Tóm tắt Luận án Tiến sĩ Kỹ thuật: Nghiên cứu công nghệ viễn thám và GIS trong dự báo sự biến động bề mặt không thấm khu vực Thành phố Hồ Chí Minh

Mục tiêu nghiên cứu của luận án Nghiên cứu công nghệ viễn thám và GIS trong dự báo sự biến động bề mặt không thấm khu vực Thành phố Hồ Chí Minh nhằm lựa chọn được mô hình dự báo biến động bề mặt không thấm trong tương lai tại khu vực Thành phố Hồ Chí Minh sử dụng công nghệ viễn thám và Hệ thông tin địa lý kết hợp các kỹ thuật trí... Đề tài Hoàn thiện công tác quản trị nhân sự tại Công ty TNHH Mộc Khải Tuyên được nghiên cứu nhằm giúp công ty TNHH Mộc Khải Tuyên làm rõ được thực trạng công tác quản trị nhân sự trong công ty như thế nào từ đó đề ra các giải pháp giúp công ty hoàn thiện công tác quản trị nhân sự tốt hơn trong thời gian tới.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT PHẠM VĂN TÙNG NGHIÊN CỨU CÔNG NGHỆ VIỄN THÁM VÀ GIS TRONG DỰ BÁO SỰ BIẾN ĐỘNG BỀ MẶT KHƠNG THẤM KHU VỰC THÀNH PHỐ HỒ CHÍ MINH Ngành: Kỹ thuật Trắc địa- đồ Mã số: 9520503 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT Hà Nội - 2023 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 Cơng trình hồn thành tại: Bộ môn Đo ảnh Viễn thám, Khoa Trắc địa – Bản đồ Quản lý đất đai, Trường Đại học Mỏ - Địa chất Người hướng dẫn khoa học: PGS.TS Nguyễn Văn Trung PGS.TS Vũ Xuân Cường Phản biện 1: PGS.TS Trần Vân Anh Trường Đại học Mỏ - Địa chất Phản biện 2: PGS.TS Bùi Ngọc Quý Đại học Quốc gia Hà Nội Phản biện 3: TS Nguyễn Dư Khang Cục Viễn thám Quốc gia Luận án bảo vệ trước Hội đồng đánh giá luận án cấp Trường họp Trường Đại học Mỏ - Địa chất vào hồi 30’ ngày 25 tháng 01 năm 2024 Có thể tìm hiểu luận án tại: - Thư viện Quốc Gia, Hà Nội - Thư viện Trường Đại học Mỏ - Địa chất 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 MỞ ĐẦU Tính cấp thiết đề tài Bề mặt không thấm bề mặt người tạo ra, bao gồm loại bề mặt ngăn chặn q trình nước khơng thể xâm nhập vào đất, chẳng hạn đường giao thông, vỉa hè, bãi đậu xe, mái nhà, v.v Trong năm gần đây, bề mặt không thấm lên không số mức độ thị hóa, mà cịn số chất lượng mơi trường thị Cho đến nay, chưa có nghiên cứu Việt Nam sử dụng công nghệ viễn thám GIS nhằm mơ hình hóa biến động bề mặt không thấm dự báo gia tăng bề mặt khơng thấm thị diện tích không gian Với thực trạng trên, nghiên cứu sinh đề xuất đề tài luận án “Nghiên cứu công nghệ viễn thám GIS dự báo biến động bề mặt không thấm khu vực Thành phố Hồ Chí Minh” Kết nhận luận án nhằm áp dụng thử nghiệm khu vực Thành phố Hồ Chí Minh, ngồi mơ hình dự báo áp dụng cho khu vực đô thị khác nước Có thể nhận định, đề tài luận án đề xuất có ý nghĩa khoa học, ý nghĩa thực tiễn thể cần thiết phải nghiên cứu Mục tiêu nghiên cứu Mục tiêu nghiên cứu luận án nhằm lựa chọn mơ hình dự báo biến động bề mặt không thấm tương lai khu vực Thành phố Hồ Chí Minh sử dụng công nghệ viễn thám Hệ thông tin địa lý kết hợp kỹ thuật trí tuệ nhân tạo Nội dung nghiên cứu  Tổng quan vấn đề nghiên cứu;  Cơ sở khoa học xây dựng mơ hình dự báo biến động bề mặt khơng thấm từ liệu viễn thám hệ thông tin địa lý;  Phân tích đặc điểm tự nhiên, kinh tế - xã hội khu vực nghiên cứu;  Xây dựng lớp liệu đầu vào cho mơ hình dự báo biến động bề mặt không thấm;  Ứng dụng trí tuệ nhân tạo phân loại ảnh viễn thám; Thực nghiệm phân loại bề mặt không thấm từ liệu ảnh vệ tinh Landsat phương pháp khác nhau: phân loại truyền thống, phân loại dựa kỹ thuật học máy Lựa chọn phương pháp phân loại có độ xác cao áp dụng cho khu vực nghiên cứu;  Thử nghiệm lựa chọn mô hình, xây dựng đồ dự báo biến động bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh;  Phân tích, đánh giá kết Đối tượng phạm vi nghiên cứu - Đối tượng nghiên cứu bề mặt khơng thấm mơ hình dự báo biến động bề mặt không thấm sở kết hợp liệu viễn thám, hệ thông tin địa lý kỹ thuật học máy - Phạm vi khoa học đề tài tập trung vào phân tích, đánh giá, thử nghiệm nhằm đề xuất mơ hình dự báo biến động bề mặt không thấm phù hợp với điều kiện cụ thể khu vực nghiên cứu - Phạm vi không gian đề tài khu vực Thành phố Hồ Chí Minh - Phạm vi thời gian: luận án sử dụng liệu ảnh vệ tinh Landsat giai đoạn 2010 - 2020, bao gồm 03 cảnh ảnh năm 2010, 2015 2020 để mơ hình hóa dự báo biến động bề mặt không thấm năm 2025, 2030 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 Phương pháp nghiên cứu - Phương pháp phân tích, tổng hợp; - Phương pháp viễn thám; - Phương pháp GIS; - Phương pháp mô hình hóa; - Phương pháp phân tích thống kê; - Kỹ thuật lập trình Những điểm luận án  Đề xuất xây dựng liệu đầu vào từ liệu viễn thám GIS số liệu thống kê phục vụ xây dựng mơ hình dự báo biến động bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh  Lựa chọn mơ hình dự báo biến động bề mặt khơng thấm từ liệu viễn thám GIS sở kết hợp phương pháp mơ hình tốn học Cellular Automata (CA) mạng neural nhân tạo (ANN) ứng dụng cho khu vực Thành phố Hồ Chí Minh Luận điểm bảo vệ Luận điểm 1: Dữ liệu viễn thám đa thời gian lớp thông tin bổ sung (mật độ lớp phủ thực vật, nhiệt độ bề mặt, độ cao, khoảng cách tới đường giao thông, khoảng cách tới thủy hệ, khoảng cách tới cơng trình đặc biệt, mật độ dân cư) cho phép xây dựng mơ hình dự báo biến động bề mặt không thấm phù hợp với điều kiện khu vực Thành phố Hồ Chí Minh Luận điểm 2: Mơ hình tốn học Cellular Automata (CA) kết hợp mạng nơ ron nhân tạo (ANN) giúp dự báo xu biến động bề mặt không thấm khu vực Thành phố Hồ Chí Minh với độ xác cao, hệ số tương quan so với kết phân loại đạt 0,715 Ý nghĩa khoa học thực tiễn luận án Ý nghĩa khoa học: góp phần hồn thiện sở khoa học minh chứng tính hiệu phương pháp ứng dụng liệu viễn thám, GIS phương pháp mơ hình hóa dự báo biến động bề mặt không thấm