Khả năng xây dựng bản đồ lớp phủ mặt đất từ dữ liệu viễn thám sentinel 2 theo phương pháp phân loại random forest trên nền tảng điện toán đám mây

Nghiên cứu - ứ n g dụng KHẢ NĂNG XÂY DựNG BẢN ĐÒ LỚP PHỦ MẶT ĐẤT TỪ D LIỆU VIỄN THÁM SENTINEL-2 THEO PHƯƠNG PHÁP PHÂN LOẠI RANDOM FOREST TRÊN NỀN TẢNG ĐIỆN TOÁN ĐÁM MÂY VŨ TH Ị PHƯƠNG THẢO, SOUKSAKONE SENGCHANH Trường Đại học Mỏ - Địa chất Tóm tẳt: Đáy nghiên cứu nhu cầu thực tế lĩnh vực viễn thám để xây dựng sở liệu lớp phủ mặt đất phục vụ theo dõi biển động đối tượng bề mặt Trải đất ứng dụng đa lĩnh vực Trong giảm sát tài ngun mơi trường nói chung, tài ngun nước lưu vực sơng nói riêng, kết hợp thông tin, liệu viễn thảm mơ hình tính tốn tài ngun nước lưu vực đê xây dựng kịch tài nguyên nước phục vụ trực tiếp cho việc giảm sát, hỗ trợ định cho thích ứng thiên tai quy hoạch phát triển kinh tế - xã hội phụ thuộc nhiều vào yếu tổ lớp phủ Lớp phủ kết hợp nhiều thành phần thực phủ, thổ nhưỡng, đả gốc mặt nước chịu tác động nhân tố tự nhiên nắng, gió, mưa bão ảnh hưởng trực tiếp đến dòng chảy lưu vực Dịng chảy hai vực sơng bên cạnh chịu ảnh hưởng lớp phủ, chịu ảnh hưởng địa hình Thực tế, tồn mối quan hệ phân bo lớp phủ bề mặt địa hình, với đặc trưng dáng địa hình, thẻ nhưỡng điều kiện khỉ hậu Đ ế tận dụng tối đa tỉnh hữu dụng dùng phương pháp phân loại liệu viền thảm quang học xây dựng đồ lớp phủ mặt đất, báo giới thiệu phương pháp xây dựng sở liệu, đồ lớp phủ mặt đất từ dừ liệu viễn thám Sentineỉ-2 theo phương pháp phân loại random /orest tảng điện toán đảm mây Google Earth Engine Thực nghiệm sử dụng liệu Sentìneỉ-2 thu nhận năm 2020 khu vực tinh Louangphabang, tinh đầu nguồn hru vực sông thuộc lãnh thổ cùa CHDCND Lào Từ khóa: Lớp phủ mặt đẩt; random /orest; Sentineỉ-2 Đ ặt vấn đề pháp chủ động phòng, tránh, giảm nhẹ, hạn Luật Tài nguyên nước [7] quy định việc phòng, chống khắc phục hậu tác hại nước gây phải có kế hoạch biện chế tác hại nước gây ra; bảo đảm kết hợp hài hịa lợi ích nước với vùng, ngành; khoa học, công nghệ đại Ngày nhận bài: 1/5/2022, ngày chuyển phản biện: 5/5/2022, ngày chấp nhận phản biện: 9/5/2022, ngày chấp nhận đăng: 25/5/2022 26 TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52-6/2022 Nghiên cứu - ứ n g dụng với kinh nghiệm truyền thống nhân dân phù hợp với khả kinh tế Việc xử lý, chiết tách thông tin lớp phủ từ liệu viễn thám quang học làm đầu vào cho mơ hình thủy văn thủy lực sở kết họp số liệu thủy văn khai thác phổ biến năm gần Mơ hình hóa dịng chảy, ngập lũ, xâm nhập mặn xói lỡ bồi lắng, tốn tính tốn nghiên cứu dịng chảy lưu vực vực sơng cho thấy ứng dụng công nghệ viễn thám cần thiết [4] Hiện nay, mơ hình Mike 11, MikeFLOOD, MikeSHE, GeoSFM, SWAT có giao diện thân thiện có khả giải nhiều tốn dịng chảy tích