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 :  25,744,368
  • Công bố khoa học và công nghệ Việt Nam

36

Trắc địa học và bản đồ học

BB

Nguyễn Huy Trung(3), Hoàng Hữu Chiến, Nguyễn Quang Thi, Nguyễn Duy Hải(1), Dương Minh Ngọc(2), Nguyễn Ngọc Anh, Vũ Thị Hòa

Thành lập bản đồ sử dụng đất/lớp phủ bề mặt tại vùng đồng bằng sông Cửu Long sử dụng ảnh vệ tinh Landsat-8

Land use and land cover mapping for the Mekong river delta region using Landsat-8 satellite images

Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên

2023

05

199-206

1859-2171

Bản đồ sử dụng đất, Bản đồ lớp phủ bề mặt, Ảnh Landsat-8, Thủy sản sinh thái, Đồng bằng sông Cửu Long

Land-use map, Land-cover map, Landsat-8 image, Mekong river delta, Bio-aquaculture

Bản đồ sử dụng đất/lớp phủ bề mặt cung cấp các thông tin quan trọng hỗ trợ công tác quản lý tài nguyên thiên nhiên và môi trường. Vệ tinh Landsat-8 cung cấp dữ liệu ảnh đa phổ có giá trị để thành lập bản đồ sử dụng đất/lớp phủ bề mặt với độ chính xác cao. Nghiên cứu này xây dựng một phương pháp thành lập bản đồ dụng đất/lớp phủ bề mặt bằng cách kết hợp dữ liệu ảnh Landsat-8 với dữ liệu tham khảo chất lượng cao trong một mô hình phân loại sử dụng thuật toán Máy Vectơ Hỗ trợ. Bản đồ sử dụng đất/lớp phủ bề mặt năm 2021 được thành lập cho toàn bộ vùng Đồng bằng sông Cửu Long (tổng diện tích khoảng 4 triệu ha) với độ phân giải không gian 30 m. Bản đồ kết quả có độ chính xác tổng thể khoảng 80,7%. Mặc dù lúa nước là loại hình sử dụng đất chính (chiếm 1,9 triệu ha), đất sử dụng để nuôi trồng thủy sản (bao gồm cả các mô hình kết hợp lúa hoặc rừng ngập mặn với thủy sản) cũng chiếm một phần lớn diện tích toàn vùng (khoảng 784,4 nghìn ha). Kết quả từ nghiên cứu này cung cấp cho các nhà hoạch định một bức tranh toàn cảnh về hiện trạng sử dụng đất/che phủ bề mặt, hỗ trợ điều chỉnh và lập quy hoạch phát triển ở Đồng bằng sông Cửu Long trong tương lai. Các phương pháp sử dụng trong nghiên cứu này có tính khả thi để áp dụng ở các vùng khác.

Land-use/land-cover maps provide fundamental information to support management activities of natural resources and environmental problems. Landsat-8 satellite provides valuable spectral data for deriving accurate regional land-use/land-cover maps. This study demonstrated an approach for mapping land-use/land-cover by combining Landsat-8 images with a high-quality reference dataset in a classification model using the Support Vector Machine algorithm. A spatial explicit land-use/land-cover map at a spatial resolution of 30 m was cre-ated for Vietnam’s Mekong River Delta (approximately 4.0 million ha). The resulted map obtained an overall accuracy of 80.7%. Though paddy rice is the dominant land-use/land-cover type (covering nearly 1.9 million ha), aquaculture farms (including rice/mangroves-aquaculture) cover a large part of the region (about 784.4 thousand ha). Results f-rom this study provide decision-makers with a comprehensive picture of current land-use/land-cover and facilitate better adjustments to future development plans in the Mekong River Delta. The mapping methods used in this study can be replicated in other regions.