khu vực đô thị Ý nghĩa thực tiễn: Cung cấp thông tin kịp thời có độ xác cao xu biến động bề mặt không thấm, diện tích khơng gian, giúp nhà quản lý, quy hoạch đô thị, nhà hoạch định chiến lược phát triển kinh tế xã hội phạm vi khu vực đô thị nước ta đưa sách hợp lý nhằm làm giảm tối đa ảnh hưởng tiêu cực tới hoạt động người mơi trường sống q trình phát triển bền vững tương lai Bên cạnh đó, kết nhận luận án sử dụng, tham khảo công tác nghiên cứu khoa học, giảng dạy trường đại học viện nghiên cứu Cơ sở tài liệu thực luận án  Dữ liệu ảnh viễn thám (ảnh Landsat năm 2010, 2015 2020);  CSDL địa lý quốc gia tỉ lệ 1:50 000, liệu thống kê năm 2021 mật độ dân số khu vực nghiên cứu;  Các CSDL mở vị trí cơng trình đặc biệt (https://opendata.hcmgis.vn);  Bản đồ quy hoạch sử dụng đất thành phố Hồ Chí Minh đến năm 2025;  Các tài liệu, số liệu khác 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 10 Cấu trúc luận án Luận án gồm 03 chương chính, phần mở đầu, kết luận - kiến nghị tài liệu tham khảo CHƯƠNG TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU 1.1 Tổng quan bề mặt không thấm 1.1.1 Khái niệm Bề mặt không thấm (impervious surface) bề mặt người tạo ra, có đặc điểm ngăn khơng cho nước mưa ngấm xuống đất cách tự nhiên, thay vào lượng nước mưa tích tụ chảy vào hệ thống nước sơng, suối [94] Các dạng bề mặt không thấm quen thuộc bao gồm đường giao thông, vỉa hè, bãi đậu xe, mái nhà, 1.1.2 Ảnh hưởng bề mặt không thấm đến môi trường 1.1.2.1 Gia tăng nguy ngập lụt 1.1.2.2 Ô nhiễm nước 1.1.2.3 Gia tăng nhiệt độ bề mặt 1.2 Đơ thị hóa thay đổi diện tích bề mặt khơng thấm 1.2.1 Hiện trạng thị hóa giới Việt Nam Theo số liệu Ngân hàng giới, tính đến năm 2021, tỉ lệ dân cư đô thị châu Âu đạt 75%, số nước có tỉ lệ dân cư đô thị cao Bỉ (98%), Hà Lan (93%), Đan Mạch (88%), Pháp (81%) [148] Tỉ lệ dân cư đô thị châu Âu liên tục tăng, nhiên tốc độ bắt đầu chậm lại, chẳng hạn giai đoạn 2018 – 2021, tốc độ gia tăng dân số đô thị châu Âu đạt tương ứng 0.46%, 0.38%, 0.37% 0.21% Tại châu Á, tốc độ gia tăng dân số đô thị diễn mạnh mẽ, có xu hướng nhanh so với tồn giới, đặc biệt Trung Quốc nước ASEAN [60] Theo số liệu Ngân hàng giới, tỉ lệ dân cư đô thị số quốc gia châu Á đạt cao Nhật Bản (91.9%), Hàn Quốc (81.4%), Malaysia (78%), Trung Quốc (62.5%), chí Hồng Kông (Trung Quốc), Singapore, tỉ lệ dân cư đô thị đạt 100% [148] Tại Việt Nam, theo thống kê Cục Phát triển thị, tính đến tháng 12 năm 2022, tổng số đô thị nước 888 đô thị, bao gồm đô thị loại đặc biệt Hà Nội Thành phố Hồ Chí Minh, 22 đô thị loại I, 33 đô thị loại II, 47 đô thị loại III, 94 đô thị loại IV, 690 thị loại V Tỷ lệ thị hóa nước tính theo khu vực nội thành/nội thị 41.7%; tỷ lệ thị hóa nước tính theo khu vực tồn thị 53.7% [147] 1.2.2 Biến động diện tích bề mặt khơng thấm Tại Việt Nam, diện tích bề mặt khơng thấm thị lớn Hà Nội, Thành phố Hồ Chí Minh có gia tăng mạnh mẽ với q trình thị hóa thời gian qua Sử dụng ảnh vệ tinh quang học Landsat, Hung Q Ha Weng xác định diện tích bề mặt khơng thấm Hà Nội tăng 305% từ năm 1988 đến năm 2015 [56] 1.3 Khả ứng dụng viễn thám GIS giám sát biến động bề mặt không thấm Thông tin bề mặt không thấm, đặc biệt mật độ, vị trí, hình dạng, phân bố khơng gian có ý nghĩa quan trọng cơng tác quản lý đô thị quản lý tài nguyên - môi trường [120] Các bề mặt không thấm có thay đổi thường xuyên, liên tục với q trình thị hóa phát triển kinh tế - xã hội Do vậy, phương pháp viễn thám GIS xem cách tiếp cận phù hợp, khả thi hiệu nghiên 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 cứu chiết xuất bề mặt không thấm, phục vụ công tác giám sát biến động dự báo thay đổi bề mặt không thấm tương lai 1.4 Các phương pháp chiết xuất thông tin bề mặt không thấm từ liệu viễn thám 1.4.1 Phương pháp phân loại truyền thống 1.4.2 Phương pháp sử dụng số phổ 1.4.3 Phương pháp phân loại sử dụng trí tuệ nhân tạo 1.5 Tổng quan tình hình nghiên cứu nước 1.5.1 Trên giới 1.5.1.1 Các nghiên cứu phương pháp chiết xuất bề mặt không thấm Colstoun cộng xây dựng liệu bề mặt khơng thấm tồn cầu (GMIS - Global Man-made Impervious Surface) năm 2010 từ liệu ảnh vệ tinh Landsat, xây dựng đồ tỉ lệ phần trăm bề mặt không thấm cho hầu hết khu vực giới, ngoại trừ Nam Cực số đảo nhỏ phương pháp hồi quy dạng Cubist Đây xem liệu quy mơ tồn cầu bề mặt không thấm liệu hỗ trợ cho liệu phạm vi định cư xây dựng người (HBASE Global Human Built-up And Settlement Extent) [44] Các kỹ thuật học sâu (deep learning) dựa mạng mạng neural nhân tạo (Convolution Neural Network, Cellular Neural Networks) áp dụng phân loại bề mặt không thấm từ liệu viễn thám quang học [50], [89], [114] Mạng neural 3D tích chập (3D CNN) sử dụng nghiên cứu [113] nhằm chiết xuất bề mặt không thấm từ liệu viễn thám độ phân giải cao WorldView liệu LiDAR hàng khơng Các mơ hình học sâu U-Net_SGD_Bands, U-Net_Adam_Bands, U-Net_Adam_Bands+SI VGG19_Adam_Bands+SI kết hợp số phổ thuật toán SVM sử dụng nghiên cứu Parekh cộng (2021) nhằm tự động chiết xuất thông tin bề mặt không thấm từ ảnh vệ tinh Sentinel [92] 1.5.1.2 Các nghiên cứu dự báo biến động bề mặt không thấm từ liệu viễn thám GIS Jennings cộng (2004) sử dụng liệu lớp phủ theo quốc gia năm 1992 (NLCD 92 – National Land Cover 92), liệu bề mặt không thấm công nghệ GIS để xác định hệ số chuyển đổi thành bề mặt không thấm đối tượng lớp phủ khu vực Trung - Đại Tây Dương Trên sở đó, tác giả phát triển mơ hình hồi quy tuyến tính liệu NDLC 92 tỉ lệ phần trăm bề mặt không thấm để dự báo phân bố bề mặt khơng thấm tương lai Độ xác tổng thể kết dự báo xác định đạt 70%, kết dự báo cho khu vực thị có độ xác cao so với khu vực nông thôn [62] Dữ liệu lớp phủ toàn cầu năm 2006 xác định từ ảnh vệ tinh Landsat (NLCD 2006) sử dụng nghiên cứu [96] để dự báo phân bố bề mặt không thấm khu vực California (Mỹ) Các tác giả xây dựng công cụ tảng Excel 2007 cho phép người sử dụng nhập kịch khác để báo tốc độ tăng trưởng bề mặt không thấm tương lai Reilly cộng (2004) phát triển mơ hình dự báo phân bố bề mặt không thấm sở mối quan hệ mật độ dân số tỉ lệ bề mặt không thấm xác định từ ảnh vệ tinh Các dạng hồi quy khác thử nghiệm để đánh giá mối quan hệ mật độ dân số tỉ lệ bề mặt khơng thấm, từ tác giả lựa chọn hàm đa thức bậc nhằm dự báo phân bố bề mặt không thấm tương lai [99] Mơ hình đơn giản, ước tính nhanh bề mặt khơng thấm phục vụ cơng tác quy hoạch, quản lý thị, nhiên độ xác không cao sử dụng 01 biến (mật độ dân số) để xây dựng mơ hình dự báo 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 1.5.2 Trong nước Các nghiên cứu Việt Nam chủ yếu tập trung vào chiết xuất bề mặt không thấm từ liệu viễn thám đánh giá biến động diện tích bề mặt khơng thấm giai đoạn khác Thời gian gần đây, số nghiên cứu sử dụng số đất thị để nâng cao độ xác chiết tách thông tin sử dụng đất đô thị đất xây dựng, đất trống…Nguyễn Hoàng Khánh Linh (2011) sử dụng số xây dựng (IBI – Index based built-up Index) xác định từ ảnh Landsat TM nhằm phân loại theo dõi biến động đất xây dựng khu vực thành phố Huế Độ xác kết phân loại đánh giá sở 480 mẫu ngẫu nhiên, qua kết phân loại có độ xác tổng thể 91.04%, giá trị số Kappa đạt 0.904 [16] Nguyễn Thị Thúy Hạnh nghiên cứu đánh giá, so sánh số đất đô thị, bao gồm NDBI (Normalized Difference Built-up Index), EBBI (Enhanced Built-up and Bareness Index), UI (Urban Index) IBI chiết tách đất trống đất xây dựng khu vực Hà Nội từ ảnh vệ tinh Landsat Nghiên cứu Nguyễn Thị Thúy Hạnh cho thấy, việc sử dụng số NDBI cho phép phân loại đất xây dựng ảnh Landsat với độ xác cao so với số số đô thị khác EBBI, IBI, UI [8] Để nâng cao độ phân giải không gian số đất đô thị, Trịnh Lê Hùng cộng tích hợp sử dụng liệu viễn thám đa độ phân giải Landsat Sentinel MSI xác định số NDBaI, EBBI, từ nâng cao độ xác phân loại đất xây dựng, đất trống đô thị [13], [14] 1.6 Luận giải vấn đề cần nghiên cứu Từ phân tích kết đạt hạn chế nghiên cứu trước đó, đặc biệt nghiên cứu Việt Nam, để khắc phục hạn chế trên, luận án này, nghiên cứu sinh tập trung nghiên cứu số vấn đề sau: - Nghiên cứu lựa chọn phương pháp chiết tách thông tin bề mặt không thấm phù hợp từ liệu viễn thám độ phân giải trung bình Landsat sở áp dụng kỹ thuật học máy; - Nghiên cứu lựa chọn xây dựng liệu đầu vào cho mơ hình dự báo phân bố bề mặt khơng thấm tương lai, bao gồm lớp liệu đặc điểm địa hình, lớp phủ, yếu tố kinh tế - xã hội (mật độ dân cư, khoảng cách đến đường giao thông, khoảng cách đến thủy hệ, khoảng cách đến cơng trình đặc biệt); - Nghiên cứu thử nghiệm lựa chọn mơ hình dự báo phân bố bề mặt không thấm phù hợp dựa kỹ thuật đại hồi quy logistics (LR), mạng neural nhân tạo (ANN), áp dụng với điều kiện cụ thể khu vực nghiên cứu Thành phố Hồ Chí Minh 1.7 Tiểu kết chương Trong chương 1, nghiên cứu sinh nghiên cứu, phân tích khái niệm thị hóa, gia tăng bề mặt khơng thấm q trình thị hóa, phương pháp chiết xuất thông tin bề mặt không thấm từ liệu viễn thám Từ phân tích tổng quan tình hình nghiên cứu ngồi nước cho thấy, phần lớn nghiên cứu tập trung vào phát triển phương pháp, thuật toán chiết xuất bề mặt không thấm từ liệu viễn thám; nghiên cứu dự báo biến động bề mặt không thấm thường sử dụng kết dự báo biến động lớp phủ/sử dụng đất từ ảnh viễn thám đa thời gian Một số nghiên cứu xây dựng mơ hình hồi quy sở mối quan hệ bề mặt không thấm phản xạ phổ, liệu ánh sáng, tăng trưởng thương mại, mật độ dân số Mặc dù vậy, số lượng biến giải thích mơ hình hạn chế, nhiều mơ hình sử dụng biến Trong đó, chưa có nghiên cứu Việt Nam quan tâm đề xuất, xây dựng mơ hình phục vụ dự báo phân bố bề mặt không thấm tương lai Trên sở phân tích kết đạt được, 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 hạn chế tồn tại, nghiên cứu sinh đề xuất định hướng nghiên cứu luận án, làm sở để lựa chọn phương pháp thực nghiệm dự báo biến động bề mặt không thấm khu vực nghiên cứu CHƯƠNG CƠ SỞ KHOA HỌC PHƯƠNG PHÁP DỰ BÁO BIẾN ĐỘNG BỀ MẶT KHÔNG THẤM KHU VỰC THÀNH PHỐ HỒ CHÍ MINH SỬ DỤNG CÔNG NGHỆ VIỄN THÁM VÀ GIS 2.1 Đặc điểm khu vực nghiên cứu Thành phố Hồ Chí Minh hai thành phố lớn nước ta, trung tâm kinh tế, văn hoá - du lịch, giáo dục - khoa học kỹ thuật - y tế lớn nước Thành phố nằm toạ độ địa lý khoảng 10010’ - 10038’ vĩ độ bắc 106022’ 106054' kinh độ đơng Phía Bắc giáp tỉnh Bình Dương, Tây Bắc giáp tỉnh Tây Ninh, Đông Đông Bắc giáp tỉnh Đồng Nai, Đông Nam giáp tỉnh Bà Rịa - Vũng Tàu, Tây Tây Nam giáp tỉnh Long An Tiền Giang (Hình 2.1) Hình 2.1 Vị trí địa lý Thành phố Hồ Chí Minh 2.2 Nghiên cứu lựa chọn nhân tố ảnh hưởng đến biến động bề mặt không thấm 2.2.1 Lựa chọn liệu bổ sung Trên sở phân tích đặc điểm tự nhiên, xã hội thực trạng liệu khu vực Thành phố Hồ Chí Minh kết đạt nghiên cứu trước đó, luận án này, nghiên cứu sinh tiến hành thu thập xây dựng liệu đầu bổ sung mô hình dự báo biến động bề mặt khơng thấm với 09 lớp liệu, bao gồm: Mật độ che phủ thực vật; Nhiệt độ bề mặt; Độ cao; Độ dốc (Slope); Hướng dốc (aspect); Khoảng cách tới cơng trình đặc biệt (UBND, trường học, bệnh viện ); Mật độ dân cư; Khoảng cách tới đường giao thông; Khoảng cách tới thủy hệ 2.2.2 Đánh giá tương quan liệu bổ sung liệu sở Trong luận án, hệ số tương quan Pearson (hệ số r) sử dụng để lượng hóa mức độ chặt chẽ mối quan hệ tuyến tính liệu bề mặt không thấm (thông qua số đất xây dựng NDBI) liệu bổ sung (09 lớp liệu đầu vào) Kết xác định hệ số tương quan lớp liệu bổ sung số NDBI thể bảng 2.1 Bảng 2.1 Giá trị tương quan lớp liệu bổ sung