THÀNH LẬP BẢN ĐỒ SỬ DỤNG ĐẤT/LỚP PHỦ BỀ MẶT TẠI  VÙNG ĐỒNG BẰNG SÔNG CỬU LONG SỬ DỤNG ẢNH VỆ TINH LANDSAT-8

Nguyễn Huy Trung; Hoàng Hữu Chiến; Nguyễn Quang Thi; Nguyễn Duy Hải; Dương Minh Ngọc; Nguyễn Ngọc Anh; Vũ Thị Hòa

doi:10.34238/tnu-jst.6720

THÀNH LẬP BẢN ĐỒ SỬ DỤNG ĐẤT/LỚP PHỦ BỀ MẶT TẠI VÙNG ĐỒNG BẰNG SÔNG CỬU LONG SỬ DỤNG ẢNH VỆ TINH LANDSAT-8

Thông tin bài báo

Ngày nhận bài: 19/10/22 Ngày hoàn thiện: 14/04/23 Ngày đăng: 19/04/23

Các tác giả

1. Nguyễn Huy Trung , Trường Đại học Nông lâm – ĐH Thái Nguyên
2. Hoàng Hữu Chiến, Trường Đại học Nông lâm – ĐH Thái Nguyên
3. Nguyễn Quang Thi, Trường Đại học Nông lâm – ĐH Thái Nguyên
4. Nguyễn Duy Hải, Trường Đại học Nông lâm – ĐH Thái Nguyên
5. Dương Minh Ngọc, Trường Đại học Nông lâm – ĐH Thái Nguyên
6. Nguyễn Ngọc Anh, Trường Đại học Nông lâm – ĐH Thái Nguyên
7. Vũ Thị Hòa, Trường Đại học Nông lâm – ĐH Thái Nguyên

Tóm tắt

Bản đồ sử dụng đất/lớp phủ bề mặt cung cấp các thông tin quan trọng hỗ trợ công tác quản lý tài nguyên thiên nhiên và môi trường. Vệ tinh Landsat-8 cung cấp dữ liệu ảnh đa phổ có giá trị để thành lập bản đồ sử dụng đất/lớp phủ bề mặt với độ chính xác cao. Nghiên cứu này xây dựng một phương pháp thành lập bản đồ dụng đất/lớp phủ bề mặt bằng cách kết hợp dữ liệu ảnh Landsat-8 với dữ liệu tham khảo chất lượng cao trong một mô hình phân loại sử dụng thuật toán Máy Vectơ Hỗ trợ. Bản đồ sử dụng đất/lớp phủ bề mặt năm 2021 được thành lập cho toàn bộ vùng Đồng bằng sông Cửu Long (tổng diện tích khoảng 4 triệu ha) với độ phân giải không gian 30 m. Bản đồ kết quả có độ chính xác tổng thể khoảng 80,7%. Mặc dù lúa nước là loại hình sử dụng đất chính (chiếm 1,9 triệu ha), đất sử dụng để nuôi trồng thủy sản (bao gồm cả các mô hình kết hợp lúa hoặc rừng ngập mặn với thủy sản) cũng chiếm một phần lớn diện tích toàn vùng (khoảng 784,4 nghìn ha). Kết quả từ nghiên cứu này cung cấp cho các nhà hoạch định một bức tranh toàn cảnh về hiện trạng sử dụng đất/che phủ bề mặt, hỗ trợ điều chỉnh và lập quy hoạch phát triển ở Đồng bằng sông Cửu Long trong tương lai. Các phương pháp sử dụng trong nghiên cứu này có tính khả thi để áp dụng ở các vùng khác.

Từ khóa

Bản đồ sử dụng đất; Bản đồ lớp phủ bề mặt; Ảnh Landsat-8; Đồng bằng sông Cửu Long; Mô hình thủy sản sinh thái

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] T. N. Le, A. K. Bregt, G. E. van Halsema, P. J. Hellegers, and L.-D. Nguyen, "Interplay between land-use dynamics and changes in hydrological regime in the Vietnamese Mekong Delta," Land use policy, vol. 73, pp. 269-280, 2018.

[2] S. CCAFS, Assessment Report: The drought and salinity intrusion in the Mekong River Delta of Vietnam, ed: Hanoi, 2016.

[3] M. E. D. Chaves, M. C. A. Picoli, and I. D. Sanches, "Recent Applications of Landsat 8/OLI and Sentinel-2/MSI for Land Use and Land Cover Mapping: A Systematic Review," Remote Sensing, vol. 12, no. 18, 2020, doi: 10.3390/rs12183062.