hợp nhiều loại liệu Mơ hình thủy văn thủy lực thường mơ dịng chảy từ mưa đặc trưng lớp phủ lưu vực [8], [9], [15] Do đặc điểm tài nguyên nước lưu vực thường khu vực đồi núi ừên vùng rộng, phương pháp đo đạc trực tiếp không hiệu quả, việc giám sát lưu vực sơng có tham gia liệu viễn thám nói chung, thơng tin lớp phủ mặt đất chiết tách từ liệu viễn thám [4] nói riêng giúp ích nhiều cho khả dự báo hạn chế tác động việc thay đổi dòng chảy thượng lưu [5], [14] Hơn nữa, vấn đề chiết tách thông tin lớp phủ mặt đất phục vụ giám sát tài nguyên nước ừong lưu vực cần thiêt Ảnh viễn thấm quang học Sentìnel-2 kể từ thu nhận từ năm 2015 từ Chương trinh Copemicus (của Cơ quan hàng không vũ trụ châu Âu) đưa vào ứng dụng nhiều ngành, lĩnh vực Trước đây, để xây dựng đồ lớp phủ mặt đất, thường sử dụng phương pháp giải đoán mắt, năm gần đáy, Nghiên cứu phương pháp chiết tách thơng tin lóp phủ mặt đất từ liệu viễn thám quang học Sentinel-2 cách sử dụng phương pháp ranđom íorrest (RF) góp phần giảm thiểu chi phí đẩy nhanh tốc độ thành lập bàn đồ lớp phủ mặt đẩt làm đầu vào cho mơ hình thủy văn thủy lực phục vụ tốn giám sát tài ngun nước nói riêng, giám sát tài nguyên thiên nhiên môi trường nói chung Phương pháp nghiên cứu 2.1 Cơ sở lý luận sừ dụng công nghệ viễn thám quang học chiết tách thông tin lớp phủ mặt đất Để xây dựng lớp phủ mặt đất, đặc biệt vùng núi cơng nghệ viễn thám tối ưu Cơng nghệ viễn thám có nhiều loại liệu khác nhau, loại liệu lại cung cấp thông tin khác với độ xác khác Do đó, cơng tác đánh giá phải gắn với đối tượng cụ thể với loại ảnh cụ thể [12] Nguyên tắc để phân biệt đối tượng lóp phủ mặt đất ảnh vệ tinh dựa vào khác biệt đặc tính phản xạ chúng kênh phổ Việc chiết tách thông tin lớp phủ vùng núi sử dụng liệu viễn thám quang học cần tập trung vào: (1) độ lớn đối tượng chiết tách ảnh, (2) đặc trưng yếu tố thủy văn ảnh, (3) đặc trưng yếu tố thực vật ảnh, (4) đặc trưng yếu tố dân cư ảnh, (5) đặc trưng yếu tố đất trống cơng trình xây dựng ảnh [2] Trong đó, cần trọng sử dụng mẫu giải đoán ảnh phục vụ toán phân loại có kiểm định dựa vào dấu hiệu ưên ảnh, bao gồm dấu hiệu trực tiếp (Hình dạng, hình mẫu, kích thước, màu, bóng địa vật, cấu trúc vị trí), dấu hiệu gián tiếp (Vật thể có hình ảnh giống vật xung quanh nhìn thấy từ bỏng, đường ống lịng đẩt nhìn thấy mặt đất biến đổi vùng đất dấu vết đào bới để lại, tượng khứ dấu vết TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ s ố 52-6/2022 27 Nghiên cứu - ứng dụng chu kỳ sổng đê lại vùng đất ) dấu hiệu tổng hợp (Địa hình, thực vật, trạng sử dụng đất, mạng lưới thủy văn, sông suối, hệ thống khe nứt yểu tố dạng tuyến) [1],[4] Trong đo, bước cần ý sau: a) Thu thập dừ liệu viễn thám Phụ thuộc phạm vị khu vực nghiên cứu đảm bảo nguyên tắc đồng