Hệ số tương quan Lớp liệu bổ sung Chỉ số NDBI 2010 Chỉ số NDBI 2015 Độ cao 0.321 0.325 Độ dốc 0.129 0.129 Hướng dốc -0.112 -0.119 Mật độ che phủ thực vật -0.358 -0.405 Nhiệt độ bề mặt 0.550 0.626 Mật độ dân số 0.398 0.456 STT 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 Hệ số tương quan Chỉ số NDBI 2010 Chỉ số NDBI 2015 -0.661 -0.666 STT Lớp liệu bổ sung Khoảng cách tới cơng trình đặc biệt Khoảng cách tới đường giao thông -0.572 -0.566 Khoảng cách tới thủy hệ 0.310 0.287 Phân tích kết đạt cho thấy, yếu tố địa độ dốc hướng dốc có mối tương quan yếu với bề mặt không thấm Do luận án lựa chọn liệu bổ sung cuối cho mơ hình dự báo biến động bề mặt khơng thấm khu vực thành phố Hồ Chí Minh bao gồm 07 lớp liệu sau: (1) Mật độ che phủ thực vật; (2) Nhiệt độ bề mặt; (3) Độ cao; (4) Khoảng cách tới đường giao thông; (5) Khoảng cách tới thủy hệ; (6) Mật độ dân cư; (7) Khoảng cách tới cơng trình đặc biệt 2.3 Cơ sở khoa học phương pháp chiết xuất lớp liệu bổ sung cho mơ hình dự báo biến động bề mặt không thấm 2.3.1 Mật độ che phủ thực vật Trong luận án, nghiên cứu sinh lựa chọn sử dụng số thực vật NDVI để xác định mật độ che phủ thực vật (Pv) thông qua công thức sau [85], [133]: Pv  NDVI  NDVI NDVI max  NDVI (2.3) Trong đó: NDVI  NIR  RED NIR  RED (2.4) RED NIR giá trị phản xạ phổ kênh đỏ cận hồng ngoại [102] Kết xác định số thực vật NDVI mật độ che phủ thực vật khu vực Thành phố Hồ Chí Minh từ ảnh Landsat ngày 23/2/2020 thể hình 2.4, 2.5 Hình 2.4 Chỉ số thực vật NDVI khu vực Thành phố Hình 2.5 Kết xác định lớp liệu mật độ che Hồ Chí Minh, chiết xuất từ liệu ảnh Landsat phủ thực vật khu vực Thành phố Hồ Chí Minh từ ngày 23/2/2020 ảnh Landsat ngày 23/2/2020 2.3.2 Nhiệt độ bề mặt Kết xác định lớp thông tin nhiệt độ bề mặt khu vực Thành phố Hồ Chí Minh từ ảnh vệ tinh Landsat ngày 23/2/2020 thể hình 2.6 Hình 2.6 Kết xác định lớp liệu nhiệt độ bề mặt khu vực TP Hồ Chí Minh từ ảnh vệ tinh Landsat ngày 23/2/2020 sau chuẩn hóa thang giá trị 0-1 2.3.3 Độ cao Kết xây dựng lớp liệu độ cao khu vực Thành phố Hồ Chí Minh trình bày hình 2.7 Hình 2.7 Lớp liệu độ cao xây dựng từ CSDL địa lý quốc gia tỉ lệ 1:50 000 khu vực TP Hồ Chí Minh sau chuẩn hóa thang giá trị 0-1 2.3.4 Khoảng cách tới đường giao thơng Sử dụng module Euclidean Distance tích hợp phần mềm ArcGIS, nghiên cứu sinh xây dựng lớp liệu khoảng cách tới đường giao thông khu vực Thành phố Hồ Chí Minh hình 2.8 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 10 Hình 2.12 Lớp liệu mật độ dân cư khu vực TP Hồ Chí Minh sau chuẩn hóa thang giá trị 0-1 2.3.7 Khoảng cách tới công trình đặc biệt Khoảng cách tới cơng trình đặc biệt xây dựng công cụ Euclidean Distance phần mềm ArcGIS 10 (hình 2.13) Hình 2.13 Lớp liệu khoảng cách tới cơng trình đặc biệt khu vực Thành phố Hồ Chí Minh sau chuẩn hóa thang giá trị 0-1 2.4 Cơ sở khoa học phương pháp phân loại bề mặt không thấm từ liệu viễn thám 2.4.1 Thuật toán xác suất cực đại 2.4.2 Thuật toán Random Forest 2.4.3 Thuật toán Support Vector Machine 2.4.4 Thuật tốn Classification and Regression Tree 2.5 Mơ hình Cellular Automata kỹ thuật học máy mô thay đổi bề mặt không thấm 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 11 2.5.1 Mơ hình Cellular Automata Mơ hình CA phát triển Stanislaw Ulam vào năm 1940 nghiên cứu tinh thể John Von Neumann lĩnh vực hệ thống tự chép [118], [137] Đến năm 1950, mơ hình CA bắt đầu sử dụng việc mô hệ sinh thái Về chất, mơ hình CA đưa dự báo không gian với đầu vào xác suất chuyển đổi lớp phủ/sử dụng đất trạng thái chúng Một hệ CA bao gồm ô (cell) khơng gian riêng biệt, cell có trạng thái đặc trưng Nhìn chung, mơ hình CA bao gồm 04 thành phần sau [83]: (1): khơng gian lưới L mà mơ hình hoạt động; (2): trạng thái cell Q không gian lưới (3): quy tắc chuyển đổi f nhằm xác định trình chuyển đổi khơng gian đối tượng; (4): trạng thái vùng lân cận Δ ảnh hưởng đến ô trung tâm 2.5.2 Mạng nơ ron nhân tạo (ANN) Mạng nơ ron nhân tạo (Artificial Neural Network) mơ hình tính tốn truyền cảm hứng từ não người [141] Trong thời gian gần đây, ANN nhà nghiên cứu sử dụng lĩnh vực trí tuệ nhân tạo nhận dạng giọng nói, nhận dạng hình ảnh ANN chứng minh tính hiệu dự báo kết đầu so sánh với mơ hình thống kê toán dựa hồi quy [38], [144], dự báo chuỗi thời gian [142] 2.6.3 Hồi quy Logistic (LR) Hồi quy Logistic sử dụng nhiều lĩnh vực khác bao gồm học máy, lĩnh vực y tế khoa học xã hội Mặc dù hồi quy Logistic sử dụng chủ yếu với biến phụ thuộc, kỹ thuật thường mở rộng cho tình liên quan đến biến mục tiêu có kết trở lên [121] 2.6 Sơ đồ mơ hình dự báo biến động bề mặt khơng thấm Hình 2.232 Sơ đồ quy trình cơng nghệ lựa chọn mơ hình dự báo biến động bề mặt không thấm từ liệu viễn thám GIS 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 12 2.7 Tiểu kết chương Trong chương 2, nghiên cứu sinh phân tích, đánh giá đặc điểm khu vực thực nghiệm (Thành phố Hồ Chí Minh) lựa chọn liệu đầu vào cho mơ hình dự báo biến động bề mặt không thấm thông qua so sánh hệ số tương quan lớp liệu bổ sung số đất xây dựng NDBI xác định từ ảnh vệ tinh Landsat năm 2010 2015 Trên sở đó, luận án lựa chọn 03 cảnh ảnh Landsat thời điểm làm liệu sở 07 lớp liệu bổ sung để mơ hình hóa q trình phát triển bề mặt không thấm, bao gồm: mật độ dân số, mật độ che phủ thực vật, nhiệt độ bề mặt, độ cao, khoảng cách tới cơng trình đặc biệt, khoảng cách tới đường giao thông khoảng cách tới thủy hệ Tất lớp liệu bổ sung biên tập nội suy độ phân giải không gian 30m để thống với liệu sở (ảnh Landsat có độ phân giải khơng gian 30m), sau chuẩn hóa giá trị – để đưa vào mơ hình dự báo xu hướng phát triển bề mặt không thấm Để dự báo phân bố bề mặt không thấm tương lai, luận án lựa chọn đề xuất