- TÍCH HỢP ẢNH RADAR VÀ ẢNH QUANG HỌC XÂY DỰNG BẢN ĐỒ HIỆN TRẠNG SỬ DỤNG ĐẤT THÀNH PHỐ CẦN THƠ. - Bản đồ sử dụng đất, Cần Thơ, Landsat-8, Seninel-1A. - Bản đồ hiện trạng sử dụng đất đóng vai trò quan trọng trong việc kiểm kê và định hướng quy hoạch sử dụng đất đai. - Hiện nay, việc ứng dụng ảnh vệ tinh đã và đang đóng góp rất nhiều cho việc thành lập các bản đồ hiện trạng sử dụng đất. - Tuy nhiên, dữ liệu ảnh quang học (optical) thường bị mây che phủ, đặc biệt trong mùa mưa, làm ảnh hưởng đến kết quả giải đoán ảnh. - Với đặc điểm của ảnh radar là có thể xuyên qua mây, phương pháp tích hợp (fusion) 2 loại ảnh quang học (Landsat-8) và radar (Sentinel-1) được sử dụng trong xây dựng bản đồ hiện trạng sử dụng đất tại thành phố Cần Thơ năm 2019. - Phương pháp Gram-Schmidt để tích hợp ảnh và phương pháp phân loại dựa trên đối tượng (object-based classification) được sử dụng để thành lập bản đồ hiện trạng sử dụng đất thành phố Cần Thơ năm 2019. - Kết quả nghiên cứu đã phân loại được 5 kiểu sử dụng đất chính là đất trồng cây lâu năm, đất trồng lúa, sông rạch, đất ở và đất nuôi trồng thủy sản. - Kết quả đánh giá độ chính xác cho thấy độ chính xác toàn cục đạt 83,8% và hệ số Kappa là 0,68. - Kết quả của nghiên cứu cho thấy tiềm năng lớn của việc tích hợp ảnh radar và ảnh quang học trong xây dựng bản đồ hiện trạng sử dụng đất thành phố Cần Thơ.. - Tích hợp ảnh radar và ảnh quang học xây dựng bản đồ hiện trạng sử dụng đất thành phố Cần Thơ. - ĐBSCL nổi bật là điểm nóng của thay đổi sử dụng đất (Giri el al., 2003), là khu vực được dự báo sẽ chịu ảnh hưởng nặng nề dưới tác động của biến đổi khí hậu toàn cầu (Wassmann et al., 2004). - Trong những năm gần đây, việc sử dụng đất và che phủ đất ở ĐBSCL đã trải qua những thay đổi lớn do các hoạt động nhân tạo ngày càng tăng (Zhang et al., 2017).. - Do đó, việc xây dựng bản đồ hiện trạng sử dụng đất trong công tác quy hoạch, quản lý đất đai là hết sức cần thiết.. - Khảo sát, đánh giá thành lập bản đồ hiện trạng sử dụng đất là một nội dung quan trọng, được xây dựng mỗi năm một lần gắn liền với việc kiểm kê đất đai (Quốc hội Việt Nam, 2013).. - Trước đây, bản đồ hiện trạng sử dụng đất được thành lập bằng các phương pháp thủ công nên mất rất nhiều thời gian và kinh phí (Forkuor et al., 2018). - tinh trong thành lập bản đồ hiện trạng sử dụng đất đã đem lại nhiều hiệu quả (Kovacs et al., 2005. - Nhưng nếu chỉ phân tích dữ liệu ảnh SAR duy nhất thì không phân loại được lớp phủ bề mặt. - Do đó, nghiên cứu tiến hành tích hợp hai loại ảnh này nhằm tăng lượng thông tin, kết hợp các ưu điểm và khắc phục nhược điểm của hai loại tư liệu trên nhằm phục vụ cho mục đích phân loại đối tượng lớp phủ. - Nghiên cứu thực hiện nhằm đánh giá khả năng tích hợp ảnh radar và ảnh quang học trong thành lập bản đồ hiện trạng sử dụng đất thành phố Cần Thơ.. - Bảng 1: Chi tiết về hai loại dữ liệu được sử dụng trong nghiên cứu. - Trong nghiên cứu lớp phủ mặt đất chỉ sử dụng các kênh ảnh từ kênh 2 đến kênh 7, nghiên cứu tiến hành gộp từ kênh 2 đến kênh 7 là các kênh ảnh có độ phân giải không gian 30 m.. - Thực hiện loại bỏ nhiễu nhằm loại bỏ các tín hiệu radar bị nhiễu động bởi các yếu tố môi trường xung quanh, bước