ỨNG DỤNG ẢNH SENTINEL XÂY DỰNG BẢN ĐỒ HIỆN TRẠNG VÙNG TRỒNG KHÓM (DỨA) Ở TỈNH KIÊN GIANG

ỨNG DỤNG ẢNH SENTINEL XÂY DỰNG BẢN ĐỒ HIỆN TRẠNG VÙNG TRỒNG KHÓM (DỨA) Ở TỈNH KIÊN GIANG

Nguyễn Thị Thùy Trang1, Trương Chí Quang2*, Vương Tấn Sang2 , Ngô Gia Bảo2

[1]Học viên Cao học Ngành Quản lý đất đai, Khoa Môi trường và TNTN, Trường Đại học Cần Thơ

2Khoa Môi trường và Tài nguyên thiên nhiên, Trường Đại học Cần Thơ

*E-mail: tcquang@ctu.edu.vn

TÓM TẮT

Nghiên cứu này sử dụng ảnh vệ tinh Sentinel kết hợp thuật toán phân đoạn SNIC và mô hình phân loại Random Forest (RF) nhằm xác định và lập bản đồ vùng trồng khóm năm 2024 tại hai huyện Gò Quao và Châu Thành, là những vùng chuyên canh khóm (dứa) trọng điểm của tỉnh Kiên Giang. Bộ đặc trưng đầu vào bao gồm: Giá trị trung vị trong năm kênh 4 (Red) của ảnh Sentinel 2, giá trị trung vị kênh VH trong năm của ảnh Sentinel 1, kết quả phân tích thành phần chính (PCA) của 12 kênh ảnh NDVI max trong năm 2024, hệ số biến thiên (Coefficient of Variation – CV) của các ảnh NDVI max hàng tháng, cùng với dữ liệu địa hình DEM từ Copernicus. Tổ hợp ảnh PCA còn được sử dụng hỗ trợ khảo sát mẫu thực địa phục vụ giải đoán ảnh. Kết quả đã phân loại được bản đồ vùng trồng khóm và vùng trồng khóm xen dừa ở hai huyện Gò Quao và Châu Thành. Kết quả này cho thấy diện tích đất trồng lúa chiếm ưu thế (41.835 ha), vùng trồng khóm chuyên canh khoảng 15.490 ha, và vùng khóm xen canh với dừa khoảng 3.720 ha. Độ chính xác phân loại với Kappa đạt 0,95 theo phương pháp trích 30% dữ liệu mẫu cho đánh giá. Kết quả cho thấy việc kết hợp ảnh viễn thám đa thời gian với thuật toán học máy trong phân tích sử dụng đất mang lại hiệu quả cao, góp phần phục vụ công tác quản lý tài nguyên tại khu vực Đồng bằng sông Cửu Long.

Từ khóa: NDVI, giải đoán ảnh, đất trồng khóm, Random Forest, Sentinel.

SUMMARY

Application of Sentinel images for building the pineapple-growing areas map in Kien Giang province

Nguyen Thi Thuy Trang¹, Truong Chi Quang², Vuong Tan Sang², Ngo Gia Bao²

¹ Master’s student in Land Management, College of Environment and Natural Resources, Can Tho University
²College of Environment and Natural Resources, Can Tho University

This study aims to identify and map pineapple cultivation areas in 2024 in Go Quao and Chau Thanh districts-two key specialized pineapple-growing areas in Kien Giang Province. The input features include the yearly average of the Red Band (Band 4) from Sentinel-2 images, the yearly medium of VH backscatter from Sentinel-1 images, results from principal component analysis (PCA) based on 12 monthly highest NDVI images in 2024, the coefficient of variation (CV) in monthly NDVI, and DEM data from the Copernicus dataset. We also used the PCA composite to support the collection of field samples for image interpretation. The classification results delineated both specialized pineapple cultivation areas and intercropped pineapple-coconut zones in the two districts. Rice cultivation was the dominant land use (41,835 ha), followed by specialized pineapple cultivation (15,490 ha) and intercropped pineapple-coconut areas (3,720 ha). Classification accuracy reached a Kappa coefficient of 0.95, based on validation using 30% of the sample data. These results show that using remote sensing data from different times along with machine learning techniques works very well for analyzing land use and helps with managing resources in the Mekong Delta area.

Keywords: NDVI, image interpretation, pineapple land, Random Forest, Sentinel.

 

Ngày nhận bài: 25/3/2025

Ngày thông qua phản biện: 10/5/2025

Ngày duyệt đăng: 16/6/2025