ứng dụng công nghệ viễn thám thành lập bản đồ phủ mặt đất tại thành phố hải dương tỉnh hải dương

Với ưu thế vượt trội, công nghệ viễn thám cho phép giám sát, đánh giá nhanh sự thay đổi lớp phủ trên diện rộng mà những phương pháp truyền thống khó đạt được, lớp phủ cũng là một trong n

TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU

LỚP PHỦ MẶT ĐẤT

2.1.1 Khái niệm lớp phủ mặt đất

Lớp phủ mặt đất là lớp phủ vật chất quan sát được khi nhìn từ mặt đất hoặc thông qua vệ tinh viễn thám, bao gồm thực vật (mọc tự nhiên hoặc tự trồng cấy) và các cơ sở xây dựng của con người (nhà cửa, đường sá,…) bao phủ bề mặt đất Nước, băng, đá lộ hay các dải cát cũng được coi là lớp phủ mặt đất

2.1.2 Tổng quan về lớp phủ mặt đất

- Lớp phủ mặt đất mang lại nhiều lợi ích quan trọng, bao gồm:

1 Quản lý tài nguyên tự nhiên: Hiểu rõ về lớp phủ mặt đất giúp quản lý và bảo vệ tài nguyên tự nhiên như đất đai, nước, và thảm thực vật Việc đánh giá và giám sát lớp phủ mặt đất giúp định rõ các vùng đất quý hiếm, khu vực bảo tồn sinh quyển, và các nguồn tài nguyên thiên nhiên khác

2 Quản lý sử dụng đất: Lớp phủ mặt đất cung cấp thông tin quan trọng cho quy hoạch sử dụng đất và phát triển đô thị Hiểu rõ về loại đất, đặc điểm của thảm thực vật, và môi trường nước giúp định hình các kế hoạch phát triển bền vững và hài hòa với môi trường

3 Dự báo nguy cơ và ứng phó khẩn cấp: Hiểu biết về lớp phủ mặt đất có thể giúp dự báo và ứng phó với các nguy cơ tự nhiên như lũ lụt, hạn hán, và sạt lở đất Cung cấp thông tin địa lý chính xác về môi trường là cơ sở quan trọng cho việc lập kế hoạch và triển khai các biện pháp phòng ngừa và ứng phó khẩn cấp

4 Nghiên cứu khoa học: Lớp phủ mặt đất là một nguồn tài nguyên quý giá cho nghiên cứu về biến đổi đất đai, môi trường tự nhiên, và tác động của con người lên môi trường Các nghiên cứu về lớp phủ mặt đất giúp hiểu rõ hơn về hệ sinh thái, quản lý tài nguyên, và các vấn đề môi trường khác

5 Định vị địa lý và dẫn đường: Thông tin về lớp phủ mặt đất được sử dụng để xác định vị trí địa lý và hướng dẫn điều hướng Tích hợp dữ liệu lớp phủ mặt đất vào các hệ thống thông tin địa lý giúp cải thiện chính xác và hiệu quả của dẫn đường và bản đồ điện tử.

TỔNG QUAN VỀ VIỄN THÁM

2.2.1 Khái niệm và các nguyên lý cơ bản của viễn thám Ý nghĩa của viễn thám: Viễn thám không chỉ là một phương tiện để thu thập dữ liệu từ vệ tinh và máy bay mà còn là một công cụ quan trọng trong việc đánh giá và giám sát môi trường, đô thị hóa, và quản lý tài nguyên tự nhiên

Phạm vi ứng dụng: Đề cập đến các lĩnh vực cụ thể mà viễn thám có thể được áp dụng, như quản lý tài nguyên đất đai, nghiên cứu khí hậu, quản lý môi trường, địa chất và dầu khí, quản lý rừng và đối chiếu hình ảnh trong quân sự và an ninh

Theo Schowengerdt, Robert A (2007), Viễn thám được định nghĩa như là phép đo lường các thuộc tính của đối tượng trên bề mặt trái đất sử dụng dữ liệu thu được từ máy bay và vệ tinh

Theo Lê Văn Trung (2010), Viễn thám được định nghĩa như là một khoa học nghiên cứu các phương pháp thu nhận, đo lường và phân tích thông tin của đối tượng (vật thể) mà không có những tiếp xúc trực tiếp với chúng b) Vai trò của viễn thám

Một trong những công cụ hữu hiệu để phân loại và đánh giá sự biến động lớp phủ mặt đất được áp dụng rộng rãi trên thế giới là công nghệ viễn thám, công nghệ này đặc biệt có ý nghĩa cả về mặt thời gian, không gian, hiệu quả kinh tế và có tính minh bạch dữ liệu rất cao thông qua việc phân loại các quang phổ thu được từ ảnh Hiện nay, viễn thám đã và đang trở thành phương pháp nghiên cứu lớp phủ phổ biến nhất bởi tính ưu việt những: khả năng cung cấp thông tin trên diện rộng một vùng, toàn lãnh thổ hay cả khu vực; khả năng cung cấp thông tin theo chuỗi thời gian Bên cạnh đó, tư liệu viễn thám còn có khả năng thu nhận thông ở những khu vực xa xôi hẻo lánh nơi những công nghệ truyền thống gần như khó có khả năng tiếp cận Với khả năng chụp lặp ở nhiều thời điểm khác nhau công nghệ viễn thám cho phép theo dõi và giám sát biến động của lớp phủ mặt đất phục vụ việc đánh giá thiệt hại do các hiện tượng thiên nhiên cực đoan gây ra như: bão, lũ, hạn hán, ngập lụt, Ngoài ra, Viễn thám cũng cho phép chúng ta giám sát những biến động lớp phủ do yếu tố nhân sinh gây lên như: mức độ đô thị hóa; cháy rừng; thay đổi cơ cấu cây trồng; mức độ sa mạc hóa; các vùng ngập mặn

- Quản lý tài nguyên: Viễn thám đóng vai trò quan trọng trong việc định lượng và giám sát tài nguyên tự nhiên như đất đai, nước, rừng, và động thực vật

- Đánh giá biến đổi môi trường: Công nghệ này cung cấp phương tiện hiệu quả để giám sát và đánh giá sự biến đổi môi trường, bao gồm biến đổi khí hậu, mất rừng, và ô nhiễm môi trường

- Ứng dụng trong quản lý đô thị: Viễn thám hỗ trợ trong quản lý đô thị bằng cách cung cấp thông tin về đô thị hóa, quy hoạch đô thị và giải pháp phát triển bền vững c) Nguyên lý hoạt động:

Trong viễn thám, nguyên tắc hoạt động của nó liên quan giữa sóng điện từ từ nguồn phát và vật thể quan tâm

Nguồn phát năng lượng (A) - yêu cầu đầu tiên cho viễn thám là có nguồn năng lượng phát xạ để cung cấp năng lượng điện từ tới đối tượng quan tâm

