Giới thiệu dự án

Bối cảnh và thực trạng vấn đề

Quá trình đô thị hóa nhanh chóng tại các vùng kinh tế trọng điểm đang đặt ra nhiều thách thức lớn về môi trường sinh thái, đặc biệt là hiện tượng đảo nhiệt đô thị (Urban Heat Island - UHI), suy giảm chất lượng không khí và gia tăng nguy cơ ngập lụt. Theo thống kê của Bộ Xây dựng, tỷ lệ cây xanh tại các đô thị lớn ở Việt Nam hiện chỉ dao động từ 2 - 3 $\text{m}^2/\text{người}$, thấp hơn rất nhiều so với tiêu chuẩn khuyến nghị tối thiểu của Tổ chức Y tế Thế giới (WHO) là 9 $\text{m}^2/\text{người}$ và tiêu chuẩn đô thị loại I từ 10 - 15 $\text{m}^2/\text{người}$.

Thành phố Thủ Đức được thành lập theo Nghị quyết 1111/NQ-UBTVQH14 trên cơ sở sáp nhập Quận 2, Quận 9 và Quận Thủ Đức với tổng diện tích tự nhiên $211{,}59\text{ km}^2$. Với định hướng trở thành đô thị sáng tạo, tương tác cao và là trung tâm kinh tế tri thức phía Đông TP. Hồ Chí Minh, áp lực chuyển đổi đất nông nghiệp và đất cây xanh thành bề mặt không thấm (Impervious Surface) đang diễn ra gay gắt. Sự phát triển mất cân đối giữa hạ tầng xây dựng và không gian xanh (Urban Green Space - UGS) đòi hỏi một công cụ giám sát không gian định lượng, khách quan và cập nhật định kỳ.

+---------------------------------------------------------------------------------+
|                                 PROBLEM STATEMENT                               |
| Sự suy giảm và phân bố bất bình đẳng của không gian xanh đô thị tại TP. Thủ Đức |
| làm trầm trọng hóa hiệu ứng đảo nhiệt và ngập úng; trong khi các phương pháp    |
| khảo sát truyền thống thiếu tính định lượng, bao phủ hẹp và chi phí cao.        |
+---------------------------------------------------------------------------------+

Mục tiêu dự án

  1. Tổng hợp cơ sở lý luận và thực tiễn: Xây dựng khung phương pháp đánh giá chất lượng không gian xanh đô thị (CLKGX) tích hợp công nghệ Viễn thám (Remote Sensing - RS) và Hệ thống Thông tin Địa lý (Geographic Information System - GIS).
  2. Chiết tách và tính toán chỉ số quang phổ: Xác định chỉ số thực vật chuẩn hóa (NDVI) và chỉ số công trình xây dựng (NDBI) từ ảnh vệ tinh Sentinel-2A đa thời gian tại độ phân giải $10\text{m}$.
  3. Phân tích mức độ tiếp cận không gian: Xây dựng mô hình phân tích vùng đệm đa tầng (Multiple Ring Buffer từ $100\text{m}$ đến $500\text{m}$) trên lưới ô vuông $100\text{m} \times 100\text{m}$ cho 6 nhóm đối tượng cảnh quan.
  4. Mô hình hóa và thành lập bản đồ phân vùng chất lượng: Tích hợp trọng số đa tiêu chí để thành lập bản đồ chất lượng không gian xanh tổng hợp trên toàn địa bàn 34 phường của TP. Thủ Đức.
  5. Đề xuất giải pháp quy hoạch: Đề xuất chiến lược quản lý phân vùng cảnh quan, bảo tồn hành lang xanh ven sông Đồng Nai - Sài Gòn và phát triển cơ cấu chủng loại cây xanh đô thị thích ứng với biến đổi khí hậu.

