Tóm tắt

Có một nhu cầu ngày càng tăng để hiểu mô hình và phát triển của các bề mặt không thấm ở các vùng nông thôn. Tuy nhiên, các nghiên cứu hiện nay thường tập trung nghiên cứu và thành lập bản đồ bề mặt không thấm khu vực đô thị, trong khi đó có rất ít nghiên cứu về sự thay đổi bề mặt không thấm nông thôn. Trong bài báo này, chúng tôi sử dụng 12 đặc trưng không gian (Feature Space)cơ bản để tách đối tượng bề mặt không thấm từ chuỗi ảnh Landsat TM và OLI, bao gồm 6 chỉ số: (NDBI), (SAVI), (SI), (RISI), (Brightness), Max.diff và 6 kênh phổ không bao gồm kênh nhiệt của ảnh vệ tinh Landsat. Các đặc trưng cơ bản trên được tiếp tục sử dụng để giải đoán sự có mặt của đối tượng bề mặt không thấm trên ảnh vệ tinh nhờ sự trợ giúp của thuật toán K-Nearest Neighbors (KNN). Kết quả của nghiên cứu cho thấy rằng thuật toán K-Nearest Neighbors áp dụng cho nhóm các đặc điểm được chọn của bề mặt không thấm (6 kênh phổ, 6 chỉ số)cho phép chiết xuất chính xác đối tượng bề mặt không thấm ở nông thôn. Đây là cơ sở để đánh giá xu hướng thay đổi bề mặt không thấm khu vực nghiên cứu theo không gian và thời gian.