TTKHCNQG, CTv 178

Xem toàn văn
  • [1] T. T. H. Nguyen; et al. (2021), Mapping Land use/land cover using a combination of Radar Sentinel-1A and Sentinel-2A optical images,IOP Conference Series: Earth and Environmental Science
  • [2] I. Dino; et al. (2019), Combining Sentinel-1 and Sentinel-2 Satellite Image Time Series for land cover mapping via a multi-source deep learning architecture,ISPRS Journal of Photogrammetry and Remote Sensing
  • [3] S. Foga; et al. (2017), Cloud detection algorithm comparison and validation for operational Landsat data products,Remote Sensing of Environment
  • [4] USGS (2021), USGS Landsat 8 Level 2, Collection 2, Tier 1,USGS landsat data service
  • [5] H. D. Dang (2020), Sustainability of the rice-shrimp farming system in Mekong Delta, Vietnam: a climate adaptive model,Journal of Economics and Development
  • [6] Q. H. Nguyen; et al. (2020), Land‐use dynamics in the Mekong delta: From national policy to livelihood sustainability,Sustainable Development
  • [7] R. Cramb (2020), White gold: The commercialisation of rice farming in the lower Mekong Basin,
  • [8] B. T. Yen; N. H. Son; L. T. Tung; T. S. Amjath-Babu; L. Sebastian (2019), Development of a participatory approach for mapping climate risks and adaptive interventions (CS-MAP) in Vietnam’s Mekong River Delta,Climate Risk Management
  • [9] P. S. J. Minderhoud; L. Coumou; G. Erkens; H. Middelkoop; E. Stouthamer (2019), Mekong delta much lower than previously assumed in sea-level rise impact assessments,Nature Communications
  • [10] M. Soto-Berelov; A. Haywood; S. Jones; S. Hislop; T. H. Nguyen (2018), Creating a Robust Reference Dataset for Large Area Time Series Disturbance Classification,Remote Sensing Time Series Image Processing
  • [11] C. W. Rathnayake; S. Jones; M. Soto-Berelov (2020), Mapping land cover change over a 25-year period (1993–2018) in Sri Lanka using Landsat time-series,Land
  • [12] J. Chen; et al. (2015), Global land cover mapping at 30 m resolution: A POK-based operational approach,ISPRS Journal of Photogrammetry and Remote Sensing
  • [13] C. Liping; S. Yujun; S. Saeed (2018), Monitoring and predicting land use and land cover changes using remote sensing and GIS techniques — A case study of a hilly area, Jiangle, China,PloS One
  • [14] H. T. T. Nguyen; T. M. Doan; V. Radeloff (2018), Applying Random Forest Classification to Map Land Use/Land Cover Using Landsat 8 OLI,The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences
  • [15] H. T. T. Nguyen; T. M. Doan; V. Radeloff (2018), Applying random forest classification to map land use/land cover using Landsat 8 OLI,The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences
  • [16] P. Teluguntla; et al. (2018), A 30-m landsat-derived cropland extent product of Australia and China using random forest machine learning algorithm on Google Earth Engine cloud computing platform,ISPRS Journal of Photogrammetry and Remote Sensing
  • [17] M. L. Clark (2020), Comparison of multi-seasonal Landsat 8, Sentinel-2 and hyperspectral images for mapping forest alliances in Northern California,ISPRS Journal of Photogrammetry and Remote Sensing
  • [18] C. Homer; et al. (2015), Completion of the 2011 National Land Cover Database for the conterminous United States – representing a decade of land cover change information,Photogrammetric Engineering & Remote Sensing
  • [19] S. Chowdhury; D. K. Chao; T. C. Shipman; M. A. Wulder (2017), Utilization of Landsat data to quantify land-use and land-cover changes related to oil and gas activities in West-Central Alberta from 2005 to 2013,GIScience & Remote Sensing
  • [20] L. Yu; J. Su; C. Li; L. Wang; Z. Luo; B. Yan (2018), Improvement of Moderate Resolution Land Use and Land Cover Classification by Introducing Adjacent Region Features,Remote Sensing
  • [21] M. E. D. Chaves; M. C. A. Picoli; I. D. Sanches (2020), Recent Applications of Landsat 8/OLI and Sentinel-2/MSI for Land Use and Land Cover Mapping: A Systematic Review,Remote Sensing
  • [22] (2016), Assessment Report: The drought and salinity intrusion in the Mekong River Delta of Vietnam,The drought and salinity intrusion in the Mekong River Delta of Vietnam
  • [23] T. N. Le; A. K. Bregt; G. E. van Halsema; P. J. Hellegers; L.-D. Nguyen (2018), Interplay between landuse dynamics and changes in hydrological regime in the Vietnamese Mekong Delta,Land Use Policy