Ngô Thị Thùy Phương * , Võ Quang Minh Nguyễn Thị Thanh Hương

* Tác giả liên hệ (ngothuyphuong1601@gmail.com)

Abstract

This study detected the required parameters to segment the Landsat 8 satellite imageries at different levels for mapping Land Use/Land Cover (LULC). Firstly, Mutiresolution segmentation was used to segment the images into different levels. Two important parameters used to segment are Scale and Shape; of which different levels – 20, 30 and 40 for Scale; and 0.1, 0.2, 0.3 and 0.4 for Shape – were tested. Secondly, Nearest Neighbor classifier was applied on the segmented images to classify the whole area into 7 different types of LULC using training sites from field and available data. Finally, the classification results were validated using independent data based on the two criteria of Overall Accuracy and Kappa coefficient. The results show that the best result was found in case of using the Scale=40 and the Shape parameter=0,3 which gained the highest accuracy with Overall Accuracy was 81,9% and Kappa coefficient was 0,788.
Keywords: eCognition, Landsat 8 satellite image, Multiresolution segmentation, Nearest Neighbor, Scale, Shape

Tóm tắt

Nghiên cứu này lựa chọn các tham số phân đoạn phù hợp đối với ảnh vệ tinh đa phổ Landsat 8 để phân loại thảm phủ/sử dụng đất (LULC-Land Use Land Cover). Đầu tiên thuật toán phân đoạn đa phân giải (Multiresolution) được sử dụng để phân đoạn ảnh theo các mức độ khác nhau. Hai tham số được sử dụng để phân đoạn ảnh là tham số quy mô (Scale) và tham số hình dạng (Shape). Nghiên cứu đã thử nghiệm phân đoạn với các cấp độ khác nhau của hai tham số này. Với tham số Scale, có 3 cấp độ được thử nghiệm bao gồm: 20, 30, 40, trong khi tham số Shape các giá trị thay đổi bao gồm 0,1, 0,2, 0,3, 0,4. Sau đó sử dụng thuật toán Nearest Neighbor để phân loại ảnh thành 7 lớp thảm phủ/sử dụng đất dựa vào vùng mẫu đã được lựa chọn trên thực địa và dữ liệu có sẵn. Cuối cùng sử dụng bộ dữ liệu độc lập để đánh giá kết quả phân loại dựa vào độ chính xác toàn bộ (Overall Accuracy) và hệ số Kappa. Kết quả chỉ ra khi sử dụng ảnh vệ tinh Landsat 8 để phân thành 7 loại LULC bao gồm: Đất nông nghiệp, Cao su, Khu dân cư, Mặt nước, Rừng thường xanh, Rừng bán thường xanh và Rừng Khộp, các tham số phù hợp lần lượt là: Scale=40, Shape=0,3 cho độ chính xác cao nhất với độ chính xác toàn bộ là 81,9% và hệ số Kappa là 0,788.
Từ khóa: Ảnh đa phổ Landsat 8, eCognition, Nearest neighbor, phân đoạn Multiresolution, Scale, Shape

Article Details

Tài liệu tham khảo

Baatz, M. and Schaepe, A. 2000. Multiresolution Segmentation: an optimization approach for high quality multi-scale image segmentation.In: Strobl J ,Blaschke T, Griesebner G, editors. Angewandte Geographische Informationsverarbeitung XII. Karlsruhe: Wichmann Verlag, Karlsruhe,pp.12-23.

Campbell, M., Congalton, R. G., Hartter, J. and Ducey, M., 2015. Optimal land cover mapping and change analysis in northeastern oregon using landsat imagery. Photogrammetric Engineering & Remote Sensing, 81 (1): 37-47.

Congalton, R. G. and Green, K. 1999. Assessing the accuracyofremotelysenseddata: Principles and practices. Lewis Publishers, Boca Raton, FL, USA.

Gilbertson,J.K.; Kemp, J.; Van Niekerk, A. Effect of pan-sharpening multi-temporal Landsat 8 imagery for crop type differentiation using different classification techniques. Comput. Electron. Agric. 2017, 134, 151–159.

Hoàng Xuân Thành, 2010. Thành lập bản đồ thảm thực vật trên cơ sởphân tích xử lý ảnh viễn thám. Tạp chí Khoa học kỹ thuật Thủy lợi và Môi trường số 29. Tr.27-33.

Jalbuena, R. L., Peralta, R. V. and Tamondong, A. M. 2015. Object-based image analysis for mangroves extraction usingLidar datasets and orthophoto. ACRS Proceedings, Asian Association on Remote Sensing, Manila, Philippines 2015. [Online]. Available:http://a-a-r-s.org/acrs/index.php/acrs/acrs-overview/proceedings-1?view=publication&task=show&id=1734. [Accessd: 6-Jan-2018].

Kavzoglu, T., Yildiz, M. 2014. Parameter-Based Performance Analysis of Object-Based Image Analysis Using Aerial and Quikbird-2 Images. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences; Gottingen Vol.II, ISS. 7, (2014) :31-37.

Klatt, S. 2012. Recognition with eCognition. Skid trail detection with multiresolution segmentation in eCognition Developer. 4th Semester M.Sc. Forest Information Technology. FIT research Colloqium, 04-05-2012.

Lâm Văn Tân, Trần Hoàng Tiếp, Cao Quốc Đạt, Võ Quốc Tuấn, 2014. Ứng dụng công nghệ viễn thám để xây dựng bản đồ hiện trạng rừng ngập mặn trên địa bàn huyện Thạnh Phú, tỉnh Bến Tre. Kỷ yếu hội thảo ứng dụng GIS toàn quốc 2014. Hội thảo ứng dụng GIS toàn quốc 2014, Đại học Cần Thơ. Nhà xuất bản Đại học Cần Thơ. Tr.79-87.

