8. THEO DÕI BIẾN ĐỘNG SỬ DỤNG ĐẤT HUYỆN GIA LÂM, THÀNH PHỐ HÀ NỘI GIAI ĐOẠN 2018 - 2023

Phạm Anh Tuấn

Giới thiệu

Nghiên cứu sử dụng thuật toán học máy Random Forest (RF) thực hiện việc phân loại, giám sát các lớp phủ bề mặt sử dụng đất tại khu vực Gia Lâm, Hà Nội giai đoạn 2018 - 2023. Kết quả biến động các loại hình sử dụng đất tại khu vực nghiên cứu được thể hiện rõ qua từng năm. Trong đó, tốc độ suy giảm trung bình hàng năm của lớp đất trống là 0,51 % ngược lại, tốc độ tăng trung bình của các khu vực dân cư đạt tới 1,80 % so với tổng diện tích tự nhiên của khu vực Gia Lâm.

Toàn văn bài báo

Được tạo từ tệp XML

Trích dẫn

[1]. David Richard Cutler, Thomas C Edwards, Karen H. Beard, Adele Cutler (2007). Random forests for classification in ecology. Ecology. 88, 11, pp. 2783 - 2792.
[2]. Thanh Tung Dang, Dinh Thi Thanh Huyen, Hoang Thi Thuy, Ta Minh Ngoc (2023). Application of satellite images and artificial intelligence to monitor land cover changes in Hanoi area during 2013 - 2023 period. VNU Journal of Science: Earth Environmental Sciences. 39, 4.
[3]. Ujjwal Maulik, Debasis Chakraborty (2017). Remote Sensing Image Classification: A survey of support-vector-machine-based advanced techniques. IEEE Geoscience Remote Sensing Magazine. 5, 1, pp. 33 - 52.
[4]. Nguyễn Hà Nam (2009). Tối ưu hóa KPCA bằng GA để chọn các thuộc tính đặc trưng nhằm tăng hiệu quả phân lớp của thuật toán Random Forest. Tạp chí Khoa học Tự nhiên và Công nghệ, Đại học Quốc gia Hà Nội. 25, pp. 84 - 93
[5]. Hội đồng nhân dân thành phố Hà Nội (2023). Nghị quyết về việc tán thành chủ trương thành lập quận Gia Lâm và các phường thuộc quận Gia Lâm. Ngày 22/9/2023, tại kỳ họp thứ mười ba, Hội đồng nhân dân thành phố Hà Nội.
[6]. Cổng Thông tin điện tử Chính phủ (2024). Huyện Gia Lâm. Available: https://gis.chinhphu.vn/?r=PzXhopJL0mVbpY2jes40A
[7]. Đỗ Lan Phương, Hoàng Thị Thủy, Đỗ Như Hiệp (2024). Nghiên cứu ứng dụng trí tuệ nhân tạo theo dõi biến động lớp phủ sử dụng đất khu vực quận Bắc Từ Liêm Hà Nội giai đoạn 2019 - 2023. Tạp chí Trắc địa - Bản đồ. Tập 10, Số 1, trang 22 - 29.
[8]. Sophia Rwanga, Julius Ndambukil (2017). Accuracy assessment of land use/land cover classification using remote sensing and GIS. International Journal of Geosciences. 8, 04, 611.
[9]. Đặng Thanh Tùng (2020). Khai thác trực tuyến cơ sở dữ liệu ảnh vệ tinh, so sánh thuật toán học máy về phân loại lớp phủ trên nền Google Earth Engine. Hội thảo Quốc gia: Giải pháp kết nối chia sẻ dữ liệu Tài nguyên và Môi trường, Hà Nội, 2020.
[10]. Sofia Visa, Brian Ramsay, Anca Ralescu, Esther van der Knaap (2011). Confusion matrix-based feature selection. Maics. 710, 1, pp. 120 - 127.
[11]. Nigatu Wondrade, Øystein B. Dick, Håvard Tveite (2014). GIS based mapping of land cover changes utilizing multi-temporal remotely sensed image data in Lake Hawassa Watershed, Ethiopia. Environmental monitoring assessment. 186, pp. 1765 - 1780.
[12]. Yan Zhao, Andries B Potgieter, Miao Zhang, Bingfang Wu, Graeme L Hammer (2020). Predicting wheat yield at the field scale by combining high-resolution Sentinel-2 satellite imagery and crop modelling. Remote Sensing. 12, 6, 1024.

Các tác giả

Phạm Anh Tuấn
patuan@hunre.edu.vn (Liên hệ chính)
Tuấn, P. A. (2024). 8. THEO DÕI BIẾN ĐỘNG SỬ DỤNG ĐẤT HUYỆN GIA LÂM, THÀNH PHỐ HÀ NỘI GIAI ĐOẠN 2018 - 2023. Tạp Chí Khoa học Tài Nguyên Và Môi trường, (52), 89–97. https://doi.org/10.63064/khtnmt.2024.604
##submission.license.notAvailable##

Chi tiết bài viết

Các bài báo tương tự

1 2 3 4 5 6 7 8 9 10 > >> 

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