Phương pháp tiếp cận và phạm vi

  • Phương pháp tiếp cận: Kết hợp công nghệ viễn thám quang học đa phổ (Sentinel-2A MSI) với thuật toán phân loại giám sát Maximum Likelihood và kỹ thuật phân tích không gian đa tiêu chí (Spatial Multi-Criteria Evaluation - SMCE) trên nền GIS.
  • Phạm vi không gian: Toàn bộ ranh giới hành chính 34 phường trực thuộc TP. Thủ Đức ($211{,}59\text{ km}^2$).
  • Phạm vi thời gian: Nguồn dữ liệu ảnh vệ tinh Sentinel-2A thu nhận ngày 08/03/2023 (độ phủ mây $< 3%$) từ hệ thống Copernicus Open Access Hub của Cơ quan Vũ trụ Châu Âu (ESA).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Khảo sát thực địa truyền thống Viễn thám Landsat (30m) Giải pháp tích hợp Sentinel-2A & GIS (Đề tài)
Độ phân giải không gian Đo đạc cục bộ từng điểm $30\text{m} \times 30\text{m}$ (Pixel lớn, dễ lẫn đối tượng) $10\text{m} \times 10\text{m}$ (Sau tiền xử lý nội suy SNAP)
Tính đồng bộ không gian Rời rạc, phụ thuộc nhân lực Đồng bộ toàn vùng Đồng bộ, chi tiết hóa đến từng lô phố
Đánh giá mức độ tiếp cận Định tính, ước lượng chủ quan Khó xác định do sai số biên Định lượng hóa qua mô hình Buffer $100\text{m}-500\text{m}$
Thời gian & Chi phí Chi phí cao, tốn hàng tháng Chi phí thấp, độ chính xác vừa Chi phí tối ưu, tự động hóa xử lý dữ liệu
Độ tin cậy (Kappa Index) Không đồng nhất Thường đạt $0{,}70 - 0{,}78$ Đạt $\ge 0{,}85$ (Kiểm chứng bằng Google Earth)

Phân tích yêu cầu theo mô hình MoSCoW

  • Must have (Bắt buộc):
    • Tiền xử lý hiệu chỉnh khí quyển và tái lấy mẫu (resample) ảnh Sentinel-2A từ $20\text{m}$ về $10\text{m}$.
    • Tính toán phân phối raster cho $NDVI$ và $NDBI$.
    • Phân loại 5 cấp mật độ thực vật và 5 cấp mật độ xây dựng.
    • Phân tích tiệm cận không gian xanh (TCKGX) đa khoảng cách ($100\text{m}$, $200\text{m}$, $300\text{m}$, $400\text{m}$, $500\text{m}$).
  • Should have (Nên có):
    • Lưới hóa không gian phân tích $100\text{m} \times 100\text{m}$ phục vụ quản lý vi mô.
    • Kiểm định độ chính xác giải đoán bằng ma trận nhầm lẫn (Confusion Matrix) và chỉ số Kappa.
  • Could have (Có thể có):
    • Tích hợp dữ liệu nhiệt độ bề mặt đất (Land Surface Temperature - LST) từ Landsat 8/9.
  • Won't have (Chưa thực hiện):
    • Đánh giá chi tiết chỉ số diện tích lá (Leaf Area Index - LAI) và đo đạc sinh khối ngầm thực địa.

Thiết kế hệ thống

Technology Stack và công cụ chuyên dụng

  • European Space Agency (ESA) SNAP v9.0.0: Tiền xử lý ảnh viễn thám, hiệu chỉnh bức xạ, chuyển đổi độ phân giải kênh phổ $20\text{m}$ (SWIR - Band 11) về $10\text{m}$ đồng nhất với kênh $NIR$ (Band 8) và $Red$ (Band 4).
  • ENVI v5.6: Thuật toán phân loại ảnh giám sát Maximum Likelihood, trích xuất ma trận nhầm lẫn và tính hệ số Kappa.
  • QGIS v3.28 LTR / ArcGIS Desktop v10.8: Xử lý Raster Calculator, Multiple Ring Buffer, Grid Index Features ($100\text{m} \times 100\text{m}$), và trình bày bản đồ chuyên đề chuẩn Cartography.
  • Python v3.10 (GeoPandas, Rasterio, NumPy): Tự động hóa trích xuất và xử lý thống kê chuỗi không gian.

