Giáo trình Cơ sở viễn thám

ủa tr†ờn hải có công việc chỉnh sửa sau phân loại, đó lμ kỹ thuật lμm †ợc khoanh vi chi tiết hơn. Phụ cảnh của lấy mẫu kiểm tra sau đó có thể dùng để ánh giá độ chính ó thể khô phân loại. Tuy nhiên vì lμ vùng đồng nhất, v ho chỉ iêu đ g về đ nh giá p ân lo ở m từng pixel c xác củ ủa việc biến n loại ở d u. cho việc đối sánh v n lμ vấn đề khó khăn vμ vùn ểm cho ng nhiên có th hông thể đ†ợc g th địa. Đ u thứ hai lμ g trị củ các đ y hiên ph ộc vμo hả nă g tham chiếu ng ki m t với ảnh. Một cách khắc không xa ranh gi g. Một điều xem xét chắc chắn lμ việc chọn vùng hoặc điểm kiểm tra ngẫu nhiên đại diện cho tập dữ liệu trong phân tích. Cần xem xét cả đơn vị lấy mẫu trong việc đánh giá độ chính xác của phân loại. Phụ thuộc vμo ứng dụng đơn vị lấy mẫu có thể lμ một pixel, chùm pixel hay một đa giác. Thông th†ờng khoanh vi đa giác th†ờng đ†ợc dùng nhiều nhất. - Kích th†ớc của mẫu cũng cần phải có trọng số trong phân loại. Đòi hỏi nên có khoảng 50 mẫu của mỗi loại thực vật hay đất sử dụng đ†ợc đ†a vμo bảng ma trận sai số. Nếu phân loại một ảnh số có diện tích khoảng hơn 1 triệu a vμ có số l†ợng đất sử dụng hoặc loại thực vật lớn hơn 12 thì số l†ợng mẫu kiểm tra sẽ lμ 75-100 mẫu cho một loại đất sử dụng. Đối với một loại đất sử dụng quan trọng thì số mẫu kiểm tra cần phải đ†ợc tăng c†ờng. x Kỹ thuật lμm nhẵn sau phân loại Kết quả phân loại số th†ờng có kết quả lμ hình ảnh phân loại có những phần nhiễu do những sự khác biệt về phổ của từng pixel. Những nhiễu đó th†ờng đ†a đến những kết quả sai lệch so với thực tiễn. Ví dụ trong kết quả phân loại về sử dụng đất, có những pixel “lúa n†ớc” xuất hiện ở vùng “núi cao có rừng” hoặc các “điểm dân c†” xuất hiện ở vùng “hồ n†ớc”, hay giữa “rừng rậm” vμ nh† vậy trên ảnh phân loại ở giữa các đối t†ợng hay lớp đối t†ợng th†ờng có những điểm rải rác của các đối t†ợng khác. Vì vậy p 188 nhẵn nμy đ†ợc thực hiện bằng phép lọc với fi học do nhiều yếu tố liên quan đến vận tốc của vệ tinh, sự quay a độ mặt đất toạ độ Địa lý, ho miền phân bố của các đối t†ợng. Công việc lter riêng gọi lμ filter chính (majority filter) với cửa sổ có kích th†ớc 3 x 3. Với filter nμy, các vùng phân bố của các lớp đ†ợc lμm đồng nhất bằng cách xếp gộp các pixel nhiễu vμo vùng có sự tập trung đa số các pixel giống nhau. Tuy nhiên cũng có thể tách xếp rõ rμng cho các vùng nhỏ của các đối t†ợng khác nằm trong vùng lớn của đối t†ợng ban đầu. Kỹ thuật lμm nhẵn th†ờng đ†ợc áp dụng trong phân loại thμnh lập bản đồ lớp phủ mặt đất hoặc bản đồ hiện trạng sử dụng đất, bản đồ rừng. 8.2.2.4. Nắn chỉnh hình học ảnh ảnh số bị méo hình của Trái Đất, sự phản xạ của quyển khí, dịch chuyển của địa hình, vμ sự phi tuyến tính của các tr†ờng nhìn của các bộ cảm. Méo hình học lμ sự sai lệch vị trí giữa toạ độ ảnh đo đ†ợc vμ tọa độ ảnh lý t†ởng đ†ợc tham chiếu với hệ tọa độ biết tr†ớc dùng cho Trái Đất. Nhằm đ†a các tọa độ ảnh thực tế về tọa độ ảnh lý t†ởng cần thiết phải thực hiện hiệu chỉnh hình học. Bản chất của hiệu chỉnh hình học lμ xây dựng đ†ợc mối