Sóng điện từ và khí quyển (B) - khi năng lượng truyền từ nguồn phát đến đối tượng, nó sẽ đi vào và tương tác với khí quyển mà nó đi qua Sự tương tác này có thể xảy ra lần thứ 2 khi năng lượng truyền từ đối tượng tới bộ cảm biến

Sự tương tác với đối tượng (C) - một khi năng lượng gặp đối tượng sau khi xuyên qua khí quyển, nó tương tác với đối tượng Phụ thuộc vào đặc tính của đối tượng và sóng điện từ mà năng lượng phản xạ hay bức xạ của đối tượng có sự khác nhau

Hình 2 1 Nguyên lý hoạt động của viênc thám

Việc ghi năng lượng của bộ cảm biến (D) - sau khi năng lượng bị tán xạ hoặc phát xạ từ đối tượng, một bộ cảm biến để thu nhận và ghi lại sóng điện từ

Sự truyền tải, nhận và xử lý (E) - năng lượng được ghi nhận bởi bộ cảm biến phải được truyền tải đến một trạm thu nhận và xử lý Năng lượng được truyền đi thường ở dạng điện Trạm thu nhận sẽ xử lý năng lượng này để tạo ra ảnh dưới dạng hardcopy hoặc là số

Sự giải đoán và phân tích (F) - ảnh được xử lý ở trạm thu nhận sẽ được giải đoán trực quan hoặc được phân loại bằng máy để tách thông tin về đối tượng Ứng dụng (G) - đây là thành phần cuối cùng trong qui trình xử lý của công nghệ viễn thám Thông tin sau khi được tách ra từ ảnh có thể được ứng dụng để hiểu tốt hơn về đối tượng, khám phá một vài thông tin mới hoặc hỗ trợ cho việc giải quyết một vấn đề cụ thể (Trần Thống Nhất, Nguyễn Kim Lợi, 2009) Nguồn năng lượng phát xạ (H) - Đề cập đến các nguồn năng lượng phát xạ thông thường được sử dụng trong viễn thám như ánh sáng mặt trời và sóng radar Tương tác với đối tượng (I) - Giải thích cách mà năng lượng từ nguồn phát tương tác với các đối tượng trên mặt đất và cách mà thông tin được thu thập và xử lý để tạo ra hình ảnh Ứng dụng và phân tích (K) - Đề cập đến cách mà thông tin từ hình ảnh viễn thám được sử dụng để phân tích và giải quyết các vấn đề cụ thể trong các lĩnh vực khác nhau

2.2.2 Giải đoán ảnh viễn thám a) Giải đoán bằng mắt Đoán đọc điều vẽ bằng mắt là dụng mắt người cùng với các dụng cụ quang học (kính lúp, kính lập thể, máy tổng hợp màu, ) để xác định các đối tượng Giải pháp này được áp dụng trong mọi điều kiện trang thiết bị

Cơ sở để đoán đọc điều vẽ bằng mắt là các chuẩn và mẫu đoán đọc điều vẽ:

TỔNG QUAN VỀ GIS

Hệ thống thông tin địa lý (GIS) là một ngành khoa học khá mới, có nhiều cách tiếp cận khác nhau, do đó cũng có những định nghĩa khác nhau về GIS GIS là một trường hợp đặc biệt của hệ thống thông tin, ở đó có cơ sở dữ liệu bao gồm sự quan sát các đặc trưng phân bố không gian, các hoạt động sự kiện có thể được xác định trong khoảng không như đường, điểm, vùng

Hệ thống thông tin địa lý được định nghĩa như là một hệ thống thông tin mà nó sử dụng dữ liệu đầu vào, các thao tác phân tích, cơ sở dữ liệu đầu ra liên quan về mặt địa lý không gian, nhằm hỗ trợ việc thu nhận, lưu trữ, quản lí, xử lí, phân tích và hiển thị các thông tin không gian từ thế giới thực để giải quyết các vấn đề tổng hợp từ thông tin cho các mục đích con người đặt ra

GIS là một công cụ mạnh dùng để lưu trữ và truy vấn, biến đổi và hiển thị dữ liệu không gian từ thế giới thực cho những mục tiêu khác nhau

 GIS có 4 chức năng cơ bản:

Thu thập dữ liệu: dữ liệu sử dụng trong GIS đến từ nhiều nguồn khác nhau và GIS cung cấp công cụ để tích hợp dữ liệu thành một định dạng chung để so sánh và phân tích

Quản lý dữ liệu: sau khi dữ liêu được thu thập và tích hợp, GIS cung cấp các chức năng lưu trữ và duy trì dữ liệu

Phân tích không gian: là chức năng quan trọng nhất của GIS nó cung cấp các chức năng như nội suy không gian, tạo vùng đệm, chồng lớp

Hiển thị kết quả: GIS có nhiều cách hiển thị thông tin khác nhau Phương pháp truyền thống bằng bảng biểu và đồ thị được bổ sung với bản đồ và ảnh ba chiều

Hiển thị trực quan là một trong những khả năng đáng chú ý nhất của GIS, cho phép người sử dụng tương tác hữu hiệu với dữ liệu

 Và GIS có nhiều ứng dụng trong các lĩnh vực khác nhau :

Quản lý Tài nguyên: Sử dụng GIS để giám sát và quản lý tài nguyên tự nhiên như đất đai, nước, và rừng Điều này giúp trong việc ra quyết định về sử dụng và bảo vệ tài nguyên

Quy hoạch Đô thị: Trong lĩnh vực quy hoạch đô thị, GIS được sử dụng để định vị và quản lý thông tin địa lý, hỗ trợ quy hoạch và phát triển đô thị, cũng như quản lý hạ tầng và sử dụng đất

Giáo dục và Nghiên cứu: Trong giáo dục, GIS được sử dụng để giúp sinh viên và học sinh hiểu về các khái niệm địa lý và thực hành kỹ năng phân tích dữ liệu địa lý Trong nghiên cứu, nó được sử dụng để phân tích và đồng thời hiển thị dữ liệu địa lý phức tạp

 Công nghệ và Phát triển

Công nghệ GIS không ngừng phát triển, và nó đã trở thành một phần không thể thiếu trong cuộc cách mạng công nghiệp 4.0 Sự tiến bộ trong lĩnh vực này bao gồm việc tích hợp trí tuệ nhân tạo và học máy vào các ứng dụng GIS, mở ra những cơ hội mới và cải thiện khả năng phân tích và dự đoán của hệ thống.

