Phân tích sự thay đổi lớp phủ tỉnh Đắk Nông giai đoạn 2015-2021 dựa vào ảnh vệ tinh đa thời gian
Article Sidebar
Main Article Content
Phân tích sự thay đổi lớp phủ tỉnh Đắk Nông giai đoạn 2015-2021 dựa vào ảnh vệ tinh đa thời gian
Tóm tắt
Nghiên cứu này đã ứng dụng ảnh vệ tinh đa thời gian Landsat 8 SR Tier 1 để phân tích thay đổi lớp phủ tại tỉnh Đắk Nông qua 2 giai đoạn: 2015 - 2018 và 2018 - 2021. Ảnh vệ tinh Landsat được thu thập trong các năm 2015, 2018 và năm 2021. Phương pháp phân loại có kiểm định phi tham số Random Forest (RF) được sử dụng để phân loại ảnh vệ tinh Landsat. Kết quả nghiên cứu đạt độ chính xác phân loại khá cao, từ 77,23% đến 86,05% tương ứng với hệ số Kappa từ 0,74 đến 0,83. Kết quả cho thấy rừng tự nhiên đã giảm đáng kể theo thời gian, từ rừng tự nhiên chiếm 35,75% giảm xuống 33,41% và 32,03% tương ứng các năm 2015, 2018 và 2021 (giảm 3,72%, tương ứng với giảm trên 24 ngàn ha rừng tự nhiên trong cả giai đoạn điều tra). Trong khi đó, các loại lớp phủ khác có sự tăng lên về diện tích qua các thời kỳ, đặc biệt là đất nông nghiệp.
Article Details
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial-NoDeri Phái sinh 4.0 .
Tài liệu tham khảo
- Nguyễn Thị Thanh Hương (2015). Ứng dụng viễn thám và GIS trong quản lý tài nguyên rừng, NXB Thông Tấn.
- Đặng Thị Kim Nhung, Phạm Thị Mai Thy (2018). ứng dụng viễn thám trên nề tảng google earth engine để theo dõi biến động rừng, ảnh hưởng đến nhiệt độ bề mặt đất ở lưu vực sông Ba – Đà Rằng, kỷ yếu hội thảo GIS toàn quốc 2019.
- Basommi, L.P., Guan, Q-f., Cheng, D-d., and Singh, SK. (2016). "Dynamics of land use change in a mining area: a case study of Nadowli District, Ghana", Journal of Mountain Science, 2016, 13(4), p. 633–642.
- Blaschke, T., Hay G.J., Kelly M., Lang S., Hofmann P., Addink E., Feitosa R.Q., Van der Meer, F., Van der Werff, H., Van Coillie, F. and Tiede, D. (2014). Geographic Object-Based Image Analysis— Towards a New Paradigm. ISPRS Journal of Photogrammetry and Remote Sensing, 87, pp.180-191
- Coffey, R. (2013). The difference between "land use" and "land cover", Michigan State University Extension [Online]. Available: http://msue.anr.msu.edu/news/the_difference_between_land_use_ and_land_cover. [Accessed: 15-Dec-2017].
- Congalton, R.G., and Green, K., (1999). Assessing the accuracy of remotely sensed data: Principles and practices. Lewis Publishers. Boca Raton FL.
- Jensen, J.R. (1995). Introductory Digital Image Processing – A remote sensing perspective, Prentice Hall, New Jersey.
- Navulur K (2006). Multispectral Image Analysis Using the Object-Oriented Paradigm, CRC Press.
- Nguyen, H. T. T., Chau, Q. T. N., Pham, A. T., Phan, H. T., Tran, P. T. X., Cao, H. T., Le, T. Q., and Nguyen, D. T. H. (2020a). Land use/land cover changes using multi-temporal satellite, ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., VI-3/W1-2020, p.83–90.
- Nguyen, H. T. T., Pham, T. A., Doan, M. T., and Tran, P. T. X. (2020b). Land use/land cover change prediction using multi-temporal satellite imagery and multi-layer perceptron Markov model, Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLIV-3/W1-2020, p.99–105
- Sothe, C., Almeida, C.M., Liesenberg, V., Schimalski, M.B. (2017). Evaluating Sentinel-2 and Landsat-8 Data to Map Sucessional Forest Stages in a Subtropical Forest in Southern Brazil. Remote Sen., 2017(9), 838.
- Teluguntla, P., Thenkabail, P. S., Oliphant, A., Xiong, J., Gumma, M. K., Congalton, R. G., Kamini Yadav, K., Huete, A. (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 J. Photogrammetry. Remote Sens., 2018(144), 325–340.