Luận án Mô hình hóa sự biến đổi các lớp phủ bề mặt do lũ lụt ở Đồng bằng sông Cửu Long bằng tư liệu viễn thám và GIS

mặt bằng phẳng và mịn, phản xạ toàn phần và tán xạ kép xảy ra 
mạnh mẽ. Đối tượng được hiển thị bằng màu sắc sáng trắng trên ảnh viễn thám 
radar. 
Đối với bề mặt gồ ghề và thô, tán xạ xảy ra có cường độ nhỏ hơn tia tới do 
một phần năng lượng bị hấp thụ tại bề mặt phản xạ. Khi đó, màu sắc hiển thị đối 
tượng sẽ tối màu hơn so với đối tượng có bề mặt nhẵn mịn. 
Đối với bề mặt trong có chiết suất như mặt nước, ao, hồ, sông, biển, hiện 
tượng khúc xạ và hiện tượng tán xạ không toàn phần xảy ra. Tùy thuộc vào góc tới 
và chiết suất của môi trường, sự biến thiên khúc xạ và tán xạ là khác nhau. 
Đối với bề mặt gồ ghề có nhiều chướng ngại vật, hiện tượng tán xạ xảy ra 
phức tạp do sự thay đổi góc tới trong tán cây hay do sự che khuất tia tán xạ ngược 
do các tòa nhà cao tầng. Tán xạ ngược càng nhiều, đối tượng hiển thị trên ảnh càng 
sáng màu. Tuy nhiên, tại các khu vực có các tòa nhà cao tầng dày đặc, hiện tượng 
tán xạ xảy ra mạnh mẽ khiến cho khu vực đó bị chói lóa trên ảnh. Điều này dẫn tới 
việc một số đặc điểm của đối tượng không được phản ánh chính xác qua ảnh viễn 
thám radar. 
Đặc điểm tán xạ của các đối tượng lớp phủ bề mặt là tiền đề để thực hiện 
những nghiên cứu trong việc mô hình hoá sự biến đổi của lớp phủ bề mặt giúp cho 
chúng ta hiểu rõ hơn về sự tác của lũ lụt đến lớp phủ bề mặt. 
48 
Đánh giá sự thay đổi của lớp phủ bề mặt dưới tác động của lũ lụt là đánh giá 
sự thay đổi của các đối tượng lớp phủ bề mặt tại các thời điểm có sự tham gia của 
nước ở các mức độ khác nhau (ví dụ: trước, đỉnh và sau lũ). Sự thay đổi của lớp phủ 
bề mặt có thể được mô hình hóa theo chu kì lũ lụt hàng năm. 
49 
Chương 3- XÂY DỰNG MÔ HÌNH BIẾN ĐỔI LỚP PHỦ BỀ MẶT THEO SỰ 
THAY ĐỔI MỰC NƯỚC DO LŨ LỤT 
3.1. Nghiên cứu sự biến đổi lớp phủ bề mặt do ảnh hưởng lũ lụt thông qua sự 
thay đổi của mực nước 
3.1.1. Ảnh hưởng của lũ lụt tới sự biến động lớp phủ bề mặt 
Như đã trình bày ở phần trên, lớp phủ bề mặt chia ra thành hai nhóm chính là 
mặt nước và mặt đất. Phần diện tích ít hơn là mặt đất nhưng lại là nơi tập trung hầu 
hết những hoạt động của con người cũng như nhiều loài sinh vật khác trên trái đất 
và là nơi đang biến đổi từng ngày, từng giờ, với sự phong phú của loại hình lớp phủ 
mặt đất như thực phủ (cỏ, cây bụi, rừng, đất canh tác đang có cây sinh trưởng); 
dân cư đô thị, nông thôn; mạng lưới giao thông; khu công nghiệp, thương mại và 
các đối tượng đất chuyên dùng khác; các vùng đất trống, đồi núi trọc, cồn cát, bãi 
cát 
Sự biến đổi của lớp phủ bề mặt này tùy thuộc vào sự thay đổi của mực nước 
theo chu kỳ khí hậu hàng năm nên cũng có tính quy luật nhất định. 