kết hợp mơ hình tốn học Cellular Automata 02 kỹ thuật học máy (ANN, hồi quy Logistic) Ảnh vệ tinh thời điểm liệu bổ sung sử dụng để dự báo phân bố bề mặt không thấm cho thời điểm 3, sau so sánh với kết phân loại từ ảnh Landsat thời điểm để lựa chọn mơ hình phù hợp có độ xác cao Mơ hình sau hồn thiện sử dụng để dự báo biến động bề mặt không thấm tương lai CHƯƠNG THỰC NGHIỆM DỰ BÁO BIẾN ĐỘNG BỀ MẶT KHÔNG THẤM KHU VỰC THÀNH PHỐ HỒ CHÍ MINH 3.1 Đặc điểm liệu sử dụng 3.1.1 Dữ liệu viễn thám Dữ liệu viễn thám sử dụng nghiên cứu ảnh vệ tinh Landsat chụp khu vực Thành phố Hồ Chí Minh, bao gồm 03 cảnh ảnh ngày 11/02/2010 (Landsat TM), 9/02/2015 23/02/2020 (Landsat OLI_TIRS) Hình 3.1 Ảnh vệ tinh Landsat Hình 3.2 Ảnh vệ tinh Landsat Hình 3.3 Ảnh vệ tinh Landsat TM ngày 11/2/2010 OLI_TIRS ngày 9/02/2015 OLI_TIRS ngày 23/2/2020 Để hỗ trợ lựa chọn lớp liệu đầu vào mơ hình dự báo biến động bề mặt không thấm, ảnh Landsat năm 2010 2015 sử dụng để tính số đất xây dựng NDBI, sau xác định hệ số tương quan với liệu bổ sung Kết xác định số NDBI từ ảnh Landsat năm 2010 2015 trình bày hình 3.4 3.5 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 13 Hình 3.4 Chỉ số NDBI xác định từ ảnh Landsat Hình 3.5 Chỉ số NDBI xác định từ ảnh Landsat năm 2010 năm 2015 3.1.2 Dữ liệu khác Ngoài liệu viễn thám, luận án sử dụng CSDL địa lý quốc gia tỉ lệ 1:50 000 khu vực Thành phố Hồ Chí Minh để xây dựng mơ hình số độ cao (DEM) chiết xuất liệu hệ thống đường giao thông, thủy hệ Dữ liệu mật độ dân số thu thập từ kết điều tra dân số, lao động năm 2021 Cục Thống kê thành phố Hồ Chí Minh [146], sau xây dựng lớp liệu dạng raster để đưa vào mô hình Dữ liệu vị trí cơng trình đặc biệt thu thập CSDL https://opendata.hcmgis.vn/ [150] 3.2 Kết phân loại bề mặt không thấm từ ảnh vệ tinh Landsat đa thời gian 3.2.1 Kết phân loại sử dụng thuật tốn RF Trên hình 3.6 hình 3.7 trình bày kết phân loại lớp phủ/sử dụng đất khu vực thành phố Hồ Chí Minh từ ảnh vệ tinh Landsat năm 2010 năm 2015 thuật tốn RF Hình 3.6 Kết phân loại lớp phủ/sử dụng đất Hình 3.7 Kết phân loại lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh năm 2010 khu vực Thành phố Hồ Chí Minh năm 2015 thuật toán RF thuật toán RF 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 14 3.2.2 Kết phân loại sử dụng thuật toán SVM Kết phân loại lớp phủ/sử dụng đất khu vực thành phố Hồ Chí Minh từ ảnh vệ tinh Landsat năm 2010 năm 2015 thuật toán SVM trình bày hình 3.8 hình 3.9 Hình 3.8 Kết phân loại lớp phủ/sử dụng đất Hình 3.9 Kết phân loại lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh năm 2010 khu vực Thành phố Hồ Chí Minh năm 2015 thuật tốn SVM thuật toán SVM 3.2.3 Kết phân loại sử dụng thuật toán CART Bên cạnh 02 kỹ thuật học máy quen thuộc (RF SVM), luận án thử nghiệm phân loại lớp phủ/sử dụng đất thuật toán Cây phân loại Hồi quy (Classification and Regression Tree - CART) Kết phân loại lớp phủ/sử dụng đất khu vực thực nghiệm từ ảnh vệ tinh Landsat năm 2010, năm 2015 trình bày hình 3.10 hình 3.11 Hình 3.10 Kết phân loại lớp phủ/sử dụng đất khu Hình 3.11 Kết phân loại lớp phủ/sử dụng vực Thành phố Hồ Chí Minh năm 2010 thuật đất khu vực Thành phố Hồ Chí Minh năm 2015 toán CART thuật toán CART 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 15 3.2.4 Kết phân loại sử dụng thuật toán Maximum Likelihood Bên cạnh 03 thuật toán học máy, luận án thử nghiệm phân loại lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh thuật tốn phân loại có giám sát quen thuộc – xác suất cực đại Đây xem thuật toán phân loại chuẩn phân loại dựa điểm ảnh, có độ xác cao so sánh với thuật tốn khác khoảng cách ngắn nhất, hình hộp Kết phân loại lớp phủ/sử dụng đất khu vực nghiên cứu từ ảnh Landsat năm 2010 2015 thuật toán xác suất cực đại thể hình 3.12 3.13 Hình 3.12 Kết phân loại lớp phủ/sử dụng đất Hình 3.13 Kết phân loại lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh năm 2010 khu vực Thành phố Hồ Chí Minh năm 2015 thuật toán Maximum Likelihood thuật toán Maximum Likelihood 3.2.5 Đánh giá lựa chọn phương pháp phân loại phù hợp Để đánh giá lựa chọn phương pháp phân loại lớp phủ/sử dụng đất phù hợp với đặc điểm khu vực nghiên cứu, ngồi phân tích, so sánh độ xác phân loại đối tượng lớp phủ riêng biệt, luận án sử dụng thơng số khác bao gồm độ xác tổng thể số Kappa Kết so sánh, đánh giá độ xác phân loại lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh từ ảnh Landsat năm 2010 2015 trình bày bảng 3.17 3.18 Bảng 3.17 Độ xác tổng thể số Kappa thuật toán phân loại ảnh Landsat khu vực Thuật toán nghiên cứu năm 2010 SVM RF CART ML Độ xác tổng thể 86.90% 93.44% 90.77% 85.98% Chỉ số Kappa 0.871 0.919 0.887 0.829 Bảng 3.18 Độ xác tổng thể số Kappa thuật toán phân loại ảnh Landsat khu vực Thuật toán nghiên cứu năm 2015 SVM RF CART ML Độ xác tổng thể 88.72% 93.54% 89.81% 87.29% Chỉ số Kappa 0.863 0.921 0.876 0.845 Phân tích kết đạt cho thấy, thông số sử dụng để đánh giá độ xác kết phân loại, bao gồm độ xác tổng thể số Kappa, thuật toán RF cho kết tốt 16 Từ kết trên, luận án tiến hành lựa chọn thuật toán RF để phân loại lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh từ ảnh Landsat đa thời gian, làm sở để xây dựng lớp thơng tin đầu vào cho mơ hình dự báo phân bố bề mặt không thấm tương lai sử dụng mơ hình Cellular Automata kỹ thuật học máy Kết phân loại năm 2010 2015 dùng để dự báo phân bố bề mặt không thấm năm 2020, sau so sánh với kết phân loại lớp phủ/sử dụng đất năm 2020 thuật tốn RF để hiệu chỉnh lựa chọn mơ hình phù hợp với khu vực thực nghiệm 3.3 Kết dự báo phân bố bề mặt không thấm khu vực Thành phố Hồ Chí Minh 3.3.1 Kết dự báo biến động mặt không thấm năm 2020 3.3.1.1 Sử dụng mơ hình CA kết hợp với thuật