Sử dụng phương pháp kế thừa tài liệu, bản đồ hiện có, phương pháp chuyên gia kiểm tra lại tất cả kết quả phân loại tự động nhằm chỉnh sửa, bổ sung các lô có thể bị gán tên trạng thái chư[r]
Trang 1Khả năng ứng dụng ảnh máy bay không người lái phục vụ công tác
điều tra và đánh giá hiện trạng lớp phủ rừng khu vực cửa sông Ba Lạt
Vũ Văn Chất 1 , Vũ Tiến Điển 2 ,Trần Thị Ngoan 3
1 Cục Bản đồ, Bộ Tổng Tham mưu
2 Trung tâm Tài nguyên và Môi trường Lâm nghiệp,Viện Điều tra Quy hoạch Rừng;
3 Đại học Tài nguyên và Môi trường;
Tóm tắt: Bài báo về việc ứng máy bay không người lái Swinglet CAM của Thụy sỹ bay chụp
phục vụ công tác điều tra và đánh giá hiện trạng lớp phủ rừng khu vực vườn quốc gia Xuân Thuỷ ở cửa sông Ba Lạt Giới thiệu khả năng các tính năng kỹ thuật của Swinglet CAM, quy trình bay chụp, tính toán sử lý số liệu và thành lập bình đồ ảnh Đề xuất quy trình và phương pháp thành lập bản đồ hiện trạng rừng, giải đoán ảnh, điều tra ngoại nghiệp, phân loại rừng,
so sánh với ảnh SPOT, và đưa ra kết luận và kiến nghị.
Từ khóa: Máy bay không người lái, thành lập bản đồ hiện trạng lớp phủ rừng.
1 Mở đầu 1
Ở Việt Nam, ảnh viễn thám đã được
sớm đưa vào sử dụng trong công tác điều
tra, xây dựng bản đồ hiện trạng rừng phục
vụ dõi đánh giá diễn biến nguồn tài nguyên
thiên nhiên trong phạm vi cả nước
Cũng như một số nước trong khu vực,
Việt Nam đã sử dụng ảnh viễn thám từ
những năm 1979 đến nay Nguồn tư liệu
ảnh ban đầu sử dụng là ảnh Landsat nhưng
rất hạn chế Đến nhưng năm 1990 ảnh máy
bay được sử dụng ở một số khu vực nhất
định Hầu hết dữ liệu ảnh sử dụng người
đoán đọc phải tốn nhiều công sức đoán đọc
cũng như xử lý ảnh để đưa ra kết quả cuối
cùng Những năm 2005 đến nay ảnh Spot4,
Spot5, Spot6 được sử dụng trong công tác
xây dựng bản đồ hiện trạng rừng giúp nâng
cao độ chính xác bản đồ và thời gian tác
nghiệp ngoài thực địa
Công nghệ ngày một phát triển đi kèm
yêu cầu công việc ngày càng cao đòi hỏi
cần có nhiều tư liệu ảnh có độ phân giải
cao Một số ảnh độ phân giải cao thỏa mãn
yêu cầu như Quick Birth,Ikonos, tuy
1
nhiên giá thành cao hoặc rất khó tiếp cận Với yêu cầu cần có tư liệu ảnh có độ phân giải cao kết hợp với giá thành thấp thì việc
sử dụng công nghệ chụp ảnh bằng máy bay không người lái là hướng phát triển mới trong Lâm nghiệp
Hiện nay, những nghiên cứu về các nguyên nhân và giải pháp hạn chế sự biến đổi khí hậu ở Việt Nam nói riêng và trên toàn thế giới nói chung đang được rất nhiều
tổ chức quan tâm Để phục vụ công tác này, nhu cầu về khai thác, chiết xuất thông tin từ ảnh viễn thám xây dựng bản đồ Hiện trạng rừng phục vụ việc theo dõi biến động Tài nguyên rừng là rất cần thiết
Trong những năm gần đây, ảnh SPOT5
đã được sử dụng khá phổ biến ở trong nước
để xây dựng bản đồ hiện trang rừng Tuy nhiên, chất lượng ảnh cùng với thời gian chụp ảnh dài phần nào ảnh hưởng đến chất lượng xây dựng bản đồ hiện trạng rừng phục vụ chương trình tổng điều tra kiểm kê rừng toàn quốc Để nâng cao chất lượng bản đồ phục vụ yêu cầu chi tiết của công tác kiểm kê rừng đến hộ gia đình cần có bổ sung ảnh có độ phân giải cao hơn và có tính thời sự kịp thời Vì vậy ảnh máy bay không
Trang 2người lái là nguồn ảnh bổ sung kịp thời với
độ phân giải cao góp phần nâng cao được
yêu cầu độ chính xác của công tác kiểm kê
rừng, đánh giá tác động của các điều kiện
kinh tế xã hội đến biến động lớp phủ
Ảnh máy bay đã có ở Việt Nam từ
những năm 1990 được chụp bởi máy bay do
con người điều khiển Tuy nhiên với giá
