Đặt vấn đề 

Ngày nay, với tốc độ phát triển của đô thị hóa, sự gia tăng và phát triển của cơ sở hạ tầng ở các thành phố lớn, một trong những vấn đề cấp bách đòi hỏi phải có những giải pháp kịp thời nhằm đảm bảo điều kiện sống tối ưu cho người dân và giữ gìn tình trạng sinh thái của môi trường tự nhiên ở mức phù hợp.

Trong quy hoạch đô thị, việc theo dõi sự phát triển của cơ sở hạ tầng và sử dụng đất trong khu vực đô thị là cần thiết để đánh giá quy mô dân số tối ưu, định hướng quy hoạch cho sự phát triển và mở rộng của thành phố [1].

Các vùng lãnh thổ do con người sinh sống chiếm một tỷ lệ nhỏ trên bề mặt trái đất, nhưng chúng đóng một vai trò rất quan trọng vì thành phần này của bề mặt Trái đất thường trải qua những thay đổi đáng kể. Việc chuyển đổi từ đất rừng và các cảnh quan thiên nhiên khác sang khu dân cư, đô thị có thể dẫn đến nhiều vấn đề về môi trường như suy giảm chất lượng nước và không khí [2],... 

Khu vực nghiên cứu và dữ liệu

Khu vực nghiên cứu

Khu vực thực nghiệm được lựa chọn trong nghiên cứu là huyện Hoài Đức TP. Hà Nội. Với diện tích 84,93 km² nằm ở phía Tây của trung tâm Hà Nội. Thương mại và dịch vụ chiếm 46% GDP, nông nghiệp - 7,5% của huyện. Huyện có một số khu công nghiệp, khu phức hợp dân cư cao tầng, khu định cư nhỏ và trung tâm mua sắm đang được xây dựng. Tuy nhiên, đất nông nghiệp vẫn còn, nơi trồng lúa, rau, trái cây, hoa, gia cầm và cá nước ngọt [3].

Hình 1. Khu vực nghiên cứu 

Dữ liệu

Dữ liệu chính dùng trong nghiên cứu này là ảnh vệ tinh Landsat 8 năm 2005 được chọn.

Phương pháp nghiên cứu

Phương pháp đề xuất dựa trên đặc điểm riêng của đối tượng nghiên cứu là “khu vực dân cư”, khu vực này luôn mở được mở rộng qua các năm. Dựa trên các nghiên cứu được trình bày trong các công trình [2], chúng tôi thấy rằng đối với các khu vực đã xây dựng có xu hướng chuyển đổi rõ rệt từ các loại hình sử dụng đất sang loại đối tượng đất đô thị.

Dựa trên thực tế đã được thiết lập bằng thực nghiệm này, chúng tôi đã phát triển một phương pháp mới “Mặt nạ khu vực dân cư” để xử lý chung các hình ảnh không gian có độ phân giải không gian trung bình và cao. Sơ đồ quy trình của kỹ thuật này được thể hiện trong ở Hình 1.

Hình 1. Sơ đồ quy trình thực nghiệm của phương pháp “mặt nạ khu vực dân cư”

Trong quá trình nghiên cứu, phần mềm sau đã được sử dụng:

SAS.Planet để tải dữ liệu ảnh vệ tinh có độ phân giải cao từ Google Earth Pro;

ArcGIS 10.7 để phân tích và hiển thị dữ liệu;

eCognition 10. để phân loại hình ảnh hướng đối tượng.

Nguyên lý của kỹ thuật đề xuất như sau: từ các dữ liệu nguồn mở trên internet, chúng ta có thể tải về các ảnh không gian có độ phân giải trung bình và cao. Ngoài ảnh Landsat và Sentinel, chúng tôi còn có Google, nơi chúng tôi có thể tìm thấy hình ảnh có độ phân giải cao từ những năm gần đây. Sau khi xử lý sơ bộ, hình ảnh có độ phân giải cao cho khu vực nghiên cứu được sử dụng để phân loại và giải đoán chuyên đề. Kết quả sẽ là một mặt nạ khu vực dân cư. Hình ảnh có độ phân giải trung bình trước đó của khu vực khảo sát cũng được xử lý trước để cải thiện chất lượng, loại bỏ nhiễu và quan trọng nhất là nó được liên kết với các hình ảnh có độ phân giải cao trong cùng một hệ tọa độ. Sau đó, nó sẽ được cắt theo một mặt nạ, ví dụ được tạo cho năm 2022. Theo thuộc tính nói trên của khu vực dân cư, chúng ta biết rằng hình ảnh khu vực dân cư, ví dụ, năm 2005 sẽ ở bên trong mặt nạ. Do đó, bước tiếp theo sẽ là phân loại hình ảnh không gian có độ phân giải trung bình, cắt ra theo mặt nạ của khu vực dân cư.

