Sử dụng ảnh vệ tinh sentinel 2 và thuật toán học máy thành lập bản đồ hiện trạng rừng tại huyện Bù Đăng, tỉnh Bình Phước

Chỉ số đề mục

36

Lĩnh vực nghiên cứu

10508 - Trắc địa học và bản đồ học

Dạng tài liệu

Tác giả

Nguyễn Thanh Tuấn⁽¹⁾, Phan Văn Tuấn, Nguyễn Văn Quý⁽²⁾, Hoàng Thị Phương Nhung

Nhan đề

Sử dụng ảnh vệ tinh sentinel 2 và thuật toán học máy thành lập bản đồ hiện trạng rừng tại huyện Bù Đăng, tỉnh Bình Phước

Nhan đề tiếng anh

Using Sentinel-2 satellite images and machine learning algorithms for forest mapping in Bu Dang district, Binh Phuoc province

Nguồn trích

Khoa học (Đại học Cần Thơ)

Năm xuất bản

2022

Số

6

Trang

150-163

ISSN

1859-2333

Từ khóa

Hiện trạng sử dụng đất, Mạng nhân tạo, Rừng ngẫu nhiên, Thuật toán phân loại, Vector hỗ trợ

Từ khóa tiếng anh

Land use, Neural networks, Random forest, Classification algorithms, Support vector machine, Binh Phuoc province

Tóm tắt

Nghiên cứu sử dụng 3 thuật toán phân loại học máy - MLC (mạng thần kinh nhân tạo - NNET, rừng ngẫu nhiên - RF và véc tơ hỗ trợ - SVM) để phân loại hiện trạng rừng của huyện Bù Đăng, tỉnh Bình Phước từ ảnh vệ tinh Sentinel-2. Mười loại hiện trạng sử dụng đất và lớp phủ trong đó có 6 lớp hiện trạng rừng đã được phân loại trong khu vực nghiên cứu. Phương pháp RF có độ chính xác cao nhất với độ chính xác toàn cục bằng 90% và hệ số Kappa bằng 0,86, tiếp theo là NNET và SVM. Trong số các kênh ảnh của vệ tinh Sentinel 2, kênh sóng ngắn hồng ngoại (kênh 11), tiếp theo là kênh rìa đò (kênh 5 và 6), kênh gần hồng ngoại hẹp (8A), kênh sóng ngắn hồng ngoại (kênh 12) và kênh xanh lục (kênh 3) đóng góp nhiều nhất vào độ chính xác của kết quả phân loại. Kết quả của nghiên cứu này đã chứng minh rằng thuật toán RF phù hợp cho việc lập bản đồ thảm thực vật từ ảnh vệ tinh Sentinel, và có thể được áp dụng được cho phân loại bản đồ hiện trạng rừng ở quy mô không gian rộng.

Tóm tắt tiếng anh

This research used three machine learning algorithms-MLC (neural networks-NNET, random forest-RF, and support vector machine-SVM) for classification of Sentinel 2 imagery into forest categories in Bu Dang district, Binh Phuoc province. Ten types of land use and land cover were discriminated for the whole area, in which 6 forest classes were classified in the study area. The highest accuracy was found using RF with overall accuracy of 90% and Kappa of 0,86, followed by the NNET and SVM algorithm. Among the Sentinel-2 spectral bands, the SWIR B11, followed by the red-edge B5, B6, narrow NIR B8A, SWIR B12, and the green B3 contributed the most to the accuracy of the forest types of classification. In conclusion, the results of this study demonstrated that the random forest algorithm is well-suited for vegetation mapping using Sentinel imagery, which can be applied to large-scale forest type’s classifications.

Kí hiệu kho

TTKHCNQG, CVv 403

File toàn văn

Xem toàn văn