thành cao nên loại ảnh này ít được sử dụng
trong các chương trình điều tra theo dõi
diễn biến rừng
Công nghệ sử dụng thiết bị bay không
người lái là công nghệ mới ở Việt Nam đã
và đang được áp dụng trong một vài năm
gần đây Công nghệ này sử dụng một thiết
bị bay không người lái có gắn camera bay
chụp để thu được những bức ảnh trên một
khu vực nhất định Kết quả bay chụp là hệ
thống ảnh chụp theo một trình tự bay đã
được lập trình sẵn và có tọa độ tương ứng
với nền địa vật bên dưới mặt đất
2 THIẾT BỊ BAY CHỤP ẢNH KHÔNG
NGƯỜI LÁI SWINGLET CAM
2.1 Những đặc tính cơ bản của hệ thống
Swinglet CAM
Swinglet CAM là giải pháp hoàn chỉnh cho
công nghệ đo vẽ ảnh số lập bản đồ, là một
hệ thống đồng bộ về thiết bị, bao gồm thiết
bị bay, máy ảnh số, GPS, thiết bị điều khiển
mặt đất, phần mềm lập kế hoạch bay, phần
mềm xử lý kết quả bay chụp Tất cả chúng
đều tính toán tự động để tạo ra sản phẩm
đầu cuối (4)
Thiết bị bay được chế tạo từ xốp hoạt tính,
có độ bền cao, chịu được ảnh hưởng của
điều kiện thời tiết khắc nghiệt Sải cảnh dài
80cm, nặng 0,5kg là thiết bị bay nhẹ nhất
trên thị trường hiện nay, cũng đồng nghĩa
với độ an toàn cao nhất, có thể dễ dàng cất
cánh bằng tay không cần thiết bị nâng đỡ
phụ trợ nào khác Hệ thống pin Lithium
Polymer nhẹ, an toàn với môi trường, có thể
bay 30 phút cho mỗi lần cất cánh, với tốc
độ 36km/h (10/s), chịu được sức gió 25km/
h (7m/s) Tín hiệu điều khiển, truyền số liệu
Radio tần số 2.4GHz lên tới khoảng cách 1km Trong điều kiện mất tín hiệu Radio link, cũng không có ảnh hưởng lớn, vì toàn
bộ số liệu thu nhận trong quá trình bay được lưu trữ trên bộ nhớ của thiết bị bay và thẻ nhớ của máy ảnh Swinglet CAM là loại máy bay cánh bằng sử dụng 1 động cơ điện gắn phía sau, có chức năng tránh khẩn cấp, motor có thể đẩy ngược giảm tốc cho phép
hạ cánh trong khoảng cách 50m rộng 40m,
có đủ các giải pháp quản lý chuyến bay cần thiết đảm bảo an toàn
Hình 1: Các thiết bị chính của máy bay và trạm điều khiển mặt đất Swinglet CAM
Phần mềm lập kế hoạch bay, cũng là phần mềm điều khiển trong quá trình bay chụp Các tuyến bay tự động được tính toán khi
có các thông số về khu đo như: phạm vi bay chụp, độ phân giải ảnh (chiều cao bay chụp), độ phủ ảnh Có thể tự động xác định
độ cao bay thay đổi theo bề mặt địa hình dựa trên dữ liệu độ cao SRTM 90m miễn phí trên mạng hoặc dữ liệu độ cao được cung cấp bởi người dùng Có thể mô phỏng quá trình bay chụp trước khi bay ngoài thực địa để kiểm tra tiến trình cất, hạ cánh Kết quả mô phỏng có thể mở bằng phần mềm Google Earth trong không gian 3D để quan sát trực quan Trong quá trình bay chụp tự động vẫn có thể điều khiển thực hiện lệnh khẩn cấp như hạ cánh hoặc quay về vị trí xuất phát
Phần mềm xử lý kết quả bay chụp được thiết kế chặt chẽ từ khâu tính toán bình sai
Trang 3khối tam giác ảnh đến nắn ảnh, ghép khối
ảnh tự động Đồng thời nó cũng cho phép
tính toán nhanh để kiểm tra chất lượng ảnh
ngay tại thực địa chỉ trong một vài phút với
chất lượng hình ảnh đạt 25% ảnh gốc
2.2 Máy chụp ảnh của Swinglet CAM
Swinglet CAM sử dụng máy ảnh nhỏ
CanonIXUS 127HS, được hãng Sensefly
đặt hàng chuyên để chụp ảnh hàng không,
có thế xác định các yếu tố đo ảnh, định
hướng Độ phân giải 16MP, tiêu cự 4.3mm,
độ phân giải mặt đất có thể đạt đến 3cm ở
độ cao bay khoảng 100m
2.3 Phần mềm xử lý số liệu Postflight
Terra 3D
Trong công nghệ đo vẽ ảnh số hàng không
truyền thống, việc đo vẽ bằng tay trên mô
hình lập thể tốn rất nhiều thời gian công
sức, đặc biệt với chụp ảnh bằng máy ảnh
