Đề tài nghiên cứu “Ứng dụng công nghệ viễn thám thành lập bản đồ cơ cấu mùa vụ tỉnh Trà Vinh năm 2015” đƣợc tiến hành từ tháng 22018 đến tháng 72018. Đề tài thành lập các bản đồ phân loại cây trồng và bản đồ cơ cấu cây trồng năm 2015. Đạt kết quả là diện tích lúa 1vụ chiếm 5.7% ,lúa 2 vụ chiếm 7.2%,lúa 3vụ chiếm 0.1%,lúa 2 vụ và 1 vụ thủy sản chiếm 3.3%,lúa 1 vụ và 1 vụ cây hàng năm chiếm 4.9 %,lúa 1 vụ và 2 vụ cây hàng năm chiếm 1.6%, lúa 1 vụ và 1 vụ thủy sản chiếm 2.1%,lúa 1 vụ và 2 vụ thủy sản 0.05%,cây hàng năm 1 vụ chiếm 4.9%,cây hàng năm 2 vụ 4%,cây hàng năm 3 vụ 1.93%,rừng chiếm 10.5%và cây lâu năm chiếm 15.7 %.. Kết quả so sánh với niên giám thống kê cho thấy kết quả diên tích đƣợc tính từ giải đoán cây trồng nhỏ hơn 85%. Kết quả so sánh với bản đồ sử dụng đất cho thấy diện tích cơ cấu cây trồng tính từ kết quả giải đoán lớn hơn 40%.
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp nghiên cứu
Phương pháp nghiên cứu được thực hiện theo Hình 3.1
Hình 4 Sơ đồ phương pháp nghiên cứu
Quá trình thực hiện của nghiên cứu gồm những bước sau:
Trong nghiên cứu này, chúng tôi đã thu thập dữ liệu hành chính bao gồm ranh giới lưu vực và các ranh giới cấp huyện, xã của khu vực nghiên cứu Đồng thời, chúng tôi sử dụng dữ liệu viễn thám từ Landsat 8 năm 2015, dữ liệu thực địa với các điểm mẫu và lịch mùa vụ cây trồng, cùng với dữ liệu thống kê và thông tin về sử dụng đất trong năm 2015.
Từ dữ liệu Landsat 8, tiến hành gộp kênh, cắt ảnh theo ranh giới lưu vực (dữ liệu hành chính)
Lựa chọn đối tƣợng cần giải đoán, từ đó thành lập hệ thống phân loại cho khu vực nghiên cứu
Xây dựng khóa giải đoán ảnh cho từng đối tƣợng dựa trên chỉ số NDVI, dữ liệu thực địa
Chọn mẫu huấn luyện bao gồm phân tích khả năng tách biệt mẫu, xây dựng đường cong phản xạ phổ cho từng đối tƣợng trên khu vực nghiên cứu
Bài viết này tập trung vào việc phân loại cây trồng và các lớp phủ khác bằng thuật toán phân loại có giám định Để đánh giá độ chính xác của kết quả phân loại, chúng tôi sử dụng độ chính xác toàn cục và chỉ số Kappa Cuối cùng, chúng tôi tiến hành xử lý sau phân loại để cải thiện chất lượng kết quả.