t†ơng quan giữa hệ tọa độ ảnh đo vμ hệ tọa độ quy chiếu chuẩn. Hệ toạ độ quy chiếu chuẩn có thể lμ hệ tọ UTM , GAUSS, hệ ặc hệ tọa độ ảnh khác. Sự sai lệch về tọa độ của bất kỳ vị trí của bản đồ (ảnh ) có thể đ†ợc tính theo công thức sau: Ma trận đầu ra đã nắn Ma trận ảnh gốc Hình 8.38: Matrận chỉnh hình học của các pixel (đ‡ờng liền) so với ch‡a chỉnh (đ‡ờng gạch) x = f1(X,Y) y = f2 (X,Y) trong đó: (x,y) tọa độ sai của ảnh (cột vμ dòng) (X,Y) = tọa độ chính xác của nó trên bản đồ f1, f2 lμ hμm chuyển đổi Trong thực tế, có hai cách chính đ†ợc sử dụng để nắn chỉnh hình học một ảnh số: - Nắn chỉnh một ảnh số trên cơ sở các điểm khống chế toạ độ trên bản đồ hoặc từ các điểm toạ độ đã biết đ†ợc đo ngoμi thực tế (ảnh với bản đồ). 189 - Nắn chỉnh một ảnh số dựa trên cơ sở toạ độ của một ảnh đã nắn cùng độ phân giải hoặc ảnh đã nắn có độ phân giải cao hơn (ảnh với ảnh). Trong khi thực hiện nắn chỉnh ảnh số, công đoạn đầu tiên lμ tạo tệp dữ liệu thông tin về toạ độ của các pixel ảnh trên ảnh ch†a biết vμ giá trị toạ độ thật của chúng trên thực tế. Trong phần mềm xử lý ảnh số Idrisi, tệp nμy lμ một tệp văn bản có đuôi mở rộng lμ Cor. Dòng đầu tiên của tệp thông báo số l†ợng điểm khống chế tọa độ. Dòng thứ hai trở đi, thông tin trong một dòng sẽ lμ giá trị toạ độ X vμ Y của độ X, Y thật của chúng tại điểm khống chế. Có bao nhiêu điểm khống chế toạ độ sẽ có bấy nhiêu dòng ghi nhận chúng. Các điểm †ờng, ph†ơng pháp nắn chỉnh ảnh với ảnh đ†ợc ếm các điểm khống chế tạo độ cũng nhanh vμ dễ p, nắn ảnh với bản đồ (hoặc với dữ liệu đo GPS) ính xác cho phép. Sau khi đã có đ†ợc tệp thông , ta cần chọn các tham số hiệu chỉnh vμ chọn việc nắn chỉnh một ảnh số. nh học vμ các hệ số của mô hình nμy c cặp điểm đã biết tọa độ ảnh vμ Số ẩn số lμ 4 d Số ẩn số lμ 6 Chuyển đổ hiếu hình: một điểm ảnh ch†a đ†ợc nắn, vμ giá trị toạ khống chế toạ độ đ†ợc chọn trong nắn chỉnh hình học ảnh phải lμ các điểm không thay đổi mốc toạ độ. Các điểm nμy có thể lμ giao của cầu với đ†ờng, các vị trí quan trọng nh† b†u điện, hoặc điểm nμo đó không thay đổi vμ hiển thị rõ trên ảnh ch†a nắn vμ trên bản đồ. Thông th thực hiện nhanh hơn vμ việc tìm ki dμng hơn. Trong cả hai ph†ơng phá vμ ảnh với ảnh phải đảm bảo độ ch tin về các điểm khống chế toạ độ ph†ơng pháp toán học cần thiết cho Xác định các tham số hiệu chỉ Dựa trên việc thiết lập các mô hình toán đ†ợc tính theo ph†ơng pháp bình sai trên cơ sở cá độ kiểm tra. Những mô hình ta th†ờng đ Chuyển đổi Helmert x = au + bv + c y = -bu + av + †ợc sử dụng trong thực tế: Chuyển đổi affine x = au + bv + c y= du + ev + f i theo phép c 1 321  auauvax 87  aua Số ẩn số lμ 8 1 654   aua avauay 87 190 Chuyển đổi đa thức: ji vuaix  Số ẩn số phụ thuộc vμo hμm đa thức ij i ji j vuby  ƯƯ 1 ƯƯ 11 Kiểm tra độ chính xác: Sau khi bình sai cần kiểm tra độ chính xác của mô hình. Thông th†ờng việc kiểm tra độ chính xác dựa trên sai số trùng ph†ơng trên các điểm kiểm tra. Nếu các sai số không nhỏ hơn giá trị cho phép thì cần phải tìm nguyên nhân hoặc tăng thêm các điểm kiểm tra. Nội