất trống trên ảnh vệ tinh. Đây cũng là nét đặc thù của đô thị

nhiệt đới Hà Nội, không giống với các đô thị vùng Trung Đông hay các vùng

khí hậu khơ hạn, bán khơ hạn khác (đất trống dễ phân biệt do không bị thực

vật che phủ). Nếu sử dụng chỉ số này để lập bản đồ lớp phủ đất ở Hà Nội cần

có thêm dữ liệu tham khảo của các khu vực đất trống. Khả năng tách riêng đất

trống từ chỉ số IBI rất tốt (tốt hơn cả EBBI), thậm chí còn phát hiện được cả

những thửa ruộng bỏ hoang bị cỏ mọc lưa thưa. Khả năng chiết tách đất xây

dựng khỏi đất trống và các đối tượng khác cũng rất tốt trừ việc toàn bộ các

đối tượng mặt nước bị phân vào đất xây dựng và không thể tách riêng được

(hình 3.13g). Do đó, trong nghiên cứu này tôi phải dùng mặt nạ để tách nước

ra khỏi đất xây dựng.

- Khi sử dụng chỉ số IBI, các tuyến phố được phân chính xác vào đất xây

dựng (hình 3.13d), khả năng nhận dạng các đối tượng hình tuyến tốt hơn

EBBI. Đất xây dựng tập trung chủ yếu ở trung tâm thành phố, thưa thớt ở

ngoại ô; đất trống phân bố xen kẽ với đất xây dựng, các thửa ruộng hoang ở

ngoại thành được phân đúng vào đất trống trong khi với EBBI thì lại bị phân

</div>
(82)<div class='page_container' data-page=82>

vật thưa không ảnh hưởng đến khả năng chiết tách đất trống từ IBI. Kết quả

này giống với nghiên cứu của Xu khi thử nghiệm chỉ số IBI đối với ảnh

Landsat ETM+ ở thành phố Phúc Châu, miền Đông Nam Trung Quốc. Tác

giả này báo cáo chỉ số IBI làm nổi bật đất xây dựng và hạn chế nhiễu [20].

- Chỉ số NDBI có khả năng tách riêng đất xây dựng, đất trống ra khỏi các

đối tượng khác rất tốt, hầu như khơng bị lẫn (hình 3.13c). Trong các nghiên

cứu trước, NDBI có thể phân biệt được chính xác đất xây dựng ở các đơ thị

thuộc vùng khí hậu ẩm như thành phố Colombo- Sri Lanka [24], Montreal -

Canada [25], São José dos Campos - Brazil [26], Beijing and Guangzhou –

China [27],[28]. Ngược lại, khả năng phân biệt đất xây dựng của NDBI không

hiệu quả khi áp dụng cho các thành phố khu vực bán khô cằn ở Urumqi và

Shihezi thuộc miền Tây Trung Quốc [29],[30],[31], cho biết áp dụng chỉ số

NDBI đối với ảnh Landsat 8 ở Thành phố Trịnh Châu - Trung Quốc cho độ

chính xác thấp. Zha, Gao và Ni đề cập rằng họ không thể để tách đô thị ra

khỏi khu vực bằng chỉ số NDBI [10].