Landsat 8, 2014. [Online]. Available: http://landsat.usgs.gov/landsat8.php . [Accessed: 9-Aug-2017].

Lê Văn Trung, 2005. Giáo trình Viễn thám, Đại học Quốc gia Thành phố Hồ Chí Minh Trường Đại học Bách Khoa. Xuất bản lần thứ nhất, Nhà xuất bản Đại học Quốc gia Thành phố Hồ Chí Minh. Thành phố Hồ Chí Minh, 418 trang.

Machala M. and Zejdová L., 2014. Forest Mapping Through Object-based Image Analysis of Multispectral and LiDAR Aerial Data. European Journal of Remote Sensing - 2014, 47: 117-131. doi: 10.5721/EuJRS20144708.

Nguyễn Đăng Độ và Lê Văn Lợi, 2016. Ứng dụng viễn thám và GIS xây dựng bản đồ biến động sử dụng đất huyện Bình Sơn, tỉnh Quảng Ngãi giai đoạn 2005-2015. Kỷ yếu hội thảo ứng dụng GIS toàn quốc 2016. Hội thảo ứng dụng GIS toàn quốc 2016, Đại học Huế. Nhà xuất bản Đại học Huế. Huế. Tr.501-510.

Nguyễn Thị Thanh Hương, 2016. Áp dụng phương pháp k - Nearest Neighbors để ước lượng giá trị lâm phần lá rộng thường xanh dựa vào ảnh vệ tinh đa phổ Spot 5. Tạp chí Khoa học Đại học Cần Thơ.43a.Tr.59-67.

Nguyen Thi Thanh Huong,2016. Mapping tropical forest for sustainable management using SPOT 5 satellite image. Int. Arch. Photogramm. Remote Sens. Spatial Inf. SCI., XLI-B7, 335-340.

Nguyễn Thị Thúy Hạnh, Phạm Thị Thanh Thủy, Lê Thị Thu Hà, Trần Thị Thu Trang, 2016. Nghiên cứu nâng cao độ chính xác phân loại ảnh bằng việc tích hợp dữ liệu DEM, NDVI với dữ liệu vệ tinh đa phổ, thí điểm tại Hòa Bình. Kỷ yếu hội thảo ứng dụng GIS toàn quốc 2016. Hội thảo ứng dụng GIS toàn quốc 2016, Đại học Huế. Nhà xuất bản Đại học Huế. Huế. Tr.9-19.

Nguyễn Từ Đức, Huỳnh Văn Chương và Nguyễn Ngọc Thanh, 2016. Ứng dụng GIS và viễn thám nghiên cứu xu hướng biến động đất lâm nghiệp trường hợp nghiên cứu tại xãTrường Xuân, huyện Quảng Ninh-tỉnh Quảng Bình giai đoạn 2005-2015. Kỷ yếu hội thảo ứng dụng GIS toàn quốc 2016. Hội thảo ứng dụng GIS toàn quốc 2016, Đại học Huế. Nhà xuất bản Đại học Huế. Huế. Tr.632-641.

Nguyễn Văn Thị và Trần Quang Bảo, 2014. Ứng dụng kỹ thuật phân loại ảnh hướngđối tượng nhằmphân loại trạng thái rừng theo thông tư số 34. Tạp chí Khoa học Lâm nghiệpsố2 - 2014. Viện Khoa học Lâm nghiệp Việt Nam. Trg. 3343 – 3353.

Phạm Văn Duẩn, Vũ Thị Thìn, Nguyễn Quốc Huy, 2016. Ước tính giá trị các thông số khoanh viảnh hưởng đối tượng phù hợp trên phần mềm eCognition: thử nghiệm với ảnh vệ tinh SPOT6. Tạp chí Khoa học và Công nghệ lâm nghiệp số 6-2016. Tr 18-30.

Poursanidis, D.; Chrysoulakis, N.; Mitraka, Z. Landsat 8 vs. Landsat 5: A comparison based on urban and peri-urban land cover mapping. Int. J. Appl. EarthObs. Geoinf. 2015, 35 Part B, 259–269.

Roãn Ngọc Anh Thắng, 2016. Ứng dụng GIS và ảnh viễn thám để đánh giá quá trình sử dụng đất đô thị thành phố Vĩnh Long dướitác động của biến đổi khí hậu, điều chỉnh quy hoạch xây dựng giai đoạn 2015-2030. Kỷ yếu hội thảo ứng dụng GIS toàn quốc 2016. Hội thảo ứng dụng GIS toàn quốc 2016, Đại học Huế. Nhà xuất bản Đại học Huế. Huế. Tr.511-518.

Trần Thị Thơm và Phạm Thanh Quế, 2014. Sử dụng tư liệu viễn thám và GIS thànhlập bản đồ lớp phủ rừng tỷ lệ 1/10.000. Tạp chí Khoa học và Công nghệ lâm nghiệp số 4-2014. Tr.161-168.

Trịnh Hoài Thu, Lê Thị Thu Hà, Phạm Thị Làn, 2012. So sánh phương pháp phân loại dựa vào điểm ảnh và phân loại định hướng đối tượng chiết xuất thông tin lớp phủ bề mặt từ ảnh độ phân giải cao. Tạp chí KHTK Mỏ - Địa chất. số 39. Chuyên đề Trắc địa mỏ. tr.59-64.

Zhou, W., Troy, A. 2008. An object-oriented approach for annalysing and characterizing urban landscape at the parcel level. International Journal of Remote Sensing. Vol. 29. No. 11. 10 June 2008. 3119-3135.