suy vμ tái chia mẫu: Do ảnh sau khi hiệu chỉnh có sự biến đổi nhiều về vị trí nên cần phải nội suy lại vị trí vμ cấp độ xám. Nội suy vμ tái chia mẫu lμ giai đoạn cuối của hiệu chỉnh hình học. Có hai cách tái chia mẫu: Chiếu từ ảnh đã tạo hiệu chỉnh về ảnh ch†a hiệu chỉnh hoặc chiếu từ ảnh ch†a hiệu chỉnh về ảnh đã hiệu chỉnh. Việc nội suy vị trí phụ thuộc hoμn toμn vμo mô hình học sử dụng, trong khi đó giá trị cấp độ xám đ†ợc gắn lại theo một trong những ph†ơng pháp cơ bản sau: Ng†ời láng giềng gần nhất: Ph†ơng pháp nμy nói chung đơn giản, nhanh vμ bảo đảm không có các giá trị ngoại lai. Tuyến tính: Ph†ơng pháp nμy dựa trên nội suy tuyến tính 4 pixel xung quanh ảnh. Hμm bậc ba: Đâylμ ph†ơng pháp nội suy dựa trên 16 pixel xung quanh. Tốc độ tái chia mẫu trong quá trình xử lý lμ chậm nhất nh†ng cho kết quả tốt nhất. 8.2.2 ự biến động , môi tr†ờng nh†: lâm nghiệp, thuỷ văn, nông nghiệp. Tạo ảnh biến động lμ một trong những kỹ thuật về nghiên cứu biến động. a. Yêu cầu về t‡ liệu để tạo ảnh biến động - T †ơng tự nh† nhau. - ản p trong các thời gian khác nhau. b. Cá g Có nhiều cách tạo ảnh biến động khi nghiên cứu biến động ắ Tạo ản (ảnh nguyên thuỷ) theo từng band phổ. Ph†ơng pháp chung lμ so sánh c ủa từng band giữa hai thời điểm chụp ảnh khác nhau, bằng cách tạo ảnh hiệu số của hai band đó: .5. Tạo ảnh nghiên cứu s Nghiên cứu sự biến động theo thời gian (Multitemporal Change) lμ một h†ớng nghiên cứu cần thiết của nhiều lĩnh vực diêu tra, quản lý tμi nguyên - T† liệu của cùng một khu vực. † liệu phải lμ cùng loại hoặc có tính chất t h phải đ†ợc chụ c ph‡ơng pháp tạo ảnh biến độn h biến động từ ảnh gốc ác giá trị DN c 191 DN (1, 2) = DN (1) – DN (2) trong DN của pixel trong ảnh chụp ở thời gian (1); pixel trong ảnh chụp ở thời gian (2); DN (1, 2) - giá trị DN của p . DN sẽ có các giá trị: âm, d†ơng, hoặc = 0. Trong đó, giá trị 0 lμ không biến Hình 8.39: ảnh SPOT đa thời gian khu vực Nong Pênh - Cam Pu Chia ủa MSS hay band 1 của TM thì giá trị âm, thể hiện 1,2 hơn, ng†ợc lại , khi DN (1, 2) âm, sẽ thể h bẩn do nhiều vật chất hữu cơ hơn thời gian vμ phân loại chúng. Những lớp biến động sẽ có khác biệt phổ so với các lớp k n nhau. Thông th†ờng trong phép nμy thì ảnh k iến động còn v ộng. Kết quả của phép trừ ảnh đối với ảnh 8 bit sẽ nằm trong khoảng -255 đến 255. Vậy đó: DN (1) - giá trị DN (2) - giá trị DN của ixel ảnh biến động giữa thời gian 1- 2 động, còn giá trị âm vμ d†ơng lμ biến động theo hai h†ớng khác nhau. Biến động sử dụng đất khu vực Phnom Penh - Campuchia 1985 1973 Đối với band green (band 5 của MSS hay band 2 của TM) thì giá trị âm của DN (1, 2) sẽ lμ biến động theo h†ớng tăng độ xanh, nghĩa lμ giá trị DN giảm đi. Còn đối với các band khác, nh† band 4 c n†ớc biến đổi theo xu thế trong hơn , sạch hơn. Đối với đất, đá thì khi DN d†ơng, nghĩa lμ đất đá khô hơn, hoạc nhiều cát iện trong thực tế lμ n†ớc nông hơn , ắ Phân loại dữ liệu đa thời gian. Cách nμy tr†ớc hết lμ tạo tổ hợp ảnh đa hô g biến động. ắ Từ ảnh của hai thời điểm khác ết quả lμ vùng có sự thayđổi về phổ nhiều sẽ lμ vùng có khả năng b ùng mμ kết quả của phép trừ ảnh ít hoặc bằng không lμ vùng không biến đ 192 lμ thô ắ ố ảnh. Nơi có giá trị tỷ số ảnh gần hoặc c lớn hơn 1. Một bình th†ờng hóa dữ liệu biến động do sự khác biệt giá ắ Từ nhiều band phổ, ảnh chỉ số thực vật của từng thời điểm sẽ đ†ợc tạo nên theo ẽ n 5 ng th†ờng một giá trị số lμ 255 th†ờng đ†ợc cộng vμo kết quả để tránh giá trị âm trong khi hiển thị. .