1. Khái niệm và phân loại về viễn thám? Cho ví dụ.

Khái niệm:

Viễn thám là ngành khoa học nghiên cứu việc đo đạc, thu thập thông tin về một đối tượng, sự vật bằng cách sử dụng thiết bị đo tác động một cách gián tiếp với đối tượng nghiên cứu.

Viễn thám là khoa học nghiên cứu các thực thể, hiện tượng trên trái đất từ xa mà không cần tác động trực tiếp vào nó.

Phân loại

Phân loại theo:

- Hình dạng quỹ đạo vệ tinh.

- Độ cao bay của vật mang.

- Loại nguồn phát và tín hiệu thu nhận.

- Dải phổ của các thiết bị thu.

- Lĩnh vực ứng dụng.

Theo hình dạng quỹ đạo vệ tinh

Viễn thám vệ tinh địa tĩnh:

tốc độ góc quay bằng tốc độ góc quay của trái đất (vệ tinh khí tượng, vệ tinh thông tin).

Vệ tinh quỹ đạo cực (hay gần cực):

Là vệ tinh có mặt phẳng quỹ đạo vuông góc hoặc gần vuông góc so với mặt phẳng xích đạo của Trái Đất.

+ Tốc độ quay khác với tốc độ quay của trái đất.

+ Thời gian thu ảnh trên mỗi vùng lãnh thổ trên mặt đất cùng giờ địa phương và thời gian lặp lại là cố định đối với một vệ tinh.

Theo nguồn năng lượng sử dụng

Viễn thám chủ động:

Dùng nguồn năng lượng do thiết bị thu nhận phát ra (năng lượng nhân tạo) tới vật thể rồi thu nhận tín hiệu phản xạ lại.

Viễn thám bị động:

Dùng nguồn năng lượng mặt trời hoặc năng lượng do vật thể bức xạ (các vật thể tự phát ra bức xạ hồng ngoại).

Theo độ cao bay của vật mang

- Viễn thám mặt đất (< 100 m). ô tô, thuyền, cầm tay, các vật cao di động hoặc cố định v.v…

- Viễn thám hàng không (100 m - 100 km). Bộ cảm biến đặt trên không trung như máy bay, khinh khí cầu vv…

- Viễn thám vệ tinh (240 km - 36.000 km). Bộ cảm biến đặt trên vệ tinh nhân tạo, trạm không gian, tên lửa, tàu con thoi vv…

- Viễn thám vũ trụ (> 36. 000 km). Bộ cảm biến trên phi thuyền giữa các hành tinh, nghiên cứu các mục tiêu nằm ngoài trái đất và mặt trăng

Theo vùng bước sóng sử dụng

- Viễn thám tử ngoại: 0.05 - 0.38 μm

- Viễn thám nhìn thấy: 0.38 - 0.76 μm

- Viễn thám hồng ngoại: 0.76 μm - 1 mm

- Viễn thám siêu cao tần: 1 mm - 10 m

Theo lĩnh vực ứng dụng

Lĩnh vực nghiên cứu lớn:

- Viễn thám tầng không gian bên ngoài,

- Viễn thám tầng khí quyển,

- Viễn thám lục địa,

- Viễn thám biển.

Lĩnh vực ứng dụng cụ thể:

Viễn thám môi trường, viễn thám khí tượng, viễn thám thủy văn, viễn thám tài nguyên, viễn thám địa chất, viễn thám thành phố, viễn thám nông nghiệp, viễn thám lâm nghiệp, v.v…

2. Vẽ sơ đồ, trình bày các thành phần cơ bản của hệ thống viễn thám

Nguồn năng lượng (A)

: chiếu sáng, cung cấp năng lượng điện từ tới đối tượng cần nghiên cứu

Những tia phát xạ và khí quyển (B):

bức xạ điện từ từ nguồn phát tới đối tượng nghiên cứu tương tác qua lại với khí quyển nơi nó đi qua.

Sự tương tác với đối tượng

(C): năng lượng tiếp tục tương tác với đối tượng tùy vào đặc điểm đối tượng và sóng điện từ (truyền qua, hấp thụ hay bị phản xạ).

Thu nhận năng lượng bằng bộ cảm biến (D): tập hợp và thu nhận sóng điện từ

. Năng lượng điện từ truyền về bộ cảm sẽ mang thông tin của đối tượng

Trạm thu nhận và xử lý dữ liệu (E): thu nhận dữ liệu, xử lý sang dạng ảnh

(dữ liệu thô).

Phân loại và phân tích ảnh (F): giải đoán

các đối tượng trên ảnh thô và tiến hành phân loại (bằng mắt, thực địa hoặc tự động, v.v...).

Ứng dụng (G):

ứng dụng thông tin thu nhận được trong quá trình xử lý ảnh vào các lĩnh vực, bài toán cụ thể.

3. Các dạng tương tác năng lượng của bức xạ điện từ với đối tượng tự nhiên.

Truyền qua, hấp thụ phản xạ

4. Khái niệm về bộ cảm biến? Phân loại bộ cảm biến

Bộ cảm biến

là các thiết bị tạo ra ảnh về sự phân bố năng lượng phản xạ hay phát xạ của các vật thể từ mặt đất theo những phần nhất định của quang phổ điện từ

Phân loại

Chia làm hai nhóm chính:

- Bộ cảm chủ động:

thu nhận

năng lượng do vật thể phản xạ từ nguồn năng lượng nhân tạo.