Từ các kết quả phân loại cây trồng và các lớp phủ khác, tiến hành chồng lớp theo thuật toán Intersect
Xây dựng bản đồ cơ cấu cây trồng
Dữ liệu
Dữ liệu hành chính bao gồm ranh giới hành chính huyện, xã nằm trong tỉnh Trà Vinh
3.2.2 Dữ liệu viễn thám Đề tài sử dụng dữ liệu ảnh vệ tinh,Landsat 8 thu thập từ trang web https://earthexplorer.usgs.govtrong năm 2015
Bảng 2 : Dữ liệu ảnh viễn thám thu nhập
Tên ảnh Ngày thu nhập
Bóng mây Độ phân giải (m) LC08_L1TP_125053_20150209_20180523_01_T1 09/02/2015 4.25% 30
Khảo sát thực địa đƣợc tiến hành từ ngày 5/5/2018 đến 7/5/2018 và 27/5/2018 đến 28/5/2018 tại các vị trí
Nhóm 1:Bao gồm các cây hàng năm nhƣ lúa,bắp,lạc,khoai lang và các cây hàng năm khác Nhóm 2: Gồm các cây lâu năm nhƣ dừa, xoài,bạch đàn
Nhóm 3:Gồm các lớp thực phủ khác như mặt nước,giao thông, đất xây dựng,đất trống
Bảng 3 : Điểm mẫu cây hàng năm
STT Loại đối tƣợng Số điểm lấy mẫu
Bảng 4 : Điểm mẫu rừng,cây lâu năm và các loại lớp phủ khác Đối tƣợng Số điểm mẫu Chú thích
Cây xoài 3 Cây lâu năm
Cây dừa 4 Cây lâu năm
Cây tre 2 Rừng Đường giao thông 2 Các loại lớp phủ khác Đất trống 2 Các loại lớp phủ khác Đất xây dựng 3 Các loại lớp phủ khác
Mặt nước 1 Các loại lớp phủ khác
Hình 5 Bản đồ khỏa sát thực địa tỉnh Trà Vinh
Dữ liệu thống kê là bao gồm diện tích các loại cây hàng năm (lúa, lạc, sắn) đƣợc trích xuất từ niên giám thống kê tỉnh Trà Vinh
3.2.5 Bản đồ sử dụng đất
Bản đồ hiện trạng sử dụng đất năm 2015 do Sở Tài nguyên và Môi trường tỉnh Trà Vinh cung cấp bao gồm 33 loại hình sử dụng đất, phục vụ cho việc so sánh với bản đồ cơ cấu cây trồng.
Nghiên cứu này tập trung vào các loại hình sử dụng đất, bao gồm đất chuyên trồng lúa, đất trồng lúa còn lại, đất trồng cây hàng năm khác, đất nông nghiệp khác, đất trồng cây lâu năm, đất rừng sản xuất và đất rừng phòng hộ.
Hình 6 Bản đồ sử dụng đất Trà Vinh năm 2015
Phương pháp thành lập bản đồ cơ cấu cây trồng
3.3.1.1 Gộp kênh và cắt vùng ranh giới khu vực nghiên cứu
Kết quả gộp kênh ảnh Landsat 8 thể hiện qua Hình 6
Cắt vùng ranh giới khu vực nghiên cứu
Hình 9 là kết quả cắt ảnh đƣợc thể hiện
Hình 8 Ảnh được cắt theo ranh giới tỉnh Trà Vinh
Việc lựa chọn đối tượng là yếu tố quan trọng trong phân loại lớp thực phủ, và độ chính xác của phân loại cây trồng phụ thuộc vào hệ thống phân loại đó Hệ thống cây trồng cần phải dễ hiểu và bao quát toàn bộ lớp thực phủ trong khu vực nghiên cứu Các đối tượng trong hệ thống cây trồng phải được định nghĩa rõ ràng và dễ hiểu để tránh nhầm lẫn với các lớp thực phủ khác.
Bảng 5 : Hệ thống phân loại cây trồng trong khu vực nghiên cứu
Tên loại thực phủ Định nghĩa
Lúa Cây lương thực có hạt
Cây hàng năm khác Các cây hàng năm khác ngoài lúa
Cây lâu năm + Rừng Các cây ăn quả,các cây có thân gỗ lớn,cây lấy gỗ,cây công nghiệp lâu năm
Mặt nước Vùng được bao phủ bằng nước có chiều rộng ít nhất là 20 m Đất trồng lúa Đất chuyên dùng để trồng lúa
3.3.2 Xây dựng khoá giải đoán
Khóa giải đoán ảnh được xây dựng dựa trên hệ thống cây trồng và các lớp phủ trong khu vực nghiên cứu, nhằm phục vụ cho việc thiết lập khóa huấn luyện hiệu quả.