Đánh giá biến động bằng tỷ s bằng 1 lμ nơi không biến động. Nơi biến động sẽ có giá trị nhỏ hơn hoặ trong các †u điểm trong nghiên cứu biến động theo cách nμy lμ trị do bóng vμ góc chiếu của mặt trời. Tạo ảnh biến động từ ảnh chỉ số thực vật L1 L2 L3 L4 L ph†ơng pháp NDVI (đã nêu ở phần trên). Tạo ảnh hiệu số từ hai ảnh NDVI sẽ cho các gía trị biến động hoặc không biến động về chỉ số thực vật. ắ Tạo ảnh biến động thμnh phần chính Từ hai ảnh thμnh phần chính trong (PC) của hai thời điểm, lấy ảnh hiệu sốs cho ảnh biến động: PC (a-b) =PC (a) - PC (b). Giá trị của PC (a-b) sẽ cung cấp nhiều thông tin về sự biến động của thμnh phần chính đó. Ph†ơng pháp nμy hay áp dụng cho nghiên cứu địa chất, thổ nh†ỡng. ắ Tạo ảnh biến động từ ảnh đã phân loại Một ph†ơng pháp nghiên cứu sự biến động lμ tạo ảnh chéo (crossing image) từ hai ảnh đã phân loại. Để áp dụng ph†ơng pháp nμy, để có kết quả chính xác vμ tiện so sánh, việc phân loại phải thực hiện theo nguyên tắc hai cùng: cùng hệ thống phân loại vμ cùng cách (ph†ơng pháp) phân loại vμ tốt nhất lμ phải thực hiện việc phâ loại trên cùng một phần mềm. Bảng 8.8: Bảng ma trận biến động giữa hai thời gian a vμ b ảnh thời gian a L1 L1-1 L21 L31 L41 L51 L2 L12 L22 L31 L42 L52 L3 L13 L23 L33 L43 L53 L4 L14 L24 L34 L44 L54 L5 L15 L25 L35 L45 L55 ảnh thời gian b 193 Hình 8.40: Bản đồ biến động sau phân loại khu vực Hồ Tây - Hμ Nội lμ các đơn vị không có sự biến động, còn lại lμ nh : L23 lμ đơn vị L2 của thời điểm a biến ị DN có thể khác nhau tại t† liệu ảnh theo hai thời điểm khác nh ận (quét ảnh) hoặc ảnh h ởng y ủa cùng mộ pixel ảnh khi thời điểm nhận k hau (án ng mặt trời, đặc điểm khí quyển, khí hậu). Vì vậy, m ọng lμ phải tiến hμnh hiệu hổ tr†ớc khi tạo ảnh biến động. Nguyên tắc đánh giá sự biến động của hai ảnh đã phân loại lμ dựa vμo ma trận biến động (Bảng 8.8). Trên ma trận, theo cột vμ theo hμng lμ tên các đơn vị đã d†ợc phân loại theo hai thời điểm a vμ b. Theo đ†ờng chéo ững biến động chi tiết của từng đơn vị, ví dụ thμnh đơn vị L3 của thời điểm b. Trong các phần mềm có chức năng crossing thì diện tích của các đơn vị biến động cũng đ†ợc tự động tính toán. x Một số điểm cần lu ý trong nghiên cứu biến động: - Phải xác định đ†ợc ng†ỡng phổ không biến động để so sánh. Một đối t†ợng không biến động nh†ng giá tr au. Nguyên nhân sự khác biệt đó lμ do quá trình thu nh truyền thông tin có nhiều † khác nhau lμm tha đổi giá trị DN c t hai thu hác n h sá ột công việc hết sức quan tr chỉnh p 194 Hình 8.41: Phân tích vector biến động của các pixel thực vật (band 5 của MSS) - Ngoμi việc nghiên cứu, đánh giá