Nguyên nhân chính của thay đổi lớp phủ bề mặt do lũ lụt là sự thay đổi mực 
nước tăng lên dẫn tới sự ngập một phần hoặc hoàn toàn lớp phủ bề mặt ở một thời 
điểm nào đó. 
Sự mở rộng vùng bị ngập hoặc thu hẹp vùng ngập do mực nước tăng lên 
hoặc hạ xuống có quan hệ trực tiếp với nhau nên có thể mô hình hóa dưới dạng hàm 
số toán học để biểu diễn dưới dạng đồ thị phục vụ việc dự báo sự ngập lụt khi mực 
nước dự báo thay đổi. 
Như vậy, trước tiên để mô hình hóa sự thay đổi lớp phủ bề mặt cần phải mô 
hình hóa mực nước thay đổi theo chu kỳ hằng năm dựa vào số liệu quan trắc mực 
nước của nhiều năm để nhận được chu kỳ thay đổi mực nước đại diện nhất cho lưu 
vực phục vụ tính toán các hàm số của sự thay đổi lớp phủ bề mặt theo mực nước đã 
được mô hình hóa chung đó. 
50 
Lý do cần phải mô hình hóa sự thay đổi mực nước là do có sự thay đổi bất 
thường về mực nước lũ ở một vài năm nào đó do thời tiết cực đoan gây ra. Do vậy 
các số liệu này thường không đại diện cho chu kỳ lũ lụt thông thường được. Tuy 
nhiên, tất cả các giá trị về mực nước cần phải được thể hiện trong mô hình mực 
nước đã được xử lý. 
Hình 3-1: Mực nước lũ theo chu kỳ hàng năm từ 2015 - 2019. 
(Nguồn: [5]) 
3.1.2. Sự cần thiết của việc quan trắc thay đổi các đối tượng lớp phủ bề mặt 
bằng công nghệ viễn thám 
3.1.2.1. Ưu điểm của công nghệ viễn thám trong quan trắc sự thay đổi của lớp 
phủ bề mặt do ảnh hưởng của lũ lụt 
Sự thay đổi lớp phủ bề mặt trong chu kỳ lũ lụt thường diễn ra nhanh chóng 
khi mực nước thay đổi nhanh trong khoảng thời gian ngắn nhất định. Do vậy, các 
thời điểm quan trắc cần tiến hành nhiều hơn ở các giai đoạn này. Tuy nhiên, thời tiết 
là yếu tố ảnh hưởng đến các công việc được tiến hành ở thực địa trong việc xác định 
diện tích vùng bị ngập lụt. Mưa, gió, mực nước dâng sẽ không thuận lợi cho việc 
51 
điều tra, thống kê các dữ liệu từ thực địa để đủ số liệu phục vụ mô hình hóa sự thay 
đổi diện tích theo chu kỳ lũ lụt hằng năm. 
Công nghệ viễn thám có ưu việt trong việc quan trắc sự thay đổi các lớp phủ 
ở phạm vi rộng lớn với khoảng thời gian ngắn do thời gian chụp lặp của các vệ tinh. 
Bên cạnh đó, khả năng quan trắc trong mọi điều kiện thời tiết và sự ngập lụt dưới 
các địa vật như cây đối với dữ liệu ảnh radar mở ra cơ hội rất lớn để thực hiện công 
việc này với độ tin cậy cao đáp ứng yêu cầu đặt ra trong nghiên cứu. 
3.1.2.2. Sự cần thiết của việc kết hợp kết hợp tư liệu ảnh viễn thám quang học 
và radar trong quan trắc sự thay đổi của lớp phủ bề mặt do ảnh hưởng của lũ 
lụt 
Sự kết hợp cả dữ liệu viễn thám quang học, radar và các dữ liệu bổ trợ sẽ giải 
quyết được các vấn đề mà nếu sử dụng riêng lẻ các dữ liệu này sẽ không đạt hiệu 
quả cao trong quan trắc khu vực có cả đất, nước và thực vật lẫn lộn ở các lưu vực 
sông rộng lớn như ĐBSCL. 