Bảng 6 : Khóa giải đoán các lớp thực phủ trong khu vực nghiên cứu
Mẫu ảnh giải đoán Ảnh thực địa Yếu tố nhận dạng
Lúa Màu xanh lục,phân bố tập trung, dạng thửa
Lạc Màu xanh lá mạ,phân bố theo vùng,dạng thửa
Bắp Màu xanh lá mạ,phân bố theo vùng,dạng thửa
Màu xanh lục đậm,phân bố dạng thửa đám lớn
Cây dừa Màu xanh lục đậm,phân bố theo địa hình
Màu tím than,phân bố dạng cụm Đất trồng lúa
Màu hồng, phân bố dạng thửa
Dân cƣ Màu tím, phân theo cụm
Sông Màu xanh lam đậm, dạng tuyến
Màu tím nhạt,phân bố theo cụm dân cƣ,dạng tuyến
3.3.3 Chọn mẫu huấn luyện Ƣu tiên nhận dạng các đối tƣợng nông nghiệp.Các đối tƣợng khác nếu có thể nhận biết đƣợc thì nhận dang Ngƣợc lại, nếu không nhận dạng đƣợc thì sẽ gom thành một nhóm đối tƣợngnhận định
Sự thay đổi theo mùa ảnh hưởng đến cây nông nghiệp, vì vậy việc nhận dạng đối tượng cần dựa vào giai đoạn sinh trưởng của cây để xác định mẫu phù hợp cho từng thời điểm nghiên cứu.
Việc chọn mẫu đóng vai trò quan trọng trong nghiên cứu, vì nó ảnh hưởng trực tiếp đến kết quả phân tích Quyết định này quyết định khả năng tách biệt các lớp đối tượng trong khu vực nghiên cứu, từ đó ảnh hưởng đến độ chính xác của các phát hiện.
Bảng 7 : Đánh giá sự khác biệt mẫu huấn luyện thời gian thu nhận ngày 9/2/2015
Cây hàng năm Đất nuôi trồng thủy sản
Rừng Mặt nước Đất trống
1.9999 1.9999 - 1.9999 1.9074 2.0000 2.0000 1.9994 Đất nuôi trồng thủy sản
Bảng 8 : Đánh giá sự khác biệt mẫu huấn luyện thời gian thu nhận ngày 05/09/2015
Cây hàng năm Đất nuôi trồng thủy sản
Dân cƣ Mặt nước Đất trống
1.1737 1.9785 - 1.9999 1.9990 2.0000 1.9996 2.0000 Đất nuôi trồng thủy sản
Bảng 9 :Đánh giá sự khác biệt mẫu huấn luyện thời gian thu nhận ngày 26/12/2015
Cây hàng năm Đất nuôi trồng thủy sản
Dân cƣ Mặt nước Đất trống
1.9950 1.9997 - 2.0000 1.9990 2.0000 1.9973 2.0000 Đất nuôi trồng thủy sản
Dân cƣ 1.9999 1.9999 1.9947 1.9976 - 2.0000 1.8959 1.6829 Đất trống 2.0000 2.0000 1.9973 1.9999 1.99795 2.0000 - 1.9961 Rừng 1.9999 1.8715 1.9999 1.9999 1.8495 2.0000 2.0000 - Mặt nước 2.0000 2.0000 2.0000 1.9924 1.9522 - 2.0000 2.0000
3.3.4 Phân loại cây trồng và các lớp phủ khác
Phương pháp phân loại Maximum Likelihood là một kỹ thuật gần đúng được phát triển dựa trên lý thuyết suy luận thống kê Phương pháp này tập trung vào việc nhận dạng hệ thống và ước lượng các tham số liên quan đến việc rút ra thông tin từ dữ liệu quan sát, mặc dù các dữ liệu này có thể không hoàn toàn tin cậy (Trung, 2015).
Đánh giá dộ chính xác và xử lí ảnh sau phân loại
Chỉ số Kappa (ký hiệu K) có ý nghĩa thống kê, kiểm tra, đánh giá phù hợp giữa các nguồn dữ liệu khác nhau khi áp dụng các thuật toán.(Trung, 2015)
Chỉ số Kappa đƣợc tính theo công thức
T là độ chính xác toàn cục cho bởi ma trận sai số
E là đại lƣợng thể hiện sự mong muốn
Phương pháp phân tích đa số (Majority Analysis) được sử dụng để gộp các pixel lẻ tẻ hoặc phân loại nhầm vào lớp chính của chúng Trong quá trình này, giá trị của pixel trung tâm sẽ được thay thế bằng giá trị của pixel chiếm đa số trong cửa sổ lọc.