giá trị DN của từng pixel ảnh, việc nghiên cứu biến động có thể áp dụng phơng pháp phân tích vector, nghĩa lμ nghiên cứu pixel trên ảnh. Theo sơ đồ hình 6.3.7 có hai h†ớng biến động: ở A chỉ có một h†ớng biến động lμ rừng bị chặt nên giá trị DN tăng lên tại thời điểm (2), còn ở B có hai pixel Hình 8.42: Nghiên c‡ú biến động sử dụng đất huyện Từ Liêm 1985-2000 h†ớng biến động của các vector thông tin của từng 195 196 thì lại thuộc về hai h†ớng biến động khác nhau: pixel 1 biến động theo h†ớng rừng phát triển (giảm DN), còn pixel 2 thì biến động theo h†ớng rừng bị chặt (tăng DN). Ph†ơng pháp phân tích vector có thể ảp dụng để nghiên cứu xu thế biến động của nhiều yếu tố tự nhiên, môi tr†ờng nh† rừng, n†ớc, đất. Có nhiều cách có thể đạt đ†ợc trong xử lý ảnh số khi nghiên cứu biến động. Một trong cách đơn giản nhất lμ các ảnh ở các thời điểm khác nhau đ†ợc phân loại vμ kết quả phân loại sẽ đ†ợc đối sánh trong môi tr†ờng GIS. Matrận biến đổi sẽ đ†ợc xem xét đánh giá xu thế biến động vμ ph†ơng pháp nμy gọi lμ so sánh sau phân loại. ảnh đa thời gian vμ phân loại chúng. Những lớp biến động sẽ có khác biệt phổ so với các lớ k Cách thức thứ 3 lμ nghiên cứu sự khác biệt ảnh về thời gian bằng trừ ảnh của hai thời điểm khác nhau. Thông th†ờng tr g phép nμy thì ảnh kết quả lμ vùng có sự thayđổi về phổ nhiều sẽ lμ vùng có khả năng biến động còn vùng mμ kết quả của Cách thứ hai lμ phân loại dữ liệu đa thời gian. Cách nμy tr†ớc hết lμ tạo tổ hợp p hông biến động, nhờ đó, phân loại đ†ợc các lớp có biến động. on phép trừ ảnh ít hoặc bằng không lμ vùng không biến động. Kết quả của phép trừ ảnh đối với ảnh 8 bit sẽ nằm trong khoảng -255 đến 255. Vậy lμ thông th†ờng một giá trị số lμ 255 th†ờng đ†ợc cộng vμo kết quả để tránh giá trị âm trong khi hiển thị. Cách thức thứ 3 để đánh giá biến động lμ dùng tỷ số ảnh. Nơi có giá trị tỷ số ảnh gần hoặc bằng 1 lμ nơi không biến động. Nơi biến động sẽ có giá trị nhỏ hơn hoặc lớn hơn 1. Một trong các †u điểm trong nghiên cứu biến động theo cách nμy lμ trung bình hoá dữ liệu biến động do sự khác biệt giá trị do bóng vμ góc chiếu của mặt trời. Hình 8.43: Ma trận biến động sử dụng đất Huyện Từ Liêm( 1985-2000) ( 1,2,3,4,5,6,.....) lμ các đơn vị sử dụng đất. 8.2.2.6. Gộp dữ liệu viễn thám Gộp dữ liệu lμ quá trình tổ hợp dữ liệu viễn thám vμ GIS từ nhiều nguồn hoặc ghép các ảnh của nhiều thời gian khác nhau tạo nên một t† liệu tổng hợp. Trong viễn thám một trong những ph†ơng pháp gộp dữ liệu đ†ợc thực hiện lμ gộp các ảnh có độ phân giải khác nhau của cùng bộ cảm. Ví dụ, ghép ảnh vệ tinh Spot với độ phân ột lớp thông tin vector lên trên một nền ảnh vệ tinh cũng lμ một cách gộp dữ liệu. Trong phần nμy sẽ xe hiện ít thực p phân loại. Rất nhiều cách để gộp dữ liệu đa thời gian. Một trong cách h nh n ở 2 giải 10 m x 10m với ảnh vệ tinh Spot XS có độ phân giải lμ 20 m . Trong môi tr†ờng GIS của các trình xử lý ảnh số, việc gộp các lớp thông tinh khác nhau sẽ cho ra những kết quả mới. Trong qui trình xử lý ảnh số nh† việc hiển thị m m xét gộp các dữ liệu