nhất, quán dừ liệu, việc thu thập liệu Sentinel-2 2.2 Phương pháp thành lập liệu phải bao gồm thông tin: (1) phản xạ phổ lớp phủ mặt đất từ liệu Sentinel-2 bề mặt (OLI/Sentinel), (2) nhiệt độ bề mặt Với tính đa dạng độ phân giải, đa đầu (Sentinel), (3) đánh giá chất lượng giá thu, độ phủ rộng khách quan, để tiết kiệm trị điểm ảnh (Sentinel), (4) phạm vi khu vực thời gian chi phi, đối tượng bề mặt nghiên cứu (hệ tọa độ, vùng thực nghiệm) Trái đất thường chiết tách từ dừ liệu viễn (5) thông tin thời gian thu ảnh (ngày bắt đầu thám [3], [6] [11] Phương pháp chiết tách và kết thúc) Dữ liệu Sentinel-2 thu thập xử thành lập liệu lóp phủ mặt đất tị liệu lý sử dụng thuật toán Zhu Woodcock viễn thám quang học thể Hình [17], đảm bảo độ che phủ mây 25% Hình 1: Sơ đồ thành lập liệu lóp phủ mặt đất từ liệu Sentinel-2 28 TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52-6/2022 Nghiên cửu ửngdụng b) Phương pháp lẩy mẫu Lấy mẫu thực theo phương pháp chọn mẫu ngẫu nhiên phân tầng (Stratiíìed Ranđom Sampling - SRS(Eq)), cách chọn ngẫu nhiên số mẫu định cho đối tượng lớp phủ (tầng), số điểm lấy mẫu chọn đổi tượng tổng số điểm lấy mẫu chia cho sổ đối tượng lớp phù.Đối với phương pháp lấy mẫu SRS(Eq), đánh giá ảnh hưởng kích thước điểm lấy mẫu kết phân loại thực Để cố định kích thước điểm lấy mẫu ban đầu, công thức Cochran [16] sử dụng với giả định trước tỉ lệ kích cỡ đối tượng cách xây đựngnhiều định (Decision tree) Cây định bao gồm ba thành phần: nút định, nút nút gốc Thuật toán định chia tập liệu huấn luyện thành nhánh, tập liệu tách biệt thành nhánh khác Trinh tự tiếp tục đạt nút Nút phân tách thêm Các nút định đại diện cho thuộc tính sử dụng để dự đoán kết Các nút định cung cấp liên kết đến Một khối lượng định sản sinh phương pháp RF, huấn luyện thông qua kĩ thuật bagging Trong đó, bagging thuật tốn tổng hợp giúp cải thiện độ xác thuật tốn học máy Kỹ thuật bagging bao gồm việc sử dụng mẫu khác thay Trong đó: n - kích cỡ cho lớp; Z mẫu liệu Tập liệu huấn luyện bao giá trị cho độ tin cậy định; p - gồm đặc trưng sử dụng để đưa dự tỷ lệ lớp ừong dân số; q - (1 - p ) đoán e - biên độ lỗi RF thiết lập kết dựa dự đoán Vởi khả linh hoạt tối đa, giá trị của định, dự đoán cách lấy giá p = 0,5, giá trị e = 0,05, z = 1,96 cho trị trung bình giá trị trung bình kết độ tin cậy 95% Lưu ý, tổng số điểm lấy mẫu từ khác Tăng sổ lượng bao gồm điểm dành cho huấn luyện làm tăng độ xác kết phương mảy phục vụ phân loại (70%), điểm pháp RF RF làm giảm việc phải thu thập dừng để dánh giá độ tin cậy kết phân loại nhiều liệu, tạo dự đốn mà khơng (30%) yêu cầu nhiều cấu hình máy c) Phân loại theo phương pháp random Quá trình huấn luyện RF cho íorrest định diễn tra máy phân loại RF Phân loại lớp phủ sử dụng phương pháp Mọi