Chồng lớp các kết quả phân loại
Dựa trên kết quả phân loại cây trồng và các lớp phủ khác, chúng tôi sử dụng thuật toán Intersect để chồng lớp các bản đồ Kết quả là một lớp dữ liệu đầu ra có đầy đủ thuộc tính của các lớp đầu vào tại từng thửa đất giao cắt.
Nhận diện, phân loại cơ cấu cây trồng
Dựa trên dữ liệu giải đoán thực phủ năm 2015 và 2016, chúng tôi đã phân chia thành hai nhóm: nhóm chứa lúa và nhóm không chứa lúa Đối với nhóm chứa cây lúa, chúng tôi tiến hành xem xét các điều kiện liên quan.
Nếu chỉ xuất hiện 1 lần thì gán lúa 1 vụ
Nếu xuất hiện hơn 1 lần thì là lúa 2 vụ hoặc 3 vụ
Nếu có thêm cây hàng năm, thì được phân loại là cây trồng đa canh Đối với nhóm không bao gồm lúa, cần đếm số lần xuất hiện của từng loại thực vật và xem xét các điều kiện liên quan.
Nếu chỉ có 1 loại thực phủ xuất hiện nhiều nhất thì gán loại thực phủ xuất hiện nhiều nhấ
Nếu có hơn có 1 loại thực phủ xuất hiện nhiều nhất thì gán loại thực phủ xuất hiện gần thời gian thực địa nhất.
KẾT QUẢ, THẢO LUẬN
Bản đồ phân loại thực phủ
4.1.1 Kết quả đánh giá độ chính xác Đánh giá độ chính xác của các thời điểm
Bảng 10 : Chỉ số Kappa và độ chính xác toàn cục của từng thời điểm
Chỉ số Kappa 0.93 0.86 0,83 Độ chính xác toàn cục(%)
4.1.2 Ma trận sai số của từng thời điểm
Vào ngày 09/02/2015, độ chính xác trong việc phân loại lúa đạt 98.63%, với sai số bỏ sót chỉ 1.37% do sự lẫn lộn với cây hàng năm và cây lâu năm Đối với cây hàng năm, độ chính xác phân loại là 83.8%, với sai số bỏ sót 16.2% vào cây lúa và cây lâu năm Trong khi đó, cây lâu năm có độ chính xác phân loại đạt 97%, với sai số bỏ sót 3% vào cây hàng năm khác và lúa.
Bảng 11 : Ma trận sai số 09/02/2015 Đơn vị %
Thực tế Loại thực phủ
Cây hàng năm Đất nuôi trồng thủy sản
Rừng Sai số thêm vào
0.01 1.80 83.8 0 1.23 0 0 1.02 7.79 Đất nuôi trồng thủy sản
Vào ngày 09/05/2015, độ chính xác phân loại lúa đạt 90.96%, với sai số bỏ sót là 9.14%, chủ yếu do sự nhầm lẫn với cây hàng năm và cây lâu năm Đối với cây hàng năm, độ chính xác phân loại đạt 93.7% và sai số bỏ sót là 6.3% khi nhầm lẫn với cây lúa và cây lâu năm Trong khi đó, cây lâu năm chỉ đạt độ chính xác 55.58%, với sai số bỏ sót lên tới 44.42% khi nhầm lẫn với cây hàng năm và lúa.
Bảng 12 : Ma trận sai số 09/05/2015 Đơn vị :%
Cây hàng năm Đất nuôi trồng thủy sản
Sai số thêm vào Lúa 90.8
69.3 Đất nuôi trồng thủy sản
Vào ngày 26/12/2015, độ chính xác phân loại lúa đạt 93.58%, với sai số bỏ sót là 6.42% do sự nhầm lẫn với cây hàng năm, cây lâu năm và rừng Đối với cây hàng năm, độ chính xác phân loại chỉ đạt 89.97%, trong khi sai số bỏ sót là 10.03% vào cây lúa và cây lâu năm Đối với cây lâu năm, độ chính xác chỉ đạt 51.09%, với sai số bỏ sót cao là 48.91% khi nhầm lẫn với cây hàng năm khác và lúa.