nhỏ, số lượng mô hình lớn, diện tích phủ
nhỏ Tuy nhiên với khả năng tự động hóa
cao, thuật toán chặt chẽ, phần mềm
Postflight Terra 3D (3) hoàn toàn tự động
trong công tác tăng dày, nắn ảnh trực giao
thực (TrueOrtho), tạo dữ liệu độ cao đám
mây điểm (Point clouds) và mô hình số bề
mặt (DSM), vì vậy sẽ tăng độ chính xác và
giảm rất nhiều thời gian công sức Sản
phẩm đầu ra đa dạng, đáp ứng được nhiều
mục đích sử dụng, đặc biệt với dữ liệu độ
cao đám mây điểm, có thể kết hợp với các
nguồn dữ liệu đám mây điểm của thiết bị
quét Laser mặt đất để tạo một khối dữ liệu
đầy đủ từ trên không đến mặt đất trong
không gian 3D
Tăng dày khống chế ảnh dựa trên nguyên lý
tăng dày chùm tia, tự động nhận dạng điểm
ảnh cùng tên và liên kết khối, với sự đổi
mới áp dụng độ phủ lớn từ 70% đến 90%
cho phép tạo khối tăng dày vững chắc, chặt
chẽ, chính xác cao
3 QUY TRÌNH CÔNG NGHỆ BAY CHỤP
ẢNH BẰNG SWINGLET CAM
3.1 Chuẩn bị kế hoạch bay
- Xác định phạm vi bay chụp, sử dụng tài liệu có sẵn như bản đồ địa hình, ảnh vệ tinh,
mô hình số độ cao… để tham khảo lựa chọn
sơ bộ vị trí cất cánh hạ cánh
- Khảo sát thực địa: chọn vị trí cất cánh và
hạ cánh nơi đo, yêu cầu khu vực có bán kính khoảng 30m địa hình bằng phẳng, có thể nền cỏ, cây bụi, đất đá dăm
- Thiết kế tuyến bay bằng phần mềm Emotion2 Tùy thuộc vào yêu cầu về độ chính xác và tỷ lệ thành lập bản đồ để xác lập các thông số bay cho phù hợp Đối với khu vực mỏ,vì địa hình có thay đổi lớn về
độ cao, nên bay theo dáng địa hình để đảm bảo đồng nhất về tỷ lệ ảnh (hay độ phân giải ảnh) trên toàn khu bay Thông thường bay với độ phân giải 6cm; độ phủ 80%-80%; độ cao bay 200m/ATO
- Thời gian bay: Mỗi chuyến bay không quá
30 phút
- Diện tích phủ khoảng từ 1,5km2 đến 6km2
- Đo 3 đến 5 điểm khống chế ảnh
3.2 Bay chụp:
- Sau khi thiết kế xong sơ đồ bay chụp, kết nối bộ điều khiển Radio link vào máy tính thông qua cổng USB trên máy tính
- Đo tốc độ gió, xác định hướng gió
- Cất cánh bằng tay, không cần thiết bị phụ trợ nào khác
- Swinglet Cam sẽ tự động bay đến các vị trí Way points (điểm đầu tuyến) để chụp ảnh Kết thúc quá trình chụp ảnh, Swinglet Cam tự động quay về vị trí cất cánh (Take off) để hạ cánh Một số độ cao bay chính:
- 140m (độ phân giải ảnh 5cm/pixel) 1 ảnh 0.03km2 (3ha) và 1 lần bay chụp 1.5km2
(150ha)
- 280m (độ phân giải ảnh10cm/pixel) 1 ảnh 0.12km2 (12ha) và 1 lần bay chụp 4km2
(400ha)
Trang 4- 840m (độ phân giải ảnh 30cm/pixel) 1 ảnh
1.07km2 (107ha) và 1 lần bay chụp 10km2
(1000ha)
3.3 Kiểm tra nhanh tại thực địa
- Sau khi hạ cánh, kết nối Swinglet CAM
vào máy tính để lấy số liệu
- Chạy chương trình Postlight LT để kiểm
tra nhanh chất lượng ảnh tại thực địa Nếu
chất lượng ảnh kém có thể tiến hành bay
chụp lại để tránh chi phí đi chụp lại
3.4 Xử lý nội nghiệp (Terra 3D)
Công việc đo nối liên kết xây dựng lưới tam
giác ảnh không gian, tính toán bình sai, lập
mô hình số độ cao và lập bình đồ ảnh được
phần mềm Postflight Terra3D thực hiện tự
động Việc can thiệp bằng tay chỉ phải thực
hiện đối với các điểm khống chế mặt đất và
một số mô hình có thực phủ phức tạp
Thời gian xử lý khống chế ảnh, chích ảnh,
tính toán tăng dày khoảng 4 giờ, tạo DSM,
orthomosaic, point clouds khoảng 6 giờ cho
một khu vực diện tích khoảng 2000ha (3)
4 KHU VỰC ĐIỀU TRA, ĐÁNH GIÁ
HIỆN TRẠNG LỚP PHỦ RỪNG
4.1 Phạm vi nghiên cứu:
Khu vực vùng lõi của Vườn quốc gia Xuân
Thủy với diện tích khoảng 3000 ha với
thành phần loài cây chủ yếu là Sú, Trang,
Bần, Phi Lao