- Chỉ số UI có khả năng tách biệt đất xây dựng, đất trống với các loại

khác tốt (hình 3.13a), đơi khi bãi bồi hoặc nước sông Hồng bị nhầm thành đất

xây dựng hoặc đất trống (hình 3.13b). Nhìn chung thì sử dụng UI để phân biệt

đất trống và đất xây dựng ở đô thị Hà Nội tốt trong khi Fernando và

Gunawardena báo cáo rằng UI cho độ chính xác khơng cao khi áp dụng cho

ảnh Landsat 8 ở huyện Kandy - Sri Lanka-nơi có địa hình dốc [32]. Và

As-syakur et al cho biết chỉ số UI tính từ ảnh Landsat ETM+ khơng có khả năng

chiết tách đất trống ở thành phố Denpasar (Bali, Indonesia) [6]. Tác giả này

</div>
(83)<div class='page_container' data-page=83>

a. Kết quả ảnh chỉ số tại khu vực có mật độ xây dựng thưa

a UI

NDBI EBBI

</div>
(84)<div class='page_container' data-page=84>

b. Kết quả ảnh chỉ số tại một đoạn sông Hồng

b. UI

EBBI NDBI

</div>
(85)<div class='page_container' data-page=85>

c

c. Kết quả ảnh chỉ số tại khu vực canh tác nông nghiệp
NDBI

UI EBBI

</div>
(86)<div class='page_container' data-page=86>

d. Kết quả ảnh chỉ số tại một số hồ nước khu vực nội thành

d

UI

IBI

EBBI

</div>
(87)<div class='page_container' data-page=87>

e. Kết quả ảnh chỉ số tại một bãi bồi sông Hồng

c

e EBBI

UI

IBI

NDBI

e EBBI

</div>
(88)<div class='page_container' data-page=88>

f. Kết quả ảnh chỉ số tại một số tuyến giao thông

f IBI

UI EBBI

</div>
(89)<div class='page_container' data-page=89>

g. Kết quả ảnh chỉ số tại một đoạn sông Hồng và Hồ Tây

Hình 3.13. So sánh các ảnh chỉ số với ảnh gốc (tổ hợp 7-5-2) tại một số vị 
trí điển hình

g IBI

UI EBBI

</div>
(90)<div class='page_container' data-page=90>

Bảng 3.3. Khả năng chiết tách đất xây dựng và đất trống của các chỉ số

thông qua quan sát và so sánh ảnh chỉ số với ảnh gốc (tổ hợp 7-5-2)

Stt Chỉ số

Hiệu năng

Ghi chú 
Đất xây

dựng Đất trống

1 EBBI Tốt Tốt

- Bãi bồi bị nhầm thành đất xây dựng;

- Nước bị nhầm thành đất trống;
- Đường nhầm thành các loại khác;

- Chịu ảnh hưởng của thực vật nhiệt đới.

2 IBI Trung

bình Rất tốt

- Phát hiện các đối tượng hình tuyến rất tốt
(đường);

- Thực vật thưa khơng ảnh hưởng đến khả
năng phát hiện đất trống;

- Ít bị ảnh hưởng của thực vật nhiệt đới.

- Toàn bộ mặt nước bị phân vào đất xây dựng.

3 NDBI Rất tốt Rất tốt Không bị lẫn

4 UI Tốt Tốt Bãi bồi, nước sông Hồng bị nhầm thành
đất xây dựng.

4.2. Đánh giá độ chính xác

Kết quả đánh giá định lượng cho thấy độ chính xác toàn cục khi sử

dụng các chỉ số NDBI, IBI, EBBI, UI đạt được lần lượt là 87.25, 86.96, 85.25,

77.24. Hệ số Kappa tương ứng là 0.7790, 0.7735, 0.7438, 0.6835. Bên cạnh
đó, độ tin cậy của nhà sản xuất và độ tin cậy của người sử dụng vào kết quả

chiết tách đất xây dựng và đất trống trình bày chi tiết trong bảng 3.4.

Kết quả đánh giá định lượng này hồn tồn phù hợp với những thơng

tin quan sát bằng mắt và so sánh định tính ở trên. Như vậy có thể nói rằng, đối

với Hà Nội - một đơ thị cổ thuộc vùng khí hậu nhiệt đới thì việc lập bản đồ
đất trống bằng chỉ số NDBI và IBI, đất xây dựng bằng chỉ số NDBI là tốt

</div>
(91)<div class='page_container' data-page=91>

Bảng 3.4. Kết quả đánh giá độ chính xác

Stt Chỉ số

Độ chính

xác toàn

cục (%)

Kappa

Đất xây dựng Đất trống

Độ tin

cậy của

nhà sản

xuất (%)

Độ tin

cậy của

người sử

dụng (%)

Độ tin

cậy của

nhà sản

xuất

(%)

Độ tin

cậy của

người sử

dụng

(%)

