Author:
Nguyễn Tấn Lợi,Võ Quốc Tuấn
Abstract
Đồng bằng sông Cửu Long là khu vực có tốc độ đô thị hóa nhanh so với tốc độ đô thị hóa trung bình của cả nước, vì thế việc cung cấp các thông tin về đất đô thị kịp thời có vai trò đặc biệt quan trọng trong công tác giám sát và quản lý đô thị. Công nghệ viễn thám đã được nhiều nghiên cứu chứng minh là công cụ hữu hiệu trong việc giám sát và quản lý đô thị. Có rất nhiều chỉ số được sử dụng trong viễn thám để phân loại đất đô thị (NDBI, NBI và IBI), tuy nhiên, mỗi chỉ số đều có những ưu điểm và nhược điểm khác nhau. Mục tiêu của nghiên cứu là so sánh về độ tin cậy của các chỉ số phân loại đất đô thị bằng ảnh vệ tinh Sentinel-2, từ đó đề xuất các chỉ số có độ chính xác cao để ứng dụng vào phân loại đất đô thị. Phương pháp phân loại được sử dụng dựa trên đối tượng (object-based approach), dựa trên các chỉ số: NDBI, NBI và IBI để phân loại đất đô thị tại thành phố Long Xuyên, thành phố Cà Mau và Quận Ninh Kiều. Kết quả nghiên cứu cho thấy phương pháp phân loại đất đô thị dựa trên chỉ số IBI, NDBI và NBI có độ tin cậy đạt tiêu chuẩn phân loại, trong đó chỉ số IBI có độ tin cậy cao nhất. Do đó, việc sử dụng chỉ số IBI để phân loại đất đô thị, đặc biệt là các đô thị ở vùng Đồng bằng sông Cửu Long sử dụng ảnh Sentinel-2 được đề xuất.
Reference32 articles.
1. Abeyta, A. M., & Franklin, J. (1998). The accuracy of vegetation stand boundaries derived from image segmentation in a desert environment. Photogrammetric Engineering and Remote Sensing, 64(1), 59-66.
2. As-syakur, A. R., Adnyana, I. W. S., Arthana, I. W., & Nuarsa, I. W. (2012). Enhanced built-UP and bareness index (EBBI) for mapping built-UP and bare land in an urban area. Remote Sensing, 4(10), 2957-2970. https://doi.org/10.3390/rs4102957
3. Bộ Xây dựng. (2021). Hệ thống hạ tầng kỹ thuật đô thị, nông thôn tại vùng Đồng bằng Sông Cửu Long trong bối cảnh mới. https://moc.gov.vn/tl/tin-tuc/67369/he-thong-ha-tang-ky-thuat-do-thi-nong-thon-tai-vung-dong-bang-song-cuu-long-trong-boi-canh-moi.aspx
4. Bogoliubova, A., & Tymków, P. (2014). Accuracy assessment of automatic image processing for land cover classification of St. Petersburg protected area. Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum, 13(February), 5-22.
5. Brown, M., Lewis, H. G., & Gunn, S. R. (2000). Linear spectral mixture models and support vector machines for remote sensing. IEEE Transactions on Geoscience and Remote Sensing, 38(5 II), 2346-2360. https://doi.org/10.1109/36.868891