4.2 Thu thập tài liệu liên quan
Toàn bộ các tài liệu liên qua cho công tác
xây dựng bản đồ hiện trạng rừng và đất lâm
nghiệp cần được thu thập bao gồm:
- Bản đồ nền địa hình VN2000 tỷ lệ
1:10.000 các xã thuộc khu vực nghiên
cứu
- Bản đồ, số liệu hiện trạng rừng và sử
dụng đất trước đây – Kết quả chương
trình rà soát ba loại rừng năm 2007
- Bản đồ, số liệu kết quả kiểm kê đất đai
của Bộ TNMT năm 2010
- Bản đồ hiện trạng, quy hoạch ranh giới vườn quốc gia Xuân Thủy
- Các loại bản đồ, số liệu khác liên quan đến hiện trạng sử dụng đất trên địa bàn
4.3 Chụp ảnh từ Swinglet CAM
Hình 2: Chuẩn bị bay chụp
Ảnh được chụp từ Swinglet CAM bắt đầu
từ việc lập trình phạm vi bay chụp trên máy tính đã cài đặt sẵn phần mềm quản lý bay Công đoạn này xác định chính xác phạm vi bay chụp để máy bay có thể bay theo trình
tự nhất định Tùy thuộc vào phạm vi cần chụp ta có thể thiết lập bay theo tuyến bay tùy ý và phần mềm quản lý sẽ tính toán thời gian bay
Ảnh chụp được thu lại dựa trên máy ảnh tích hợp GPS gắn trên thiết bị bay UAV theo lộ trình đã được thiết lập sẵn Mỗi bức ảnh chụp trên đường bay được phần mềm thiết kế sao cho phủ đều toàn bộ phần diện tích bên dưới Máy ảnh sẽ tự động ghi lại hình ảnh lần lượt theo khoảng cách nhất định cho đến khi kết thúc quá trình bay Khu vực bay chụp với 4 lần với các mức độ thuỷ chiều khác nhau, với 25 chuyến bay
4.4 Tiền xử lý ảnh
Ảnh thu được sau khi bay chụp được đưa vào phần mềm chuyên dụng để gộp toàn bộ thành làm một ảnh chung Mỗi bức ảnh riêng rẽ được gộp lại dựa nguyên lý láng giềng gần nhất giữa hai ảnh phủ đè nhau để tìm ra điểm chung nhất Toàn bộ quá trình
Trang 5gộp ghép được tiến hành tự động dựa trên
các thông số khai báo đầu vào như điểm
khống chế, giá trị đầu vào và đầu ra
4.5 Giải đoán ảnh thành lập bản đồ hiện
trạng.
Ảnh tổng hợp sau bay chụp được đưa vào
phần mềm Ecognition tiến hành phân loại
ảnh Các bước giải đoán ảnh như sau:
+ Chuẩn bị:
Bản đồ nền địa hình VN2000 tỷ lệ
1:50.000
Kết quả chương trình rà soát Ba loại
rừng
Bản đồ, số liệu cập nhật diễn biến
rừng hàng năm của Chi cục Kiểm
lâm
Các loại bản đồ ranh giới hành
chính các cấp tính đến thời điểm
hiện tại
Bản đồ quy hoạch ranh giới Vườn
Máy tính, phần mềm, GPS và các
trang thiết bị khác
+ Lấy mẫu phân loại
Lấy mẫu là bước ban đầu rất quan trọng
trong quá trình phân loại ảnh tự động Mẫu
được chọn chính xác bao nhiêu thì kết quả
phân loại có độ chính xác bấy nhiêu Việc
lấy mẫu nhằm mục đích đưa đối tượng có
tên cụ thể vào phần mềm tính toán và xác
định chính xác đối tượng Trên cơ sở đó
phần mềm giải đoán ảnh sẽ tự động gán tên
trạng thái cho các lô rừng có cùng chung
các đặc tính, giá trị picxel, giá trị phổ với
lô mẫu Do đó việc xác định đối tượng cần
lấy mẫu và dung lượng mẫu luôn là bước
đầu tiên trong quá trình phân loại ảnh tự
động Khu vực vùng lõi Vườn quốc gia
Xuân Thủy có đối tượng mẫu dựa trên
thang phân loại rừng như sau:
Đất có rừng ngập mặn
1.1.Rừng ngập mặn
- Rừng có trữ lượng 1
- Rừng non chưa có trữ
1.1.Rừng trên cát
2 Đất không rừng
- Đất trống ngập mặn 4
Bảng 1: Thang phân loại rừng khu vực vùng lõi Vườn quốc gia Xuân Thủy
Do khu vực vùng lõi các loài cây ngập mặn mọc hỗn giao không tập trung nên phân loại chi tiết đến loài cây ngập mặn không chính xác cho từng loài riêng biệt Vì vậy chúng tôi chỉ đưa ra phân loại đối với rừng ngập mặn có trữ lượng và rừng non chưa
có trữ lượng Đối tượng rừng phi lao trồng tập trung nên được đưa vào đối tượng phân loại riêng