1 NDBI 87.25 0.7790 94.41 85.22 75.90 83.24

2 IBI 86.96 0.7735 76.48 81.29 92.75 84.69

3 UI 77.24 0.6835 85.19 60.67 69.45 70.00

</div>
(92)<div class='page_container' data-page=92>

KẾT LUẬN

Qua quá trình nghiên cứu cơ sở lý thuyết và chiết tách đất xây dựng và

đất trống khu vực đô thị từ ảnh viễn thám bằng ảnh chỉ số, thực nghiệm tại Hà

Nội một số kết luận được rút ra như sau:

1. Các chỉ số IBI, EBBI, NDBI, UI ban đầu được phát triển cho ảnh

Landsat thế hệ cũ (Landsat TM, Landsat ETM+). Nghiên cứu này thử nghiệm

các chỉ số IBI, EBBI, NDBI, UI cho ảnh Landsat 8 và xem xét hiệu năng của

các chỉ số này trong điều kiện đô thị Hà Nội - một đơ thị cổ thuộc vùng khí

hậu nhiệt đới với cảnh quan phân mảnh sâu sắc.

2. Các chỉ số đều phản ánh đất xây dựng ứng với ngưỡng giá trị cao, tiếp
đến là đất trống và thấp nhất là các đối tượng khác. Kết quả này phù hợp với

các nghiên cứu trước đó. Đồng thời kết quả nghiên cứu này cũng chỉ ra được

ngưỡng giá trị của các chỉ số ứng với đất trống và đất xây dựng cho khu vực
đô thị Hà Nội.

3. Chiết tách đất xây dựng: Dùng chỉ số NDBI là tốt nhất, tiếp đến có thể

dùng các chỉ số EBBI, IBI, UI, trong đó các chỉ số EBBI chịu ảnh hưởng của

thực vật nhiệt đới và đặc thù nước sông Hồng, bãi bồi. Các chỉ số IBI và UI

phân nhầm nước sông Hồng và bãi bồi vào đất xây dựng.

4. Chiết tách đất trống: Dùng chỉ số IBI và NDBI là tốt nhất, trong đó IBI

hầu như không bị ảnh hưởng của lớp thực vật mỏng, phát hiện được cả đất

trống bị cây bụi hoặc cỏ che phủ, phù hợp nhất với đô thị nhiệt đới; tiếp đến

có thể dùng EBBI, UI tuy nhiên hai chỉ số này vẫn bị nhầm lẫn đất trống với

</div>
(93)<div class='page_container' data-page=93>

TÀI LIỆU THAM KHẢO

1. Chen, X.-L.; Zhao, H.-M.; Li, P.-X.; Yin, Z.-Y (2006). Remote sensing

image-based analysis of the relationship between urban heat island and land

use/cover changes. Remote Sens. Environ, 104, 133–146.

2. He, C.; Shi, P.; Xie, D.; Zhao, Y (2010). Improving the normalized

difference built-up index to map urban built-up areas using a semiautomatic

segmentation approach, Remote Sens, Lett, 1, 213–221.

3. Nguyễn Khắc Thời (2012). Giáo trình viễn thám, Nhà xuất bản Đại học

Nông nghiệp Hà Nội.

4. Vũ Danh Tuyên (2017).Giáo trình Viễn thám nâng cao, Nhà xuất bản Khoa

học và Kỹ Thuật

5. Zhang, Z.; Ji, M.; Shu, J.; Deng, Z.; Wu, Y (2008). Surface urban heat

island in Shanghai, China: Examining the relationship between land surface

temperature and impervious surface fractions derived from Landsat ETM+

imagery. Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci, 37, 601–606.

6. As-Syakur, A.R.; Adnyana, I.W.S.; Arthana, I.W.; Nuarsa, I.W (2012).

Enhanced built-up and bareness index (EBBI) for mapping built-up and bare

land in an urban area. Remote Sens.4, 2957–2970.

7. Guang Yang et al. (2014) A new index for mapping built-up and bare land

areas from Landsat-8 OLI data, p.862-871.