MỘT SỐ NGHIÊN CỨU CÓ LIÊN QUAN TRONG VÀ NGOÀI NƯỚC

2.4.1 Những nghiên cứu trên thế giới

Việc thành lập lớp phủ mặt đất bằng công nghệ viễn thám và GIS đã được áp dụng thành công tại nhiều quốc gia trên thế giới thực hiện và được áp dụng khá rộng rãi Trong nghiên cứu “Land Use/ Land Cover Changes Detection And Urban Sprawl Analysis” (M Harika, et al., 2012)” đã đánh giá sự biến động loại hình sử dụng đất, bề mặt đất tại các thành phố Vijayawada, Hyderabad và Visakhapatnam ở vùng Đông Nam Ấn Độ Bên cạnh sử dụng dữ liệu ảnh viễn thám để giải đoán, đề tài còn kết hợp sử dụng chuỗi Markov để dự đoán các khu vực có thể bị biến đổi trong tương lai Trong nghiên cứu “Monitoring Land Use Change By Multi-temporal Landsat Remote Sensing Imagery” (Tayyebi và nnk.,

2008), nhóm tác giả đã sử dụng ảnh landsat đa thời gian đề đánh giá biến động đất đô thị trong quá khứ (giai đoạn 1980-2000) để đưa ra những dự đoán cho tương lai (năm 2020) Trong đề tài “Analyzing Land Use/ Land Cover Chang Using Remote Sensing and GIS in Rize, North-East Turkey” (Selcuk Reis,

2008), tác giả đã thành lập bản đồ biến động sử dụng đất/ lớp phủ mặt đất ở vùng Rize, Đông Bắc Thổ Nhĩ Kỳ với 7 loại lớp phủ Dữ liệu tác giả đã sử dụng trong đề tài này là ảnh Landsat MSS (1976) và Landsat ETM+ (2000) với độ phân giải lần lượt là 79m và 30m Tuy nhiên, ở đề tài này, tác giả không trình bày rõ về phương pháp thực hiện mà chỉ chú trọng về đánh giá, thống kê biến động với những thay đổi sâu sắc đối với đất nông nghiệp, đô thị, đồng cỏ và đất lâm nghiệp, những nơi gần biển và có độ dốc thấp

2.4.2 Những nghiên cứu tại Việt Nam Ở Việt Nam, các đề tài nghiên cứu về lớp phủ mặt đất cũng đã được thực hiện và bước đầu mang lại những kết quả Như một số đề tài :“Thành lập bản đồ lớp phủ rừng từ ảnh vệ tinh Landsat 8 bằng phương pháp phân loại dựa trên đối tượng kết hợp giải đoán bằng mắt thường”của tác giả (Ngô Đức Anh, Đoàn Thị

The, Nguyễn Thị Thu Thủy) , Nhóm tác giả đã sử dụng kết hợp giữa phương pháp phân loại dựa trên đối tượng và giải đoán mắt thường để phân loại ảnh vệ tinh Landsat 8 thành lập bản đồ lớp phủ rừng huyện Bảo Lâm tỉnh Lâm Đồng tỷ lệ 1: 50.000 nhằm tận dụng được ưu điểm của cả hai phương pháp Kết quả cho thấy sản phẩm có độ chính xác cao hơn so với các phương pháp truyền thống.“Nghiên cứu một số phương pháp học máy trong thành lập bản đồ lớp phủ bề mặt tỉnh cà mau trên nền tảng Google Earth Engine” của tác giả (Trần Vân

Anh, Trần Hồng Hạnh Lê Thanh Nghị, Phạm Thị Thanh Hòa, Trần Quý Anh, Nguyễn Thị Vân Anh, Phạm Thị Thu, Trần Quý Thọ, đã xuất bản năm 2023) trong nghiên cứu này tác giả đã sử dụng 3 phương pháp phân loại khác nhau là rừng ngẫu nhiên (RF), Máy véc tơ hỗ trợ (SVM) và Gradient boosting (Gboost) Khu vực nghiên cứu là Cà Mau thuộc Đồng bằng sông Cửu Long, Việt Nam Ảnh vệ tinh dùng để phân loại là ảnh Sentinel-2 đa thời gian từ tháng 1 đến tháng 12 năm 2021 Số ảnh giai đoạn này sau khi loại bỏ mây còn lại 17 ảnh Phương pháp lọc trung bình đã được sử dụng để tạo ra một hình ảnh duy nhất trong khoảng thời gian này để sử dụng cho phân loại Công cụ để thực hiện việc phân loại là nền tảng Google Earth Engine.“Đánh giá độ chính xác trong phân loại lớp phủ dựa trên thuật toán học máy và dữ liệu viễn thám thông qua Google Earth Engine: áp dụng tại tỉnh Đắk Lắk” của tác giả (Giang Thị Phương Thảo,

Phạm Thị Thu Hương Phạm Việt Hòa, Nguyễn An Bình, năm 2023) Nghiên cứu này đánh giá độ chính xác của các mô hình phân loại lớp phủ từ ảnh vệ tinh quang học Landsat 8 (LS8) và Sentinel 2 (S2) trên Google Earth Engine (GEE) Giá trị phổ phản xạ mặt đất được sử dụng làm đầu vào cho mô hình học máy Classi cation And Regression Tree (CART) và Random Forest (RF) phục vụ phân loại 7 loại hình hiện trạng lớp phủ tỉnh Đắk Lắk năm 2021 Kết quả đánh giá độ chính xác sau phân loại đã chỉ ra rằng, với diện tích khoảng 13.000 km2 trên quy mô cấp tỉnh Đắk Lắk, ảnh LS8 cùng thuật toán CART đạt được độ pháp tự động hóa trong phục vụ thành lập bản đồ hiện trạng lớp phủ chính xác và tin cậy, hỗ trợ cho các công tác trong lĩnh vực tài nguyên và môi trường Trong nghiên cứu “Ứng dụng viễn thám và GIS thành lập bản đồ lớp phủ mặt đất khu vực Chân Mây, huyện Phú Lộc, tình Thừa Thiên Huế” (Nguyễn Huy Anh, Đinh Thanh Kiên, 2012), tác giả đã đã sử dụng phương pháp phân loại gần đúng nhất với dữ liệu ảnh Landsat TM độ phân giải 10 m, kết hợp với lấy mẫu thực địa để phân ra 13 loại lớp phủ với độ chính xác tương đối cao

Nhìn chung, các đề tài về đánh giá biến động lớp phủ mặt đất hoặc sử dụng đất đã được ứng dụng phổ biến trên thế giới và đã đạt được những kết quả nhất định ở Việt Nam Dựa trên những thành tựu đó, đề tài “Ứng dụng công nghệ viện thám thành lập bản đồ lớp phủ mặt đất tại thành phố Hải Dương, tỉnh Hải Dương” được thực hiện để thành lập, để xác nhận độ chính xác của lớp phủ bề mặt của Thành phố hải Dương, tỉnh Hải Dương.