xử lý ảnh này rất quan trọng và đã được sử dụng nhiều trong các nghiên cứu trước đây (Filipponi, 2019). - Bước này, được thực hiện bằng công cụ Calibration trong phần mềm SNAP 7.0 và cũng đã được sử dụng nhiều trong các nghiên cứu trước đây (Filipponi, 2019).. - Các đốm này là hoàn toàn ngẫu nhiên do bộ cảm không nhận được tín hiệu phản hồi (tán xạ) từ đối tượng do tín hiệu bị phân tán mạnh. - Sử dụng bộ lọc để loại bỏ các đốm này trên ảnh radar giúp làm tăng chất lượng ảnh và nâng cao độ chính xác của phân tích ảnh. - Một số nghiên cứu trước đây đã sử dụng phương pháp này và mang lại những hiệu quả tương đối tốt (Fu el al., 2017. - Để hiệu chỉnh hình học sử dụng chức năng terrain. - Một số nghiên cứu trước đây đã sử dụng phương pháp này và mang lại những hiệu quả tương đối tốt (Fu el al., 2017;. - 2.3 Phương pháp tích hợp ảnh. - Trong nghiên cứu này, thực hiện tích hợp ảnh radar và ảnh quang học bằng phương pháp Gram Schmidt (GS). - Kết quả tích hợp ảnh SAR và ảnh quang học sẽ tạo ra ảnh phản xạ phổ với các kênh ảnh tương tự như ảnh Landsat-8. - Do đó, có thể tính toán được các chỉ số như NDVI để phục vụ cho quá trình phân loại ảnh.. - Lựa chọn những điểm mang tính chất đại diện cao, là những điểm còn nghi ngờ, chụp ảnh, ghi lại tọa độ GPS và ghi nhận hiện trạng sử dụng đất tại vùng khảo sát.. - Từ kết quả khảo sát thực tế, đối chiếu với kết quả bản đồ đã được giải đoán để đánh giá độ chính xác, từ đó đánh giá hiệu quả của việc tích hợp ảnh radar. - và ảnh quang học trong xây dựng bản đồ trạng sử dụng đất. - Cần Thơ năm 2019 2.6 Phân loại. - Ở bước phân đoạn này, các thông số về tỉ lệ (scale parameter) và tính không đồng nhất (heterogeneity) quyết định độ lớn của đối tượng.. - Phân đoạn ảnh thành các đối tượng không chỉ dựa vào giá trị điểm ảnh mà còn dựa vào quan hệ giữa nó với các điểm ảnh lân cận. - Nghiên cứu sử dụng phương pháp thử sai nhận thấy với tỷ lệ = 30, hình dạng = 0.1 và độ chặt = 0.5 các đối tượng sử dụng đất được tách thành các mảnh riêng biệt.. - Phân loại ảnh dựa trên đối tượng được tiến hành bằng phần mềm eCognition, cho phép người giải đoán có thể phát triển các quy tắc, công thức, thuật toán dựa vào đặc tính, tính chất của đối tượng.. - đoán bằng mắt để phân loại các đối tượng sử dụng đất.. - Sử dụng chỉ số Kappa (K) nhằm thống kê, kiểm tra và đánh giá sự phù hợp giữa những nguồn dữ liệu khác nhau hoặc chỉ áp dụng các thuật toán khác nhau (Lê Văn Trung, 2010).. - E- Đại lượng thể hiện sự mong muốn phân loại chính xác có thể đoán trước. - 3 KẾT QUẢ THẢO LUẬN 3.1 Kết quả tích hợp ảnh. - Kết quả tích hợp ảnh được thể hiện ở Hình 4.. - Hình 4: Kết quả tích hợp ảnh (tổ hợp màu 543). - Từ kết quả tích hợp ảnh cho thấy ảnh tích hợp đã có được độ phân giải không gian 10m tương đương với độ phân giải không gian của ảnh Sentinel-1.. - Trên ảnh tích hợp thể hiện được nhiều thông tin hơn khi phân tích riêng lẻ ảnh quang học và ảnh SAR.. - ảnh hưởng bởi mây, việc tích hợp ảnh đã giúp có được thông tin từ ảnh SAR tại các vị trí bị ảnh hưởng bởi mây trên ảnh đa phổ. - Vị trí mây trên ảnh Landsat-8, Setinel-1 và ảnh tích hợp được thể hiện ở Hình 5.. - a) Ảnh Landsat 8 b) Ảnh Sentinel-1 c) Ảnh tích