Bản chất của phương pháp mới là chỉ cần phân loại ảnh đã cắt, chứ không phải ảnh lớn ban đầu. Điều này cho phép giảm số lượng tính toán và cải thiện độ chính xác của phân loại. Khi tiến hành phân loại ảnh, chúng tôi sử dụng phương pháp phân loại định hướng đối tượng. Chúng tôi chọn phương pháp này vì hiệu quả cao, điều này đã được chứng minh trong nhiều nghiên cứu [4,5].

Hình 2. Hình ảnh gốc có độ phân giải cao 2022

Hình 3. Mặt nạ của khu vực dân cư (kết quả của việc phân loại hình ảnh có độ phân giải cao)

Kết quả và thảo luận

Để chứng minh tính hiệu quả của kỹ thuật mới, chúng ta hãy xem xét kết quả phân loại ảnh không gian gốc và ảnh không gian đã cắt. Quá trình phân loại hướng đối tượng bao gồm 2 bước: Phân đoạn và phân loại.

Hình 4, 5 cho thấy, kết quả phân đoạn các ảnh được nghiên cứu, bước đầu tiên trong phân loại hướng đối tượng. Bên trái là ảnh gốc, bên phải là ảnh cắt. Chúng ta thấy, một số đối tượng được phân đoạn không chính xác, ví dụ, đối tượng 1, 2 trong Hình 4. Trong khi đó, kết quả phân loại hình ảnh được cắt cho thấy độ chính xác của phân đoạn được cải thiện. Giảm kích thước giúp cải thiện độ chính xác của phân mảnh, nhưng các đối tượng thu được sẽ có kích thước nhỏ, điều này sẽ làm phức tạp việc sử dụng một số đặc điểm không gian để phân loại ở giai đoạn tiếp theo.

Ngoài ra, một số đối tượng, chẳng hạn như đối tượng 3, 4 (Hình 4), có thể dễ bị nhầm với một khu vực đất trống (trên thực tế đây không phải là các tòa nhà), cũng bị xóa nếu chúng ta sử dụng phương pháp đề xuất.

Kết quả phân loại các hình ảnh không gian và những thay đổi trong khu vực dân cư giai đoạn 2005 - 2022 được thể hiện trong Hình 6-8.

Dựa trên kết quả thu được, chúng tôi thực hiện các tính toán về những thay đổi trong khu vực dân cư. Năm 2005 là 23042161 m2 thì đến năm 2022 là 34663876 m2, tăng từ 27% lên 43% tổng diện tích khu vực nghiên cứu.

Hình 4. Kết quả phân đoạn ảnh Landsat 2005

Hình 5. Kết quả phân đoạn ảnh cắt của Landsat 2005

Hình 6. Đối tượng dân cư năm 2005

Hình 7. Đối tượng dân cư năm 2022

Hình 8. Thay đổi đối tượng dân cư từ năm 2005 đến năm 2022

Kết luận

Do đó, kỹ thuật phân loại mới do chúng tôi phát triển có thể kết hợp các hình ảnh có độ phân giải trung bình và cao cho các năm chụp khác nhau để giải quyết các vấn đề về giải mã, giám sát và đánh giá trạng thái của các khu vực do con người gây ra. Khi sử dụng phương pháp được đề xuất của chúng tôi về “mặt nạ khu vực dân cư”, việc tăng độ chính xác của việc phân loại hình ảnh kỹ thuật số sẽ đạt được, trong đó những thay đổi trong các khu vực dân cư so với các phương pháp phân loại tiêu chuẩn được sử dụng ngày nay.

Các kết quả thu được cho thấy hứa hẹn về việc sử dụng kỹ thuật mới để phân loại những thay đổi lớp phủ bề mặt khác có đặc tính mở rộng theo thời gian bằng ảnh vệ tinh.

Tài liệu tham khảo

1. Sutyrina E.N. Distantsionnoe zondirovanie zemli: uchebnoe posobie [Remote sensing of the earth: a textbook]. Irkutsk: publishing house of ISU. 2013. P. 61;

2. Kalnay, &Cai. Impact of urbanization and land-use change on climate. Nature, 423(May) (2003). Pp. 528-531. https://doi. org/10.1038/nature01649.1;

3. Cổng thông tin điện tử UBND huyện Hoài Đức.https://hoaiduc.hanoi.gov.vn;

4. Nguyen Van Nam. Research on effective method of object-oriented classification for land cover using multi-spectral sattelite imagery. Izvestia vuzov (Geodesy and aerophotosurveying), 2017. - Vol 1. - . 94-99 (ISSN: 2618-7299);

5. Borzov S.M., Potaturkin A.O. Detection of changes in the construction area based on the use of structural features of satellite images. Avtometriya. 2015. V. 51. No. 4. Pp. 3-11.

TS. NGUYỄN THỊ LỆ HẰNG

1 Trường Đại học Tài nguyên và Môi trường Hà Nội

Nguồn: Tạp chí Tài nguyên và Môi trường số 22 (Kỳ 2 tháng 10) năm 2023