- Bộ cảm bị động: thu nhận các bức xạ do vật thể phát xạ hoặc phản xạ từ nguồn năng lượng mặt trời.

Mỗi nhóm chủ động hoặc bị động được chia thành hệ thống quét và hệ thống không quét.

5. Khái niệm vật mang ? Cách phân loại vật mang

Vật mang

là một phương tiện dùng để bố trí các bộ cảm biến trên đó nhằm thu nhận thông tin từ mặt đất

Phân loại vật mang

+ Vệ tinh địa tĩnh,

+ Vệ tinh tài nguyên,

+ Vật mang quĩ đạo thấp,

+ Vật mang tầng máy bay,

+ Vật mang tầng thấp.

6. Trình bày các dạng quỹ đạo cơ bản của vệ tinh viễn thám

Quỹ đạo bay

+ Vệ tinh quan sát mặt đất đòi hỏi điều kiện chiếu sáng ổn định, nghĩa là góc tới của ánh sáng mặt trời đối với mặt phẳng quỹ đạo luôn không thay đổi theo thời gian.

+ Quỹ đạo bay được tính toán theo sáu tham số tối ưu nhất sao cho giá trị năng lượng phản xạ thu được trên ảnh vệ tinh không bị thay đổi bởi vị trí của mặt trời (quỹ đạo đồng bộ mặt trời).

+ Quỹ đạo có chu kỳ lặp một ngày: vệ tinh trở lại điểm thiên đỉnh trong một ngày.

+ Quỹ đạo có chu kỳ lặp lại nhiều ngày: vệ tinh trở lại đỉểm thiên đỉnh sau khoảng thời gian cố định (nhiều ngày).

+ Vệ tinh quan sát mặt đất sử dụng quỹ đạo có chu kỳ lặp lại nhiều ngày, cho phép bộ cảm biến bao phủ hầu hết các phần trên mặt đất dựa trên sự kết hợp chuyển động quay tương đối giữa mặt đất và vệ tinh.

7. Trình bày đặc trưng phản xạ phổ của thực vật, thổ nhưỡng và  nước (đặc trưng phổ và vẽ sơ đồ)

- Đặc trưng phản xạ phổ của thổ nhưỡng:

+ Đặc trưng phản xạ chung nhất của thổ nhưỡng là khả năng phản xạ phổ tăng theo độ dài bước sóng, đặc biệt là bước sóng cận hồng ngoại và hồng ngoại nhiệt.

+ Các yếu tố ảnh hưởng đến khả năng phản xạ phổ của thổ nhưỡng: cấu trúc bề mặt của đất, độ ẩm của đất, hợp chất hữu cơ, vô cơ có trong đất.

+ Khả năng phản xạ phổ của thổ nhưỡng phụ thuộc vào độ ẩm của đất. Khi độ ẩm tăng, khả năng phản xạ sẽ bị giảm.

- Đặc trưng phản xạ phổ của thực vật:

+ Khả năng phản xạ phổ của thực vật phụ thuộc vào bước sóng điện từ.

+ Thực vật có khả năng hấp thụ năng lượng mạnh nhất ở các bước sóng 1,4µm; 1,9µm; 2,7µm.

- Đặc trưng phản xạ phổ của nước:

+ Khả năn phản xạ phổ của nước thay đổi theo bước sóng của bức xạ chiếu tới và thành phần vật chất có trong nước. Ngoại ra, khả năng phản xạ phổ của nước còn phụ thuộc vào bề mặt nước và trạng thái của nước.

+ Nước có khả năng hấp thụ rất mạnh năng lượng ở bước sóng cận hồng ngoại và hồng ngoại, do đó năng lượng phản xạ sẽ rất ít.

+ Độ thấu quang của nước phụ tuộc độ đục/trong

- Đặc trưng phổ của khoáng vật:

+ Khoáng vật tạo thành từ các anion và cation. Phổ của chúng phụ thuộc vào các hiệu ứng ion, cation, anion hoặc trường tinh thể.

8.

Khái niệm ảnh số? So với tư liệu ảnh tương tự, dữ liệu ảnh số có những ưu điểm gì vượt trội?

Khái niệm:

Ảnh số:

ảnh tạo bởi mảng hai chiều sử dụng

dữ liệu số

.

Dữ liệu số

là dữ liệu có

giá trị rời rạc

theo thời gian.

Ví dụ:

ảnh viễn thám thu nhận được từ vệ tinh

Ưu điểm của dữ liệu ảnh số so với ảnh phim:

①

Khả năng lưu trữ thông tin gốc tốt hơn;

②

Xử lý tự động và phân loại nhanh;

③

Dải phổ lớn và nhiều kênh hơn;

④

Độ phủ lớn hơn;

⑤

Lưu trữ gọn nhẹ trên máy tính;

⑥

Dễ truyền tải, chia sẻ.

9.

Phát biểu các khái niệm về độ phân giải của ảnh vệ tinh

Độ phân giải ảnh vệ tinh gồm 4 loại:

+ Độ phân giải không gian;

+ Độ phân giải bức xạ;

+ Độ phân giải phổ;

+ Độ phân giải thời gian.

Độ phân giải không gian:

Độ phân giải hình học:

kích thước nhỏ nhất

của một đối tượng hay

khoảng cách tối thiểu

giữa hai đối tượng liền kề có

khả năng phân biệt được

trên ảnh.