Bảng 13 : Ma trận sai số 26/12/2015 Đơn vị %
Cây hàng năm Đất nuôi trồng thủy sản
Rừng Sai số thêm vào
0 0 0 3.44 Đất nuôi trồng thủy sản
Kết quả phân loại cho thấy lúa chiếm khoảng 23.8% tổng số đối tượng phân bố theo sông trong toàn bộ vùng nghiên cứu, cùng với sự hiện diện của các loại cây hàng năm.
Hình 9 Phân loại cây trồng nông nghiệp 9/2/2015 Bảng 14 : Thống kê giải đoán 9/2/2015
STT Tên loại đối tƣợng Diện tích (ha) Tỉ lệ(%)
4 Đất nuôi trồng thủy sản
Kết quả phân loại cho thấy, tại thời điểm nghiên cứu, lúa chiếm khoảng 15.3% phân bố theo sông, cây hàng năm chiếm 12.4%, trong khi cây lâu năm và rừng lần lượt chiếm 30.7% và 4.5%.
Hình 10 Phân loại cây trồng nông nghiệp ngày 05/09/2015 Bảng 15 : Thống kê giải đoán 05/09/2015
STT Tên loại đối tƣợng Diện tích (ha) Tỉ lệ(%)
4 Đất nuôi trồng thủy sản
Kết quả phân loại cho thấy lúa chiếm 12.9% diện tích phân bố theo sông trong khu vực nghiên cứu, trong khi cây hàng năm chiếm 21.7% Ngoài ra, cây lâu năm và rừng lần lượt chiếm 13.2% và 3.8% diện tích.
Hình 11 Phân loại cây trồng nông nghiệp ngày 26/12/2015 Bảng 16 : Thống kê giải đoán 26/12/2015
STT Tên loại đối tƣợng Diện tích (ha) Tỉ lệ(%)
4 Đất nuôi trồng thủy sản 42498.85 17.9
Bản đồ cơ cấu cây trồng nông nghiệp
Bản đồ cơ cấu nông nghiệp tỉnh Trà Vinh năm 2015 cho thấy sự đa dạng trong canh tác với nhiều loại hình cây trồng, bao gồm lúa 3 vụ, lúa 2 vụ, và các loại cây hàng năm Cụ thể, tỉnh có các mô hình như lúa 2 vụ kết hợp với 1 vụ cây hàng năm, lúa 1 vụ kết hợp với thủy sản, cũng như lúa 1 vụ và 2 vụ tôm Ngoài ra, còn có cây lâu năm và các mô hình cây hàng năm với 1 vụ, 2 vụ và 3 vụ Sự phong phú này phản ánh tính linh hoạt trong sản xuất nông nghiệp của Trà Vinh.
Hình 12 Bản đồ cơ câu cây trồng tỉnh Trà Vinh năm 2015
Bảng 17 : Thống kê cơ cấu mùa vụ
STT Tên loại Diện tích(ha) Tỉ lệ(%)
3 Lúa 2 vụ và 1 vụ thủy sản 7869.94 3.3
4 Lúa 2 vụ và 1 vụ cây hàng năm 3280.15 1.4
5 Lúa 1 vụ và 1 vụ cây hàng năm 11598.31 4.9
6 Lúa 1 vụ và 2 vụ cây hàng năm 3893.65 1.6
8 Lúa 1 vụ và 1 vụ thủy sản 5058.94 2.1
9 Lúa 1 vụ và 2 vụ thủy sản 107.17 0.05
15 Đất nuôi trồng thủy sản 37328.01 15.7
18 Lúa 2 vụ và cây hàng năm 1 vụ 503.46 0.2
Vùng trồng lúa cả 3 vụ trong năm tại tỉnh Trà Vinh chỉ chiếm 0,1% tổng diện tích, chủ yếu tập trung ở các huyện Châu Thành, Cầu Kè, Cầu Ngang, Trà Cú và Tiểu Cần.