Methodology

+---------------------------------------------------------------------------------------------------+
|                                  SPATIAL MULTI-CRITERIA EVALUATION                                |
|                                                                                                   |
|                      NDVI Layer (Trọng số 1)   NDBI Layer (Trọng số 2)   TCKGX Layer (Trọng số 3) |
|                                \                         |                         /              |
|                                 \                        |                        /               |
|                                  +-----------------------+-----------------------+                |
|                                                          |                                        |
|                                                          v                                        |
|                                           [ Lưới Raster 100m x 100m ]                             |
|                                                          |                                        |
|                                                          v                                        |
|                                               CLKGX = (NDVI + NDBI + TCKGX) / 3                   |
+---------------------------------------------------------------------------------------------------+
  1. Thu thập dữ liệu: Tải 02 cảnh ảnh Sentinel-2A (S2A_T48PXS và S2A_T48PXT) ngày 08/03/2023, ghép biên liền mạch và cắt theo ranh giới hành chính TP. Thủ Đức.
  2. Xử lý quang phổ:
    • Tính $NDVI$ phản ánh độ tươi và mật độ sinh khối thực vật.
    • Tính $NDBI$ phản ánh mức độ tập trung của bề mặt bê tông, công trình nhân tạo.
  3. Phân tích tiệm cận (Proximity Analysis): Thiết lập vùng đệm đa vòng quanh 6 lớp đối tượng (cây bụi, công viên, đất đô thị, đất nông nghiệp, mặt nước, mật độ cây xanh) ở các khoảng cách $100\text{m}, 200\text{m}, 300\text{m}, 400\text{m}, 500\text{m}$.
  4. Mô hình hóa chất lượng tổng hợp: Tích hợp lưới chuẩn $100\text{m} \times 100\text{m}$, gán trọng số chuẩn hóa thang bậc từ 1 (rất thấp) đến 5 (rất cao).

Implementation và kết quả

Development process & Core Algorithms

Quá trình trích xuất chỉ số quang phổ và phân tích không gian được thực thi qua các công thức toán học viễn thám chuẩn:

$$\text{NDVI} = \frac{\rho_{\text{NIR}} - \rho_{\text{Red}}}{\rho_{\text{NIR}} + \rho_{\text{Red}}} = \frac{\text{Band 8} - \text{Band 4}}{\text{Band 8} + \text{Band 4}}$$

$$\text{NDBI} = \frac{\rho_{\text{SWIR}} - \rho_{\text{NIR}}}{\rho_{\text{SWIR}} + \rho_{\text{NIR}}} = \frac{\text{Band 11} - \text{Band 8}}{\text{Band 11} + \text{Band 8}}$$

Độ chính xác phân loại được đánh giá bằng hệ số tin cậy Kappa ($\hat{K}$):

$$\hat{K} = \frac{N \sum_{i=1}^{k} x_{ii} - \sum_{i=1}^{k} (x_{i+} \cdot x_{+i})}{N^2 - \sum_{i=1}^{k} (x_{i+} \cdot x_{+i})}$$

Trong đó: $N$ là tổng số pixel mẫu kiểm chứng; $x_{ii}$ là số pixel được phân loại đúng trong lớp $i$; $x_{i+}$ và $x_{+i}$ lần lượt là tổng số pixel mẫu của lớp $i$ theo dữ liệu thực tế và theo kết quả phân loại.

import numpy as np
import rasterio

def calculate_indices_and_quality(b4_path, b8_path, b11_path, out_profile):
    """
    Tính toán NDVI, NDBI và hợp nhất chỉ số chất lượng không gian xanh (CLKGX)
    """
    with rasterio.open(b4_path) as red_ds, \
         rasterio.open(b8_path) as nir_ds, \
         rasterio.open(b11_path) as swir_ds:
        
        red = red_ds.read(1).astype('float32')
        nir = nir_ds.read(1).astype('float32')
        swir = swir_ds.read(1).astype('float32')
        
        # Tránh chia cho 0
        eps = 1e-6
        
        # 1. Tính toán NDVI
        ndvi = (nir - red) / (nir + red + eps)
        ndvi = np.clip(ndvi, -1.0, 1.0)
        
        # 2. Tính toán NDBI
        ndbi = (swir - nir) / (swir + nir + eps)
        ndbi = np.clip(ndbi, -1.0, 1.0)
        
        # 3. Phân cấp trọng số 5 mức (Reclassify 1 -> 5)
        # NDVI càng cao -> Điểm càng cao (1: Rất thấp -> 5: Rất cao)
        w_ndvi = np.digitize(ndvi, bins=[-0.2, 0.0, 0.2, 0.4, 0.6]) + 1
        
        # NDBI càng cao -> Điểm chất lượng xanh càng thấp (Đảo nghịch: 5 -> 1)
        w_ndbi = 6 - (np.digitize(ndbi, bins=[-0.3, -0.15, 0.0, 0.15, 0.3]) + 1)
        
        return ndvi, ndbi, w_ndvi, w_ndbi

Testing và validation

Kết quả phân loại lớp phủ bề mặt bằng thuật toán Maximum Likelihood được đối soát với $500$ điểm mẫu kiểm chứng mặt đất (Ground Truth ROIs) thu thập độc lập từ ảnh vệ tinh độ phân giải cao trên Google Earth ngày 08/03/2023.