Độ phân giải mặt đất:

là

hình chiếu

của một pixel tương ứng với một đơn vị chia mẫu trên mặt đất.

+ Độ phân giải mặt đất

tỷ lệ nghịch

với kích thước pixel

Độ phân giải bức xạ:

Là khả năng

nhạy cảm

của các thiết bị thu để phát hiện sự

khác nhau rất nhỏ

từ các cường độ bức xạ điện từ

Độ phân giải phổ:

Là

bề rộng hẹp nhất

của kênh phổ mà bộ cảm

phân

biệt

được khi thu nhận bức xạ điện từ từ đối tượng.

+

Bề rộng

kênh phổ càng

hẹp

→

lượng kênh phổ

càng

nhiều

→

độ phân giải

phổ càng

cao

→ càng phản ánh

chính xác

đặc tính phản xạ phổ của đối tượng tự nhiên.

Độ phân giải thời gian:

Là thời gian chụp lặp lại tại cùng 1 vị trí của ảnh vệ tinh

Ưu điểm:

cung cấp thông tin

chính xác hơn

và nhận biết

sự biến động

của khu vực cần nghiên cứu

10. Trình bày các phương thức lưu trữ dữ liệu ảnh vệ tinh

Ảnh số được lưu trữ trong các thiết bị gọi là phương tiện lưu trữ

Khuôn dạng dữ liệu kiểu BSQ:

BSQ

-

Band Sequential

+ Tất cả các

dữ liệu

thuộc

một kênh

ảnh được lưu trữ riêng thành

một file

.

+ Nếu như ảnh số về một khu vực gồm

nhiều kênh

ảnh →

nhiều file

dữ liệu.

Ưu điểm:

+ Dễ đọc;

+ Dễ dàng chọn kênh;

+ Thuận tiện khi xuất ảnh;

+ Dễ dàng tổ hợp màu ảnh vệ tinh.

Khuôn dạng dữ liệu kiểu BIL:

BIL

-

Band Interleaved by Lines

+ Là cấu trúc

xen đường

trong băng phổ. Giá trị số của các kênh sẽ

lần lượt

ghi nhận thứ tự từ dòng một cho đến hết.

+ Tất cả các

dữ liệu

thuộc

các kênh

ảnh được lưu trữ vào

một file dữ liệu chung

.

Khuôn dạng dữ liệu kiểu BIP:

BIP

-

Band Interleaved by Pixel

+ Là cấu trúc

xen pixel

trong băng phổ.

Mỗi pixel

ảnh được lưu trữ

tuần tự

theo

kênh

. Kết thúc tổ hợp phổ của pixel này chuyển sang tổ hợp phổ của pixel khác.

+ Tất cả các

pixel

ảnh thuộc

các kênh

ảnh được lưu trữ vào

một file dữ liệu chung

.

Khuôn dạng dữ liệu kiểu BIP:

Ưu điểm:

+ Dễ phân loại tự động các đôi tượng;

+ Dễ xử lý ảnh đa biến;

Khuôn dạng dữ liệu khác:

+ Định dạng quen thuộc: BMP, GIF, JPEG, PNG.

+ Mỗi phần mềm xử lý ảnh vệ tinh (ENVI, ERDAS IMAGINE,…) sử dụng một định dạng khác nhau như IMG (ERDAS IMAGINE), HDR (ENVI).

11.

Các phương pháp giải đoán ảnh vệ tinh? Ưu, nhược điểm của các phương pháp

Phân tích ảnh bằng mắt

Ưu điểm:

đơn giản, nhanh chóng, phát huy được trí tuệ của người sử dụng.



Nhược điểm:

- Độ chính xác không cao,

- Phụ thuộc vào khả năng của người phân loại,

- Không thể xử lý lượng thông tin lớn.

- Không phát hiện được các đối tượng ngụy trang.

12.

Phát biểu khái niệm giải đoán ảnh bằng mắt? Đặc điểm của giải đoán ảnh bằng mắt.

Phân tích

(giải đoán) ảnh bằng mắt là quá trình sử dụng mắt người cùng với trí tuệ để

tách chiết

các

thông tin

từ tư liệu viễn thám dạng hình ảnh.

+ Phân tích ảnh có ý nghĩa quan trọng trong

lẫy mẫu

phục vụ phân loại tự động có kiểm định.



Thiết bị quang học trợ giúp:

kính lúp, kính lập thể, kính phóng đại, kính tổ hợp mầu.

Các dấu hiệu phân loại

(1) Kích thước:

+ Kích thước của đối tượng tùy thuộc vào tỷ lệ ảnh.

+ Xác định được độ phân giải không gian, kích thước pixel và tỉ lệ ảnh.

(2) Hình dạng:

Là đặc trưng bên ngoài tiêu biểu cho đối tượng.

Hình dạng

đối tượng khi nhìn

từ trên cao xuống

là dấu hiệu giải đoán ảnh quan trọng.

Ví dụ:

ruộng dạng hình vuông hay chữ nhật, chung cư cao tầng khác với nhà riêng lẻ v.v.

(3) Bóng râm:

- Xuất hiện khi nguồn phát năng lượng không nằm ngay trên đỉnh đầu hoặc chụp ảnh xiên.

- Căn cứ bóng râm xác định được chiều cao đối tượng, trong ảnh radar bóng râm là yếu tố giúp cho việc xác định địa hình và hình dạng mặt đất

- Bóng râm làm

giảm

khả năng giải đoán.