tốn ANN Để dự báo phân bố bề mặt không thấm khu vực Thành phố Hồ Chí Minh năm 2020 từ liệu viễn thám GIS, luận án sử dụng mô hình CA kết hợp thuật tốn ANN module MOLUSCE phần mềm QGIS 2.18 Trong nghiên cứu tiến hành khởi tạo 2000 mẫu ngẫu nhiên thiết lập tham số bao gồm : vùng lân cận - neighbourhood (1 px), tỉ lệ học - learning rate (0.001), số vòng lặp - interations (1000), lớp ẩn - hidden layers (12) quán tính - momentum (0.05) Với tham số thiết lập luận án, trình học tập liệu đạt giá trị Kappa 0.754 so sánh tương quan với tập liệu huấn luyện Kết mơ hình hố q phân bố lớp phủ/sử dụng đất khu vực nghiên cứu năm 2020 mơ hình CA kết hợp với thuật tốn ANN trình bày hình 3.16 Hình 3.16 Kết dự báo phân bố bề mặt không thấm năm 2020 khu vực Thành phố Hồ Chí Minh mơ hình CA kết hợp với thuật tốn ANN 3.3.1.2 Sử dụng mơ hình CA kết hợp với thuật toán hồi quy Logistic (LR) Với thuật toán hồi quy Logistic, tham số đầu vào thiết lập luận án bao gồm : số lượng mẫu - number of samples (2000), vùng lân cận - neighbourhood (1 px), số vòng lặp tối đa - maximum interations (100) Bộ tham số lựa chọn thử nghiệm với nhiều giá trị tham số khác nhau, sau lựa chọn tham số có độ xác học tập liệu (huấn luyện) cao Với tham số thiết lập 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 17 luận án, trình học tập liệu đạt giá trị Kappa 0.731 so sánh tương quan với tập liệu huấn luyện Kết mơ hình hố lớp phủ/sử dụng đất thị khu vực Thành phố Hồ Chí Minh năm 2020 sau sử dụng mơ hình CA kết hợp với thuật tốn Logistic Regression trình bày hình 3.17 Hình 3.17 Kết dự báo phân bố bề mặt không thấm năm 2020 khu vực TP Hồ Chí Minh mơ hình CA kết hợp với thuật toán hồi quy Logistic 3.3.2 Đánh giá hồn thiện mơ hình dự báo biến động bề mặt khơng thấm Nhằm đánh giá độ xác mơ hình mơ biến động bề mặt thị khu vực Thành phố Hồ Chí Minh năm 2020, nghiên cứu sử dụng kết phân loại lớp phủ/sử dụng đất từ ảnh Landsat năm 2020 thuật tốn RF (hình 3.18) để so sánh mức độ tương quan với kết mơ hình hóa năm 2020 Hình 3.18 Kết phân loại lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh năm 2020 thuật toán RF 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 18 Kết nhận cho thấy, hệ số tương quan lớp phủ/sử dụng đất mơ hình hóa mơ hình CA kết hợp với thuật toán ANN kết phân loại năm 2020 đạt 0.715 Trong đó, sử dụng mơ hình CA kết hợp với thuật tốn hồi quy Logistic, hệ số tương quan so sánh với kết phân loại đạt 0.666 Như vậy, phương pháp kết hợp mơ hình CA thuật tốn ANN cho độ xác cao mơ lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh so sánh với thuật toán hồi quy Logistic Từ kết này, luận án lựa chọn phương pháp kết hợp mơ hình CA thuật tốn ANN để mơ thay đổi bề mặt không thấm khu vực Thành phố Hồ Chí Minh tương lai 3.3.3 Kết dự báo biến động bề mặt không thấm khu vực Thành phố Hồ Chí Minh tương lai 3.3.3.1 Dự báo phân bố bề mặt không thấm đến năm 2025 Bản đồ mơ lớp phủ/sử dụng đất, có bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh năm 2025 trình bày hình 3.19 Hình 3.19 Kết dự báo phân bố bề mặt khơng thấm khu vực thành phố Hồ Chí Minh năm 2025 mơ hình CA kết hợp với thuật tốn ANN Kết xác định diện tích đối tượng lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh giai đoạn 2010 - 2025 thể bảng 3.21 Diện tích (km2) Bảng 3.21 Diện tích đối tượng giai đoạn 2010 - 2025 Năm 2010 2015 2020 2025 Mặt nước 170.149 167.176 161.879 159.705 Mặt không thấm 616.983 786.107 816.806 825.076 Cây bụi 408.248 268.444 273.423 267.405 Đất nông nghiệp 551.434 458.123 437.473 441.749 19 Đất trống 31.479 19.683 13.706 10.834 Rừng 263.942 342.702 338.948 337.470 Có thể nhận thấy, diện tích bề mặt khơng thấm tiếp tục có gia tăng, theo kết mô đến năm 2025 đạt 825.076 km2, gấp khoảng 1.3 lần so với năm 2010 (616.983 km2) tăng khoảng 1,01% so với năm 2020 (816.806 km2) Tốc độ gia tăng bề mặt khơng thấm có chậm dần giai đoạn 2020 - 2025 so với giai đoạn 2010 - 2020 ổn định phát triển đất xây dựng thành phố Hồ Chí Minh Nhằm đánh giá mức độ hiệu kết dự báo xu hướng phát triển mặt không thấm mô hình đề xuất, luận án tiến hành so sánh kết dự báo năm 2025 đồ quy hoạch sử dụng đất thành phố Hồ Chí Minh năm 2025 (Hình 3.21) Hình 3.21 Bản đồ quy hoạch sử dụng đất khu vực Thành phố Hồ Chí Minh đến năm 2025 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 20 Hình 3.22 Vị trí điểm lấy mẫu nhằm so sánh kết dự báo phân bố bề mặt không thấm năm 2025 đồ quy hoạch năm 2025 Để xác định mức độ tương quan kết dự báo đồ quy hoạch, nghiên cứu sinh lấy ngẫu nhiên 242 điểm đại diện cho bề mặt không thấm 228 điểm cho đối tượng khác (không phải bề mặt không thấm) – Hình 3.22 Kết nhận cho thấy, 242 điểm bề mặt khơng thấm, có 211 điểm dự báo (87,19%) 31 điểm không (12,81%) Với điểm đại diện cho đối tượng bề mặt khơng thấm, có 192/228 điểm dự báo (84,21%) Độ xác tổng thể số Kappa đạt 85,70% 0,715 Như vậy, nhận định, mơ hình đề xuất luận án cho phép dự báo xu hướng phát triển bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh với độ tin cậy cao 3.3.3.2 Dự báo phân bố bề mặt không thấm đến năm 2030 Sau dự báo phân bố bề mặt không thấm năm 2025, kết tiếp tục sử dụng để mơ hình hóa dự báo phân bố bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh đến năm 2030 mơ hình CA kết hợp với thuật tốn ANN (hình 3.23) Theo kết mơ hình hóa đến năm 2030, diện tích bề mặt khơng thấm khu vực thành phố Hồ Chí Minh đạt 833.241 km2, tăng 8.165 km2 so với năm 2025 (tương đương 1.00%), tốc độ gia tăng bề mặt không thấm giống với giai đoạn 2020 – 2025 không nhiều mật độ xây dựng có bão hịa sau năm 2025 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 21 Hình 3.23 Kết dự báo phân bố bề mặt không thấm khu