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 :  23,932,512
  • Công bố khoa học và công nghệ Việt Nam

Trắc địa học và bản đồ học

Võ Quốc Tuấn(1), Nguyễn Văn Thọ, Phạm Quốc Việt

Tích hợp ảnh radar và ảnh quang học xây dựng bản đồ hiện trạng sử dụng đất thành phố Cần Thơ

Fusion of radar and optical images to generate the land use map of Can Tho city

Khoa học (ĐH Cần Thơ)

2020

5A

20-29

1859-2333

Bản đồ sử dụng đất, Landsat-8, Seninel-1A

Can Tho, Landsat-8, Land use map, Sentinel-1A

Bản đồ hiện trạng sử dụng đất đóng vai trò quan trọng trong việc kiểm kê và định hướng quy hoạch sử dụng đất đai. Hiện nay, việc ứng dụng ảnh vệ tinh đã và đang đóng góp rất nhiều cho việc thành lập các bản đồ hiện trạng sử dụng đất. Tuy nhiên, dữ liệu ảnh quang học (optical) thường bị mây che phủ, đặc biệt trong mùa mưa, làm ảnh hưởng đến kết quả giải đoán ảnh. Với đặc điểm của ảnh radar là có thể xuyên qua mây, phương pháp tích hợp (fusion) 2 loại ảnh quang học (Landsat-8) và radar (Sentinel-1) được sử dụng trong xây dựng bản đồ hiện trạng sử dụng đất tại thành phố Cần Thơ năm 2019. Phương pháp Gram-Schmidt để tích hợp ảnh và phương pháp phân loại dựa trên đối tượng (object-based classification) được sử dụng để thành lập bản đồ hiện trạng sử dụng đất thành phố Cần Thơ năm 2019. Kết quả nghiên cứu đã phân loại được 5 kiểu sử dụng đất chính là đất trồng cây lâu năm, đất trồng lúa, sông rạch, đất ở và đất nuôi trồng thủy sản. Kết quả đánh giá độ chính xác cho thấy độ chính xác toàn cục đạt 83,8% và hệ số Kappa là 0,68. Kết quả của nghiên cứu cho thấy tiềm năng lớn của việc tích hợp ảnh radar v

Land use maps play an important role in statistics, inventory and orientation of land use planning. In recent years, the application of remote sensing data has been contributing to the generation of land use and land cover maps effectively. However, optical image is often covered by clouds, especially in the rainy season, which affects the accuracy of classification results. With the characteristics of radar images that can penetrate to clouds and weather conditions, the study used fusion method of two types of optical (Landsat-8) and radar (Sentinel-1) images in generating land use map of Can Tho city in 2019. Using Gram-Schmidt method to integrate two images and applied object-based classification approach to generate the land use map of Can Tho in 2019. The classification result showed that there were 5 main land uses in Can Tho city perennial crop, paddy rice, canals/rivers, settlement and aquaculture land. The results of accuracy assessment showed that the total accuracy was 83.8% and the Kappa coefficient was 0.68. The results of the study showed that there was great potential of integrating radar and optical imagery in mapping land use map Can Tho city.

TTKHCNQG, CVv 403

Xem toàn văn
  • [1] Zhang, B.; Zhang, Q.; Feng, C. et al. (2017), Understanding Land Use and Land Cover Dynamics. Land. 6(1): 20.,
  • [2] Wassmann, Reiner; Nguyen Xuan Hien; Chu Thai Hoanh. et al. (2004), Sea level rise affecting the Vietnamese Mekong Delta: Water elvation in the flood season and implications for rice production over the last three decades,The Vietnamese Mekong Delta (VMD) Has Undergone Drastic Changes in Hydrology to Improve Agricul. 66(1): 89–107
  • [3] Tucker, C. J. (1979), Red and photographic infrared linear combinations for monitoring vegetation,Remote Sensing of Environment. 8(2): 127–150
  • [4] (2013), Luật số: 45/2013/QH13, Ban hành ngày 29/11/2013 - Luật đất đai,Luật số: 45/2013/QH13, Ban hành ngày 29/11/2013
  • [5] Nguyễn Ngọc Thạch (2005), Cơ sở viễn thám,
  • [6] Maurer, T. (2013), How to pan-sharpen images using the gram-schmidt pan-sharpen method – a recipe,ISPRS Hannover Workshop 2013, 21 – 24 May 2013, Hannover, Germany. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover, Germany. XL-1/W1
  • [7] Lê Văn Trung (2010), Giáo trình viễn thám,
  • [8] Kovacs, J.M.; Wang, J.; Flores-Verdugo, F. (2005), Mapping mangrove leaf area index at the species level using IKONOS and LAI-2000 sensors for the Agua Brava Lagoon, Mexican Pacific,Estuarine, Coastal and Shelf Science. 62(1- 2): 377-384
  • [9] Haas, J.; Ban, Y. (2017), Sentinel-1A SAR and sentinel-2A MSI data fusion for urban ecosystem service mapping,Remote Sensing Applications: Society and Environment. 8: 41-53
  • [10] Giri, C.; Long, J.; Abbas, S. et al. (2015), Distribution and dynamics of mangrove forests of South Asia,Journal of Environmental Management. 148: 101–111
  • [11] Giri, C.; Defourny, P.; Shrestha, S. (2003), Land cover c-haracterization and mapping of continental Southeast Asia using multi-resolution satellite sensor data,International Journal of Remote Sensing. 24: 4181–4196
  • [12] Fu, B.; Wang, Y.; Campbell, A. et al. (2017), Comparison of object-based and pixel-based Random Forest algorithm for wetland vegetation mapping using high spatial resolution GF-1 and SAR data,Ecological Indicators. 73: 105-117
  • [13] Forkuor, G.; Dimobe, K.; Serme, I. et al. (2018), Landsat-8 vs. Sentinel-2: examining the added value of sentinel-2’s red-edge bands to land-use and land-cover mapping in Burkina Faso,GIScience and Remote Sensing. 55(3): 331–354
  • [14] Filipponi, F (2019), Sentinel-1 GRD Preprocessing Workflow,Proceedings. 18 (1): 11