Ví dụ:

- Khó khăn trong việc xác định diện tích của vật thể nơi có nhiều nhà cao tầng.

- Bóng râm do mây tạo ra dẫn đến việc không thể phân loại được đối tượng bị bóng râm che phủ.

(4) Độ đậm, nhạt, sáng:

Là tổng hợp

năng lượng phản xạ

bởi bề mặt đối tượng. Mỗi đối tượng được thể hiện bằng một cấp độ sáng nhất định

tỷ lệ

với cường độ phản xạ ánh sáng.

+ Ảnh trắng đen: trắng → đen tuyền.

+ Ảnh màu: tone ảnh cho độ đậm nhạt khác nhau. Tổ hợp hợp màu thường được sử dụng để hỗ trợ công tác giải đoán ảnh.

(5) Màu sắc:

Là một yếu tố rất thuận lợi trong việc xác định chi tiết các đối tượng.

Ví dụ:

các kiểu loài thực vật vật có thể được phát hiện dễ dàng qua màu sắc.

Ảnh hồng ngoại màu, các đối tượng khác nhau sẽ có tone màu khác nhau

(6) Cấu trúc:

Là

tần số lặp lại

của sự thay đổi cấu trúc tone ảnh cho một khu vực cụ thể trên ảnh quang học.

Ví dụ:

Tần số và bố cục không gian của đường viền, cây cối, ngôi nhà, sân vận động.

Phân loại cấu trúc: điểm, hạt, đường hay hoa văn (vân); mịn hay sần sùi.

(7) Hình mẫu:

Sự

sắp xếp

của các đối tượng về mặt không gian mà mắt người giải đoán có thể phân biệt được.

Các đối tượng được

sắp xếp

có

quy luật

để hình thành đồ hình có kết cấu. Đây là tổng hợp của các tiêu chí về hình dạng, kích thước, màu sắc, cấu trúc.

(8) Mối liên quan:

Phối hợp

tất cả các yếu tố giải đoán,

môi trường xung quanh

hoặc

mối liên quan

của đối tượng nghiên cứu

với các đối tượng khác sẽ cung cấp một thông tin giải

đoán quan trọng để xác định chính xác đối tượng.

Ví dụ:

+ Đường hầm qua núi.

+ Trên thảo nguyên, các con đường nhỏ dẫn tới dòng nước nhỏ.

(9) Khóa giải đoán ảnh:

13.

Trình bày về khoá giải đoán.

Khóa giải đoán

là chuẩn giải đoán cho đối tượng nhất định bao gồm tập hợp các

yếu tố

và

dấu hiệu

do người giải đoán thiết lập.

Mục đích:

trợ giúp cho công tác giải đoán nhanh và đạt kết quả chính xác thống nhất cho các đối tượng từ nhiều người khác nhau.

Dựa vào

khóa giải đoán

, người giải đoán có thể phát triển mở rộng và phân tích cho nhiều vùng khác trên cơ sở cùng loại

tư liệu

, cùng

mùa

và

thời gian

chụp ảnh.

Ý nghĩa:

giúp công tác giải đoán

nhanh hơn

, đảm bảo

tính thống nhất

trong quá trình giải đoán.

14.

Nêu khái niệm phân loại đa phổ? Ưu, nhược điểm của phân loại ảnh so với giải đoán ảnh bằng mắt

Phân loại ảnh là quá trình

tách gộp

thông tin dựa trên các

tính chất phổ

, không gian và thời gian.

Gán

từng pixel trên ảnh vào các lớp khác nhau dựa trên đặc tính thống kê của các giá trị độ xám của từng pixel.

Các bước:

1. Chọn trước một

tập hợp các lớp phủ

.

2. Chọn ra tập các

pixel tiêu

biểu cho mỗi lớp (tập training). (lấy từ thực địa, từ bản đồ, hoặc nguồn hình ảnh khác).

3. Ước đoán các tham số cho mỗi lớp dựa vào tập training.

4. Xếp loại từng pixel về một lớp duy nhất dựa vào các tập training.

5. Tạo ảnh phân loại, thống kê kết quả phân loại.

15.

Trình bày nội dung phương pháp phân loại có kiểm định, không kiểm định? Điểm khác nhau về khả năng ứng dụng giữa hai phương pháp này.

Phân loại có kiểm định

Phân loại theo xác suất cực đại:

Căn cứ:

kỳ vọng, phương sai, hiệp phương sai trong không gian phổ để xây dựng thuật toán.

Nguyên lý:

sử dụng số liệu mẫu để xác định

hàm mật độ phân bố xác suất

của mỗi lớp cần phân loại. Mỗi pixel được tính xác xuất mà nó thuộc vào một lớp nào đó. Pixel sẽ được gán vào lớp mà xác suất thuộc vào lớp đó là

lớn nhất

.

Ưu điểm:

độ chính xác

cao

do cơ sở toán học chặt chẽ.

Nhược điểm:

Điều kiện:

- Các lớp cần có

phân bố chuẩn

.

- Số liệu mẫu phải thực sự đại diện cho các lớp, cho phép xác định đúng hàm phân bố của mỗi lớp.

Phân loại theo khoảng cách tối thiểu:

Nguyên lý:

dựa vào việc so sánh khoảng cách từ điểm ảnh cần phân loại tới tâm của các lớp trong không gian phổ rồi gán điểm đó về lớp có tâm gần với nó nhất.