Việc lựa chọn loại ảnh viễn thám phù hợp để quan trắc sự thay đổi của lớp 
phủ bề mặt do ảnh hưởng của lũ lụt phải tùy thuộc vào khả năng xác định đối tượng 
của từng loại dữ liệu ảnh viễn thám. Khi dữ liệu viễn thám quang học tránh được 
các ảnh hưởng bởi mây thì đây là loại dữ liệu được ưu tiên sử dụng vì khả năng xác 
định đối tượng lớp phủ bề mặt tương đối tốt và dễ sử dụng. Tuy nhiên, rất khó để có 
được ảnh quang học không bị ảnh hưởng của mây, nhất là vào thời điểm mùa mưa. 
Bên cạnh đó, ảnh viễn thám quang học không thể quan trắc được sự ngập lụt dưới 
tán cây nhưng đây lại là ưu điểm của ảnh viễn thám Radar. 
Ảnh viễn thám radar có khả năng cung cấp thông tin về cấu trúc của đối 
tượng. Các thông tin của lớp phủ bề mặt có thể được cung cấp trong mọi điều kiện 
thời tiết suốt chu kỳ lũ lụt hàng năm. Mặc dù vậy, ảnh viễn thám radar cũng có 
những nhược điểm rất cơ bản là hình ảnh không giống với cảm nhận thông thường 
của mắt người dẫn đến việc nhận dạng và xử lý các đối tượng tương đối khó, dễ bị 
nhầm lẫn. Khi kết hợp với ảnh viễn thám quang học thì nhược điểm này được khắc 
phục. Một sự kết hợp hiệu quả khác, đó là quá trình thiết lập bộ quy tắc phân loại 
52 
cho ảnh radar thì ảnh quang học được sử dụng làm tài liệu tham khảo rất đáng tin 
cậy. 
Trong quan trắc sự thay đổi của lớp phủ bề mặt do ảnh hưởng của lũ lụt, để 
kết quả mô hình thu được đạt độ chính xác cao, phản ánh sát với sự thay đổi thực tế 
của đối tượng nghiên cứu, cần phải có chuỗi dữ liệu đầy đủ và chính xác. Việc kết 
hợp nguồn tư liệu ảnh viễn thám quang học và radar sẽ làm cho bộ dữ liệu đầy đủ 
và đa dạng hơn. 
Như vậy, với ưu điểm và hạn chế của mỗi loại dữ liệu ảnh viễn thám được 
phân tích ở trên, việc kết hợp ảnh quang học và ảnh radar là một giải pháp hiệu quả 
trong nghiên cứu sự thay đổi của lớp phủ bề mặt do ảnh hưởng của lũ lụt. 
3.2. Quy trình xây dựng mô hình biến đổi lớp phủ bề mặt theo sự thay đổi của 
mực nước 
Trên cơ sở các dữ liệu về lớp phủ nhận được từ ảnh viễn thám, DEM và mực 
nước, kết quả mô hình hóa sự biến đổi lớp phủ bề mặt theo mực nước được thể 
hiện. Một số bản đồ hiện trạng lớp phủ bề mặt ở các thời điểm quan trắc theo mực 
nước được đưa ra nhằm cung cấp các thông tin về sự thay đổi của lớp phủ bề mặt 
khi mực nước lũ tăng dần trong mùa mưa cho tới đỉnh lũ và giảm dần khi nước rút 
trong mùa khô một cách trực quan. 
Công việc đầu tiên của quy trình là xác định khu vực điển hình, thường 
xuyên bị ảnh hưởng của lũ lụt. Tiến hành thu thập, đánh đánh giá và lựa chọn dữ 
liệu phù hợp với mục đích nghiên cứu. 
Quá trình xử lý ảnh cần lựa chọn phương pháp phù hợp và tiến hành khảo sát 
để xác định các ngưỡng, bộ khóa giải đoán, bộ quy tắc áp dụng cho từng loại ảnh. 