8. Chen, X.-L.; Zhao, H.-M.; Li, P.-X.; Yin, Z.-Y (2006). Remote sensing

image-based analysis of the relationship between urban heat island and land

use/cover changes. Remote Sens. Environ, 104, 133–146.

9. Jensen JR (2012), Remote sensing of the environment: An earth resource

perspective, Dorling, India.

10. Zha, Y., J. Gao, and S. Ni (2003). “Use of normalized difference built-up

</div>
(94)<div class='page_container' data-page=94>

Journal of Remote Sensing, 24, no. 3: 583-594.

11. Kawamura, M.; Jayamana, S.; Tsujiko, Y (1996). Relation between social and

environmental conditions in Colombo Sri Lanka and the urban index estimated by

satellite remote sensing data. Int. Arch. Photogramm. Remote Sens, 31, 321–326

12. Fernando, T.; Gunawardena (2018), A. Determination of Convertion of Tea

Lands in Kandy District Using Different Remote Sensing Indices. Available online:

13. Xu, H. Analysis of impervious surface and its impact on urban heat

environment using the normalized difference impervious surface index

(NDISI). Photogramm. Eng. Remote Sens. 2010, 76, 557–565

14. Sun Z, Wang C,*, Guo H and Shang R (2017). A Modified Normalized

Difference Impervious Surface Index (MNDISI) for Automatic Urban

15. Deng, C.; Wu, C. BCI: A biophysical composition index for remote

sensing of urban environments. Remote Sens. Environ. 2012, 127, 247–259.

16. Ogashawara, I.; Bastos, V.D.S.B. A quantitative approach for analyzing

the relationship between urban heat islands and land cover. Remote Sens.

2012, 4, 3596–3618

17. USGS. 2013 Frequently asked questions about the Landsat missions.

(accessed 11 06, 2013).

Xu, H.Q. A new index for delineating built-up land features in satellite imagery. Int.

J. Remote Sens. 2008, 29, 4269–4276.

18. General Geography of Hanoi

/hn/RtLibd2X8kEn/1001/124742/1/gioi-thieu-tong-quan-va-khai-quat-ve-ia-li-thanh-pho-ha-noi.html. Last access 13/11/2018.

19. Tổng cục Thống kê Việt Nam ()

</div>
(95)<div class='page_container' data-page=95>

imagery. Int. J. Remote Sens., 29, 4269–4276.

21. Congalton RG, Green K (1999). Assessing the Accuracy of Remotely

Sensed Data: Principles and Practices, Lewis Publishers, Boca Raton, FL,

22. Lillesand TM, Chipman JW, Kiefer RW (2012). Remote sensing and

Image interpretation, Wiley India.

23.

Https://baomoi.com/ha-noi-lot-top-3-nhung-thanh-pho-co-gia-dat-dat-nhat-the-gioi/c/24052846.epi

24. Ranagalage, M.; Estoque, R.C.; Murayama, Y (2017). An urban heat

island study of the Colombo metropolitan area, Sri Lanka, based on Landsat

data (1997–2017). ISPRS Int. J. Geo-Inform, 6, 189.

25. Faisal, K.; Shaker, A.; Habbani, S (2016). Modeling the Relationship

between the Gross Domestic Product and Built-Up Area Using Remote

Sensing and GIS Data: A Case Study of Seven Major Cities in Canada. ISPRS

Int.J. Geo-Inform, 5, 23.

26. Ogashawara, I.; Bastos, V.D.S.B (2012). A quantitative approach for

analyzing the relationship between urban heat islands and land cover. Remote

Sens, 4, 3596–3618.

27. Liu, W.; Lu, L.; Ye, C.; Liu, Y (2009). Relating urban surface temperature to

surface characteristics in Beijing area of China. In Proceedings of the International

Society for Optics and Photonics MIPPR 2009: Remote Sensing and GIS Data

Processing and Other Applications, Yichang, China, 30 October–1 November.

28. Xiong, Y.; Huang, S.; Chen, F.; Ye, H.; Wang, C.; Zhu, C (2012). The

impacts of rapid urbanization on the thermal environment: A remote sensing

study of Guangzhou, South China. Remote Sens, 4, 2033–2056.