vực Thành phố Hồ Chí Minh năm 2030 mơ hình CA kết hợp với thuật toán ANN 3.3.3.3 Đánh giá biến động bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh Trên hình 3.25 3.26 trình bày kết đánh giá biến động bề mặt không thấm khu vực thành phố Hồ Chí Minh giai đoạn 2020 – 2025 2025 – 2030, xem xét chuyển đổi qua lại 03 đối tượng: bề mặt không thấm, bề mặt thấm mặt nước Kết phân tích biến động diện tích qua lại 03 đối tượng thể bảng 3.22 Hình 3.25 Biến động bề mặt không thấm khu vực Thành phố Hồ Chí Minh giai đoạn 2020 – 2025 Hình 3.26 Biến động bề mặt không thấm khu vực Thành phố Hồ Chí Minh giai đoạn 2025 – 2030 22 Bảng 3.22 Diện tích biến động đối tượng giai đoạn 2020 - 2025 2025 - 2030 Biến động (km2) 2020 - 2025 2025 - 2030 Mặt nước -> Mặt không thấm 1.177 0.381 Mặt nước -> Mặt thấm 90.795 25.789 Mặt không thấm -> Mặt nước 1.384 2.668 Mặt không thấm -> Mặt thấm 18.477 39.492 Mặt thấm -> Mặt nước 13.410 20.736 Mặt thấm -> Mặt không thấm 101.954 179.820 3.4 Tiểu kết chương Trong chương 3, nghiên cứu sinh thử nghiệm với mô hình khác mơ biến động lớp phủ/sử dụng đất, có bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh từ liệu viễn thám GIS sở mơ hình tốn học CA kỹ thuật học máy 03 cảnh ảnh Landsat chụp khu vực nghiên cứu năm 2010, 2015, 2020 sử dụng để phân loại lớp phủ/sử dụng đất 04 thuật toán khác (xác suất cực đại, RF, SVM, CART) lựa chọn thuật tốn có độ xác phân loại cao Kết nhận cho thấy, thuật tốn RF có độ xác cao phân loại lớp phủ/sử dụng đất khu vực nghiên cứu Để dự báo xu biến động bề mặt không thấm, nghiên cứu sử dụng liệu bổ sung bao gồm 07 lớp chiết xuất từ liệu viễn thám, GIS CSDL kinh tế, xã hội Kết phân loại lớp phủ/sử dụng đất năm 2010, 2015 liệu bổ sung sử dụng để mô phát triển lớp phủ bề mặt đô thị năm 2020 mơ hình CA 02 kỹ thuật học máy: mạng ANN hồi quy Logistic, sau so sánh với kết phân loại lớp phủ/sử dụng đất từ ảnh Landsat năm 2020 để đánh giá độ xác Kết nhận cho thấy phương pháp kết hợp mơ hình CA với thuật tốn ANN có độ xác cao dự báo xu phát triển bề mặt đô thị Từ kết này, nghiên cứu sử dụng thuật toán ANN kết hợp mơ hình CA để dự báo phân bố đối tượng bề mặt thị, có bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh năm 2025 2030 Kết dự báo phân bố bề mặt không thấm năm 2025 so sánh với đồ quy hoạch sử dụng đất khu vực Thành phố Hồ Chí Minh đến năm 2025, với 242 điểm đại diện cho bề mặt khơng thấm, có 211 điểm dự báo xác (87,19%), độ xác tổng thể số Kappa đạt tương ứng 85,70% 0,715 Biến động bề mặt không thấm đối tượng khác (bề mặt thấm, mặt nước) đánh giá thông qua đồ biến động bề mặt không thấm giai đoạn 2020 2025 2025 - 2030 Kết nhận nghiên cứu cung cấp thông tin khách quan tin cậy, giúp nhà quản lý công tác quy hoạch phát triển đô thị KẾT LUẬN VÀ KIẾN NGHỊ Kết luận Qua trình nghiên cứu, luận án đề xuất lựa chọn mơ hình phù hợp nhằm mô xu hướng phát triển lớp phủ/sử dụng đất, có bề mặt khơng thấm khu vực Thành phố Hồ Chí Minh tương lai từ liệu viễn thám đa thời gian GIS kỹ thuật trí tuệ nhân tạo Từ kết đạt luận án, nghiên cứu sinh rút kết luận sau: Dữ liệu viễn thám GIS sử dụng hiệu phục vụ xây dựng lớp thông tin đầu vào cho mô hình dự báo biến đổi bề mặt khơng thấm Trong luận án, liệu viễn thám đa thời gian (03 cảnh ảnh 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 23 vệ tinh Landsat năm 2010, 2015 2020), lớp thông tin bổ sung bao gồm: mật độ che phủ thực vật, nhiệt độ bề mặt, độ cao, khoảng cách đến cơng trình đặc biệt, mật độ dân cư, khoảng cách tới đường giao thông khoảng cách tới thủy hệ sử dụng để mơ hình hóa thay đổi lớp phủ/sử dụng đất Các lớp thông tin chiết xuất xây dựng từ liệu viễn thám GIS liệu tự nhiên, kinh tế - xã hội, sau chuẩn hóa trước đưa vào mơ hình dự báo biến động bề mặt không thấm Trong luận án thử nghiệm với 04 phương pháp phân loại lớp phủ/sử dụng đất, bao gồm phương pháp xác suất cực đại 03 kỹ thuật học máy (RF, SVM, CART) để phân tích, đánh giá lựa chọn phương pháp có độ xác cao Kết nhận cho thấy, với khu vực thử nghiệm Thành phố Hồ Chí Minh, thuật tốn RF cho độ xác cao phân loại lớp phủ/sử dụng đất, thể qua so sánh độ xác tổng thể số Kappa (đều đạt 0,9) Từ kết này, thuật toán RF lựa chọn để phân loại lớp phủ/sử dụng đất khu vực nghiên cứu ảnh vệ tinh Landsat giai đoạn 2010 - 2020, làm sở để mô hình hóa lớp phủ/sử dụng đất năm 2025 2030 khu vực Thành phố Hồ Chí Minh Phân tích kết nhận cho thấy, phương pháp kết hợp mơ hình tốn học Cellular Automata (CA) kỹ thuật học máy (ANN) cho phép mô lớp phủ/sử dụng đất khu vực Thành phố Hồ Chí Minh với độ xác cao, hệ số tương quan so sánh kết mơ hình hóa kết phân loại lớp phủ/sử dụng đất năm 2020 đạt 0.715 Từ kết này, luận án tiến hành mô biến động bề mặt không thấm khu vực Thành phố Hồ Chí Minh năm 2025 2030 Theo đó, diện tích bề mặt khơng thấm có gia tăng đáng kể, kết mơ đến năm 2025 đạt 825.076 km2, gần 1.3 lần so với năm 2010 (616.983 km2) Diện tích bề mặt khơng thấm tiếp tục gia tăng khoảng 1.00% đến năm 2030 theo kết dự báo, đạt 833.241 km2 Ngoài khu vực trung tâm Thành phố huyện Củ Chi, bề mặt khơng thấm năm 2025 2030 có phát triển đáng kể khu vực huyện Cần Giờ (đoạn giáp biển xã phía bắc huyện Bình Khánh, An Thới Đơng, Tam Thơn Hiệp) Mơ hình dự báo biến động lớp phủ/sử dụng đất, có bề mặt khơng thấm từ liệu viễn thám GIS sở kỹ thuật học máy xây dựng luận án công cụ hiệu quả, cung cấp thơng tin khách quan xác giúp nhà quản lý công tác quy hoạch, phát triển bền vững khu vực đô thị Thành phố Hồ Chí Minh Mơ hình áp dụng cho khu vực khác có điều kiện tự nhiên, kinh tế - xã hội tương tự Kiến nghị Do điều kiện mặt liệu, số lớp liệu đầu vào mơ hình dự báo biến động bề mặt khơng thấm cịn khai thác từ CSDL quốc