Kết quả phân loại ảnh được đánh giá chính xác làm cơ sở để xây dựng bản 
đồ lớp phủ bề mặt tại các thời điểm quan trắc và cung cấp dữ liệu phục vụ việc xây 
dựng và kiểm nghiệm mô hình. 
Sơ đồ quy trình tổng thể xây dựng mô hình biến đổi lớp phủ bề mặt theo sự 
thay đổi của mực nước được thể hiện trong Hình 3-2. 
53 
Hình 3-2: Sơ đồ quy trình tổng thể xây dựng mô hình biến đổi lớp phủ bề mặt do 
ảnh hưởng của mực nước 
Thu thập dữ liệu 
(Dữ liệu ảnh viễn thám, DEM, dữ liệu 
mực nước, các dữ liệu bổ trợ khác) 
Xử lý ảnh 
 Phân loại ảnh theo đối tượng 
Kiểm tra độ chính xác sau phân loại 
Xuất dữ liệu 
Tính toán, thống kê diện tích các 
loại hình lớp phủ bề mặt 
Xây dựng mô hình 
Kiểm nghiệm mô 
hình 
Xuất kết quả 
Hệ số tán xạ 
phản hồi của 
các loại hình 
lớp phủ bề 
mặt 
C
h
ư
a 
đ
ạt
H
iệ
u
 c
h
ỉn
h
54 
3.3. Các bước thực hiện quy trình 
3.3.1. Thu thập dữ liệu: 
Việc xây dựng và vận hành mô hình phải có nguồn dữ liệu ban đầu. Các dữ 
liệu cho việc xây dựng và kiểm chứng mô hình bao gồm dữ liệu ảnh viễn thám, dữ 
liệu địa hình DEM, dữ liệu quan trắc mực nước, các số liệu bổ trợ khác liên quan, 
tương ứng với chuỗi thời gian xuất hiện hoặc không gian xuất phát. 
Tư liệu ảnh viễn thám: gồm các ảnh viễn thám radar, quang học được ghi 
nhận trong suốt chu kỳ nhiều năm kể cả trong điều kiện thời tiết mưa bão, thời điểm 
ngập lụt. 
Mô hình số độ cao khu vực: Mô hình số độ cao cung cấp cao độ địa hình trên 
toàn khu vực. Dữ liệu độ cao có thể ở dạng ô lưới vuông (grid) hay ở dạng đa giác 
(TIN, vector). Nguồn dữ liệu để xây dựng mô hình số độ cao có thể là từ bản đồ địa 
hình, từ các ảnh viễn thám như: SRTM, ASTER, SPOT, ảnh chụp từ máy bay, 
hay từ số liệu cao độ được thu thập từ phương pháp dẫn truyền cao độ truyền thống 
hoặc hiện đại (ví dụ: DGPS – Differential Global Positioning system). Mô hình số 
độ cao có thể là mô hình số địa hình (Digital Elevation Model) hay mô hình số địa 
vật (DSM – Digital Surface Model). 
Số liệu điều tra vết lũ trong khu vực, số liệu khí tượng, thủy văn (mực nước, 
lưu lượng), dữ liệu địa hình đáy sông số liệu liên quan đến công trình thủy lợi (đê 
bao, cống, đập, ô chứa ). Các bản đồ phân bố sử dụng đất, cơ sở hạ tầng. 
3.3.2. Xử lý ảnh 
- Hiệu chỉnh hình học ảnh: 
Quy trình hiệu chỉnh hình học ảnh được mô tả như Hình 3-3. 
Sau khi hoàn thành công đoạn nắn ảnh, tiến hành ghép, cắt ảnh theo khu vực 
thực nghiệm và lọc nhiễu. 
 - Lọc nhiễu ảnh bằng bộ lọc Enhance Lee: Bộ lọc Lee là một bộ lọc nhiễu 
đốm có tính thích nghi, dựa trên ba giả định: 
+ Nhiễu được mô phỏng như là một nhiễu nhân nghĩa là vùng càng sáng thì 
càng nhiễu hơn. 
55 
+ Nhiễu và tín hiệu thống kê độc lập với nhau. 