Ưu điểm:

cơ sở toán học đơn giản.

Nhược điểm:

độ chính xác

không cao

.

Phương pháp phân loại hình hộp:

Nguyên lý:

căn cứ

khoảng phân bố

(giới hạn thấp nhất và cao nhất) của số liệu mẫu - “hộp” bao bọc một nhóm. Pixel

nằm trong “hộp”

không gian được phân loại vào nhóm tương ứng.

Ưu điểm:

cơ sở toán học đơn giản, tính nhanh.

Nhược điểm:

nhiều pixel không được xử lý (nơi giao cắt nhau giữa các hộp).

Chú ý:

các kênh ảnh có

tương quan cao

thì khả năng

giao cắt

của miền phân bố các lớp càng lớn. Để hạn chế tiến

hành biến đổi ảnh gốc thành ảnh thành phần chính, khi đó các kênh ảnh hoàn toàn độc lập.

Ưu điểm:

1. Căn cứ vào yêu cầu để xác định số lượng lớp cần phân loại, tránh xuất hiện các lớp không phù hợp với yêu cầu.

2. Có thể khống chế được các tập training.

3. Tránh các sai sót trong quá trình phân loại thông qua kiểm tra độ chính xác của các tập training so với kết quả phân loại.

Nhược điểm:

1. Mang tính chủ quan cao do người lựa chọn tập training nên khó lựa chọn các tập có khả năng đại diện cao.

2. Việc thu thập và đánh giá các tập training tốn thời gian.

3. Chỉ có thể phân loại được những lớp có trong tập trainning.

Phân loại không kiểm định

dùng để sơ bộ tìm hiểu

sự chia lớp

của khu vực sắp khảo sát trong trường hợp thông

tin về các lớp phủ là không đầy đủ, hoặc thậm chí

không có

(không có tập training).

Sự khác biệt so với phương pháp phân loại có kiểm định là

không có đầy đủ thông tin về lớp phủ

.

Nguyên lý

:

sử dụng thuần túy các thông tin phổ trên ảnh. Cụ thể:

1. Các pixel trên ảnh sẽ được

gộp

vào các lớp phổ khác nhau trên cơ sở các nhóm phổ tự nhiên biểu thị qua các giá trị độ xám của ảnh.

2. Thông qua

xác minh thực địa

hoặc sử dụng các cơ sở dữ liệu khác, mỗi lớp phổ sẽ được phân thành các lớp tương ứng trên thực địa.

Phương pháp K giá trị trung bình (K – Mean):

Yêu cầu:

Số lớp cần phân loại cần phải xác định trước.

Nguyên lý:

Căn cứ vào

khoảng cách nhỏ nhất

từ pixel tới tâm của các lớp.

Ba bước cơ bản:

Bước 1:

Chọn k vectơ làm tâm cho k lớp khởi đầu.

Bước 2:

Tính khoảng cách

của từng vector pixel tới các tâm lớp. Một vectơ pixel sẽ thuộc lớp mà khoảng cách từ nó

đến tâm của lớp là

nhỏ nhất

.

Bước 3:

Tính lại tâm

của các lớp. Nếu tất cả các tâm giữ nguyên, thuật toán dừng, nếu không quay lại bước 2.

Ưu điểm:

+

Độ tin cậy

cao nếu số lượng các lớp được xác định đúng ngay từ đầu.

+ Kết quả phân lớp

ít phụ thuộc

vào việc lựa chọn các tâm ban đầu cũng như trình tự các điểm ảnh được xét.

Nhược điểm:

phải xác định trước số lớp cần phân loại.

Phương pháp ISODATA:

Đây có thể coi như

cải biên

của phương pháp K-mean.

Sau mỗi lần lặp tiến hành kiểm tra để

nhóm gộp, loại bỏ hay tách lớp

khi cần, nhờ đó tự điều chỉnh được số lớp

trong kết quả phân loại.

Thuật toán đòi hỏi người sử dụng phải

biết ước lượng

các tham số điều khiển quá trình phân loại.

Ưu điểm:

độ tin cậy

cao.

Nhược điểm:

tốn thời gian.

16.

Khái niệm và các thành phần của hệ thống thông tin địa lý

Khái niệm về GIS

GIS – Geographic Information System

GIS - Hệ thống thông tin địa lý.

GIS

là một hệ thống thông tin có khả năng

xây dựng

,

cập nhật

,

lưu trữ

,

truy vấn

,

xử lý

,

phân tích

và

xuất

ra các dữ liệu có liên quan tới vị trí địa lý và thuộc

tính, nhằm

hỗ trợ ra quyết định

trong các công tác quy hoạch và quản lý tài nguyên thiên nhiên và môi trường

Các thành phần cơ bản của GIS

1. Phần cứng (Hardwares)

Máy tính, máy in, bàn số hóa, đĩa CD và ổ USB

2. Phần mềm (Softwares)

Hệ điều hành

Hệ quản trị cơ sở dữ liệu

Phần mềm: ArcGIS, IDRISI, Mapinfo…

3. Dữ liệu (Geographic data)

Dữ liệu thuộc tính và dữ liệu không gian

4. Chuyên viên (Expertise)

5. Phương pháp

Bao gồm toàn bộ các thủ tục và thuật toán liên quan đến nhập, biên tập, chuyển đổi dữ liệu, truy vấn và phân tích dữ liệu

17. Trình bày các chức năng cơ bản của hệ thống thông tin đia lý.

+ Thu thập dữ liệu,

+ Lưu trữ dữ liệu,

+ Truy vấn dữ liệu,

+ Phân tích, trình bày kết quả,

+ Xuất nhập dữ liệu.