định bao gồm nút RF tảng điện toán đám mây Google định, nút nhánh nút gốc Nút nhánh Earth Engine (GEE) RF cho thấy hiệu đầu cuối so với phương pháp phân loại thường định cụ thể tạo Việc lựa chọn đầu sử dụng có khả tìm thuộc tính cuối tuân theo đa số Phương pháp hoạt quan trọng so với thuộc tính động theo bốn bước: (1) chọn mẫu ngẫu khác RF theo Phạm Minh Hải, Nguyễn Ngọc nhiên từ tập liệu cho, (2) thiết lập Quang [10], phương pháp thống kê mô định cho đối tượng nhận kết hình hóa máy (machine leaming dự đoán từ định cây, (3) xác lập kết statistic) dùng để phục vụ mục đích phân dự đoán (4) chọn kết dự đốn loại, tính hồi quy nhiệm vụ khác nhiều lả kết cuối củng. _ TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52-6/2022 29 Nghiên cứu - ứ n g dụng X I í Tơng ì» p đê pki» lớp bay chia tnmẹ bmh đẽ n a i bị: quy Hình 2: Sơ đồ biểu diễn câv định phương pháp random ỷorest Đối với nghiên cứu này, đối tượng lớp phủ cần cung cấp môi trường GEE để phân loại theo phương pháp RF bao gồm: rừng, đất trồng, cỏ, mặt nước, dân cư sở hạ tầng, đất khác c) Đánh giá độ tin cậy kết phân loại Sử dụng 30% mẫu giải đoán làm mẫu kiểm chứng (validation data) để đánh giá độ xác kết phân loại Độ xác tổng thể từ 60% trở lên chấp nhận kểt phân loại Các bước thực sau: - Xác định số lượng mẫu cần để đánh giá, số lượng mẫu phụ thuộc vào độ xác giả định cần đạt đánh giả Độ xác giả định cao số lượng mẫu cần phải lớn ngược lai Dung lượng mẫu đánh giá xác đinh công thức sau [16] : - Thiết kế lấy mẫu: sử dụng phương pháp lấy mẫu ngẫu nhiên phân tầng để đánh giá độ xác tất lớp phân loại - Thiết kế phản hồi sử dụng - Phân tích, đánh giá độ xác, độ tin cậy Quá trình đánh giá độ độ tin cậy trước tiên phải thực xây dựng ma trận sai số (Conũision matrix) kết phân loại với mẫu kiểm chứng [8] Mỗi trạng thái lớp phủ cần đảm bảo tối thiểu có 50 điểm kiểm tra d) Thành lập đồ lớp phủ sử dụng đấ Các đối tượng lớp phủ sau phân loại, đánh giá độ tin cậy đưa sang môi trường GIS để khái quát hóa, gộp polygon nhỏ, độ lớn theo quy phạm tương ứng tỷ lệ đồ giám sát biên tập thành đồ chuyên đề lớp phủ mặt đất Kết đánh giá kết Trong đó: o độ xác tổng thể giả định cần đạt được, z: phần trăm so với phân bố chuẩn chuẩn (z = 1,96 cho khoảng tin cậy 95%, z = 1,645 cho khoảng tin cậy 90%); d nửa giá trị o 30 3.1 Khái quát khu vực nghiên cứu a) Địa lý Vị trí địa lý khu vực nghiên cứu từ 101°41'50" đen 103°25'02" độ kinh Đông, từ 19°02'31" đến 21°08'36” độ vĩ Bắc, diện tích 16.875 km2, giáp tỉnh Phongsaly (Lào) phía TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52-6/2022 Nghiên cửu - ửng dụng Bắc, tỉnh Điện Biên Sơn La Việt Nam phía đơng bắc, tỉnh Houaphan (Lào) phía đơng, tỉnh Xiangkhouang (Lào) phía đơng nam, tinh Vientiane (Viên