hợp. - Hình 5: Vị trí mây bị mây trên ảnh Landsat-8, Sentinel-1 và ảnh tích hợp Hình 5 cho thấy ảnh tích hợp không còn bị ảnh. - Do đó việc tích hợp ảnh có thể cải thiện phần nào việc bị ảnh hưởng bởi mây của ảnh quang học, giúp nâng cao độ chính xác của các nghiên cứu.. - Trên ảnh SAR, đối tượng nổi bật là khu vực dân cư và nước, còn các đối tượng thực vật khó phân. - Trên ảnh quang học, đối tượng dễ phân biệt là thực vật và nước, còn đối tượng khu dân cư và đất trống khó phân biệt. - Kết quả trên ảnh sau khi tích hợp, có thể xác định được vùng ranh giới của các đối tượng. - Đối tượng trên ảnh Landsat-8, Sentinel-1 và ảnh tích hợp được thể hiện ở Hình 6.. - a) Ảnh Landsat-8 b) Ảnh Sentinel-1 c) Ảnh tích hợp Hình 6: Đối tượng trên ảnh Landsat-8, Sentinel-1 và ảnh được tích hợp Từ Hình 6 có thể thấy đối tượng trên ảnh. - Landsat-8 được thể hiện không rõ ràng do ảnh có độ phân giải không gian thấp, nhưng trên ảnh tích hợp độ phân giải không gian đã được tăng lên 10m nên đối tượng được thể hiện rõ ràng hơn. - Mặt khác, ảnh tích hợp có khả năng phân biệt các đối tượng là các khu vực dân cư và nước tốt hơn so với ảnh Landsat-8.. - 3.2 Kết quả phân loại ảnh. - Trong nghiên cứu này, 5 đối tượng được phân loại là: cây lâu năm, đất trồng lúa (lúa và rau màu), đất nuôi trồng thủy sản, đất ở và sông rạch. - Kết quả phân loại ảnh được thể hiện ở Hình 7.. - Hình 7: Kết quả phân loại ảnh Từ kết quả giải đoán, đất trồng lúa tập trung. - 3.3 Đánh giá độ chính xác sau phân loại Từ kết quả phân loại ảnh đã xác định được hiện trạng sử dụng của từng loại đất, tiến hành đánh giá độ chính xác sau phân loại ảnh bằng phương pháp so sánh kết quả khảo sát thực địa với kết quả phân loại.. - Kết quả đánh giá độ chính xác được trình bày ở Bảng 2.. - Bảng 2: Kết quả đánh giá độ chính xác. - Kết quả tính được độ chính xác toàn cục là 83,8%, và hệ số Kappa là 0,68, kết quả giải đoán ở mức tốt. - Thông qua việc đánh giá độ chính xác có thể nhận thấy kết quả giải đoán về hiện trạng sông rạch và đất ở đạt độ chính xác tốt nhất lần lượt là. - Kết quả phân loại đất thủy sản rất thấp với độ chính xác là 30%, do chỉ dựa và chỉ số NDVI ở một thời điểm đối với vùng có điều kiện tự nhiên như TP. - Cần Thơ thì rất khó có thể phân loại được đất nuôi trồng thủy sản với sông rạch và lúa.. - Tỷ lệ nhầm lẫn giữa cây lâu năm và lúa là tương đối cao, do hai đối tượng này có ngưỡng NDVI không tách biệt nhau nên việc dựa vào chỉ số NDVI để phân loại sẽ dễ bị nhầm lẫn, mặt khác việc phân loại bằng mắt cũng chỉ khắc phục được một phần những nhầm lẫn giữa hai đối tượng này.. - 3.4 Thống kê diện tích các kiểu sử dụng đất Kết quả diện tích từng loại đối tượng sử dụng đất thể hiện ở biểu đồ Hình 8.. - Hình 8: Biểu đồ tỷ lệ diện tích các kiểu sử dụng đất tại TP. - Cần Thơ.. - Kết quả tính toán diện tích các kiểu sử đụng đất trên từng quận, huyện được thể hiện ở Hình 9.. - Hình 9: Biểu đồ diện tích các kiểu sử dụng đất các quận huyện trên địa bàn TP. - Để việc đánh giá mang tính chi tiết, khách quan hơn, tiến hành so sánh diện tích của các đối tượng sử dụng đất được giải đoán từ ảnh tích hợp với số liệu kiểm kê đất đai năm 2019 của Bộ Tài nguyên và Môi trường. - Kết