GOOGLE EARTH ENGINE

2.5.1 Tổng quan về Google earth engine

Google Earth Engine (GEE) là một nền tảng điện toán đám mây được phát triển để xử lý ảnh vệ tinh và các dữ liệu địa không gian khác Nó cung cấp quyền truy cập vào cơ sở dữ liệu khổng lồ ảnh vệ tinh và các thuật toán cần thiết để phân tích ảnh vệ tinh GEE cho phép giám sát những thay đổi trong các lĩnh vực nông nghiệp, tài nguyên nước và khí hậu… sử dụng dữ liệu địa không gian với các mức độ phân giải theo không gian và thời gian khác nhau Nó cung cấp một danh mục dữ liệu cùng với thuật toán phân tích, cho phép các nhóm người dùng khác nhau, chẳng hạn như các nhà nghiên cứu và chuyên gia tài nguyên môi trường cộng tác bằng cách sử dụng dữ liệu, thuật toán và minh họa bằng hình ảnh

Việc sử dụng GEE đã tăng nhanh trong vài năm qua, trong nhiều cơ quan (nghiên cứu, chính phủ, và tư nhân) cũng như trong nhiều lĩnh vực ứng dụng khác nhau (quản lý nước, nông nghiệp, bảo tồn thiên nhiên, v.v.) Sự phổ biến của công cụ có liên quan đến những lợi ích to lớn của nó so với các công nghệ thông thường khác, bao gồm những điều sau:

Xử lý ảnh được thực hiện trên đám mây, có nghĩa là bạn không cần tải hàng gigabyte dữ liệu xuống PC của mình nữa Điều này giúp tiết kiệm dung lượng ổ cứng, chi phí cơ sở hạ tầng và khắc phục các hạn chế liên quan đến tốc độ internet;

Phần mềm xử lý ảnh viễn thám đặc biệt không còn cần thiết, giúp tiết kiệm chi phí cấp phép phần mềm; Tốc độ xử lý cao và tiết kiệm thời gian làm việc quý báu;

Cung cấp quyền truy cập vào các bộ dữ liệu khổng lồ không chỉ ở quy mô quốc gia mà còn ở quy mô toàn cầu, cho phép thực hiện các phân tích xuyên biên giới (cần thiết cho các nghiên cứu môi trường!);

Cung cấp quyền truy cập vào hàng thập kỷ dữ liệu lịch sử cho phép phân tích chuỗi thời gian;

Cung cấp quyền truy cập vào các tập dữ liệu vệ tinh đa cảm biến đã được xử lý trước, cho phép dễ dàng tích hợp nhiều nguồn dữ liệu khác nhau mà không tốn thời gian sửa/tiền xử lý;

Cho phép bạn chia sẻ công việc và kiến thức của mình với các chuyên gia khác cũng như với công chúng

2.5.2 Giao diện Google Earth Engine

Sau khi đăng ký thành công GEE, tiến hành đăng nhập và làm việc thông qua Trình soạn thảo mã của GEE Đây là nơi bạn có thể phát triển các tập lệnh của riêng mình để phân tích vô số dữ liệu có sẵn Trình soạn thảo mã có thể được truy cập thông qua liên kết này: https://code.earthengine.google.com/

• Trình soạn thảo mã - Code Editor: Là một môi trường tương tác để phát triển các ứng dụng Earth Engine (Hình 2.4) Bảng điều khiển trung tâm cung cấp trình soạn thảo mã JavaScript Phía trên trình chỉnh sửa là các nút để lưu tập lệnh hiện tại, chạy tập lệnh và xóa bản đồ Nút Nhận liên kết tạo một URL duy nhất cho tập lệnh trong thanh địa chỉ Bản đồ ở bảng dưới cùng chứa các lớp được tập lệnh thêm vào Ở trên cùng là hộp tìm kiếm tập dữ liệu và địa điểm Bảng điều khiển bên trái chứa các ví dụ về mã, tập lệnh đã lưu của bạn, tham chiếu API có thể tìm kiếm và trình quản lý nội dung cho dữ liệu riêng tư Bảng bên phải có trình kiểm tra để truy vấn bản đồ, bảng điều khiển đầu ra và trình quản lý cho các tác vụ dài hạn Bố cục của Trình soạn thảo mã và vị trí của các chức năng cơ bản được hiển thị trong hình bên dưới:

Hình 2 4 Bố cục của trình soạn thảo mã Ở phía trên bên trái màn hình là một khối với ba tab: Scripts (Tập lệnh), Docs (Tài liệu) và Assets (Dữ liệu) được khoanh trong hình chữ nhật màu đỏ của hình dưới Đây là trình quản lý tập lệnh, tài liệu API và trình quản lý dữ liệu

Hình 2.5 Giao diện Google Earth Engine

• Trình quản lý tập lệnh : Bấm vào tab Scripts để chọn Trình quản lý tập lệnh Bạn có thể tạo một tệp mới bằng cách nhấp vào nút màu đỏ (NEW) và chọn 'File':

Hình 2.6 Các công cụ của GEE

Nếu là lần đầu tiên, sẽ được yêu cầu tạo thư mục chủ của cá nhân Lưu ý đặt tên của thư mục này một cách cẩn thận, vì nó sẽ hiển thị với những người dùng khác khi chia sẻ công việc của mình và sẽ không thể thay đổi tên sau khi đã tạo

- Sau đó chọn tên của kho lưu trữ (repository) muốn tạo:

Tương tự, tạo các thư mục và tệp mới Tạo một tệp mới bằng cách nhấp vào nút màu đỏ và chọn 'File' Sau đó đặt tên cho tệp, ví dụ như 'training_script':

Theo cách tương tự, thể tạo các thư mục và kho lưu trữ mới Có thể di chuyển các tập lệnh và sắp xếp chúng vào các thư mục bằng cách sử dụng chắc năng kéo và thả Nếu bạn kéo tập lệnh sang một kho lưu trữ khác, tập lệnh đó sẽ được sao chép Trình quản lý tập lệnh có một số phần phụ, bao gồm cả 'Example' Tại đây, một danh sách phức tạp gồm các tập lệnh mẫu được cung cấp, tất cả đều đã sẵn sàng để chạy Bất cứ khi nào bạn muốn phát triển một tập lệnh GEE mới, có thể sẽ hữu ích khi kiểm tra một số ví dụ trước để xem đã có sẵn những gì

• Tài liệu API: Trong tab Docs, bạn có thể tìm thấy tất cả các phương pháp

(hàm) có sẵn để xử lý dữ liệu Bạn có thể sẽ thường sử dụng một số hàm trong ee.Image, chứa tất cả các thao tác có thể được thực hiện trên ảnh Một ví dụ khác là ee.Reducer, chứa một số chức năng hữu ích để trích xuất số liệu thống kê từ ảnh Nhấp vào một phương thức bất kỳ sẽ cung cấp cho bạn mô tả về chức năng và cú pháp phù hợp của nó

• Trình quản lý dữ liệu : Cuối cùng, trong Assets, bạn có thể quản lý và tải lên các bảng và tập dữ liệu địa không gian Những ‘tài sản’ này ban đầu là riêng tư nhưng có thể được chia sẻ với những người khác

• Viết và chạy tập lệnh đầu tiên

VẬT LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

ĐỊA ĐIỂM VÀ THỜI GIAN NGHIÊN CỨU

- Địa điểm nghiên cứu: Thành phố Hải Dương, tỉnh Hải Dương

ĐỐI TƯỢNG VÀ VẬT LIỆU NGHIÊN CỨU

Hiện trạng lớp phủ mặt đất thành phố Hải Dương, tỉnh Hải Dương

- Dữ liệu ảnh vệ tinh Landsat 9 khu vực thành phố Hải Dương, tỉnh Hải Dương

- Một trong số phần mềm chuyên ngành viễn thám GIS.