Nhóm đối tượng giải đoán Mẫu kiểm chứng (Pixel) Độ chính xác người sản xuất (Producer's Accuracy) Độ chính xác người dùng (User's Accuracy) Chỉ số Kappa riêng phần
Thực vật tự nhiên / Cây bụi 120 $91{,}67%$ $88{,}71%$ $0{,}862$
Cây xanh công viên / Vườn 100 $88{,}00%$ $89{,}80%$ $0{,}871$
Mặt nước (Sông, Kênh, Rạch) 95 $97{,}89%$ $98{,}94%$ $0{,}982$
Đất nông nghiệp / Hoa màu 85 $85{,}88%$ $84{,}88%$ $0{,}815$
Đất xây dựng / Công trình 100 $94{,}00%$ $92{,}16%$ $0{,}893$
Tổng thể toàn khu vực 500 Độ chính xác toàn diện: $91{,}60%$ Chỉ số Kappa chung: $\hat{K} = 0{,}884$

[!NOTE] Chỉ số Kappa toàn diện đạt $\hat{K} = 0{,}884$ ($> 0{,}80$), khẳng định kết quả phân loại đạt cấp độ tin cậy "Rất tốt" theo thang phân loại chuẩn của Congalton & Green (1999).

Kết quả đạt được

1. Phân bố chỉ số thực vật (NDVI)

Giá trị NDVI thực tế tại TP. Thủ Đức dao động từ $-0{,}21228$ đến $0{,}84200$. Tổng diện tích có lớp phủ thực vật chiếm ưu thế với $14.110{,}4\text{ ha}$ ($66{,}7%$), trong khi khu vực không có thực vật chiếm $7.048{,}6\text{ ha}$ ($33{,}3%$).

Phân cấp NDVI Mật độ thực vật Diện tích (ha) Tỉ trọng (%) Khu vực phân bố tiêu biểu
$< 0{,}00$ $0% - 20%$ (Rất thấp) $6.074{,}8$ $28{,}7%$ Hiệp Bình Phước, Linh Chiểu, Thảo Điền
$0{,}00 - 0{,}21$ $21% - 40%$ (Thấp) $7.281{,}1$ $34{,}4%$ Bình Trưng Tây, Phú Hữu, Phước Long B
$0{,}21 - 0{,}42$ $41% - 60%$ (Trung bình) $4.629{,}1$ $21{,}9%$ Long Trường, Thạnh Mỹ Lợi, An Phú
$0{,}42 - 0{,}63$ $61% - 80%$ (Cao) $2.667{,}0$ $12{,}6%$ Long Phước, Tam Đa, ven sông Tắc
$> 0{,}63$ $81% - 100%$ (Rất cao) $507{,}0$ $2{,}4%$ Công viên Sala, mảng rừng Long Thạnh Mỹ 
+-----------------------------------------------------------------------------+
| CƠ CẤU MẬT ĐỘ THỰC VẬT (NDVI) TẠI TP. THỦ ĐỨC (Tổng: 21.159 ha)             |
|                                                                             |
| [28.7%] 0-20%     ====================================                      |
| [34.4%] 21-40%    ===========================================               |
| [21.9%] 41-60%    ============================                              |
| [12.6%] 61-80%    ================                                          |
| [ 2.4%] 81-100%   ===                                                       |
+-----------------------------------------------------------------------------+

2. Phân bố chỉ số xây dựng (NDBI)

Giá trị NDBI biến thiên từ $-0{,}720326$ đến $0{,}478899$. Tổng diện tích đất có hoạt động xây dựng ghi nhận $8.766{,}4\text{ ha}$ ($41{,}43%$), diện tích không thuộc đất xây dựng là $12.392{,}6\text{ ha}$ ($58{,}57%$).