Chăn, Lào) phía nam, tình Xaignabouỉi (Lào) phía tây nam, tinh Oudomxay (Lào) phía tây Hình 3: Vị trí khu vực nghiên cứu b) Địa hỉnh Khu vực nghiên cứu có địa hình đa dạng, bao gồm núi đất núi đá có độ dốc lớn, xen kẽ với thung lũng núi non hiểm trở Núi cao nằm phía bắc thoải dần xuống phía nam Nổi bật địa hình khu vực nghiên cứu dãy núi Louangprabang chạy gần theo hướng Bắc - Nam Dãy núi Louangprabang với nhiều đỉnh cao Phu Soi Dao (2 120 m), Phu Khe (2 079 m), Doi Phu Kha (1 980 m) c) Thủy hệ Trên khu vực nghiên cứu có hệ thống sơng suối dày đặc thuộc lưu vực sông Mê Kông; giới hạn đồng thời sông Mekong chảy theo hướng nam dọc theo phía tây sơng Mae Kok, nhánh sơng Mekong chảy từ phía đơng góc phía bắc trước chồ họp lưu hai sông 3.2 D ữ liệu đầu vào - Dữ liệu viễn thám Sentinel-2 Cơ quan hàng không vũ trụ châu Âu (ESA)được thu thập để tiến hành phần thực nghiệm Việc lựa chọn liệu viễn thám Sentinel-2 cho phần thực nghiệm liệu Sentinel-2 có độ phân giải 10 m, phù họp cho việc thành lập đồ lóp phủ mặt đất tỷ lệ 1:50.000, tần suất chụp lặp trung bình ngày (chụp xen kẽ vệ tinh Sentinel 2A 2B ngày; số vùng giao dải ngày) [13] Dữ liệu Sentinel-2 vói độ mây che phủ 20%, ngày 12/12//2020 [18] thu nhận tận dụng mạnh vệ tinh theo thiết kế giám TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52-6/2022 31 Nghiên cứu - ứ n g dụng sát hoạt độ canh tác nông nghiệp, rừng, sử dụng đất, thay đổi thực phủ/ sử dụng đất - Bản đồ địa hình khu vực tinh Louangphabang, CHDCND Lào, tỷ lệ 1:50.000 thu thập từ kết Chương trình Việt Nam giúp đỡ phủ Lào chỉnh đồ địa hình UTM tỷ lệ 1:50.000 liệu viễn thám SPOT 3.3 Ket nghiên cứu a) Kết xử lý ảnh Sentinel - năm 2020 : Đánh giá độ tin cậy kết phân loại ảnh Sentinel-2 đổi tượng nghiên cứu sử dụng phương pháp ma trận sai số Kappa Khat Bước trình kiểm định xác định khu vực kiểm tra Google Earth năm 2020 Điểm kiểm tra tạo ngẫu nhiên phần mềm GIS, sau tạo thành vùng đệm kích thước lha Các vùng đệm trích xuất nạp vào Google Earth Qua phân tích trực quan ảnh, tính chất lớp phủ gán vào điểm kiểm tra ngẫu nhiên, số lượng điểm kiểm tra sau kiểm định thuộc tính lần với liệu đồ địa hình thu thập Q trình kiểm định thực cho tồn khu vực tổng số 191 điểm lấy mẫu cho năm thời kỳ 2020 Kết đạt đạt độ tin cậy đến 69%, cho thấy phương pháp đạt giới hạn độ xác khả cao Kết xây dựng liệu lớp phủ thể đầy đủ toàn đối tượng phủ mặt đất chính, đối tượng dễ dàng thu nhận từ liệu viễn thám quang học nói chung, ảnh Sentinel-2 nói riêng Bảng 1: Kết đánh giá độ tin cậy phân loại lớp phủ khu vực nghiên cứu STT Mã phân loại Rừng Cây ừồng Cỏ Mặt nước Rừng 38 Cây trồng 12 Cỏ Mặt nước Dân cư sở hạ tầng Đất khác Tổng 32 Đất khác Tổng PA UA OA Kappa 57 88% 92% 85% 0.69 22 82% 88% 5 30 86% 81% 13 29 74% 