NỘI DUNG NGHIÊN CỨU

- Đặc điểm điều kiện tự nhiên, kinh tế - xã hội của thành phố Hải Dương, tỉnh Hải Dương

- Ứng dụng công nghệ viễn thám trên nền tảng Google Earth Engine

- Quy trình thành lập bản đồ lớp phủ mặt đất trên nền tảng điện toán đám mây Google Earth Engine

- Thành lập bản đồ lớp phủ mặt đất tại thành phố Hải Dương, tỉnh Hải Dương bằng Google Earth Engine.

PHƯƠNG PHÁP NGHIÊN CỨU

3.4.1 Phương pháp thu thập số liệu

- Thu thập số liệu thứ cấp

Thu thập các tài liệu số liệu về điều kiện tự nhiên, kinh tế - xã hội, tình hình sử dụng đất, bản đồ hiện trạng sử dụng đất của Thành phố Hải Dương, tỉnh Hải Dương năm 2022

Dữ liệu ảnh Landsat 9 (USGS Landsat 9 Collection 2 Tier 1 TOA Reflectance) được sử dụng trong nghiên cứu này là được thu thập trên nền tảng GEE từ kho dữ liệu của Cục Khảo Sát Địa Chất Hoa Kỳ ( USGS )

- Thu thập số liệu sơ cấp

Tiến hành điều tra thực địa thu thập mẫu giải đoán ảnh và đánh giá độ chính xác bằng cách sử dụng GPS GARMIN GPSmap 78sc để xác định tọa độ các điểm

3.4.2 Phương pháp xử lý số liệu viễn thám

Google Earth Engine (GEE) cung cấp thuật toán xử lý địa lý mới dựa trên bộ dữ liệu hình ảnh khổng lồ để xử lý viễn thám Nghiên cứu tiến hành lựa chọn bộ sưu tập ảnh Landsat 9, giải đoán và phân loại ảnh trong khu vực nghiên cứu dựa trên nền tảng GEE để thành lập bản đồ lớp phủ mặt đất giai đoạn 2023-

2024 Để phân loại ảnh nghiên cứu sử dụng phương pháp CART (Classification and Regression Trees) hay còn gọi là cây quyết định (Decision Tree)

Phương pháp phân loại CART (Classification and Regression Trees) là một thuật toán máy học được sử dụng cho cả việc phân loại và hồi quy

Thuật toán này hoạt động bằng cách chia tập dữ liệu thành các phân nhánh (branches) dựa trên các biến đặc trưng (features) sao cho mỗi phân nhánh có tính thuần túy nhất có thể Quá trình này tiếp tục đến khi đạt được một điều kiện dừng nhất định, chẳng hạn như đạt đến một mức độ tinh khiết nhất định trong việc phân loại Mỗi phân nhánh trong cây quyết định đại diện cho một quy tắc quyết định, được sử dụng để phân loại các mẫu dữ liệu mới Cây quyết định có thể được dùng để dự đoán biến phụ thuộc (phân loại) cho các biến đầu vào (features) không nhìn thấy trước

3.5 QUY TRÌNH THÀNH LẬP BẢN ĐỒ LỚP PHỦ MẶT ĐẤT TẠI THÀNH PHỐ HẢI DƯƠNG, TỈNH HẢI DƯƠNG TRÊN NỀN TẢNG GOOGLE EARTH ENGINE

3.5.1 Quy trình thành lập bản đồ lớp phủ mặt đất

Hình 3.1 Quy trình thành lập bản đồ lớp phủ mặt đất

- Quy trình thành lập bản đồ lớp phủ mặt đất gồm 7 bước :

 Bước 1 Tạo bộ sưu tập ảnh

- Bước này bao gồm việc tìm và thu thập các ảnh viễn thám hoặc hình ảnh từ các nguồn khác nhau như vệ tinh, máy bay, hoặc cảm biến trên mặt đất

Mục đích: Tạo ra một bộ sưu tập các ảnh đa dạng về khu vực nghiên cứu, bao gồm các ảnh với độ phân giải và thông tin phù hợp

- Bước này bao gồm xác định và vẽ ranh giới của các đối tượng địa lý trên ảnh, như rừng, đất canh tác, đường đi, hoặc sông

- Mục đích: Xác định ranh giới của các đối tượng trên ảnh để chuẩn bị cho bước tiếp theo là phân loại và đánh giá

- Bước này bao gồm việc loại bỏ các ảnh không chất lượng hoặc không phù hợp với mục tiêu của nghiên cứu

- Mục đích: Làm sạch bộ sưu tập ảnh, chỉ giữ lại những ảnh có chất lượng

Biên tập bản đồ lớp phủ Đánh giá độ chính xác

Phân loạiLấy mẫu tập huấnLọc ảnhChọn ranh giớiTạo bộ sưu tập ảnh

 Bước 4 Lấy mẫu tập huấn

- Bước này bao gồm việc chọn ra một số mẫu ảnh từ bộ sưu tập để sử dụng cho quá trình huấn luyện mô hình phân loại

- Mục đích: Chuẩn bị dữ liệu huấn luyện cho quá trình phân loại, đảm bảo mẫu được lựa chọn đại diện cho các loại đối tượng trên ảnh

- Bước này bao gồm việc sử dụng các thuật toán máy học để phân loại các đối tượng trên ảnh, dựa trên thông tin từ các mẫu tập huấn

- Mục đích: Tạo ra một bản đồ lớp phủ mặt đất dựa trên việc phân loại tự động của các đối tượng trên ảnh

 Bước 6 Đánh giá độ chính xác

- Bước này bao gồm việc đánh giá độ chính xác của bản đồ lớp phủ mặt đất bằng cách so sánh với dữ liệu thực địa hoặc các nguồn dữ liệu tham khảo khác

- Mục đích: Xác định mức độ chính xác và độ tin cậy của bản đồ lớp phủ mặt đất được tạo ra từ quy trình phân loại

 Bước 7 Biên tập bản đồ lớp phủ

- Bước này bao gồm việc chỉnh sửa và tối ưu hóa bản đồ lớp phủ mặt đất, bao gồm việc thêm thông tin phụ, điều chỉnh ranh giới, và làm cho bản đồ trở nên dễ đọc và hiểu hơn