Quá trình lấy mẫu tiến hành theo các bước sau:
Xác định số lượng mẫu phân loại
Số lượng mẫu phân loại ảnh được lựa chọn đảm bảo trạng thái phân loại phải
có dung lượng đủ lớn để xác định một cách chính xác ngưỡng cho từng tiêu chí của các trạng thái cần phân tách trong các cảnh ảnh Trên từng cảnh ảnh, mỗi trạng thái lấy
số điểm mẫu ít nhất là 30 mẫu
Số lượng mẫu phân loại ảnh cho một cảnh ảnh được tính theo công thức như sau:
N k = N tt x 30
Chọn mẫu trong phòng Mẫu lựa chọn phải ở tâm lô mẫu và có đặc điểm đại diện cho trạng thái rừng của lô Mỗi trạng thái lấy nhiều hơn 30 lô trạng
Trang 6thái để thuận tiện cho công tác kiểm chứng
tiếp cận ngoài hiện trường
Sau khi chọn xong mẫu được đánh thứ tự
và tiến hành biên tập mẫu trên nền ảnh để
khảo sát kiểm chứng thực địa
Khảo sát ngoại nghiệp
+ Thiết kế tuyến điều tra khảo sát
Làm việc với cán bộ địa bàn để thiết lập
tuyến khảo sát sao cho có khả năng quan sát
tiếp cận được nhiều ô mẫu đã chọn trong
phòng
Tận dụng hệ thống đường giao thông,
đường lâm nghiệp xác định tuyến
Lên kế hoạch khảo sát
+ Khảo sát thực địa
Tiến hành khảo sát thực địa theo tuyến đã
xác định ở trên Trên các tuyến, xác định vị
trí từng Ô mẫu cần điều tra bằng việc sử
dụng chức năng tìm kiếm của GPS
+ Đối với các Ô mẫu có thể tiếp cận được
Chụp ảnh và ghi các thông tin vào hệ thống
phiếu điều tra mẫu ảnh
+ Đối với các ô mẫu khó có khả năng tiếp
cận, nhưng có thể quan sát tốt
Xác định vị trí quan sát trên bản đồ và vị trí
ô mẫu ngoài thực địa
Chụp ảnh ô mẫu, ghi lại các thông số chụp
như: khoảng cách, hướng chụp
Thống kê lại kết quả điều tra khảo sát ô
mẫu cho từng trạng thái sau mỗi ngày điều
tra để sao cho khi hết đợt ngoại nghiệp đảm
bảo mỗi trạng thái theo thang phân loại phải
có ít nhất 30 ô mẫu
Hoàn thiện hệ thống mẫu ảnh
Kết hợp kết quả xây dựng, mô tả mẫu phân
loại ảnh trong phòng và kết quả kiểm
chứng, bổ sung ngoài thực địa để xây dựng
bộ mẫu khoá ảnh hoàn chỉnh
Số lượng mẫu khoá ảnh cần được xây dựng
phải đảm bảo: mỗi trạng thái có ít nhất 30
mẫu đại diện cho điều kiện sinh thái, địa hình, khu vực khác nhau
Xây dựng hệ thống điểm các ô mẫu phân loại ảnh
+ Xác định tiêu chí tham gia phân loại
Các chỉ tiêu trên ảnh
Chỉ số thực vật (NDVI- normalized
theo công thức dưới đây:
NDVI = (NIR - RED)/(NRI+RED)
Trong đó:
NDVI: Chỉ số thực vật
NIR: Kênh cận hồng ngoại của ảnh SPOT5 RED: Kênh đỏ của ảnh SPOT5
Tỷ số chỉ số thực vật (ratio vegetion index)
RVI=NIR/RED
Tỷ số tổng giá trị cấp độ xám (total ratio reflectance index)
TRRI = (DN1+DN2….+DNn)/(n*255)
TRRI thường dùng để tính giá trị cấp độ xám trung bình
DN1, DN2…DNn: Giá trị cấp độ xám của từng kênh của ảnh vệ tinh
Chỉ số thực vật sai khác DVI (difference vegetion index) hay còn gọi
là chỉ số thực vật môi trường EVI (environmental vegetion index
DVI =NIR - RED
Chỉ số màu xanh thực vật GVI (green vegetation index)
GVI=1.6225NIR – 2.2978RED + 11.0656
Chỉ số tăng cường lớp thực vật (Enhancement vegetation index)
EVI= 2.5* (NIR-RED)/(NIR+6*RED-7.5*BLUE+1)
Trang 7Ngoài ra, một số chỉ tiêu có sẵn trong phần
mềm cũng được chúng tôi xác định đưa vào
trong quá trình phân loại như: Sai tiêu
chuẩn, giá trị Max, Min, Mean của từng
kênh
Các nhân tố phi ảnh
- Ranh giới hành chính: xã, huyện
tỉnh
- Ranh giới khoảnh, tiểu khu
- Ranh giới ba loại rừng
- Khoảng cách đến hệ thống đường
giao thông, sông suối, khu dân cư
- Lớp rừng trồng theo hồ sơ thiết kế
trồng rừng
- Phân lớp dai cao
- Phân lớp độ dốc
- Hướng phơi
+ Chạy phân loại và định tên trạng thái