[4] L. Yu, J. Su, C. Li, L. Wang, Z. Luo, and B. Yan, "Improvement of Moderate Resolution Land Use and Land Cover Classification by Introducing Adjacent Region Features," Remote Sensing, vol. 10, no. 3, 2018, Art. no. 414.

[5] S. Chowdhury, D. K. Chao, T. C. Shipman, and M. A. Wulder, "Utilization of Landsat data to quantify land-use and land-cover changes related to oil and gas activities in West-Central Alberta from 2005 to 2013," GIScience & Remote Sensing, vol. 54, no. 5, pp. 700-720, 2017.

[6] C. Homer et al., "Completion of the 2011 National Land Cover Database for the conterminous United States–representing a decade of land cover change information," Photogrammetric Engineering & Remote Sensing, vol. 81, no. 5, pp. 345-354, 2015.

[7] M. L. Clark, "Comparison of multi-seasonal Landsat 8, Sentinel-2 and hyperspectral images for mapping forest alliances in Northern California," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 159, pp. 26-40, 2020.

[8 P. Teluguntla et al., "A 30-m landsat-derived cropland extent product of Australia and China using random forest machine learning algorithm on Google Earth Engine cloud computing platform," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 144, pp. 325-340, 2018.

[9] H. T. T. Nguyen, T. M. Doan, and V. Radeloff, "Applying random forest classification to map land use/land cover using Landsat 8 OLI," The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. 42, no. 3, p. W4, 2018.

[10] H. T. T. Nguyen, T. M. Doan, and V. Radeloff, "Applying Random Forest Classification to Map Land Use/Land Cover Using Landsat 8 Oli," The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. XLII-3/W4, pp. 363-367, 2018, doi: 10.5194/isprs-archives-XLII-3-W4-363-2018.

[11] C. Liping, S. Yujun, and S. Saeed, "Monitoring and predicting land use and land cover changes using remote sensing and GIS techniques—A case study of a hilly area, Jiangle, China," PloS one, vol. 13, no. 7, 2018, Art. no. e0200493.

[12] J. Chen et al., "Global land cover mapping at 30 m resolution: A POK-based operational approach," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 103, pp. 7-27, 2015.

[13] C. W. Rathnayake, S. Jones, and M. Soto-Berelov, "Mapping land cover change over a 25-year period (1993–2018) in Sri Lanka using Landsat time-series," Land, vol. 9, no. 1, p. 27, 2020.

[14] M. Soto-Berelov, A. Haywood, S. Jones, S. Hislop, and T. H. Nguyen, "Creating a Robust Reference Dataset for Large Area Time Series Disturbance Classification," in Remote Sensing Time Series Image Processing, CRC Press, 2018, pp. 157-171.

[15] P. S. J. Minderhoud, L. Coumou, G. Erkens, H. Middelkoop, and E. Stouthamer, "Mekong delta much lower than previously assumed in sea-level rise impact assessments," Nat Commun, vol. 10, no. 1, p. 3847, Aug. 28, 2019, doi: 10.1038/s41467-019-11602-1.

[16] B. T. Yen, N. H. Son, L. T. Tung, T. S. Amjath-Babu, and L. Sebastian, "Development of a participatory approach for mapping climate risks and adaptive interventions (CS-MAP) in Vietnam’s Mekong River Delta," Climate Risk Management, vol. 24, pp. 59-70, 2019, doi: 10.1016/j.crm.2019.04.004.

[17] R. Cramb, White gold: The commercialisation of rice farming in the lower Mekong Basin. Springer Nature, 2020.

[18] Q. H. Nguyen et al., "Land‐use dynamics in the Mekong delta: From national policy to livelihood sustainability," Sustainable development, vol. 28, no. 3, pp. 448-467, 2020.

[19] H. D. Dang, "Sustainability of the rice-shrimp farming system in Mekong Delta, Vietnam: a climate adaptive model," Journal of Economics and Development, vol.22, pp.21-45, 2020.

[20] USGS, "USGS Landsat 8 Level 2, Collection 2, Tier 1," 2021. [Online]. Available: https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LC08_C02_T1_L2. [Accessed date 15 April 2022].

[21] S. Foga et al., "Cloud detection algorithm comparison and validation for operational Landsat data products," Remote sensing of environment, vol. 194, pp. 379-390, 2017.

[22] I. Dino et al., "Combining Sentinel-1 and Sentinel-2 Satellite Image Time Series for land cover mapping via a multi-source deep learning architecture," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 158, pp. 11-22, 2019.

[23] T. T. H. Nguyen et al., "Mapping Land use/land cover using a combination of Radar Sentinel-1A and Sentinel-2A optical images," IOP Conference Series: Earth and Environmental Science, vol. 652, no. 1, IOP Publishing, 2021.

DOI: https://doi.org/10.34238/tnu-jst.6720

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