- Mục đích: Chuẩn bị bản đồ lớp phủ mặt đất cuối cùng để hiển thị và sử dụng cho mục đích nghiên cứu hoặc quản lý

3.5.2 Một số các cú pháp trình biên soạn mã trong Google Earth Engine phục vụ thành lập bản đồ lớp phủ mặt đất

1 Bộ sưu tập ( Image collections )

Một bộ sưu tập ảnh là một chồng hoặc một chuỗi các hình ảnh Bộ sưu tập ảnh có thể được tải bằng cách dán mã (ID) nội dung vào hàm ImageCollection Có thể tìm thấy các mã (ID) trong danh mục dữ liệu

Ví dụ: Để tải bộ sưu tập phản xạ bề mặt Sentinel-2 thực hiện như sau: var sentinelCollection = ee.ImageCollection('COPERNICUS/S2_SR');

(Bộ sưu tập này chứa mọi hình ảnh Sentinel-2 trong danh mục công cộng, chứa rất nhiều ảnh)

Một số mã ID của ảnh:

Bộ sưu tập phản xạ bề mặt Landsat 9: ee.ImageCollection("LANDSAT/LC09/C02/T2_L2")

Bộ sưu tập phản xạ bề mặt Landsat 8: ee.ImageCollection("LANDSAT/LC08/C02/T2_L2")

Ngoài việc tải ImageCollection bằng ID bộ sưu tập Earth Engine, Earth Engine còn có các phương pháp để tạo bộ sưu tập hình ảnh

Hàm tạo ee.ImageCollection() hoặc phương thức tiện lợi ee.ImageCollection.fromImages() tạo bộ sưu tập hình ảnh từ danh sách hình ảnh Bạn cũng có thể tạo bộ sưu tập hình ảnh mới bằng cách hợp nhất các bộ sưu tập hiện có

2 Lọc bộ sưu tập ảnh (Filtering an ImageCollection )

Earth Engine cung cấp nhiều phương pháp tiện lợi khác nhau để lọc các bộ sưu tập hình ảnh Cụ thể, nhiều trường hợp sử dụng phổ biến được xử lý bởi imageCollection.filterDate(), và imageCollection.filterBounds() Để lọc mục đích chung, hãy sử dụng imageCollection.filter() với ee.Filter một đối số

Ví dụ sau đây trình bày cả hai phương pháp tiện lợi cũng như filter() cách xác định và xóa hình ảnh có độ che phủ đám mây cao khỏi tệp ImageCollection // Tải dữ liệu Landsat 9, lọc theo ngày, tháng và ranh giới var collection = ee.ImageCollection('LANDSAT/LC09/C02/T1_TOA')

filterDate('2015-01-01', '2018-01-01') // Lọc theo một khoảng thời gian

filter(ee.Filter.calendarRange(11, 2, 'month')) // Chỉ quan sát tháng 11 – tháng 2

filterBounds(ee.Geometry.Point(25.8544, -18.08874)); // Lọc theo vị trí, hoặc lấy một khu vực quan tâm

// Đồng thời lọc bộ sưu tập theo thuộc tính CLOUD_COVER (che phủ của mây) var filtered = collection.filter(ee.Filter.eq('CLOUD_COVER', 0));

3 Hiển thị hình ảnh (Display an Image)

Trong GEE, hình ảnh bao gồm một hoặc nhiều dải và mỗi dải có tên, loại dữ liệu, tỷ lệ (tức là độ phân giải), mặt nạ và hình chiếu riêng Mỗi hình ảnh có siêu dữ liệu được lưu trữ dưới dạng tập hợp các thuộc tính Để hiển thị hình ảnh trong bảng bản đồ, bạn phải thêm lớp vào cửa sổ bản đồ Nhập vào bảng tài liệu “addlayer” và nhấp vào chức năng addLayer

Bạn sẽ thấy mô tả về hàm và các đối số được yêu cầu: Đối số đầu tiên là bắt buộc (đối tượng cần ánh xạ), trong khi các đối số khác (in nghiêng) là tùy chọn và thêm hành vi cụ thể vào kết quả

Map.addLayer(eeObject, visParams, name, shown, opacity )

//Hiển thị ảnh bản đồ đã lọc với đoạn mã phía trên

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

ĐIỀU KIỆN TỰ NHIÊN KINH TẾ XÃ HỘI THÀNH PHỐ HẢI DƯƠNG, TỈNH HẢI DƯƠNG

Thành phố Hải Dương là của tỉnh Hải Dương, Hải Dương là một tỉnh thuộc đồng bằng sông Hồng, trải dài từ 20°43' đến 21°14' độ vĩ Bắc, 106°03' đến 106°38' độ kinh Đông Thành phố Hải Dương nằm trong tam giác kinh tế

Hà Nội - Hải Phòng - Quảng Ninh, ở vị trí trung tâm tỉnh Hải Dương, cách Thủ đô Hà Nội 57 km về phía Đông, cách thành phố cảng Hải Phòng 45 km về phía Tây, có vị trí địa lý:

- Phía đông giáp huyện Thanh Hà và huyện Kim Thành

- Phía tây giáp huyện Cẩm Giàng

- Phía nam giáp huyện Gia Lộc và huyện Tứ Kỳ

- Phía bắc giáp huyện Nam Sách

Hình 4.1 Bản đồ vị trí thành phố Hải Dương

4.1.1.2 Đặc điểm địa hình, địa mạo

Thành phố Hải Dương có địa hình tương đối bằng phẳng, hướng dốc chung của địa hình thấp dần từ Tây Bắc xuống Đông Nam từ dọc trục quốc lộ

5A thấp dần về 2 phía sông Thái Bình và sông Sặt, có những khu vực trũng thường ngập vào mùa mưa

Thành phố Hải Dương nằm trong vùng khí hậu nhiệt đới gió mùa, với đặc trưng nóng ẩm, mưa vào mùa hè và hanh khô vào mùa đông Nhiệt độ trung bình năm 23,4 0 C Lượng mưa bình quân từ 1.200mm - 1.900mm, độ ẩm không khí trung bình là 84%

Thành phố Hải Dương có 2 con sông lớn chảy qua là sông Thái Bình và sông Sặt nên chịu ảnh hưởng trực tiếp chế độ thuỷ văn của 2 con sông này Mực nước cao nhất vào lúc đỉnh triều của 2 con sông này đều cao hơn độ cao trung bình của thành phố

4.1.1.4 Các loại tài nguyên a) Tài nguyên đất:

Thành phố Hải Dương chủ yếu là đất đồng bằng xen kẽ là các vùng trũng Đất đai của thành phố được hình thành do sự bồi lắng của các sông thuộc hệ thống sông Thái Bình nên đất chua, nghèo dinh dưỡng, hàm lượng đạm, lân thấp b) Tài nguyên nước:

Nguồn nước mặt: Được cung cấp bởi 2 con sông Thái Bình và sông Sặt, ngoài ra còn nhiều ao hồ, sông nhỏ nằm rải rác trên địa bàn thành phố, là nguồn cung cấp nước chính cho sản xuất và sinh hoạt của nhân dân

Nguồn nước ngầm: Theo kết quả khảo sát, sơ bộ nước ngầm có trữ lượng tương đối khá so với vùng đồng bằng Bắc Bộ, chất lượng nước trung bình, tổng độ khoáng cao, hàm lượng các ion; Na: 1,64, Cl:2.19, nước lợ tanh độ cứng cao c) Tài nguyên khoáng sản:

Trên địa bàn thành phố có mỏ nước khoáng nóng ở phường Thạch Khôi, là nguồn để tạo nên nước khoáng Ngoài ra, có 02 loại khoáng sản được khai thác, sử dụng đó là cát lòng sông (cát đen) và đất để sản xuất gạch đất nung

Cát lòng sông: Thành phố Hải Dương có 02 đoạn sông chảy qua là sông Thái Bình (với chiều dài đoạn chảy qua thành phố là 13 km) và sông Sặt Cả hai con sông này đều có nguồn cát đen có thể khai thác làm vật liệu xây dựng Đất sản xuất gạch nung: trên địa bàn thành phố có một số vùng có thể hoạch và quản lý các vùng nguyên liệu này vẫn còn nhiều bất cập và phụ thuộc chủ yếu vào chính sách của tỉnh cũng như các dự án đầu tư của doanh nghiệp

4.1.2 Hiện trạng sử dụng đất

Tổng diện tích đất tự nhiên của toàn thành phố đến năm 2022 là 11.168,18 ha Trong đó “Đất sản xuất nông nghiệp có diện tích khoảng 3.752,62 ha, chiếm khoảng 33.44% Đất chuyên dùng là 3.521 ha, chiếm khoảng 31,60% Đất ở là 2.075 ha, chiếm khoảng 18,60%

Bảng 4.1 Hiện trạng sử dụng đất phân theo loại đất và theo đơn vị hành chính cấp huyện (tính đến 31/12/2022)

4.1.3 Thực trạng phát triển kinh tế - xã hội

4.1.2.1 Thực trạng phát triển kinh tế a) Nông nghiệp

Diễn biến thời tiết khá thuận lợi cho cây trồng sinh trưởng, phát triển nên hầu hết cây trồng cho năng suất tăng so với năm 2021 Năng suất lúa cả năm là 63,23 tạ/ha, tăng 0,6% (+0,38 tạ/ha) so với năm trước Cơ cấu cây trồng năm 2022 tiếp tục có sự chuyển dịch theo hướng mở rộng diện tích những cây trồng có giá trị kinh tế cao, dễ tiêu thụ, tỷ lệ lúa chất lượng cao có xu hướng tăng nhanh

Sản lượng lương thực có hạt của Hải Dương đạt 715,4 nghìn tấn, giảm 4,5 nghìn tấn so với năm trước, trong đó, sản lượng lúa đạt 693,4 nghìn tấn, giảm 4,0 nghìn tấn (lúa đông xuân tăng 2,9 nghìn tấn; lúa mùa giảm 6,9 nghìn tấn) Sản lượng năm 2022 của một số đất lâm nghiệp và cây ăn quả như sau: Chuối đạt 70,7 nghìn tấn, tăng 2,7%; Ổi đạt 78,3 nghìn tấn, tăng 5,1%; Vải đạt 60,6 nghìn tấn, tăng 10,4%; Na đạt 15,7 nghìn tấn, tăng 1,7%

Tại thời điểm 01/01/2022, đàn trâu có 5.400 con, giảm 90 con so với cùng thời điểm năm trước; đàn bò 14.131 con, giảm 502 con; đàn lợn 423 nghìn con, tăng 51 nghìn con; đàn gia cầm 15,9 triệu con, tăng 0,5 triệu con Sản lượng thịt trâu hơi xuất chuồng năm 2022 đạt 899 tấn, giảm 1,5% so với năm 2021; sản lượng thịt bò hơi đạt 1.665 tấn, giảm 3,4%; sản lượng thịt lợn hơi xuất chuồng đạt 63,2 nghìn tấn, tăng 12,6%; sản lượng thịt gia cầm hơi đạt 66,2 nghìn tấn, tăng 8,1% b) Thủy sản

Năm 2022, tổng diện tích nuôi trồng thủy sản là 12.420 ha, với 100% diện tích nuôi nước ngọt; 99,7% diện tích nuôi cá Sản lượng thủy sản đạt 97,8 nghìn tấn, tăng 6,8% so với năm trước; trong đó, thủy sản nuôi trồng đạt 95,9 nghìn tấn, tăng 7,0% so với năm trước Sản lượng cá đạt 96,8 nghìn tấn, tăng 7,0%; tôm đạt 87 tấn, giảm 6,5%

THÀNH LẬP BẢN ĐỒ LỚP PHỦ MẶT ĐẤT TẠI THÀNH PHỐ HẢI DƯƠNG, TỈNH HẢI DƯƠNG TRÊN NỀN TẢNG GOOGLE EARTH ENGINE

- Khai báo biến bộ sưu tập

Dưới đây là đoạn mã để khai báo biến bộ sưu tập Landsat 9 trên Google Earth Engine: var L9 : ee.ImageCollection("LANDSAT/LC09/C02/T1_TOA")

- “LANDSAT/LC09/C02/T1_TOA” là mã của bộ sưu tập hình ảnh Landsat 9 Đây là cách Google Earth Engine xác định bộ sưu tập dữ liệu Landsat

9 có độ phân giải cao nhất (30 mét) và đã được kiểm soát chất lượng và điều chỉnh đối sánh màu

- “ee.ImageCollection()” là một phương thức trong Google Earth Engine để tải một bộ sưu tập hình ảnh

- “var L9” là biến mà chúng ta gán cho bộ sưu tập hình ảnh Landsat 9 Bạn có thể đặt tên biến theo ý muốn của mình

Hình 4.2: Ảnh thông số Landsat 9

Sử dụng lớp ranh giới thành phố Hải Dương định dạng *.shp được trích xuất từ bản đồ hiện trạng sử dụng đất năm 2022

Nhập vùng ranh giới vào GEE

Hình 4.3 Nhập ranh giới lên GEE

- Lọc ảnh và chọn khoảng thời gian : Đoạn mã trên có chức năng chọn và lọc dữ liệu từ bộ sưu tập hình ảnh Landsat 9 dựa trên các tiêu chí sau:

“.filterBounds(Roi)”: Lọc các hình ảnh Landsat 9 để chỉ giữ lại những hình ảnh nằm trong vùng quan tâm được xác định bởi biến “Roi” Trong đó Roi là ranh giới hành chính thành phố Hải Dương