+ Giá trị trung bình mẫu và độ lệch mẫu của một điểm ảnh bằng với phương 
sai địa phương và phương sai cục bộ được tính toán trong một cửa sổ. 
Hình 3-3: Quy trình hiệu chỉnh hình học ảnh 
3.3.3. Phân loại ảnh 
3.3.3.1. Cơ sở lựa chọn phương pháp phân loại 
Trong quy trình xây dựng mô hình biến đổi lớp phủ bề mặt theo sự thay đổi 
của mực nước, độ chính xác của mô hình phụ thuộc rất nhiều vào độ chính xác việc 
phân loại lớp phủ bề mặt từ ảnh viễn thám. 
Các phương pháp phân loại truyền thống sử dụng kỹ thuật giải đoán bằng 
mắt hoặc định hướng điểm ảnh (pixel-based) để phân loại ảnh viễn thám. Kết quả 
sau phân loại thu được các điểm ảnh có hình dạng giống như hình dạng ban đầu. Kỹ 
thuật của các phương này dễ thực hiện và cho kết quả nhanh chóng nhưng lại phụ 
thuộc rất nhiều vào kinh nghiệm của người giải đoán. Sự xuất hiện của kỹ thuật 
Mở file ảnh 
Thiết lập các thông số kỹ thuật 
 Calibration (chuẩn hóa) 
 Linear toFromdB (db) 
 Terrain-Correction (nắn chỉnh 
hình học) 
Thiết lập phân cực 
Nắn ảnh 
56 
phân loại ảnh hướng đối tượng được xem là giải pháp khắc phục tính chủ quan của 
kỹ thuật giải đoán bằng mắt. 
Phân loại theo hướng đối tượng là một quá trình gồm các bước phân đoạn và 
phân loại lặp đi lặp lại nhiều lần để làm tăng giá trị của thông tin phân tích và đủ 
điều kiện để đáp ứng các yêu cầu cụ thể của người sử dụng. Phân đoạn ảnh được sử 
dụng để hợp nhất các điểm ảnh vào các đối tượng, sau đó quá trình phân loại sẽ 
được thực hiện dựa trên các đối tượng này thay vì các pixel riêng lẻ như các phương 
pháp truyền thống. 
Điểm mạnh của phương pháp phân loại hướng đối tượng là trong quá trình 
phân loại có thể sử dụng các lớp thông tin chuyên đề bổ trợ ngoài dữ liệu viễn thám 
như DEM, bản đồ thổ nhưỡng, bản đồ địa chất, bản đồ sử dụng đất 
Trên thực tế khi nghiên cứu sự thay đổi của lớp phủ bề mặt do ảnh hưởng 
của lũ lụt, nếu chỉ sử dụng DEM và mực nước có thể xác định được các vùng bị 
ngập hoặc không bị ngập nước nhưng chưa có thông tin về lớp phủ bề mặt bị ảnh 
hưởng của lũ lụt. Phương pháp phân loại hướng đối tượng kết hợp sử dụng ảnh viễn 
thám đa thời gian, DEM và mực nước được dùng để xác định lớp phủ bề mặt dưới 
tác động của lũ lụt là phương pháp hiệu quả và có độ tin cậy đáp ứng yêu cầu đặt ra. 
Trong quá trình thực hiện phương pháp, việc kết hợp cả 3 loại dữ liệu trên phải tuân 
theo các điều kiện trong bộ qui tắc về phân loại hướng đối tượng đã được thiết lập. 
3.3.3.2. Phân loại theo hướng đối tượng 
Trong xử lý ảnh, đối tượng ảnh là sản phẩm của quá trình phân mảnh ảnh 
(segment). Mỗi đối tượng ảnh là tập hợp của một nhóm Pixel. Mỗi đối tượng ảnh sẽ 
chứa rất nhiều thông tin. Thông tin về đối tượng bao gồm bốn loại: 
(1) thông tin về đặc trưng phổ ảnh của đối tượng; 
(2) thông tin về các yếu tố hình thái của đối tượng; 
(3) thông tin về quan hệ của đối tượng này với đối tượng khác trên ảnh; 
(4) thông tin về quan hệ của đối tượng trên ảnh với các đối tượng bên ngoài 
ảnh lấy từ các nguồn thông tin khác (bản đồ địa hình, bản đồ đất, bản đồ thuỷ văn 
v.v.). 