Thu thập dữ liệu:

GIS cho phép nhập dữ liệu từ nhiều nguồn khác nhau:

+ Bản đồ giấy,

+ Số liệu bảng tọa độ,

+ Dữ liệu ảnh vệ tinh,

+ Dữ liệu từ hệ thống định vị toàn cầu (GPS).

Lưu trữ dữ liệu:

GIS hỗ trợ

lưu dữ liệu

cả dạng cấu trúc dữ liệu Vector và cấu trúc dữ liệu Raster cho phép xây dựng các

ngân hàng dữ liệu không gian

phục vụ công tác quản lý tài nguyên và môi trường.

Truy vấn dữ liệu:

+ Hệ thống GIS tích hợp cả

hệ quản trị cơ sở dữ liệu

bên trong nó dựa trên mô hình dữ liệu quan hệ để giúp

tổ chức thông tin của một hệ GIS.

+ Cho phép

truy vấn thông tin

của các đối tượng riêng biệt cũng như theo các điều kiện nào đó theo giá trị thuộc tính hoặc không gian địa lý.

Phân tích dữ liệu:

+ Hiển thị dữ liệu,

+ Phân tích độ dốc

+ Chồng xếp bản đồ,

+ Tạo vùng đệm.

Hiển thị dữ liệu:

GIS cho phép hiển thị dữ liệu dưới nhiều dạng khác nhau như bản đồ, biểu đồ hoặc các báo cáo.

Xuất dữ liệu:

GIS cho phép xuất dữ liệu dưới dạng bản đồ giấy, ảnh, tài liệu bản đồ hoặc qua mạng Internet.

18. Khái niệm và cấu trúc các dạng dữ liệu Vector trong hệ thống thông tin địa lý

Cấu trúc dữ liệu Vector thông qua việc lưu trữ

tọa độ

và

mối quan hệ không gian

của đối tượng địa lý để

miêu tả

vị trí

của đối tượng.

Dùng

điểm

,

đường

,

vùng

để mô tả các đối tượng địa lý.

1. Điểm (points):

Là các đối tượng

vô hướng

có vị trí không gian, không có độ dài và k độ

rộng dùng miêu tả các đối tượng địa lý như vị trí, hoặc cây.

+ Vị trí: P(x, y).

+ Thuộc tính: ký hiệu.

Tỷ lệ bản đồ

quyết định một đối tượng là điểm hay không.

2. Đường (lines):

Miêu tả đối tượng một chiều tạo bởi kết nối các điểm với nhau có vị trí, độ dài, không có độ rộng và độ cao.

+ Vị trí: (

x

1,

y

1),(

x

2,

y

2),

…,

(

x

n,

y

n).

+ Thuộc tính: hình dáng, màu, độ dài.

3. Vùng (Polygon):

Miêu tả đối tượng hai chiều, có vị trí, có chiều dài, và có chiều rộng (ranh giới cánh đồng, thửa đất, hồ…)

+ Vị trí: (

x

1,

y

1),(

x

2,

y

2),

…,

(

x

n,

y

n).

+ Thuộc tính: hình dáng, màu, độ dài.

1. Mô hình dữ liệu Spaghetti/mô hình thực thể

Thực thể chỉ các yếu tố cơ bản gồm:

điểm

,

đường

,

vùng

.

Chỉ lưu thông tin về

tọa độ

vị trí của đối tượng không gian và

thuộc

tính

,

không lưu quan hệ Topo

.

a. Độc lập mã hóa:

-

Ưu điểm:

dễ dàng mã hóa, số hóa, tốc độ hiển thị nhanh.

-

Nhược điểm:

+ Dữ liệu dư thừa → sai số khi ghép biên và sinh ra các vùng nhỏ mới không có ý nghĩa giữa các đường biên chung,

+ Không mô tả được mối quan hệ không gian giữa các đối tượng → khó khăn trong phân tích không gian.

+ Không thể hiện đa giác con nằm trong đa giác lớn.

b. Từ điển vị trí điểm:

- Lưu từng cặp tọa độ,

- Lập bảng thống kê các chuỗi điểm cho vùng và đường.

-

Ưu điểm:

cấu trúc đơn giản, trực quan, dễ dàng mã hóa.

-

Nhược điểm:

+ Không mô tả được mối quan hệ không gian giữa các đối tượng → khó khăn trong phân tích không gian.

+ Không thể hiện đa giác con nằm trong đa giác lớn.

2. Mô hình dữ liệu Topology

Đối tượng địa lý gồm:

+ Nhóm đối tượng cơ sở: điểm, đường;

+ Nhóm đối tượng topo: nút (nodes), đường (routes), vùng (regions), cung (arcs).

Mô hình dữ liệu Topology là tập các quy tắc để xây dựng và hiển thị các đối tượng topo.

1.

Cung (arc):

đoạn đường bao gồm tập các tọa độ theo thứ tự nhất định.

2.

Nút (node):

điểm khởi đầu và kết thúc của cung.

3.