87% 15 29 90% 85% 76% 68% 18 Dân cư sở hạ tầng 5 10 24 50 18 35 20 37 31 191 92% 88% 81% 87% 85% 68% TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52-6/2022 Nghiên cứu - ửngdụng b) Ket thành lập đồ lớp phủ khu vực nghiên cứu ánh Sentinel-2, hệ thống ghi lấy đồ địa hình tỷ lệ 1:50.000 thu thập được; Ket thành lập đồ lóp phủ khu vực tinh Louangphabang năm 2020 sử dụng dừ liệu Seltinel thể Hình 4, bao gồm: - Hệ thống địa hình ghi chú, hệ thống lấy từ đồ địa hình tỷ lệ 1:50.000 thu thập được; - Hệ thống giao thông ghi chú, lấy từ đồ địa hình thu thập, chỉnh theo ảnh Sentinel-2 xử lý, tương ứng tỷ lệ 1:50.000; - Ghi dân cư lấy từ đồ địa hình tỷ lệ 1:50.000 thu thập được; - Hệ thống thủy hệ chiết tách nội dung chuyên đề lớp phủ sở phân loại - Đường ranh giới cấp cập nhật ranh giới công bố; - Hệ thống đối tượng chuyên đề lớp phủ mặt đất chiết tách từ ảnh Sentinel-2 xử lý BẢN DỚ LỚP PHỦ DƯỢC THÀNH LẬP TỬ D Ĩ LIỆU ẢNH VỆ TINH SENTINEL-2 CHI p NAM 2020 DỌ PHẤN GIẢI 10 MÉT Bán đồ lớp p h ì khu vựt huvệII ỉ.nung Prahung ('homphe I XiengttỊỊiỉun, Pak Ou thuộc tinh Lng p hang - Làtì CHÚ GIÀI Ị ị Địa giới tình Đìa giói huyện * Vị tri aém dân cư - Giao thông LỚP PHỦ ■ ■ F: RỪNG C: CÂY TRỒNG G: CÒ j0 H W: MẠT NƯỚC B DÂN CƯ VÀ C SỚ HẠ TẢNG O: ĐÁT KHÁC Hình 4: Bản đồ lớp phũ mặt đất khu vực Louangphabang năm 2020 (Sử dụng dừ liệu viễn thám Sentỉnel - 2) Kết luận Với tần suát chụp lặp 04 ngày, dừ liệu Sentinel-2 cho phép chiết tách thông tin lóp phủ mặt đất nói chung, khu vực có đặc trưng vùng núi phục vụ giám sát tài nguyên nước thượng nguồn lưu vực sông Kết phân loại đối tượng lóp phủ phương pháp RF, sau đánh giá độ tin cậy đạt 68%, cho phép xây dựng TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN Đ ổ SỐ 52-6/2022 33 Nghiên cứu - n g dạng liệu lớp phủ đạt yêu cầu thành lập sở liệu/bản đồ lớp phủ tỷ lệ 1:50.000, thông số đầu vào quan cho mơ hình thủy văn thủy lực qua trình hiệu chình kiểm định mơ hình trạm thủy văn khu vực nghiên cửu, theo số liệu dòng chảy lịch sử Như vậy, phân loại tự động theo phương pháp Random íorest trở thành công cụ hữu dụng thành lập liệu lơp phủ phục vụ toán giám sát tài nguyên nước, dựa vào tính hữu dụng liệu viễn thám quang học độ xác, đa thời gian, độ phủ rộng phù hợp với khu vực khó tiếp cận thượng nguồn lưu vực sông Việc đề xuất thực nghiệm quy trình nêu ưên cho thấy thông tin lớp phủ mặt đất chiết tách từ liệu viễn thám quang học Sentinel2 nói riêng, liệu viễn thám quang học nói chung đạt độ xác cao, hữu hiệu xác định biến động đổi tượng lớp phủ bề mặt trái đât nói chung, khu vực thượng nguồn luwu vực sông nói riêng Việc áp dụng cơng nghệ viễn thám cịn giúp thực hoạt động giám sát, theo dõi biến động lớp phủ tài nguyên nước trình hoạch định sử dụng hợp lỳ tài nguyên nướ c.o [3] Hoàng Minh Tuyển 2006 Nghi cửu xây dựng khung hỗ trợ định quản lý tài nguyên nước lưu vực sông Cả Báo cáo đề tài nghiên cứu khoa học cấp Bộ (Bộ Tài nguyên Môi trường) [4] Lê Quốc Hưng, Vũ Thị Phương Thả Trần Thu Huyền Khả tính tốn phát thải khí bon ứong lĩnh vực sử dụng đất, thay đổi sử dụng đất rừng sử dụng liệu ảnh viễn thám Tạp chí Khoa học Đo đạc Bản đồ, số 42, trang 44-50 [5] Lê Quốc Hưng, Đặng Trường Gian Kiều Thị Thanh Tâm 2014 Khả sử dụng số phương pháp thành lập DEM vùng núi có độ dốc lớn từ ảnh vệ tinh phục vụ giám sát nước thượng lưu Tuyển tập báo cáo Hội nghị Khoa học Công nghệ Trắc địa Bản đồ, 07, trang 193-202 [6] Tạ Thị Vân Anh, Vũ Thị Phươ Thảo 2021 Kết họp cơng nghệ viễn thám mơ hình số trị tính tốn dịng chảy lũ hồ chứa - Thực nghiệm lưu vực thủy điện Bản Chát Tạp chí Khoa học Tài nguyên Môi trường, số 38, trang 49-62 [7] Luật tài 17/2012/QH13 năm 2012 nguyên nước [8] Lê Quốc Hưng, Vũ Thị Phương Thả Lê Thị Mai Vân, Nguyễn Ngọc Quang 2014 [1] Áp dụng quy định kỹ thuật ipcc Kết hợp công nghệ viễn thảm mơ hình thủy cho liệu lớp phủ phục vụ tính tốn phát văn, thủy lực để xây dựng kịch tài nguyên thải khí nhà kính/các bon Lê Quốc Hưng nước hồ chứa sơ đánh giá thiệt hại nnk 2020 Tạp chí Khoa học Tài nguyên số đối tượng trường họp vỡ đập Tạp chí Mơi trường, số 29, trang 29-41 Khoa học Tài nguyên Môi trường, số 03, [2] Nguyễn Xuân Lâm 2006 Nghiên cứu trang 82-88 ứng dụng phương pháp viễn thám hệ thống [9] Nghiên cứu số mơ hình dự b thơng tin địa lý phục vụ mục đích giám sát dòng chảy Việt Nam Trung tâm Quy hoạch số thành phần tài nguyên, môi trường Điều ưa tài nguyên nước quốc gia, khu vực xây dựng cơng trình thủy điện Báo http://nawapi.gov.vn/index.php?option=com cáo đề tài nghiên cứu khoa học cấp BỘ(BỘ Tài _content&view=article&iđ=3489%3Anghien nguyên Mơi trường) -cu-mt-s-mo-hinh-d-bao-dong-chv-vitTài liệu tham khảo 34 TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52-6/2022 N ghiên cứu nam&catid=70%3Anhim-v-chuyen-monang-thc-hin&Itemid=l 35&lang=vi [14] Kăãb A 2002 Monitoring highmountaing terrain dịrmation from repeated aừ- and spacebome optical data: examples [10] Phạm Minh Hải, Nguyễn Ngọc using digital aerial imageiy and ASTER data, Quang 2019 Tạp chí Khoa học Đo đạc ISPRS Joumal o f photogrammetry & Remote đồ, 39 15-19 Sensing, 57, 39-52 [11] Tô Trung Nghĩa Lê Hùng Nam [15] McCuen, R H 1998 Hydrologic 2004 Xây dựng quy trình vận hành hệ thống analysis and design, Ed., Prentice-Hall, Inc., lien hồ chứa Hịa Bình, Thác Bà, Tun Quang phục vụ cấp nước mùa khô cho Upper Saddle River, N.J., 814 hạ du lưu vực sơng Hồng - Thái Bình, Viện Quy hoạch Thủy lợi [16] Sampling Techniques Cochran, W.G 1977 3rd Edition, John Wiley and Sons, New York Viễn