BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN QUỐC GIA VỀ KHOA HỌC, CÔNG NGHỆ VÀ ĐỔI MỚI SÁNG TẠO

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  29,998,711
  • Công bố khoa học và công nghệ Việt Nam

Tài nguyên rừng

Nguyễn Trọng Cương, Trần Quang Bảo(1), Nguyễn Hải Hoà

Sử dung google earth engine để phân loại rừng ngập mặn từ ảnh vê tinh ̣ sentinel-1 và sentinel-2 cho khu vực quảng yên, tỉnh Quảng Ninh

Use google earth engine platform to automatically classify mangrove forests from sentinel-1 and sentinel-2 for quang yen area, quang ninh province

Tạp chí Khoa học và Công nghệ Lâm nghiệp

2022

1

53-65

1859-3828

Google Earth Engine, phân loại rừng ngập mặn, Random Forest, rừng ngập mặn, Sentinel-1, Sentinel-2

google earth engine, mangrove forest, mangrove mapping, randomforest, sentinel-1, sentinel-2

Nghiên cứu này sử dụng nền tảng Google Earth Engine (GEE) để thử nghiệm và phân loại tự động rừng ngập mặn cho khu vực Quảng Yên, tỉnh Quảng Ninh. Toàn bộ tư liêu ảnh vê tinh ̣ Radar Sentinel-1 và quang học Sentinel-2 có tỉ lệ mây nhỏ hơn 20% trong năm 2020 của khu vực nghiên cứu đã đươc sư ̣ ̉ dung̣ . Áp dung̣ hai phương pháp phân loại rừng ngập mặn gồm: (1) sử dụng ngưỡng phân loại rừng ngập mặn từ giá trị tán xạ ngược VH trên ảnh Radar Sentinel-1 và ngưỡng chỉ số rừng ngập mặn CMRI (Combine Mangrove Recognition Index) trên ảnh quang học Sentinel-2; (2) phương pháp rừng ngẫu nhiên (Random Forest - RF) trên cả hai loại tư liệu. Kết quả phân loai rừng ngâp mặn của cả hai phương pháp đều có đô chính xác cao. Dữ liệu quang học Sentinel2 có sự ổn định hơn, khi kết quả đánh giá độ chính xác tổng thể của hai phương pháp sử dụng ngưỡng chỉ số CMRI và phương pháp rừng ngẫu nhiên (Random Forest) lần lượt là 95,9%, (Kappa = 0,95) và 98% (Kappa = 0,97). Dữ liệu SAR Sentinel-1 có độ ổn định thấp hơn với độ chính xác tổng thể 96,2% (Kappa = 0,95) bằng phương pháp ngưỡng giá trị tán xạ ngược VH và 91,4% (Kappa =0,85) bằng phương pháp rừng ngẫu nhiên. Các kết quả tính diện tích rừng ngập mặn khu vực nghiên cứu cho thấy, dữ liệu Sentinel-2 có sự chênh lệch về diện tích giữa hai phương pháp ít hơn (khoảng 143 ha), trong khi dữ liệu SAR Sentinel-1 có sự chênh lệch lớn hơn (khoảng 287 ha)

This study used Google Earth Engine (GEE) platform to test and automatically classify mangrove forests for Quang Yen area, Quang Ninh province. All Sentinel-1 Radar satellite images and Sentinel-2 optics with a cloud ratio of less than 20% in 2020 of the study area were used. Applying two methods of mangrove classification including (1) using the threshold to classify mangroves from the backscatter value of VH on Radar Sentinel-1 images and the threshold of mangrove index CMRI (Combine Mangrove Recognition Index) on the Sentinel-2 optical image; (2) random forest method (Random Forest - RF) on both data types. The results of mangrove classification of both methods have high accuracy. Sentinel-2 optical data have more stability when the overall accuracy of the two methods using the threshold of CMRI Index and Random Forest method is 95.9% (Kappa = 0.95) and 98% (Kappa = 0.97), respectively. The Sentinel-1 SAR data were less stable with an overall accuracy of 96.2% (Kappa = 0.95) using the VH backscatter value threshold method and 91.4% (Kappa = 0.85) using the Random Forest method. The results of calculating the area of mangroves in the study area show that the Sentinel2 data has less area difference between the two methods (about 143 ha), while the Sentinel-1 SAR data has a larger area difference (about 287 ha).

TTKHCNQG, CVv 421

Xem toàn văn