57 
Mạng phân cấp đối tượng ảnh được thể hiện tại Hình 3-4. 
Hình 3-4: Mạng phân cấp đối tượng ảnh 
Hình 3-4 cho thấy, mức thấp nhất có thể có của một ảnh chính là mức pixel 
và mức cao nhất là mức toàn ảnh. Giữa hai mức này bao giờ cũng tồn tại các đối 
tượng ở các mức trung gian và mức này là mức “Con” (child) của mức ở trên nó 
đồng thời lại là mức “Cha” (parent) của các đối tượng ở mức thấp hơn. Để đảm bảo 
có được mạng phân cấp để sử dụng cho phân loại thì việc phân mảnh ảnh phải tuân 
thủ các quy tắc sau: 
 Ranh giới của đối tượng ở mức thấp hơn phải nằm trong ranh giới của đối 
tượng ở mức cao hơn, 
 Các tiêu chí sử dụng để phân loại đối tượng ở mức thấp hơn phải bao gồm 
các tiêu chí ở các mức cao hơn ngay trước đó. 
Về phương diện thực nghiệm thì mạng phân cấp tạo ra các cơ sở tốt cho việc 
chiết xuất thông tin khi tận dụng được mọi quan hệ tạo ra từ tính phân cấp này. 
Quy trình chung phân loại được mô tả như Hình 3-5. 
- Phân đoạn đa độ phân giải: Phân đoạn ảnh thành các đối tượng theo hai 
mức tỷ lệ là công đoạn đầu tiên của phương pháp phân loại hướng đối tượng. Sử 
58 
dụng phần mềm eCognition để tiến hành phân đoạn các đối tượng trên ảnh đã được 
cắt theo ranh giới khu vực nghiên cứu. Ba thông số ảnh hưởng tới sự phân đoạn ảnh 
thành các đối tượng, bao gồm: tỷ lệ (scale), màu sắc (colour) và độ chặt 
(compactness) [73]. 
Hình 3-5: Quy trình chung phân loại định hướng đối tượng 
Thông số tỷ lệ ảnh hưởng trực tiếp đến kích thước của đối tượng sẽ được 
phân mảnh. Hình dạng và cấu trúc của đặc thù riêng của các đối tượng liên quan bởi 
thông số màu sắc. Độ chặt được định nghĩa là tỷ số giữa chu vi của một đối tượng 
và căn bậc hai của tổng số pixel nằm trong đối tượng đó. 
Trong quá trình xử lý ảnh, thông số tỷ lệ được đặt chịu ảnh hưởng bởi sự 
đồng nhất của các điểm ảnh trong mỗi đối tượng. Thông số màu sắc tạo sự cân bằng 
sự đồng nhất về màu sắc, hình dạng. Thông số độ chặt cân bằng giữa các mức độ 
phân bố ít và phân bố nhiều. Các thông số này thay đổi theo loại ảnh sử dụng, tỷ lệ 
bản đồ thành lập, mức độ chi tiết của hệ thống phân loại hiện trạng lớp phủ. 
Phân đoạn đa độ phân giải 
Thiết lập các lớp phân loại 
Thiết lập bộ quy tắc phân loại 
Tiến hành phân loại (theo bộ quy tắc) 
Kiểm tra chỉnh sửa lỗi 
Đánh giá kết quả, xuất kết quả 
59 
Nguyên tắc chung để xác định các thông số Scale parameter, Shape, 
Compactness như sau: Giữ nguyên giá trị của hai biến, thay đổi giá trị của một biến 
để tìm giá trị phù hợp cho biến đó. Thay đổi giá trị của một biến khác cho đến khi 
tìm được giá trị phù hợp. Cuối cùng là thay đổi giá trị của biến còn lại. 
- Thiết lập các lớp phân loại: Việc xác định các lớp phân loại để nghiên cứu 
tùy thuộc vào mục đích nghiên cứu và nguồn dữ liệu. 