29. Qian, J.; Zhou, Q.; Hou, Q (2007). Comparison of pixel-based and

</div>
(96)<div class='page_container' data-page=96>

Proceedings of the ISPRS Workshop on Updating Geo-Spatial Databases

with Imagery & the 5th ISPRS Workshop on DMGISs, National Geomatics

Center of China Sponsored, Urumchi, XingJiang, China, 28–29 August.

30. Qian, J.; Zhou, Q.; Chen, X (2010). Improvement of urban land use and

land cover classification approach in arid areas. In Proceedings of the

International Society for Optics and Photonics Image and Signal Processing

for Remote Sensing XVI, Toulouse, France, 20–22 September.

31. Zhou, Y.; Yang, G.; Wang, S.; Wang, L.; Wang, F.; Liu, X (2014). A new

index for mapping built-up and bare land areas from Landsat-8 OLI data.

</div>
(97)<div class='page_container' data-page=97>

LÝ LỊCH TRÍCH NGANG 
Họ và tên: Nguyễn Thị Hiền

Ngày tháng năm sinh: 17/04/1988 Nơi sinh: Lạng Sơn

Địa chỉ liên lạc: Khoa Khoa học biển và Hải đảo – Trường Đại học Tài
nguyên và Môi trường Hà Nội

Quá trình đào tạo:

- Từ 12/2016 đến nay: Học Cao học tại trường Đại học Tài nguyên và Môi

trường Hà Nội.

Quá trình cơng tác:

</div>
(98)<div class='page_container' data-page=98>

XÁC NHẬN QUYỂN LUẬN VĂN ĐỦ ĐIỀU KIỆN NỘP LƯU CHIỂU

TRƯỞNG KHOA TRẮC ĐỊA, BẢN ĐỒ 
VÀ THÔNG TIN ĐỊA LÝ

</div>


<a href=' li-thanh-pho-ha-noi.html.%20Last%20access%2013/11/2018'> </a>
327 Giải pháp tài chính hỗ trợ phát triển doanh nghiệp nhỏ và vừa trong khu vực kinh tế tư nhân của Việt Nam hiện nay

Nghiên cứu đánh giá độ êm dịu của ô tô khách 29 chỗ ngồi sản xuất tại việt nam

Đánh giá ảnh hưởng của quá trình đô thị hóa tới cộng đồng dân cư huyện ứng hòa, thành phố hà nội

phát triển bền vững các khu đô thị mới tổng quan kinh nghiệm quốc tế, trong nước và đánh giá thực tế tại hà nội

Luận văn: Phát triển bền vững các khu đô thị mới: Tổng quan kinh nghiệm quốc tế, trong nước và đánh giá thực tế tại Hà Nội doc

BÁO CÁO " PHƯƠNG PHÁP THỰC HIỆN CÁC NỘI DUNG CỦA BÁO CÁO ĐÁNH GIÁ TÁC ĐỘNG MÔI TRƯỜNG DỰ ÁN XÂY DỰNG VÀ LẬP DỰ TOÁN CÁC CHI PHÍ CÓ LIÊN QUAN " pdf

Đánh giá Đô thị hóa ở Việt Nam - Báo cáo Hỗ trợ Kỹ thuật ppt

17 tiêu chí đánh giá độ khó từ khóa trong SEO pot

đánh giá hiệu quả công tác giao đất trồng rừng

cách đánh giá độ khó từ khóa trong seo

Đánh giá độ chính xác chiết tách đất xây dựng và đât trống khu vực đô thị từ ảnh viễn thám bằng ảnh chỉ số, thực nghiệm tại Hà Nội

<b>NGUYỄN THỊ HIỀN </b>

<b>NGUYỄN THỊ HIỀN </b>

 





<i>S</i>



0

<i>s</i>

<i>s</i>

<i>n</i>















0



<i>E</i>

<i>E</i>

<i>T</i>







1



















































































Tài liệu bạn tìm kiếm đã sẵn sàng tải về