đa thời gian, đa nguồn, đánh giá thay đổi, ghép ảnh với các dữ liệu có sẵn vμ quá trình liên kết với GIS trong phân loại ảnh. Việc gộp các ảnh đa thời gian để nghiên c†úu biến động lμ rất đa dạng. Một trong tr†ờng hợp đơn giản nhất lμ ghép ảnh của cùng một vùng, thu nhận trong nhiều thời gian khác nhau để tạo dữ liệu cho giải đoán bằng mắt. Ví dụ, khi giải đoán nông nghiệp rất có ích khi ta gộp ảnh chụp vụ lúc bắt đầu vụ vμ lúc cuối vụ. Bắt đầu vụ lμ ảnh thể vật, đất trống vμ ảnh lúc sắp thu hoạch có thực vật. Gộp các kênh ảnh của hai thời gian khác nhau tạo nên tổ hợp mμu có thể giải đoán các loại cây trồng khác nhau trên ảnh. Các dữ liệu đa thời gian còn đ†ợc dùng trong phân loại tự động . Sử dụng dữ liệu đa thời có thể gia tăng độ chính xác trong phân loại, hoặc độ chi tiết của các lớ đơn giản nhất lμ tạo ảnh đa thời gian theo một dữ liệu thống nhất. Ví dụ, 6 kênh ản Landsat TM hay ETM +của một thời gian có thể gộp với 6 kênh ảnh t†ơng ứng trong thời gian khác tạo thμnh 12 kênh ảnh đa thời gian cho việc phân loại. Đôi khi tr†ớc khi ghép ta cũng có thể dùng ph†ơng pháp thμnh phần chính để giảm số kênh ảnh cho phân loại. Một trong những có gắng khác trong việc gộp dữ liệu đa thời gian lμ dùng mặt cắt đa thời gian. Theo ph†ơng pháp nμy phân loại dựa trên việc mô hì vật lý của đặc tính thời gian vốn có của mẫu phản xạ phổ của từng loại cây trồng. Đặc tính thời gian của cây trồng về độ xanh từng năm của cây trồng tuân thủ theo hình sin. Hình 8.44 lμ ảnh Spot của huyện Hμm thuận Nam, tỉnh Bình Thuậ thời gian lμ mùa khô (tháng 1) vμ mùa m†a (tháng 9). 197 Qui trình nghiên cứu biến động đòi hỏi sử dụng dữ liệu đa thời gian. Kiểu biến động có ời gian dμi vμi chục năm. nh của cùng một cùng độ phân giải vμ góc nhìn, cùng kênh, cùng độ phân giải vμ thu nhận trong cùng thời gian của một ngμy. Thông th†ờng ảnh s . ảnh vệ tinh gộp với ảnh radar thể thay đổi khác nhau có thể trong thời gian ngắn theo mùa vμ th Việc nghiên cứu biến động tốt nhất lμ sử dụng ả vệ tinh cho các loạt thời gian khác nhau, ử dụng trong nghiên cứu biến động theo năm lμ tốt nhất vì nh† vậy sẽ xem xét đ†ợc cùng mùa vμ ngμy. Yêu cầu khi nắn ảnh với độ sai số từ 1/4 đến 1/2 pixel. Với độ sai số lớn hơn 1 pixel sẽ dẫn đến kết quả nghiên cứu biến động không tốt nếu nh† biến động nμy chỉ xẩy ra trong khoảng không gian nhỏ. độ tin cậy của nghiên cứu biến động còn ảnh h†ởng bởi các thông số khác nh† tác động của các yếu tố quyển khí, các nhân tố nh† mực n†ớc hồ, thủy triều, gió, độ ẩm của đất. Một số đặc tính khác về tuổi thực vật, mùa của cây trồng cần xem xét khi nghiên cứu biến động. Gộp dữ liệu đa bộ cảm để nghiên cứu biến động( trộn ảnh ) Trong quá trình nghiên cứu biến động, có thể sử dụng đồng thời các dữ liệu của các nguồn khác nhau, nghĩa lμ có thể gộp ( hay trộn-fusion ) nhiều t† liệu của các bộ cảm khác nhau để cho ra các t† liệu mới , ví dụ : . ảnh vệ tinh Landsat gộp với ảnh Spot . ảnh vệ tinh gộp với ảnh máy bay ảnh vệ tinh Landsat-TM huyện Hwm thuận Nam Mùa khô ( 1 /2000) Mùa M†a( 9 /2000) Hình 4.4. ảnh vệ tinh mùa khô vμ mùa m†a để nghiên c†ú biến động 198 Đỏ: tháng 5, Lá cây:tháng 9, Xanh tháng 7(1996) ảnh SPO T trên cùng khu vực Sự ph ố i h ợ p c á c ả nh vệ tinh ra da r đ a thờ i g ia n v~ ản h sPO T ng Sông Cửu Long -–phải) Hình 8.45: Ví dụ về việc trộn ảnh, khu vực Đồng bằ ( ảnh Radar -–trái, ảnh SPOT - Gộp ảnh với các dữ liệu có sẵn: Ph†ơng pháp gộp dữ liệu nμy bao gồm gộp ảnh vệ tinh với các dữ liệu nh† mô hình số độ cao DEM, cáclớp thông tin về đất, môi tr†ờng.Việc gộp ảnh với dữ liệu DEM tạo nên một cặp ảnh nổi cho việc nhìn nhận ảnh thiết ai mắt ợng thị sai ảnh đ†ợc thiết lập trong việc gộp dữ liệu nμy. Việc gộp nμy tạo ảnh nhìn 3 iễn thám vμ thông tin địa lý: đầu ra của công nghệ viễn thám đôi khi lμm c y hμi lòng vì các kết quả chỉ hiển thị trên mμn hình hoặc các dữ liệu in ra trên giấy d†ới dạng bán thμnh phẩm. để khắc phục, có thể chồng bản đồ giao thông, dân c† hay hiện trạng sử dụng đất lên ảnh xử lý từ viễn 199 nổi bằng các bị nh† kính h stereo. Hiện t† nên chiều giúp cho phân tích vμ giải đoán ảnh một cách dễ dμng hơn. Hình 8.46: ảnh Spot vùng núi Ba Vì đ‡ợc gộp với dữ liệu số DEM. ý nghĩa của việc liên kết t liệu trong v Đối với ng†ời sử dụng các kết quả ho ng†ời sử dụng không cảm thấ 200 thám . Hơn nữa trong một số bμi toán phân loại t† liệu viễn thám chúng ta sẽ đạt đ†ợc kết quả chính xác hơn nếu có đ†ợc các thông tin địa lý bổ trợ: ví dụ các số liêu đai cao, độ dốc. Để việc liên kết dữ liệu đ†ợc thuận lợi, các dữ liệu thông tin địa lý cần đ†ợc l†u trữ d†ới dạng số vμ đ†ợc đ†a về cùng một hệ toạ độ đồng nhất. Các dữ liệu số phải ở các dạng có khả năng cho phép chồng phủ nên nhau, nghĩa lμ t†ơng đối đồng nhất về hình học. Nh† vậy, về cơ bản, liên kết dữ liệu đ†ợc thực hiện thông qua hai dạng dữ liệu của cơ sở dữ liệu trong GIS vμ công việc nμy gọi lμ tổ hợp dữ liệu viễn thám với GIS, đây lμ quá trình tiếp theo của xử lý ảnh nhằm cho ra các kết quả theo yêu cầu, hoặc cho ra các thông tin để tiếp tục phân tích. Tóm tắt chung ch‡ơng 8 Viễn thám lμ một bộ môn khoa học các đối t†ợng vμ hiện t†ợng từ một khoảng cách xa m đ†ợc sử dụng để nghiên cứu ới khả năng chinh phục để nghiên cứu bề mặt các hμnh tinh khác. nguyên môi tr†ờng. thống thông tin địa lý, tất nhiên trong nhiếu lĩnh vực, viễn thám c độc lập. Viễn thám đ†ợc hình thμnh vμ phát triển cùng với q chinh phục khoảng không, từ khoảng cách rất thấp gần mặt đất cách rất xa từ ngoμi vũ trụ. Viễn thám đã trở thμnh lĩnh vực kho ngμnh vμ có tính toμn cầu. Sự phát triển của kỹ thuật viễn thám đ†ợc thể hiện ở cả hai liệu vμ xử lý t† liệu. Việc thu nhận t† liệu dựa trên quá trình thông tin về bức xạ điện từ của các đối t†ợng vμ hiện t†ợng trên bề mặt hμnh tinh. Với hai dạng kỹ thuật thu nhận hình ảnh chủ yếu lμ chụp ản quét tạo ảnh bằng các thiết bị cảm biến. Các kỹ thuật vật lý vμ th mở rộng dải phổ điện từ từ vùng cực tím đến vùng sóng cực ngắ c hiện t†ợng tự nhiên. Trên cơ sở tính chất ng pháp viễn μ không cần tiếp xúc trực tiếp tới đối t†ợng. Viễn thám tr†ớc hết bề mặt trái