Thiết lập các lớp phân loại được thực hiện trong hộp thoại Class Hierarchy 
của phần mềm Ecognition Developer. 
- Thiết lập bộ quy tắc phân loại (Rule set): Trong xử lý ảnh, bộ quy tắc 
bao gồm các tiêu chí được thiết lập sao cho đối tượng này có thể tách khỏi đối 
tượng khác trên ảnh phục vụ mục đích phân loại. 
Bộ quy 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.được thiết lập 
trên cửa sổ Process Tree. 
Việc lập một bộ quy tắc trong phân loại ảnh đối tượng đòi hỏi người phân 
tích ảnh phải có rất nhiều hiểu biết khác nhau như: đặc trưng phản xạ của đối tượng 
trên ảnh, sự hiểu biết khu vực nghiên cứu, mối quan hệ giữa các đối tượng với nhau. 
Khảo sát đặc trưng của đối tượng ảnh: Đây là giai đoạn rất quan trọng để tìm 
ra ngưỡng (threshold) cho sự phân loại các đối tượng ảnh. Mỗi một đối tượng ảnh 
có chứa những thông tin thuộc tính. Các thông tin thuộc tính này có thể là các thông 
tin về giá trị tán xạ phản hồi của các lớp, độ sáng, hình dạng, vị trí, cấu trúc, diện 
tích, khoảng cách đến đường biên bên phải, đường bên bên trái của ảnh .. 
Kết hợp các dữ liệu ảnh quang học và kết quả khảo sát thực địa để phân tích 
chọn ngưỡng phân loại cho từng loại lớp phủ trên ảnh radar. 
Để đảm bảo sự khách quan, nâng cao độ chính xác của kết quả phân loại. 
Mỗi loại lớp phủ phải sử dụng nhiều mẫu và khảo sát ở nhiều địa điểm khác nhau. 
60 
Kết hợp với các tài liệu thực địa khác như bản đồ sử dụng đất và các loại tư liệu bổ 
trợ khác... 
- Phân loại: Phân loại hướng đối tượng dựa vào cấu trúc thứ bậc, các lớp 
được nhóm theo phương pháp này cho phép đi xuống theo sự mô tả của lớp thấp 
hơn. Tương tác của người dùng với quy trình dựa vào thống kê, cấu trúc, hình dạng 
và mối quan hệ giữa các đối tượng được định nghĩa như vùng mẫu. Sự phân loại 
của một đối tượng theo phương pháp người láng giềng gần nhất “phân loại cứng” 
hoặc “phân loại mềm” sử dụng chức năng mờ (fuzzy) [48]. 
Trong phương pháp phân loại mềm, mỗi lớp của cơ chế phân loại bao gồm 
các mô tả về lớp đó. Mỗi sự mô tả lớp bao gồm một sự diễn tả mờ cho phép đánh 
giá các đặc trưng đặc biệt và các toán tử logic của chúng. Một quy tắc mờ có thể có 
một điều kiện hoặc bao gồm sự kết hợp của vài điều kiện để thõa mãn các yêu cầu 
đối với một đối tượng được gán vào một lớp. Tập hợp mờ được định nghĩa bởi chức 
năng các thành viên nhằm xác định các giá trị của các đặc trưng liên quan đến sự 
điển hình, ít điển hình, không điển hình của một lớp [37]. 
Tiến hành phân loại theo bộ quy tắc đã được thiết lập ở trên, để phân loại cho 
từng loại lớp phủ bề mặt. 
Kết quả của quá trình phân loại bao gồm: 
(1) Lớp bản đồ hiện trạng lớp phủ bề mặt; 
(2) Bộ quy tắc phân loại trong cửa sổ Process Tree. 
- Kiểm tra chỉnh sửa lỗi: 
Công cụ chỉnh sửa bao gồm: gộp đối tượng (Merge Objects Manually), phân 
loại đối tượng ảnh (Classify Image Objects Manually) và chia nhỏ một đối tượng 
ảnh (Cut an Object M