quả so sánh được thể hiện ở Bảng 3.. - Bảng 3: So sánh diện tích các kiểu sử dụng đất từ kết quả giải đoán với số liệu kiểm kê năm 2019 Đơn vị (ha) Kiểm kê Giải đoán Sai số. - Bảng 3 cho thấy diện tích chênh lệch giữa các đối tượng là tương đối lớn, điều này cho thấy kết quả đánh giá độ tin cậy từ hai phương pháp (dựa vào các điểm thực địa và so sánh diện tích với số liệu kiểm kê đất đai) là khác nhau. - Nguyên nhân đến từ việc kích thước mỗi điểm ảnh là 10m trong khi đó các đối tượng đất ở hoặc các kênh rạch là nhỏ hơn vì vậy dẫn đến sai số về mặt diện tích tương đối lớn, mặt khác trong nghiên cứu này đất ở bao gồm đường xá, nhà ở, các bề mặt đã bê tông hóa, trong khi đó việc kiểm kê đất đai lại tách thành nhiều đối tượng hơn nên việc so sánh đối tượng đất ở có diện tích chênh lệch tương đối lớn. - Ngoài ra việc chưa sử dụng dữ liệu ảnh đa thời gian và tích hợp thêm các chỉ số khác (NDBI, NDWI, MDWI, GNDVI) nên việc nhầm lẫn giữa đối tượng lúa và câu lâu năm, thủy sản và sông rạch vẫn còn nhiều.. - Nhìn chung, việc tích hợp ảnh radar và ảnh quang học tạo ra ảnh có nhiều ưu điểm mà khi sử dụng ảnh radar hay quang học riêng lẻ không có được. - Tuy nhiên việc tích hợp hai ảnh này cũng có những nhược điểm riêng của nó. - Ưu và nhược điểm của ảnh được tích hợp được thể hiện ở Bảng 4.. - Kết quả phân loại ảnh còn bị nhầm lẫn nhiều giữa các đối tượng với nhau, đặc biệt là thủy sản với sông rạch và lúa, giữa lúa và cây lâu năm. - Kết quả giải đoán đất nuôi trồng thủy sản chủ yếu dựa vào. - Nhìn chung, kết quả phân loại với độ chính xác 83,8% và hệ số Kappa đạt 0,68 là kết quả chấp nhận được ở mức tốt.. - Bảng 4: Ưu và nhược điểm của ảnh tích hợp. - Tăng độ phân giải của ảnh quang học Làm nổi bật các đối tượng. - Từ kết quả đánh giá độ chính xác cho thấy ảnh tích hợp phân loại sông rạch và đất ở rất tốt với độ chính xác của sông rạch là 96,7% và đất ở là 93,3%.. - Có sự nhầm lẫn trong việc phân loại đất lúa và cây lâu năm, đất nuôi trồng thủy sản với sông rạch và lúa. - Đất nuôi trồng thủy sản phân loại được chủ yếu dựa vào khả năng giải đoán bằng mắt và quá trình thực địa.. - Kết quả so sánh với số liệu kiểm kê đất đai năm 2019 cho thấy có sự chênh lệch về diện tích giữa các đối tượng sử dụng đất, nguyên nhân chủ yếu đến từ việc chỉ sử ảnh dụng ảnh ở một thời điểm và việc gom nhóm các đối tượng trong giải đoán ảnh. - Do đó cần sử dụng dữ liệu ảnh đa thời gian và kết hợp một số chỉ số khác để kết quả phân loại được tốt hơn.. - Việc tích hợp ảnh Landsat-8 và Sentinel-1 cho kết quả tương đối tốt, ảnh sau khi được tích hợp có những đặc điểm ưu việt so với việc chỉ sử dụng riêng lẻ từng loại ảnh khắc phục được ảnh hưởng của mây, tăng cường độ phân giải ảnh, làm rõ ranh giới giữa các đối tượng. - Kết quả phân loại ảnh tích hợp với độ chính xác toàn cục là 83,8% và hệ số Kappa là 0,68 đã thành lập được bản đồ hiện trạng sử dụng đất TP. - Cần Thơ năm 2019 với năm đối tượng sử dụng đất chính là sông rạch, cây lâu năm, đất trồng lúa, đất ở, và đất nuôi trồng thủy sản. - Nhìn chung, việc tích hợp ảnh Landsat-8 và Sentinel-1 cho kết quả khả quan, mở ra nhiều hướng nghiên cứu mới trong việc tích hợp ảnh radar và ảnh quang học.