trong phòng
Sử dụng chức năng phân vùng ảnh
(segmentation) của phần mềm eCognition
để tiến hành phân vùng các đối tượng khác
nhau trên ảnh thành từng lô riêng biệt dựa
trên các chỉ tiêu được yêu cầu xác định
trong phần mềm bao gồm:
- Nhân tố tỷ lệ (Scale paramete)
- Màu sắc (color)
- Hình dạng (Shape)
- Độ trơn (Smoothness)
- Độ chặt (Compactness)
- Bản đồ các ô mẫu đã điều tra khảo
sát ở trên
Để xác định nhanh giá trị Scale paramete ta
áp dụng công thức tính:
Scale = Resolution/0,3
Tiến hành chạy phân vùng ảnh với giá trị
ban đầu thu được kết quả; nếu đạt tiến hành
thiết lập cây phân loại, nếu chưa đạt tiến
hành chạy phân vùng lại với giá trị tăng dần đến khi đạt được kết quả phù hợp nhất Sau khi có kết quả phân vùng ảnh tiến hành tạo cây phân loại trạng thái
a Tạo hệ thống phân loại(class hierarchy)
Hệ thống phân loại các trạng thái rừng và đất lâm nghiệp được xây dựng bằng phần mềm eCognition trên cơ sở hệ thống phân loại đã được xác định và đặc điểm rừng có trên địa bàn nghiên cứu
b Xây dựng bộ quy tắc phân loại ảnh (Ruleset)
Bộ nguyên tắc sử dụng trong phân loại đối tượng bao gồm các thuật toán phân mảnh ảnh (segment), các thuật toán phân loại đối tượng ảnh, cũng như các thuật toán kiểm tra thông tin đối tượng ảnh, nhập dữ liệu, xuất
dữ liệu
Để có được kết quả phân loại tốt, việc chọn các hàm thành viên và việc tham số hóa các giá trị tham gia đóng vai trò quan trọng Các hàm này phải được chọn sao cho nó thích hợp nhất với việc xây dựng được quan
hệ giữa các đặc điểm của đối tượng và các lớp Chính vì vậy quá trình phân loại phải được thiết kế trước và phải sử dụng rất nhiều kiến thức chuyên gia Đây là bước quan trọng của quá trình phân loại Ta càng biết tốt về các đối tượng trên thực tế thì càng đạt được kết quả tốt
Bộ quy tắc là tổ hợp của quy tắc mở sử dụng phối hợp các tập mờ khác nhau Bộ quy tắc mở đơn giản nhất chỉ phụ thuộc vào
1 tập mờ là quy tắc If – Then Điều đó có nghĩa nếu một điều kiện được đáp ứng thì
sẽ có 1 hành động được diễn ra Để tạo được bộ quy tắc mờ ở mức phức hợp thì ta phải tích hợp các tập mờ lại với nhau bằng các toán tử logic And, Or, Not để tạo ra giá trị chiết xuất từ các tập mờ này Trong phần mềm eCognitionta có nhiếu khả năng để tích hợp các tập mờ theo toán tử logic nói trên Tuy nhiên việc kết hợp như thế nào là
Trang 8hoàn toàn phụ thuộc vào hiểu biết của
chúng ta về đối tượng trên thực tế
Việc lập một bộ quy tắc phân loại - Ruleset
trong phân loại ảnh đối tượng dựa trên cơ
sở các tiêu chí tham gia vào quá trình phân
loại và giá trị ngưỡng của từng tiêu chí đó
cho từng trạng thái cần phân loại đã xác
định ở trên Tuy nhiên, việc xây dựng một
bộ Ruleset trong phân loại ảnh đòi hỏi
người phân tích ảnh phải có rất nhiều hiểu
biết khác nhau như: đặc trưng của từng
kênh ảnh, đặc trưng phản xạ của đối tượng
trên ảnh, đặc trưng của từng tiêu chí phân
loại, sự hiểu biết khu vực nghiên cứu, đặc
tính sinh thái của từng trạng thái cũng như
mối quan hệ giữa các đối tượng với nhau…
Vì vậy, mỗi một trạng thái sẽ được xây
dựng một quy tắc phân loại riêng, và hoàn
toàn phụ thuộc vào người giải đoán ảnh
Nguyên tắc xây dựng một bộ Ruleset sẽ
được thực hiện từ khái quát đến chi tiết, từ
các đối tượng lớn chính như đất lâm
nghiệp, đất ngoài lâm nghiệp sau đó tiến
hành cho trạng thái có rừng, không rừng và
cuối cùng chi tiết hóa theo hệ thống phân
loại đã xác định cho khu vực
c Chạy phân loại, gộp tên trạng thái
Trên cở sở bộ quy tắc đã xây dựng, tiến
