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
PDF | Download: 214

Từ khóa

Lớp phủ bề mặt
RF
SVM
Gboost
Cà Mau
GEE Land cover
RF
SVM
Gboost
Camau
GEE

Ngôn ngữ sử dụng

Cách trích dẫn

Trần, V. A., Trần, H. H., Lê, T. N., Phạm, T. T. H., Trần, Q. A., Nguyễn, T. V. A., Phạm, T. T., & Trần, Q. T. (2023). 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. Tạp Chí Khoa học Đo đạc Và Bản đồ, (55), 18–26. https://doi.org/10.54491/jgac.2023.55.671

Tóm tắt

Trong bài báo này, chúng tôi đã xây dựng bản đồ lớp phủ đất tỉnh Cà Mau, Việt Nam 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. Các mẫu phân loại được lấy dựa trên bản đồ sử dụng đất tỉnh Cà Mau năm 2014 và ảnh Google Earth. Số lượng mẫu lấy để phân loại cho cả 3 phương pháp là gần 4000 pixel và số lượng mẫu để đánh giá độ chính xác là 3000 pixel. Sai số tổng thể (OA) của SVM là 79,5%, hệ số Kappa là 0,72 trong khi phương pháp Gboost đạt 85,6% với Kappa là 0,79 và RF có OA là 86,5%,  Kappa đạt 0,81. Ảnh phân loại theo phương pháp RF có độ chính xác cao nhất đã được chọn để xây dựng bản đồ lớp phủ bề mặt tỷ lệ 1:50.000 của tỉnh Cà Mau.

https://doi.org/10.54491/jgac.2023.55.671
PDF | Download: 214

Tải xuống

Dữ liệu tải xuống chưa có sẵn.