Đa giác (pol):

vùng khép kín bao quanh bởi các cung

Điểm tics:

điểm khống chế tọa độ địa lý sử dụng để đăng ký và chuyển đổi hệ tọa độ.

Ký tự (annotation):

chuỗi các từ sử dụng để đặt tên các đối tượng địa lý.

Các quan hệ Topo cơ bản gồm:

+ Tính liên quan,

+ Tính liền kề,

+ Tính liên tục,

+ Tính bao hàm,

+ Một số quan hệ khác: tính tạo vùng, tính phương

hướng, định nghĩa vùng, quan hệ thứ bậc.

Mô hình dữ liệu Topo không chỉ mô tả

thuộc tính

và

vị trí hình học

mà còn biểu thị

quan hệ Topo

không gian.



Quan hệ Topo dùng 4 bảng quan hệ biểu thị:

1. Quan hệ nút – cung.

2. Quan hệ cung – nút.

3. Quan hệ cung – đa giác.

4. Quan hệ đa giác – cung.

Ưu điểm:

- Mô tả quan hệ không gian của điểm, đường và vùng không hoàn toàn dựa vào vị trí tọa độ.

- Thông tin quan hệ không gian phong phú, đơn giản, dư thừa dữ liệu nhỏ.

- Thuận tiện trong việc chồng xếp giữa các đa giác.

- Dễ kiểm tra các lỗi nhập dữ liệu.

Nhược điểm:

- Quá trình thiết lập quan hệ Topo tương đối phức tạp.

- Cấu trúc dữ liệu phức tạp

19. Khái niệm và cấu trúc dữ liệu Raster trong hệ thống thông tin địa lý

Cấu trúc dữ liệu Vector

dùng cho các đối tượng như thửa đất, đơn vị sử dụng đất, ranh giới hành chính… thường có ranh giới rõ ràng.

Tuy nhiên nhiều đối tượng trên bề mặt Trái đất có ranh giới không rõ ràng như độ cao (địa hình), các tính chất của đất như phân bố pH, hàm lượng chất hữu cơ, độ dày tầng đất…

mô hình dữ liệu Vector

tỏ ra

không hiệu quả

trong mô tả những đối tượng hay hiện tượng địa lý này.

Cần một kiểu cấu trúc dữ liệu khác hiệu quả hơn để biểu diễn các

bề mặt liên tục

, đó là

cấu trúc dữ liệu Raster

.

Các khái niệm cơ bản

Dùng ma trận ô vuông biểu diễn các đối tượng địa lý, trong đó mỗi ô vuông được xác định bởi số hàng và số cột của ma trận, giá trị thuộc tính của ô vuông dùng số nguyên biểu thị.

Biểu diễn:



Điểm:

một pixel.



Đường:

nối các pixel liền kề

trên cùng một phương hướng.



Vùng:

gộp các pixel liền kề

nhau.

Pixel:

+ Mỗi pixel tương ứng với một đơn vị chia mẫu trên mặt đất.

+ Kích thước của pixel có ý nghĩa quan trọng trong đối với kết quả tính toán và độ phân giải của ảnh.

+ Ảnh viễn thám: độ phân giải mặt đất.

+ Độ phân giải của Laptop thường dùng:

640

×

780; 800

×

600

và

1024

×

768

+ Kích thước pixel (độ phân giải của ảnh) ảnh hưởng đến sự chi tiết mô tả đối tượng ngoài thực địa.

+ Độ phân giải càng lớn thì khả năng mô tả chính xác đối tượng càng giảm.

Ma trận Pixel:

Phản ánh

sự phân bố không gian

của hàng loạt các pixel hàng và cột nhằm xác định vị trí không gian của mỗi pixel

20. Phân tích ưu và nhược điểm của cấu trúc dữ liệu Vector và Raster.

Vector

Ưu điểm:

- Dữ liệu lưu tốn

ít bộ nhớ

hơn dữ liệu Raster.

- Dữ liệu có thể tạo từ

độ phân giải gốc

.

-

Độ chính xác

của dự liệu gốc được duy trì.

- Cho phép

tạo quan hệ Topo

cho các đối tượng.

- Dễ dàng tính

chuyến đổi hệ tọa độ

.

- Dễ dàng

truy vấn

và

cập nhật

Nhược điểm:

-

Cấu trúc dữ liệu

phức tạp.

- Khó khăn khi thực hiện các phép toán

chồng ghép

.

-

Vị trí

của mỗi điểm phải lưu trữ một cách chính xác.

- Tốn thời gian để

kiểm tra lỗi Topo

.

- Các

thuật toán

trong phân tích không gian phức tạp.

- Không hiển thị hiệu quả các

dữ liệu liên tục

.

- Không thể phân tích kh/gian, làm trơn dữ liệu trong vùng.

Raster

Ưu điểm:

-

Cấu trúc dữ liệu

đơn giản (chỉ gồm Pixel).

-

Vị trí

một điểm lưu bằng tọa độ hàng, cột của ma trận số.

- Dễ dàng

phân tích không gian

.

- Thích hợp cho

mô hình hóa

và

tính toán định lượng

.

- Hiển thị tốt các dữ liệu

rời rạc

và dữ liệu

liên tục

.

- Khả năng

cập nhật nhanh

đối với dữ liệu số như ảnh vệ

tinh, ảnh máy bay.

Nhược điểm:

-

Kích thước pixel

ảnh hưởng tới mô tả chi tiết đối tượng.