thám Hệ thông tin địa lý ứng [12] dụng Nguyễn Ngọc Thạch nnk 2003 [17] Zhu, z., & Woodcock, c E 2014a Automated cloud, cloud shadow, and snow [13] Carrasco, L; ’Neil, A.W; Morton, R D; Rowland, cs 2019 Evaluating detection in multitemporal Landsat data: An designed speciíĩcally for Combinations of Temporally Aggregated algorithm Sentinel-1, Sentinel-2 and Landsat for Land monitoring land cover change Remote Cover Mapping with Google Earth Engine Sensing of Envữonment, 152,217-234 Remote Sens., 11(3), 288 [18] https://earthexplorer.usgs.gov/.o Summary Ability to build the ỉandcover map from remote sensing data sentinel-2 based on random forest classiỉĩcation method on cloud computing platform Vu Thi Phuong Thao, Souksakone Sengchanh - Hanoi University o f Mining and Geology The study íịcused on actual demands in the íield o f remote sensing for building the ỉandcover map from remote sensing data Sentinel-2 based on the random íịrest classiíication method In the orientation of water resource monitoring, the combination o f remote sensing data and water resource computational model builds water resource scenarios for direct Service of monitoring and decision support for climate change adaptation as well as socio-economic development planning Land cover is the combination o f many components such as vegetation cover, soil and water suríace under advantages o f natural factors such as the sun, wind, rainstorm, etc Flows Ù1 the river basin are not only impacted by the land cover but also by topographic impacts In fact, there existed relationships between the distribution of land cover objects and topographic surìace with the characteristics o f topography, soil and climatic conditions The article introduced the method to build the landcover database from remote sensing data Sentinel-2 based on the random forest classiĩication method on the cloud computing platíorm Google Earth Engine A case study using Sentinel-2 data collected in 2020 in Louangphabang province in northem part of Lao PDR.O Keyword: Landcover; random íorest; Sentinel-2 TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52-6/2022 35 ... tắc đồng nhất, quán dừ liệu, việc thu thập liệu Sentinel- 2 2 .2 Phương pháp thành lập liệu phải bao gồm thông tin: (1) phản xạ phổ lớp phủ mặt đất từ liệu Sentinel- 2 bề mặt (OLI /Sentinel) , (2) ... đây, để xây dựng đồ lớp phủ mặt đất, thường sử dụng phương pháp giải đoán mắt, năm gần đáy, Nghiên cứu phương pháp chiết tách thơng tin lóp phủ mặt đất từ liệu viễn thám quang học Sentinel- 2 cách... liệu lóp phủ mặt đất từ liệu Sentinel- 2 28 TẠP CHÍ KHOA HỌC ĐO ĐẠC VÀ BẢN ĐỒ SỐ 52- 6 /20 22 Nghiên cửu ửngdụng b) Phương pháp lẩy mẫu Lấy mẫu thực theo phương pháp chọn mẫu ngẫu nhiên phân tầng