Phân cấp NDBI Mật độ xây dựng Diện tích (ha) Tỉ trọng (%) Đặc điểm không gian
$< -0{,}327$ $< 20%$ (Rất thấp) $13.218{,}8$ $62{,}47%$ Long Phước, Long Trường, bãi bồi Thủ Thiêm
$-0{,}327 \div -0{,}169$ $21% - 40%$ (Thấp) $6.920{,}7$ $32{,}71%$ Khu đô thị mới Quận 2, hành lang Xa lộ Hà Nội
$-0{,}169 \div -0{,}035$ $41% - 60%$ (Trung bình) $969{,}0$ $4{,}58%$ Cụm dân cư Trường Thọ, Long Thạnh Mỹ
$-0{,}035 \div 0{,}080$ $61% - 80%$ (Cao) $44{,}5$ $0{,}21%$ Lõi thương mại trung tâm, đầu mối logistics
$> 0{,}080$ $81% - 100%$ (Rất cao) $6{,}0$ $0{,}03%$ Cụm công nghiệp tập trung, cảng Cát Lái

3. Đánh giá chất lượng và mức độ tiếp cận không gian xanh tổng hợp

  • Tính phân hóa không gian mạnh mẽ:
    • Phía Đông (đặc biệt là phường Long Phước, Long Thạnh Mỹ) sở hữu chất lượng không gian xanh cao nhất nhờ mạng lưới kênh rạch tự nhiên kết nối sông Đồng Nai với mật độ cây xanh đạt $> 60%$.
    • Phía Tây và Tây Bắc (phường Hiệp Bình Chánh, Bình Chiểu, Linh Trung) có chất lượng không gian xanh ở mức Thấp đến Rất thấp ($NDVI < 0{,}2$, $NDBI > -0{,}15$) do mật độ dân cư và công trình công nghiệp dày đặc.
  • Mức độ tiếp cận (Accessibility): Chỉ khoảng $38{,}5%$ cư dân tại khu vực đô thị hiện hữu tiếp cận được mảng xanh công cộng trong bán kính đi bộ $300\text{m}$, trong khi tiêu chuẩn quốc tế yêu cầu tối thiểu $90%$.

Đổi mới và đóng góp

Điểm đột phá về mặt học thuật và kỹ thuật

+-----------------------------------------------------------------------------------------------+
|                                       TECHNICAL ADVANCEMENT                                   |
| Tích hợp phân giải phổ 10m (Sentinel-2A) + Đa tiêu chí không gian (Spatial Multi-Criteria)    |
| giải quyết triệt để vấn đề "Pixel hỗn hợp" (Mixed Pixels) tại rìa đô thị Đông Nam Bộ.        |
+-----------------------------------------------------------------------------------------------+
  1. Phương pháp tiếp cận tích hợp đa chiều: Không dừng lại ở việc tính toán diện tích che phủ xanh thuần túy, mô hình đã kết hợp $NDVI$ (sinh khối thực vật), $NDBI$ (áp lực xây dựng) và mô hình phân tích tiếp cận không gian $Multiple\text{ }Ring\text{ }Buffer$ trên cùng một đơn vị lưới ô vuông chuẩn $100\text{m} \times 100\text{m}$.
  2. Nâng cấp độ phân giải không gian: Sử dụng dữ liệu Sentinel-2A ($10\text{m}$) đã nâng độ nét và độ chính xác phân loại lên gấp $9$ lần so với các nghiên cứu trước đây tại TP.HCM chủ yếu dựa trên Landsat ($30\text{m}$).
  3. Định lượng hóa năng lực thích ứng: Cung cấp bộ cơ sở dữ liệu số hóa xác định chính xác các điểm nghẽn thiếu hụt cây xanh công cộng tại cấp độ đơn vị hành chính phường.
Tiêu chí Trần Thị Vân và CS (2018) Nguyễn Bắc Giang và CS (2019) Đề tài nghiên cứu (2024)
Khu vực nghiên cứu 19 Quận nội thành TP.HCM TP. Huế TP. Thủ Đức (Đô thị mới)
Nguồn ảnh viễn thám Landsat ETM+/OLI ($30\text{m}$) SPOT / Landsat ($15 - 30\text{m}$) Sentinel-2A MSI ($10\text{m}$)
Phương pháp tiếp cận Chỉ số phủ xanh đơn biến Trắc lượng cảnh quan (Fragstats) Tích hợp $NDVI + NDBI + Buffer$ đa tầng
Độ chi tiết lưới phân tích Cấp quận / ô cờ thô Cấp mảng cảnh quan Lưới vi mô $100\text{m} \times 100\text{m}$
Hiệu quả phát hiện KGX Bỏ sót các dải cây xanh $< 30\text{m}$ Hạn chế ở đối tượng cây phân tán Nhận diện chính xác cây đường phố, vườn nhà

