Việc xác định và giám sát đường bờ trong và ngoài đóng một vai trò quan trọng trong đánh giá xói lở bờ biển trên toàn thế giới. Mô hình học máy sâu có thể trở thành một công cụ hữu ích để phát hiện đường bờ trong và ngoài ở Việt Nam bằng cách sử dụng ảnh vệ tinh có độ phân giải siêu cao và các phương pháp phân đoạn đối tượng khác nhau. Mục tiêu của nghiên cứu là: i) Đề xuất bộ chỉ thị xác định đường bờ trong và ngoài; ii) Xây dựng các mô hình học máy sâu tự động hóa giải đoán đường bờ trong và ngoài trên ảnh viễn thám độ phân giải siêu cao; và iii) Áp dụng các mô hình học máy sâu (DL) để giám sát xói lở bờ biển miền Trung Việt Nam. Theo đó, 8 mô hình DL đã được thực hiện dựa trên bốn cấu trúc mạng, bao gồm U-Net, U2-Net, U-Net3+ và DexiNed. Các ảnh vệ tinh thu thập thông qua phần mềm Google Earth Pro được sử dụng làm dữ liệu đầu vào cho tất cả các mô hình. Theo đó, mô hình U-Net đã áp dụng hiệu quả cho 5 khu vực trọng điểm. Kết quả đầu ra cũng đã được sử dụng trong tính toán được tốc độ xói lở/bồi tụ tại bờ biển Cu Đê, Biển Lở và Lại Giang. Ngoài ra, nghiên cứu cũng chỉ ra đường bờ trong phù hợp trong đánh giá xói lở bờ biển. Trong khi đường bờ ngoài phù hợp để đánh giá dao động thủy triều hoặc chuyển động tức thời của dòng chảy sóng trong năm.

The identification and monitoring of coastline and shoreline plays an important role in coastal erosion assessment. The deep learning models can be a potential tool to detect the coastlines and shorelines in Vietnam using ultra-high resolution satellite images. The aims of the study are: i) To propose a set of indicators to determine the coastlines and shoreline; ii) To build deep machine learning models that automatically interpret the coastlines and shorelines on ultra-high resolution remote sensing images; and iii) To apply developed deep learning (DL) models to monitor coastal erosion in central Vietnam. Eight DL models were implemented based on four artificial intelligence network structures, including U-Net, U2-Net, U-Net3+, and DexiNed. Satellite images collected through Google Earth Pro software were used as input for all models. As a result, the U-Net model has been effectively applied to coasts in Cu De, Lai Giang, and Bien Lo estuaries,. The output results were used to calculate the rate of erosion/accretion in these areas. Additionally, the study indicated that coastline is a suitable criterion in assessing coastal erosion under the impact of sea level rise during storms. On the other hand, shoreline is a suitable criterion in assessing tidal fluctuations or instantaneous movements of wave currents during the year.