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 :  19,358,325
  • Công bố khoa học và công nghệ Việt Nam

Khoa học kỹ thuật và công nghệ

Đặng Kinh Bắc(1), Phạm Hạnh Nguyên, Nguyễn Thành Vĩnh, Trần Ngọc Cường, Nguyễn Văn Quân, Trịnh Thị Thúy Chinh, Vũ Thị Phương

Nghiên cứu ứng dụng mô hình học máy trong phân loại hệ sinh thái đất ngập nước nội địa tại Vườn Quốc gia Ba Bể, tỉnh Bắc Kạn

Application of artificial intelligence model in classification of inland wetland ecosystems in Ba Be National Park, Bac Kan province

Tạp chí Khí tượng Thủy văn

2022

7

81-91

Sự suy thoái và chuyển đổi đất ngập nước đã được cảnh báo trong 10 năm qua, nhưng việc kiểm kê và giám sát những thay đổi này vẫn còn gặp nhiều khó khăn do thiếu khả năng tiếp cận và công nghệ. Do đó, việc trang bị cho các nhà quản lý những công cụ để phân loại và giám sát các hệ sinh thái đất ngập nước theo thời gian thực là điều cần thiết. Mục đích của nghiên cứu này là phát triển mô hình hữu ích phân loại 7 loại đất ngập nước nội địa tại Vườn quốc gia Ba Bể, tỉnh Bắc Kạn cùng các hệ sinh thái lân cận được phân loại trong hệ thống RAMSAR và MONRE (Ministry of Natural Resources and Environment – Bộ Tài Nguyên và Môi trường). Từ đó, mô hình ResU–Net (Deep Residual U–Net) sử dụng chức năng tối ưu hóa Adadelta đã được sử dụng để phân loại 7 loại đất ngập nước và 3 loại hình hệ sinh thái lân cận ở Vườn quốc gia Ba Bể, dựa trên ảnh vệ tinh Sentinel–2, với độ chính xác cao hơn 85%. Hiệu suất tốt hơn của mô hình này so với các phương pháp Random forest (RF) và Support Vector Machine (SVM) đã được chứng minh. Mô hình ResU–Net sau khi tối ưu hóa, cũng được sử dụng để lập bản đồ các khu vực đất ngập nước nội địa tại vùng núi Bắc Kạn. Mô hình này có khả năng cập nhật các kiểu đất ngập nước mới tại Việt Nam nhằm giám sát biến động đất ngập nước trong thời gian thực.

The degradation of wetland areas has been reported for the past 10 years, but the monitoring process of these changes is still a big challenge due to a lack of accessibility and technology. It is therefore essential to equip managers with tools to classify and monitor wetland ecosystems in real time. The aim of this study is to develop a useful model to classify inland wetlands in Ba Be National Park, Bac Kan Provine and surrounding ecosystems based on the RAMSAR and MONRE classification systems. As a result, ResU– Net model using Adadelta optimization functions were used to classify seven types of wetlands and three types of neighboring ecosystems in Ba Be National Park, based on images obtained from the Sentinel–2 satellite, with more than 85% accuracy. The better performance of these models compared to Random forest (RF) and Support Vector Machine (SVM) methods has been demonstrated. The ResU–Net model, after optimization, is also used to map inland wetland areas in the Bac Kan mountains. This model is capable of updating new wetland types in Vietnam to monitor real–time wetland changes in the future

Xem toàn văn