tế Ngoài ra, số lượng lớp liệu đầu vào chưa thực đầy đủ yếu tố ảnh hưởng đến thay đổi bề mặt khơng thấm Để hồn thiện mơ hình, tương lai nghiên cứu sinh tiếp tục nghiên cứu, thu thập lớp liệu đầu vào sát với điều kiện thực tiễn khu vực thực nghiệm, từ nâng cao độ xác mơ hình dự báo Áp dụng mơ hình dự báo biến động lớp phủ/sử dụng đất, có bề mặt khơng thấm cho khu vực đô thị để hỗ trợ nhà quản lý công tác quy hoạch phát triển bền vững đô thị 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667 24 CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ Phạm Văn Tùng, Nguyễn Văn Trung, Nguyễn Hữu Long, Nguyễn Đức Hùng (2018) Quan trắc mở rộng bề mặt không thấm sử dụng liệu ảnh vệ tinh SPOT-5 Sentinel-2 khu vực thành phố Hồ Chí Minh Tạp chí khoa học kỹ thuật Mỏ - Địa chất, 59, 2, 69-76 Phạm Văn Tùng, Nguyễn Văn Trung, Vũ Xuân Cường, Nguyễn Văn Sơn (2020) Thành lập đồ bề mặt không thấm sử dụng liệu ảnh vệ tinh Sentinel-2 khu vực thành phố Hồ Chí Minh Hội nghị Tồn quốc Khoa học Trái đất Tài nguyên với Phát triển bền vững - ERSD, 86-93, Nguyễn Văn Trung, Phạm Văn Tùng, Nguyễn Thanh Bình, Phạm Ngọc Qn, Phan Văn Khối, Đỗ Thanh Phong, Nguyễn Thanh Tuấn, Huỳnh Tấn Phước, Nguyễn Thị Thùy Linh (2021) Mối quan hệ tượng đảo nhiệt đô thị mật độ dân số quận huyện thành phố Hồ Chí Minh lấy từ liệu ảnh vệ tinh hồng ngoại nhiệt Hội nghị khoa học Quốc gia Công nghệ Địa không gian Khoa học trái đất Môi trường, 231-240 Phạm Văn Tùng (2021) Thành lập đồ bề mặt không thấm sử dụng liệu ảnh vệ tinh sentinel-2 khu vực Thành phố Hồ Chí Minh Tạp chí Khoa học Tài nguyên Môi trường, Số 38, 30-38 Lê Thị Thu Hà, Nguyễn Văn Trung, Nguyễn Ngọc Khoa, Nguyễn Đăng Phương, Võ Thị Tuyết, Nguyễn Giang Thọ, Phạm Văn Tùng Lê Văn Định (2021), Nghiên cứu mối quan hệ đảo nhiệt đô thị mật độ dân số quận, huyện Thành phố Hồ Chí Minh liệu ảnh Sentinel - SLSTR Tạp chí Khoa học kỹ thuật Mỏ - Địa chất, 62, 5, 67-75 Phạm Văn Tùng (2023) Giám sát không gian phát triển đô thị khu đông Thành phố Hồ Chí Minh liệu ảnh viễn thám Tạp chí Giao thông Vận tải, Số tháng 4/2023 (năm thứ 64), 130 - 133 Phạm Văn Tùng, Trịnh Lê Hùng, Nguyễn Văn Trung, Vũ Xuân Cường (2023) Nghiên cứu dự báo biến động bề mặt không thấm khu vực thành phố Hồ Chí Minh từ liệu viễn thám GIS Tạp chí Đo đạc Bản đồ, Số 56, 25 – 33 9a3f31 93f39f8323 b7c7bda 5203 f0b7cfc8a c3 f0f81bf915 5a0f4ac5 d8ccf40c 9ad4424 f89 c65 43b7d34 d53 b38a2a3 9fe6 b66 c26 c305 fca4 9a3c4eb5 1abf55f8 0700b7a c6a4 5f9a c00a 0780 4c0e 4706 f58e f34 f4e 1d01 beb f4d539ab2fe7 2f5 b fb5225288a 8a06 f7fda9338 0380 3efb56b3d3a d4680 f23 e90abcc8a38 c23fcd2 51a0663 7b4 c4a20 104dc58 ee9e c3358 fa7d28b0 be58 c90a 6d7 d8a86 b865 52a6d 6e21c6e5ac96df3e c0e4 ba33 d28bbd1a 77d5 c8a2 275a70 1b94 bfae 8f4 720ff3 f 83ff16454 d0ff6fcfdbe1 f08 e06e5a 6cd3b1 d29 b9dca760 db7 f556 09c19b6825 5eb1ed 75b67ec4b3 b724ea 3df9a79ee fed 76173 5a128 1900e 0583 282baa 080ae f63 cf3 5b45 14a0 c2044 2ad20 8079 6f6 21eb 87ff30d3dbd7 f42b05b2 2642 df6a5 1542c8c8 9b7 d27 cd5 c6e4 6a36f0d7 fde f4a69a 3f4 f9e8 4338 c49 d5bb12 f0d7 2e 1dbd4e07a9 1c7 7d20 1f6 7f1 65a7 f0c61ad6 df3847e 1ccdb5b90 e55d132e2 0091 83b3df3 b9c9b0a b9a32e 9c3 1d17 42070 6f9 c33 be4 fc1ae 74a0 c925a c2abfb d9c b7f2 6ed3 145d0590e e1b3 7b30 baa4 f57b256 ce438 96e0 c368 7e01 f543 f03 e2b7 37e1d7 8ef3 d65a 0d2 dfe5 d520 d3a7 c33e4 8616 1c1 b19 c079aa f860 76df75 8aaf 4ae631e b7f0c1 86eaad2 c0e 6da48 ec1 0486 d93aa2 b8ee3 f47 e8aa258 5cf946 46 4eaf5 c63b2742 99306 4530 f7d12e f440 d783a0 6390 b97e c6 cc7 2bf3e9df7 f50 c c9a261 d2d34b1 efbbfb7384 77f7a47 c4a6a6 b238 d80 d82 c788 c191 9164 f6aa3 4f93 cd1 7a6554 3d1 803b33cb1b0aaac28 737ff67 eeb6 d176 38e03 7bfa 2d26 7d6 9bc7 1d71 3c1 5f4 b0e2e 94a1a2 6b9 c145 69b1 b468 87d5d0 c3ae4 db99 e612 dbf4e 60b7d9e7b725dd9 f50 c9d7 492d37c83dfeef4c1 3a54 c46ab8b8 b76d37b5 ba073 9b50b3a4b1 3035a 2090 fe268 5c6 f34 e2c6 8c7 22b2f8 1e8e30 3a5a41e e60e6 c3 d 3c4e9 c15 4862 b190e 839a2 4b65 f52 c9 c748 2d8b0cde295 0f8 cd2344a b0d0 1a3e c0436 79c9eb0 35f44646 e76db058 e3ab1 69e0 8b8 f6a7 f4f7a709 9cbf7e4 d9d18 48d75e 1a7b3 d5e3 d2e3 e3b9a d7e5a 4a3208ff 6a14 f2e1 cde7 6ae8ab3eb4e f91 651275 5a4512 dbfeaa8e0 c007 31b7 93c9fb06e3 bbf5451 b51 754a04 4cc62ae2 ff88a1cbdbcf9 e618 9f8 f6d2ceae 7271 0729 fae7 c225a c51 b4b0 8a6b1 d8d1a0f 5c1b3da8 b4d1 3cb1d8 42b0 31b0 c1 d4866 f33 06e49a 758 c5e1 f6d9b6 bcb0ab0 b7 e96c2 6ff6cf34 bb20 f31 2b5aa7 d385 b70e 5dc1dc9c7598 53e1a5 687a7 b87d7c7 e3e5c3 fe58 b4bb6fb04 0e9e1 7c5e 6d8 f65 d4d0a 892e cad7 550bb49 f5d5b15 853 fcb8 3a671 1d63 8f3 f9ee 7a6ce801 da406 40601 63f4cf649 89d3 f70 06a71 19c1e 60fc9a3568 5c2 f07a d8ae cc5 c6 c0b053 f5e51 0c5 2d72fb b8f78a8fc6 f6bb5a50 dd0 f7f2e735 dbb70b67e24 f8d49d37ef9b07 65fa4 2fc4a398 3b9 2f5 56098 3a26 77b722 c4 fae8b59b5 9d83 9de6 b1b2ffcf49e1 b8e68 7ef1 868 cb81 fa6 f59b8dc7 e0139ad11e2 f920 9375e 71ad4ec2 2d1 c08a6 0e5b9b10 bb1 f83 e3659 d02 06359 d b20c9a7bb9bfe635 b043 55e4 cc6 72273 d1d79b7276 bbf45a67 0bc6d24a 4c7 755 15e7a2 f607a4 f08 57e99 957e 98995fb 6a2727 f5a c8e5 8f9 1e92b4444 8e711 ec2 79b746 615a7 5776a7 2a0e7aa 3ff897afe 5a8c580 c38a7 69f8dd1 e477 0e2d52a4 1b9c74ab4a 2c2 99439 d6db85 3d45 2d8 bb4 b5db54f2dce47 c50e d23a3 56d7 c33 f8580 5c0 59f50a73 09dc4e33 c49 80aa85 b19 d0761 7ec0544aa4 2f0 632d8493 f2 b9a21a9 fc3a 5b6 b2908 cc6e38 f2b920 fc5 dbba 12c04c4ee52 b94b5fe7 353d7a7 d51760 f2 f3 c4b2 5b45 12c999b7db65c158dcba b7d2e5e8 8914a d13 f4f82856 55 70b476 6952 4967 472eb 9b1 1d0 d9534 8e65 b6fb150 e08e9 6375 cf24e2ffb d904 91b408 5421 d8efc3 c2b046fda430 d2c2a5da 83725 0e70 db16 8c7 71cd59a6 9aae c5fe8 3a106 f37 c8 f17fc4e 1e5c0e1 f29b0942 c58 c5 f6a131 7d6 c681 0a7be 6667