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 :  19,458,262
  • Công bố khoa học và công nghệ Việt Nam

Kỹ thuật địa chất công trình

Đoàn Viết Long, Nguyễn Chí Công, Phạm Thành Hưng, Nguyễn Tiến Cường(1)

Nghiên cứu ứng dụng ảnh vệ tinh Sentinel 2 để xác định vị trí trượt lở đất bằng mô hình phân loại Random Forest

Study on the application of sentinel-2 optical imagery to inventory Landslides using random forest classification model

Khoa học Kỹ thuật Thủy lợi và Môi trường (Đại học Thủy lợi)

2021

74

84-93

1859-3941

Nghiên cứu ứng dụng, Ảnh vệ tinh Sentinel 2, Xác định vị trí, Trượt lở đất, Mô hình phân loại, Random Forest

Landslide, Sentinel 2, SNAP software: Random Forest, NDVI.

Nghiên cứu về trượt lở đất ở Việt Nam, nguồn dữ liệu về hiện trạng trượt lở chưa được thu thập đầy đủ do khó khăn trong công tác đo đạc xác định vị trí và thời gian trượt lở. Với sự phát triển của khoa học quan sát Trái đất và khoa học máy tính, công nghệ xử lý ảnh viễn thám có thể giải quyết vấn đề này. Nghiên cứu này sử dụng kỹ thuật phân tích ảnh viễn thám Sentinel 2 để nhận dạng vị trí trượt lở. Hai ảnh vệ tinh trước và sau khi xảy ra trượt lở được sử dụng để phân tích. Vị trí các điểm trượt lở được xác định dựa trên phân tích sự thay đổi của chỉ số thảm thực vật NDVI, sử dụng mô hình phân loại Random Forest (RF) và kỹ thuật chồng chập bản đồ. Kết quả kiểm định cho thấy mô hình RF cho độ chính xác toàn cục đạt 98.2% và chỉ số Kappa đạt 0.95. Kết quả kiểm chứng tại 2 vị trí trượt lở bằng dữ liệu ảnh chụp thực tế đã cho thấy khả năng áp dụng của mô hình này.

In the study o f landslides in Vietnam, the inventories o f landslide has still been insufficient due to the difficulty in measuring and detecting location and time o f landslide sites. With the development o f the Earth - Observing Science and Computer Science, remote sensing technology- is considered a solution to this problem. This study utilised optical imagery Sentinel 2 for landslide detection, analysed by SNAP and QGIS software. The pre-event and post-event Sentinel 2 images acquired at the same study area were selected for the analysis. Location o f landslide points is determined based on the change ofNDVI index, using Random Forest (RF) classification model and overlay mapping technique. The validation results showed that this model has performed well with the accuracy and kappa values are 98.2% and 0.95 respectively. In addition, the test results at 2 actual landslide locations have shown the applicability o f this method.

TTKHCNQG, CVt 64

Xem toàn văn