hành chạy phân loại ảnh, kết quả tất cả các
lô đã được phân vùng sẽ được gán tên trạng
thái theo thang phân loại Tuy nhiên, sẽ có
nhiều lô nằm cạnh nhau sẽ được gán cùng
một tên, do vậy cần tiến hành việc gộp các
lô đó lại
Gộp lô phân loại phải đảm bảo nguyên tắc
ranh giới hành chính tỉnh, huyện, xã; ranh
giới tiểu khu, khoảnh, chức năng rừng, chủ
quản lý sẽ là cơ sở để tiến hành phân chia
ranh giới lô trạng thái Sau khi gộp, mỗi lô
trạng thái của bản đồ cấp xã sẽ có diện tích
tối thiểu là 0,5 ha
+ Kiểm tra kết quả trong phòng
Sử dụng phương pháp kế thừa tài liệu, bản
đồ hiện có, phương pháp chuyên gia kiểm
tra lại tất cả kết quả phân loại tự động nhằm chỉnh sửa, bổ sung các lô có thể bị gán tên trạng thái chưa chuẩn hoặc có sự nhầm lẫn trong quá trình chạy phân loại,chỉnh sửa ranh giới lô chạy phân loại chưa chính xác, tiến hành gộp các lô gần nhau sau khi kiểm tra thấy có cùng tên trạng thái
Nếu kết quả kiểm tra độ chính xác cho thấy kết quả không đạt (dưới 70%) cần phải tiến hành lại việc lấy mẫu, tính toán ngưỡng cho từng trạng thái, xây dựng bộ quy tắc phân loại để chạy phân loại lại
Những lô trạng thái đã được chạy phân loại nhưng sau khi các chuyên gia viễn thám kiểm tra vẫn còn nghi ngờ, chưa khẳng định được chính xác tên trạng thái sẽ được đánh dấu để kiểm tra trong quá trình ngoại nghiệp
Trên cơ sở kết quả kiểm tra, bổ sung chỉnh sửa kết quả chạy phân loại, các chuyên gia viễn thám xác định các trạng thái, khu vực
có độ chính xác phân loại không cao hoặc
có nhiều sự nhầm lẫn để bố trí tập trung kiểm tra, chỉnh sửa trong quá trính kiểm tra ngoại nghiệp
Toàn bộ kết quả phân loại tự động sẽ được xuất sang định dạng phần mềm Map/Info để biên tập bản đồ phục vụ công tác kiểm tra ngoại nghiệp
+ Kiểm tra thực địa
Làm việc với các bộ quản lý rừng tại địa phương như lực lượng Kiểm lâm, cán bộ Vườn quốc gia Xuân Thủy, cán bộ lâm nghiệp địa bàn nhằm xác định khu vực phân
bố rừng cũng như thiết lập các tuyến điều tra
Xác định tuyến kiểm tra cùng kiểm lâm địa bàn, cán bộ phụ trách địa bàn cấp huyện và cấp xã theo nguyên tắc các tuyến điều tra phải đi qua hết các trạng thái rừng và sử dụng đất trong khu vực nghiên cứu và tập trung vào những đối tượng khó nhận biết hoặc chưa xác định được tên trong quá trình giải đoán ảnh trong phòng Có thể tận dụng
Trang 9hệ thống đường mòn, đường khai thác sau
đó đi theo dạng xương cá sang hai bên để
tiếp cận được các trạng thái, đối tượng cần
kiểm tra
Công việc kiểm tra ngoại nghiệp sẽ được
tiến hành trên các tuyến điều tra đã xác định
ở trên Trên các tuyến điều tra sẽ tiến hành
so sánh đối chiếu tất cả các trạng thái rừng
và sử dụng đất giữa bản đồ giải đoán và
thực địa Tuy nhiên, việc kiểm tra sẽ tập
trung chú trọng vào một số đối tượng chính
như sau:
- Các đối tượng còn nghi ngờ trong
quá trình giải đoán ảnh trong
phòng;
- Những đối tượng có sự sai khác
trong khi giải đoán so với thực địa
Trên các tuyến điều tra, các điểm kiểm tra
sẽ được thực hiện như sau:
- Xác định vị trí chính xác bằng
GPS
- Quan sát và nhận định chính xác
tên của đối tượng quan sát
- Xác định nhanh một số nhân tố
định lượng cho đối tương quan sát
như: độ tàn che, chiều cao, loài cây
ưu thế,
- Chụp ảnh đối tượng quan sát Ghi
lại thông tin về ảnh chụp thực địa
như: tên trạng thái được chụp,
hướng chụp, khoảng cách chụp,
thời gian chụp
- Ghi lại kết quả quan sát, xác minh
ngoài thực địa theo hệ thống mẫu
biểu
- So sánh đối chiếu bản đồ giải đoán
trong phòng và ngoại thực địa để
