6. ĐÁNH GIÁ ĐỘ CHÍNH XÁC TRONG PHÂN LOẠI LỚP PHỦ DỰA TRÊN THUẬT TOÁN HỌC MÁY VÀ DỮ LIỆU VIỄN THÁM THÔNG QUA GOOGLE EARTH ENGINE: ÁP DỤNG TẠI TỈNH ĐẮK LẮK

Thảo Giang Thị Phương, Hương Phạm Thị Thu, Hòa Phạm Việt, Bình Nguyễn An

Giới thiệu

Các thuật toán học máy cho phép tăng cường độ chính xác của các mô hình phân loại lớp phủ trên dữ liệu ảnh vệ tinh quan sát trái đất. Kết hợp với các nền tảng điện toán đám mây, quy trình này được thực hiện tự động nhằm đảm bảo hiệu suất xử lý một tệp dữ liệu lớn chứa nhiều thông tin không gian có giá trị được triết tách từ ảnh viễn thám. Nghiên cứu này đánh giá độ chính xác của các mô hình phân loại lớp phủ từ ảnh vệ tinh quang học Landsat 8 (LS8) và Sentinel 2 (S2) trên Google Earth Engine (GEE). Giá trị phổ phản xạ mặt đất được sử dụng làm đầu vào cho mô hình học máy Classification And Regression Tree (CART) và Random Forest (RF) phục vụ phân loại 7 loại hình hiện trạng lớp phủ tỉnh Đắk Lắk năm 2021. Kết quả đánh giá độ chính xác sau phân loại đã chỉ ra rằng, với diện tích khoảng 13.000 km2 trên quy mô cấp tỉnh Đắk Lắk, ảnh LS8 cùng thuật toán CART đạt được độ chính xác cao nhất với hệ số Kappa là 0,85. Quy trình hoàn thiện cung cấp giải pháp tự động hóa trong phục vụ thành lập bản đồ hiện trạng lớp phủ chính xác và tin cậy, hỗ trợ cho các công tác trong lĩnh vực tài nguyên và môi trường.

Toàn văn bài báo

Được tạo từ tệp XML

Trích dẫn

[1]. European Space Agency (2022). 50 years of Earth Observation. https://www.esa.int/About_Us/ESA_history/50_years_of_Earth_Observation.
[2]. N. A. Binh et al (2021). Thirty-year dynamics of LULC at the Dong Thap Muoi area, Southern Vietnam, using Google Earth Engine. ISPRS Int J Geoinf, vol. 10, no. 4. Doi: 10.3390/ijgi10040226.
[3]. M. Papadomanolaki, M. Vakalopoulou and K. Karantzalos (2019). A novel object-based deep learning framework for semantic segmentation of very high-resolution remote sensing data: Comparison with convolutional and fully convolutional networks. Remote Sens (Basel), vol. 11, no. 6. Doi: 10.3390/RS11060684.
[4]. Hồ Thị Lệ Thu, Nguyễn Thanh Hoàn, Lê Minh Hằng, Đặng Xuân Phong (2020). Xây dựng bản đồ lớp phủ khu vực Tây Nguyên sử dụng dữ liệu ảnh Landsat đa thời gian. Tạp chí Khoa học và Công nghệ Việt Nam, số 3, tr. 43 - 45.
[5]. Trần Quang Bảo, Cao Lê Quốc Việt, Võ Minh Hoàn, Nguyễn Thị Hoa (2022). Xây dựng bản đồ hiện trạng rừng của huyện Đồng Phú, tỉnh Bình Phước bằng ảnh vệ tinh Sentinel 2A. Tạp chí Khoa học và Công nghệ Lâm nghiệp, số 3, tr. 53 - 63.
[6]. N. Gorelick, M. Hancher, M. Dixon, S. Ilyushchenko, D. Thau and R. Moore (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sens Environ, vol. 202, p. 18 - 27. Doi: https://doi.org/10.1016/j.rse.2017.06.031.
[7]. S. K. McFeeters (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. Int J Remote Sens, vol. 17, no. 7. Doi: 10.1080/01431169608948714.

Các tác giả

Thảo Giang Thị Phương
Hương Phạm Thị Thu
ptthuong.tdbd@hunre.edu.vn (Liên hệ chính)
Hòa Phạm Việt
Bình Nguyễn An
Giang Thị Phương, T., Phạm Thị Thu, H., Phạm Việt, H., & Nguyễn An, B. (2023). 6. ĐÁNH GIÁ ĐỘ CHÍNH XÁC TRONG PHÂN LOẠI LỚP PHỦ DỰA TRÊN THUẬT TOÁN HỌC MÁY VÀ DỮ LIỆU VIỄN THÁM THÔNG QUA GOOGLE EARTH ENGINE: ÁP DỤNG TẠI TỈNH ĐẮK LẮK. Tạp Chí Khoa học Tài Nguyên Và Môi trường, (46), 55–65. Truy vấn từ http://tapchikhtnmt.hunre.edu.vn/index.php/tapchikhtnmt/article/view/493
##submission.license.notAvailable##

Chi tiết bài viết

Các bài báo tương tự

<< < 1 2 3 4 5 > >> 

Bạn cũng có thể bắt đầu một tìm kiếm tương tự nâng cao cho bài báo này.