BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  26,799,688
  • Công bố khoa học và công nghệ Việt Nam

36

Trắc địa học và bản đồ học

Hà Nam Thắng(1), Phạm Hữu Tỵ, Trần Thị Thúy Hằng(2), Kiều Thị Huyền, Trương Văn Đàn(3)

Phân tách tự động vùng nuôi thủy sản sử dụng nguồn ảnh viễn thám độ phân giải cao và thuật toán máy học tại đầm sam chuồn - hà trung, Thừa Thiên Huế

Automate classification of aquaculture area using high spatial satellite imagery and machine learning in sam chuon – ha trung lagoon, thua thien hue province

Khoa học và Công nghệ Nông nghiệp - Đại học Huế

2023

2

3666-3676

2588-1250

Cầu Hai, NTTS, OBIA, PlanetScope, Random Forest, Tam Giang

Aquaculture, Cau Hai, OBIA, PlanetScope, Random Forest, Tam Giang

Để quy hoạch hoạt động nuôi trồng thủy sản, việc lập bản đồ chính xác vùng nuôi từ ảnh viễn thám là mục tiêu quan trọng. Tuy nhiên, quá trình này còn hạn chế như độ chính xác phân loại dao động theo nhiều địa điểm, ảnh viễn thám sử dụng có độ phân giải chưa cao, phương pháp phân loại phức tạp. Nghiên cứu này sử dụng phương pháp khoanh vùng hướng đối tượng (Object-based Image Analysis - OBIA) và mô hình máy học Random Forest (RF) giúp lập bản đồ phân bố vùng nuôi thủy sản với độ chính xác và độ tin cậy cao từ ảnh PlanetScope (độ phân giải không gian 3 m) tại đầm Sam Chuồn - Hà Trung (thuộc khu hệ đầm phá Tam Giang - Cầu Hai). Tiến hành so sánh khả năng lập bản đồ với hai nguồn dữ liệu đầu vào khác nhau, kết quả cho thấy so với việc chỉ sử dụng tham số hình học (Precision 0,77, hệ số Kappa 0,471) giá trị phổ trung bình (Precision 0,94, hệ số Kappa 0,928) cải thiện rõ rệt độ chính xác trong phân tách vùng nuôi thủy sản. Tổng diện tích vùng nuôi được ước tính khoảng 1.000 ha, trong đó đầm Sam Chuồn có 454 ha và đầm Hà Trung có 546 ha vùng nuôi thủy sản. Nghiên cứu đóng góp công cụ viễn thám mới hỗ trợ quản lý hoạt động thủy sản một cách chính xác và bền vững

Precision mapping of aquaculture activities is an important target, facilitating a better management of aquaculture. Aquaculture mapping from satellite image is preferred, however remains the challenges of accuracy variance, low resolution imagery, and complex classification method. This study develops an accurate, simple and reliable approach using the Object-based Image Analysis (OBIA) and the machine learning Random Forest model to accurately map the aquaculture areas from the very high resolution PlanetScope (3 m) in Sam Chuon – Ha Trung (belongs to Tam Giang – Cau Hai lagoon). We aimed to compare the geometry and spectral datatset, which indicated the spectral support to map at higher confidence (Precision 0.94, Kappa coefficient 0.928) than the geometry datatset (Precision 0.77, Kappa coefficient 0.471). Aquaculture area was estimated as total 1,000 ha, of which 454 ha and 546 ha for Sam Chuon and Ha Trung lagoon, respectively. Our results contribute the novel approach of remote sensing, supporting a precision and sustainable management of aquaculture activities.

TTKHCNQG, CVv 471

Xem toàn văn