Vùng chỉ trồng cây hàng năm chiếm 1.93 % diện tích toàn tỉnh, phân bố tại tất các huyện trong tỉnh
Cây lâu năm và đất nuôi trồng thủy sản là hai loại hình sử dụng đất chiếm diện tích lớn nhất tại tỉnh Cây lâu năm chiếm 15.8% tổng diện tích, phân bố chủ yếu ở các huyện Cầu Kè, Cầu Ngang, Trà Cú và Tiểu Cần Trong khi đó, đất nuôi trồng thủy sản chiếm 15.7% tổng diện tích toàn tỉnh, tập trung chủ yếu tại huyện Duyên Hải.
So sánh bản đồ cơ cấu cây trồng nông nghiệp với các số liệu khác
Để đánh giá một cách khách quan kết quả xây dựng bản đồ cơ cấu cây trồng nông nghiệp, cần tiến hành so sánh giữa bản đồ cơ cấu cây trồng và niên giám thống kê năm 2016, cũng như bản đồ hiện trạng sử dụng đất năm 2015.
4.3.1 Kết quả so sánh với niên giám thống kê
Kết quả so sánh bản đồ cơ cấu cây trồng tỉnh Trà Vinh với Niên giám thống kê tỉnh Trà Vinh 2016 cho thấy diện tích lúa và cây hàng năm có sự chênh lệch đáng kể, lần lượt là 73.4% và 81.83%.
Bảng 18 : Kết quả so sánh số liệu giải đoán với niên giám thống kê 2016
Loại cây Số liệu gải đoán năm 2015 Niên giám thống kê
Cơ cấu Diện tích Cây trồng
Diện tích canh tác lúa bao gồm nhiều loại hình như lúa 3 vụ, lúa 2 vụ kết hợp với cây hàng năm, thủy sản và tôm Cụ thể, có các mô hình như lúa 2 vụ và 1 vụ cây hàng năm, lúa 1 vụ kết hợp với cây hàng năm, cũng như lúa 1 vụ và 1 vụ thủy sản Những sự kết hợp này không chỉ tối ưu hóa diện tích mà còn nâng cao hiệu quả sản xuất nông nghiệp.
Lúa 2 vụ và1 vụ cây hàng năm, lúa 1 vụ và 1 vụ cây hàng năm,lúa 1 vụ và 2 vụ cây hàng năm, cây hàng năm 1 vụ,cây hàng năm 2 vụ,lúa 2 vụ và cây hàng năm 1 vụ, cây hàng năm 3 vụ
4.3.2 Kết quả so sánh với bản đồ hiện trạng sử dụng đất 2015
Kết quả so sánh bản đồ cơ cấu cây trồng với bản đồ hiện trạng sử dụng đất năm
2015 đƣợc thể hiện qua Bảng 17 Diện tích cây lúa, cây hàng năm ,cây lâu năm và rừng lân lƣợt là 63.8%,97.9%,43.7%,55.6%
Bảng 19 : Kết quả so sánh với bản đồ hiện trạng sử dụng đất 2015
Loại cây Số liệu giải đoán năm 2015 Bản đồ sử dụng đất 2015 Chênh lệch (%)
Loại hình sử dụng đất
Lúa có thể được trồng theo nhiều hình thức khác nhau, bao gồm lúa 3 vụ, lúa 2 vụ, và lúa 1 vụ kết hợp với cây hàng năm Cụ thể, mô hình lúa 2 vụ và 1 vụ thủy sản, hay lúa 2 vụ kết hợp với cây hàng năm, đều mang lại hiệu quả kinh tế cao Ngoài ra, lúa 1 vụ có thể kết hợp với 1 hoặc 2 vụ cây hàng năm, tạo ra sự đa dạng trong sản xuất nông nghiệp.
1 vụ,lúa 1 vụ và 1 vụ thủy sản, lúa 1 vụ và 2 vụ tôm
63159.9 Đất trồng lúa,đất chuyên trồng lúa nước và trồng lúa còn lại
Lúa 2 vụ và1 vụ cây hàng năm, lúa 1 vụ và 1 vụ cây hàng năm,lúa 1 vụ và 2 vụ cây hàng năm, cây hàng năm 1 vụ,cây hàng năm 2 vụ,lúa 2 vụ và cây hàng năm 1 vụ, cây hàng năm 3 vụ
Cây lâu năm 37457.47 Cây lâu năm