“.filterDate("2023-01-01", "2024-03-01")”: Lọc các hình ảnh Landsat 9 để chỉ giữ lại những hình ảnh trong khoảng thời gian từ ngày "2023-01-01" đến "2024-03-01"

“.filterMetadata("CLOUD_COVER", "less_than", 5)”: Lọc các hình ảnh Landsat 9 để chỉ giữ lại những hình ảnh có độ che phủ mây ít hơn dưới 5%

“.mean()”: Tính trung bình của tất cả các hình ảnh trong bộ sưu tập đã lọc

Cuối cùng, nó thêm lớp hình ảnh trung bình đã chọn lọc vào bản đồ và hiển thị với các băng màu B4, B3, B2 (đỏ, lục, xanh) bằng cách sử dụng phương thức

“Map.addLayer()” var selection = L9.filterBounds(Roi)

filterMetadata("CLOUD_COVER", "less_than", 5)

Việc lựa chọn khoảng thời gian từ "2023-01-01" đến "2024-03-01" có thể phù hợp, nhưng cần phải xem xét kỹ lưỡng các yếu tố khác như tính biến động của mây và yêu cầu cụ thể của nghiên cứu để đảm bảo tính phù hợp của việc lọc mây dưới 5% Ở đấy, việc sử dụng hàm mean() trong biến selection để tạo ra một hình ảnh trung bình từ tất cả các hình ảnh đã lọc giúp :

- Tính chính xác của dữ liệu: Hàm mean() sẽ tạo ra một hình ảnh trung bình từ tất cả các ảnh đã lọc Nếu dữ liệu trong khu vực nghiên cứu của bạn thường xuyên bị che phủ bởi mây và sự biến động của mây không đồng đều qua thời gian, việc sử dụng hàm mean() có thể giúp giảm thiểu ảnh hưởng của mây

- Biến đổi dữ liệu: Việc sử dụng hàm mean() có thể giúp làm mịn dữ liệu và làm giảm sự biến động giữa các hình ảnh Tuy nhiên, điều này cũng có thể dẫn đến mất mát thông tin chi tiết trong dữ liệu

- Đánh giá kết quả: Trước khi quyết định sử dụng hàm mean(), bạn cần đánh giá kết quả đầu ra để đảm bảo rằng nó phản ánh đúng thực tế của khu vực nghiên cứu của bạn Bạn có thể so sánh hình ảnh sau khi sử dụng hàm mean() với hình ảnh từ một ngày cụ thể để xem liệu nó có phản ánh đúng tình hình của khu vực hay không

- Khả năng hiển thị: Hình ảnh sau khi sử dụng hàm mean() có thể được sử dụng để hiển thị trên bản đồ và cho phép bạn nhận ra các xu hướng lớn hơn hoặc biến đổi dài hạn trong khu vực của mình

4.2.4 Cắt ảnh theo ranh giới: var clipped = selection.clip(Roi);

Hình 4.4 Ảnh ranh giới sau khi thực hiện cắt

4.2.5 Lấy mẫu dữ liệu từ ảnh

Qua quá trình khảo sát điều kiện tự nhiên kinh tế xã hội và lớp phủ bề mặt tại thành phố Hải Dương lựa chọn được 4 lớp phủ mặt đất ở bảng sau:

Bảng 4.1: Các lớp phủ mặt đất thành phố Hải Dương

STT Tên nhóm lớp Đối tượng

1 Mặt nước Bao gồm khu vực trên bề mặt của trái đất mà nước phủ lấp

2 Khu dân cư và cơ sở hạ tầng

Bao gồm tât cả các đối tượng đất đai liên quan tới dân cư và cơ sở hạ tầng như: các khu dân cư cư trú; hệ thống đường giao thông; các công trình công cộng; các khu công nghiệp tập trung…

3 Đất nông nghiệp Khu vực hoặc các giải đất trồng cây nông lâm nghiệp, nuôi trồng thuỷ sản

4 Đất lâm nghiệp Khu vực cây trồng có thực vật là chủ yêu là các cây có tuổi thọ lâu dài Tiến hành giải đoán ảnh bằng mắt lấy tổng là 589 mẫu, trong đó có 59 mẫu là mẫu thực địa, số điểm mẫu trong quá trình khảo sát thực địa được thu thập để làm tiền đề cho việc xác định chính xác các điểm mẫu khi thực hiện huấn luyên điểm mẫu: Lớp mặt nước là 95 mẫu, lớp khu dân cư và sơ sở hạ tầng là 194 mẫu, lớp đất nông nghiệp là 130 mẫu, lớp đất lâm nghiệp là 111 mẫu

Trong quá trình lấy mẫu dữ liệu từ ảnh viễn thám trong Google Earth Engine (GEE), có một số kỹ thuật được áp dụng để xử lý vấn đề có vùng có dữ liệu và có vùng không có dữ liệu:

- Kỹ thuật Interpolation (Nội suy): Trong một số trường hợp, các thuật toán trong GEE có thể sử dụng kỹ thuật nội suy để ước lượng dữ liệu cho các vùng không có dữ liệu dựa trên dữ liệu từ các vùng lân cận Điều này giúp tạo ra các bản đồ lớp phủ mặt đất có tính liên tục và mượt mà hơn

- Quá trình huấn luyện này nhằm mục đích tìm ra một mô hình có khả năng dự đoán chính xác lớp phủ mặt đất dựa trên các đặc trưng được cung cấp Các đặc trưng này có thể bao gồm thông tin về màu sắc, độ sáng, chỉ số thực vật, chỉ số đất, v.v Các đặc trưng này sẽ được sử dụng làm đầu vào cho mô hình học máy

Hình 4.5 : Thực hiện lấy mẫu điểm

Sử dụng máy GARMIN GPSmap 78sc để lấy mẫu ngoài thực địa để phục vụ phân loại và đánh giá độ chính xác sau phân loại của thành phố Hải Dương Tiến hành nhập điểm lên GEE:

Hình 4.6 Nhập các điểm lấy mẫu ngoài thực địa bằng GPS

Hình 4.7 Chi tiết điểm mẫu thực địa

Sau đó sử dụng trình mã soạn thảo để hiển thị từng điểm mẫu GPS:

Map.addLayer(Points,{color:'red'},'GPS')

Hình 4.8 Mẫu điểm thu thập bằng máy GPS

4.2.6 Chuẩn bị dữ liệu huấn luyện mẫu

Nhóm các điểm lấy mẫu thành một lớp đối tượng dữ liệu huấn luyện, chỉ cần hợp nhất chúng với các đối tượng khác lại với nhau:

Matnuoc.merge(KDCvsCSHT).merge(Lopdatnongnghiep).merge(Lo pdatlamnghiep) var training_data = clipped.sampleRegions({ collection: training_points, properties: ['LC'], scale: 30