Tạp chí
ỨNG DỤNG ẢNH SENTINEL-2 XÂY DỰNG BẢN ĐỒ HIỆN TRẠNG ĐẤT NÔNG NGHIỆP TỈNH KIÊN GIANG NĂM 2024
Ngô Gia Bảo1*, Trương Chí Quang1, Trương Quốc Bền1, Vương Tấn Sang1
[1]Khoa Môi trường và Tài nguyên thiên nhiên, Trường Đại học Cần Thơ*E-mail: baongods@gmail.com
TÓM TẮT
Lớp phủ hiện trạng sử dụng đất (HTSDĐ) có vai trò quan trọng trong quản lý và quy hoạch nông nghiệp. Nghiên cứu này tập trung ứng dụng ảnh vệ tinh Sentinel-2 và sử dụng kết hợp 2 thuật toán phân loại K-Means và Random Forest (RF) trên nền tảng Google Earth Engine (GEE) để xây dựng bản đồ hiện trạng đất nông nghiệp tỉnh Kiên Giang năm 2024. Các đặc trưng đầu vào gồm chuỗi NDVI 12 tháng, các chỉ số thống kê NDVI, các băng Sentinel-2 và dữ liệu độ cao (DEM), tất cả được thu thập và xử lý trên nền tảng GEE. Kết quả thành lập bản đồ với 8 lớp bao gồm: Lúa – tôm, lúa 2 vụ (Đông Xuân – Hè Thu), lúa 2 vụ (Đông Xuân – Thu Đông), lúa 3 vụ, cây lâu năm, đô thị, thủy sản và sông rạch. Bản đồ đạt độ chính xác toàn cục 84,6% và hệ số Kappa 0,82 cho thấy mức độ phù hợp cao giữa kết quả nghiên cứu và thực tế. Kết quả này hỗ trợ hiệu quả công tác quản lý, quy hoạch và phát triển bền vững nông nghiệp địa phương.
Từ khóa: hiện trạng sử dụng đất, Kiên Giang, Random Forest, Sentinel-2, viễn thám.
SUMMARY
Application of Sentinel-2 images for mapping agricultural land use in Kien Giang province in 2024
Ngo Gia Bao1, Truong Chi Quang1, Truong Quoc Ben1, Vuong Tan Sang1
1College of Environment and Natural Resources, Can Tho University
Land Use and Land Cover (LULC) information plays a vital role in agricultural planning and management. This study aims to apply Sentinel-2 satellite images with K-Means and Random Forest (RF) classification algorithms on the Google Earth Engine (GEE) platform to develop an agricultural land use map of Kien Giang province for the year 2024. The input features include a year-long NDVI time series, NDVI statistics, Sentinel-2 spectral bands, and digital elevation data (DEM), all processed using GEE. The resulting map comprises eights classes: rice – shrimp, double rice crops (Winter-Spring and Summer-Autumn; Winter-Spring and Autumn-Winter), triple rice crops, perennial crops/shrubland, urban areas, aquaculture, and rivers/canals. The classification achieved an overall accuracy of 84.6% and a Kappa coefficient of 0.82, indicating a high level of agreement between the classification results and ground reality. These findings demonstrate the potential of integrating Sentinel-2 data and cloud-based platforms for supporting sustainable agricultural management and planning at the local level.
Keywords: LULC, Random Forest, Sentinel-2, Remote Sensing, Kien Giang.
Ngày nhận bài: 25/3/2025
Ngày thông qua phản biện: 24/4/2025
Ngày duyệt đăng: 18/6/2025