- Khó hiển thị

đối tượng hình tuyến

chính xác.

- Khó xử lý

dữ liệu thuộc tính

trong cơ sở dữ liệu lớn.

-

Chuyển đổi dữ liệu

từ Vector sang Raster.

- Các bản đồ Raster

kém mỹ quan

hơn dữ liệu Vector.

-

Chuyển đổi hệ tọa độ

khó khăn hơn dữ liệu Vector.

21. Trình bày các phương pháp nhập dữ liệu dạng Vector. Nêu nguyên lý hoạt động của bàn số hóa.

Nhập dữ liệu Vector

Công việc:

- Nhập dữ liệu bản đồ

- Nhập dữ liệu thuộc tính

- Kết nối dữ liệu bản đồ với dữ liệu thuộc tính

- Biên tập và hiệu chỉnh dữ liệu

Số hóa dữ liệu trực tiếp từ bàn số hóa:

- Là quá trình

chuyển thông tin

từ dạng bản đồ

giấy

sang dạng

số

.

-

Mục đích:

xây dựng cơ sở dữ liệu bản đồ địa chính tỷ lệ lớn: 1:200, 1:500, 1:1.000, 1:2.000, 1:5.000 và 1:10.000

22. Phân tích ưu và nhược điểm dữ liệu ảnh vệ tinh, ảnh máy bay và dữ liệu quan trắc thực địa trong xây dựng cơ sở dữ liệu địa lý

23. Trình bày tổ chức và nhập dữ liệu thuộc tính trong hệ thống GIS.

Nhập dữ liệu thuộc tính

Nội dung cơ bản:

.

1.

Xác định mục đích và nhiệm vụ của cơ sở dữ liệu.

Ví dụ:

nhiệm vụ của cơ sở dữ liệu địa chính là hỗ trợ những nội dung quản lý Nhà nước về đất đai; cung cấp dịch vụ thông tin cho các ngành khác.

Dữ liệu thuộc tính địa chính bao gồm các thông tin:

+ Thửa đất: mã thửa, diện tích, tình trạng đo đạc…

+ Người sử dụng: Tên, địa chỉ, chứng minh thư…

+ Tình trạng sử dụng: hình thức, thời hạn sử dụng…

2. Xác định các đối tượng địa lý được mô tả trong bảng dữ liệu thuộc tính.

- Phụ thuộc vào các đối tượng xuất hiện trong bản đồ (bảng dữ liệu thửa đất,các thông tin mô tả thửa đất.

- Số lượng các đối tượng phụ thuộc vào mục đích của từng cơ sở dữ liệu.

Ví dụ:

+ Cơ sở dữ liệu địa chính,

+ Cơ sở dữ liệu sử dụng đất,

+ Cơ sở dữ liệu đa dạng sinh học,

+ Cơ sở dữ liệu thổ nhưỡng,

+ Cơ sở dữ liệu cây trồng.

3. Xác định tập hợp thuộc tính muốn ghi lại về các đối tượng này.

Thuộc tính thửa đất gồm:

+ Thông tin về tự nhiên: số hiệu thửa, vị trí, diện tích, loại sử dụng đất.

+ Thông tin kinh tế: hạng đất và mức thuế.

+ Thông tin về xã hội: chủ sử dụng, địa chỉ, số chứng minh thư nhân dân, tình trạng pháp lý của thửa đất.

4. Đặt tên trường và xác định kiểu dữ liệu cho mỗi trường của bảng thuộc tính.

Xác định tên ngắn ngọn về các trường thuộc tính của thửa đất và kiểu dữ liệu cho từng thuộc tính. Trong Microsoft Access: Number (số nguyên), Text (văn bản), Memo (bản ghi nhớ), Date/Time (dữ liệu ngày tháng), Currency (dữ liệu về các loại tiền)…

5. Xác định số bảng thuộc tính trong của cơ sở dữ liệu .

Dữ liệu thuộc tính về một đối tượng có thể gồm nhiều thuộc tính. Các thuộc tính có thể chia ra thành nhiều bảng dữ liệu thuộc tính riêng biệt.

Ví dụ: chia tập thuộc tính thửa đất thành:

+ Bảng dữ liệu điều kiện tự nhiên của thửa đất,

+ Bảng dữ liệu về chủ sử dụng

+ Bảng dữ liệu thông tin đăng ký đất đai.

6. Xác định mối quan hệ giữa các bảng dữ liệu thuộc tính.

+ Là cơ sở để các bảng dữ liệu thuộc tính liên kết với nhau theo cấu trúc mô hình dữ liệu quan hệ.

+ Giúp cho hoạt động truy vấn và phân tích dữ liệu ở bước sau được thuận lợi hơn.

24. Vai trò và ý nghĩa của kết nối cơ sở dữ liệu bản đồ với dữ liệu thuộc tính.

Cơ sở dữ liệu địa lý

gồm nhiều bảng, mỗi bảng mô tả một số thuộc tính về một thực thể dữ liệu.

Bảng cơ sở dữ liệu

gồm bảng dữ liệu không gian và bảng dữ liệu thuộc tính. Để kết nối cần thiết kế dữ liệu theo mô hình dữ liệu quan hệ.

à

Bảng dữ liệu không gian chứa

trường khóa ngoài

(Foreign key) mà trường này là

trường khóa chính

trong bảng dữ liệu thuộc tính.