đất,đáybiển. Song hiện nay cùng v vũ trụ, viễn thám đã đ†ợc áp dụng Viễn thám đ†ợc áp dụng trong rất nhiều lĩnh vực vμ cμng ngμy cμng khẳng định tính hiệu quả cao tr†ớc những yêu cầu trong thực tế của công tác nghiên cứu, quản lý tμi lμ một phần của hệ ó thể d†ợc sử dụng uá trình con ng†ời đến những khoảng a học mang tính đa vấn đề: thu nhận t† ghi nhận vμ truyền h bằng máy ảnh vμ ông tin đã cho phép n nên đã phân tich đ†ợc rất nhiều thông tin mớivề đối t†ợng hoặ Với quan niệm rộng vμ đúng nhất thì viễn thám d†ợc xem khác nhau của bức xạ điện từ ở các dải sóng khác nhau mμ nhiều ph†ơ thám đ†ợc hình thμnh vμ phát triển cùng với sự phát triển của công nghệ vũ trụ trên thế giới. Việc khai thác thông tin viễn thám vẫn dựa trên một cơ sở chính lμ kiến thức chuyên môn của ng†ời phân tích. Với sự phát triển của các lĩnh vực cơ học, toán học, quang phổ vμ tin học, rất nhiều thông tin đ†ợc khai thác từ cùng một hoặc một số nguồn t† liệu viễn thám. Khái niệm "bầu trời mở" đ†ợc đ†a ra trong viễn thám đã đế cập đến tính phổ cập ở phạm vi toμn cầu, tính trao đổi vμ không ngừng phát triển của viễn thám . Sự đa dạng về khả năng áp dụng vμ tính hiệu quả của viễn thám thể hiện tính †u việt của nó mμ các ph†ơng pháp truyền thống phải mất rất nhiều công sức, nhiều chi phí hoặc không thể lμm nổi. Hình 8.47: Khả năng cung cấp ảnh phân giải siêu cao QUICKBID trên phậm vi toμn cầu 201 202 Hình A Hình B phạm vi tác động của sóng thần Hình 8.48: ảnh phân giải siêu cao QUICKBID chụp sóng thần ở Srilanka sau 4 giờ(10.20 phút sáng , giờ địa ph‡ơng ) từ lúc sóng thần xảy ra vμo 6.28 phút sáng (ảnh B ) vμ sau khi sóng thần ngừng hoạt động (ảnh C). 203 Giải thích Các chữ viết tắt AI: Artifical interlligent: Sự thông minh nhân tạo. AM/FM: Automated mapping/ Facilities management: Tự động hoá lập bản đồ vμ quản lý đa chức năng. AMF: Area master file: Vùng của file chính. ANSI: Americal nation standard institute: Tr†ờng đại học tiêu chuẩn quốc gia. ASCII: American standard code for information exchange: Khuôn dạng chuẩn chuyển đổi thông tin của Mỹ. AVHRR: Advantege very high resolution radiometer: Máy quét phân giải phổ cao. BCD: Binary code decimal: Code 2 chữ số với cơ số 10. BIL: Band interleaved by line: Cấu trúc đ†ờng xen đ†ờng trong 1 band ảnh vệ tinh. BIP: Band interleaved by pixel: Cấu trúc xen kẽ giữa các pixel của các band ảnh vệ tinh. BIT: Bynary digit: Chữ số cơ số 2 (nhị phân). BPI: Bytes per inch: Nhiều byte trong một inch. BSQ: Band sequential: Tần số band. CAD: Computer assited design: Thiết kế có sự trợ gi CAM: Computer aided mapping: Lập bản đồ có sự trợ gi CASE: Computer aided software engineering: Phần mề trợ giúp. CCT: Computer compatible tape: băng từ máy tính đọc đựơc. CD: Compact disk: Đĩa quang. CD – ROM: Compact disk read only memory: đĩa quang chỉ để đọc. CGA: Color graphic adapter: Bộ nối vẽ mμu. CIR: Colour infrared: Mμu hồng ngoại. CMY: Cyan magenta yellow: Mμu xanh lam, đỏ hồng, vμng. COGO: Coordinate geometry: Đo đạc toạ độ. thode. DIME: Dial independent map en