điều chỉnh kết quả giải đoán trực
tiếp lên bản đồ ngoại nghiệp bao
gồm:
- Chỉnh sửa lại tên trạng thái nếu có
sự sai khác giữa bản đồ giải đoán trong phòng và ngoại thực đia
- Định tên chính xác cho các lô khoanh vẽ nhưng chưa xác định được tên trong quá trình giải đoán ảnh trong phòng
Toàn bộ kết quả kiểm tra điều chỉnh bổ sung ngoại nghiệp phải được trao đổi, bàn bạc và đi đến thống nhất giữa các thành viên nhóm trong quá trình điều tra Ngoài
ra, áp dụng phương pháp phỏng vấn người dân địa phương để tìm hiểu sâu hơn và tình hình quản lý, bảo vệ, khai thác sử dụng tài nguyên rừng để bổ sung cho việc điều chỉnh kết quả ngoại nghiệp
Sau quá trình kiểm tra ngoại nghiệp, bản đồ khoanh vẽ trong phòng đều được định tên đầy đủ và ranh giới lô có sự sai khác đã được điều chỉnh trực tiếp lên bản đồ ngoại nghiệp
+ Hoàn thiện bản đồ sản phẩm
a Chỉnh lý, bổ sung, hoàn chỉnh bản
đồ thành quả
Việc chỉnh lý bổ sung bản đồ thành quả sẽ dựa trên kết quả kiểm tra ngoại nghiệp Những đối tượng được chỉnh lý chính là những đối tượng còn nghi ngờ trong quá trình giải đoán và những đối tượng phát hiện có sự sai khác so với thực tế Bao gồm các bước:
- Hiển thị kết quả phân loại trên phần mềm eCognition
Trang 10- Thay đổi thuộc tính các khoanh vi
có sự sai khác theo kết quả kiểm tra
thực địa Những giá trị thuộc tính
này sẽ được quản lý dưới dạng dữ
liệu phi không gian - hệ thống biểu,
bao gồm nhiều trường dữ liệu khác
nhau, mỗi trường sẽ nghi lại một
thông tin mô tả cho lô trạng thái đó
bao gồm: tên tỉnh, huyện, xã, tiểu
khu, khoảnh, trạng thái, diện tích,
…
b Biên tập bản đồ thành quả
Biên tập bản đồ thành quả tỷ lệ
1:50.000 bằng phần mềm Mapinfo với đầy
đủ các yếu tố hiện trạng rừng và đất lâm
nghiệp
- Địa hình
- Thuỷ văn
- Giao thông
- Hành chính
- Tên địa danh
- Các điểm trụ sở UBND, trường học,
trạm y tế, bưu điện
- Tư liệu sử dụng xây dựng bản đồ và
Đơn vị xây dựng bản đồ
- Thống kê diện tích loại đất, loại
rừng theo bản đồ thành lập
Việc xử lý tính toán, đánh giá, phân tích số
liệu diện tích các trạng thái rừng và sử dụng
đất được thực hiện dưới sự trợ giúp của
công nghệ GIS, bao gồm:
- Chồng xếp bản đồ hiện trạng rừng
và sử dụng đất thành quả với bản đồ
ranh giới hành chính xã đã thu
thập được bằng phần mềm ArcGIS
- Tính toán diện tính cho từng lô
trạng thái bằng phần mềm ArcGIS
Xuất biểu thuộc tính sang phần mềm
Microsoft Excel để xử lý, thống kê diện tích
các loại rừng và đất lâm nghiệp theo hệ
thống mẫu biểu
4.6 Kết quả nghiên cứu
+ Ảnh máy bay không người lái
Với 4 lần bay chụp trên phạm vi 3000 ha thuộc khu vực vùng lõi của Vườn quốc gia Xuân Thủy thu được kết quả như hình 03 Ảnh tổng hợp dựa trên nhiều ảnh chụp khác nhau tương ứng với mỗi lần bay chụp Ảnh được tổng hợp với độ phân giải 6 cm
và hệ tọa độ tương ứng UTM - WGS84 múi 48 north
+ Giải đoán ảnh
Quá trình phân loại ảnh tự động ảnh máy bay UAV thu được kết quả như sau: Tham số phân vùng ảnh độ phân giải 6 cm tương ứng với scale parameter = 230, shape
= 0,3, compacness = 0,5 Với tham số trên kết quả phân tách đối tượng rừng và không rừng khá rõ rệt
Kết quả chạy phân loại tự động không chính xác 100% cho các đối tượng và hiện tượng lẫn giữa các trạng thái còn nhiều Đối với các trạng thái lẫn tiến hành tính toán lại giá trị để định tên lại cho các lô trạng thái lẫn Công đoạn cuối cùng sử dụng chức năng chỉnh lý bằng tay để loại bỏ lô lẫn mà máy không thể phân tách chính xác để nâng cao kết quả giải đoán trước khi gộp đối tượng để biên tập bản đồ