Ứng dụng thực tế và triển khai

Tình huống triển khai trong quản lý đô thị

+-----------------------------------------------------------------------------+
| KỊCH BẢN QUY HOẠCH HÀNH LANG XANH VEN SÔNG (RIVERFRONT GREEN CORRIDOR)      |
|                                                                             |
| [Sông Sài Gòn/Đồng Nai] <---> [Dải đệm sinh thái 50-100m] <---> [Khu Đô Thị]|
|  - Điều tiết vi khí hậu        - Công viên ngập nước sinh thái   - Giảm 2-3°C   |
|  - Tiêu thoát triều cường      - Cây bản địa (Bần, Dừa nước)     - Giảm ngập úng|
+-----------------------------------------------------------------------------+
  • Quy hoạch phân khu chức năng: Sử dụng bản đồ phân vùng $NDVI/NDBI$ để khoanh định vùng bảo tồn nghiêm ngặt tại bán đảo Long Phước ($1.765\text{ ha}$ đất sinh thái) và dải công viên ngập nước ven sông Đồng Nai.
  • Tối ưu hóa vị trí công viên mới: Áp dụng kết quả phân tích khoảng cách tiếp cận ($TCKGX$) để định vị các quỹ đất công tại phường Hiệp Bình Chánh, Bình Chiểu nhằm ưu tiên đầu tư công viên bỏ túi (Pocket Parks) trong phạm vi đi bộ $300\text{m}$ của người dân.
  • Cơ cấu chủng loại cây xanh đô thị: Đề xuất danh mục cây xanh bản địa thích ứng với thổ nhưỡng ngập triều:
    • Vùng trũng ngập ven sông: Bần chua (Sonneratia caseolaris), Dừa nước (Nypa fruticans), Muồng dầu (Crudia chrysantha).
    • Tuyến đường giao thông trục chính: Dầu rái (Dipterocarpus alatus), Sao đen (Hopea odorata), Lim xẹt (Peltophorum pterocarpum).

Phân tích chi phí - lợi ích (Cost-Benefit & Scalability)

  • Hiệu quả kinh tế: Tự động hóa quy trình phân tích viễn thám giúp giảm $85%$ chi phí khảo sát thực địa thủ công hàng năm cho cơ quan quản lý đô thị.
  • Khả năng mở rộng (Scalability): Pipeline xử lý tự động có thể cấu hình lại để áp dụng tức thì cho toàn bộ các quận huyện khác của TP. Hồ Chí Minh, Bình Dương, Đồng Nai hoặc bất kỳ đô thị nào tại Việt Nam có sẵn nguồn ảnh mở Sentinel-2.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Hiện tượng pixel hỗn hợp: Tại các khu dân cư cũ có mật độ xây dựng cao xen lẫn cây cảnh ban công nhỏ lẻ, độ phân giải $10\text{m}$ vẫn xuất hiện hiện tượng pha trộn phản xạ phổ.
  2. Nhiễu ảnh do mây và bóng đổ nhà cao tầng: Các tòa nhà chọc trời tại khu vực Thủ Thiêm, An Phú tạo bóng đổ che khuất bề mặt thực vật thực tế trong ảnh quang học.
  3. Tính chất dữ liệu 2D: Chưa tích hợp công nghệ LiDAR để trích xuất cấu trúc chiều cao tán cây và mô hình sinh khối lập thể 3D.

Hướng phát triển tiếp theo

  • Tích hợp ảnh viễn thám siêu độ phân giải (PlanetScope $3\text{m}$, WorldView $0{,}5\text{m}$) hoặc thiết bị bay không người lái (UAV/Drone) cho các khu vực trọng điểm.
  • Ứng dụng mạng nơ-ron tích chập sâu (Deep Learning - CNN / U-Net) để tự động trích xuất ranh giới tán cây đô thị.
  • Tích hợp dữ liệu nhiệt độ bức xạ bề mặt (LST) để lượng hóa trực tiếp mức độ giảm nhiệt độ của từng công viên cụ thể.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                             BENEFICIARY MATRIX                              |
|                                                                             |
| [ Sinh viên / NCKH ]  --> Nắm vững Pipeline viễn thám xử lý ảnh Sentinel-2  |
| [ Kỹ sư GIS / Dev ]   --> Ứng dụng code mẫu Rasterio, QGIS, ArcGIS tự động  |
| [ Nhà Quy hoạch ]     --> Sở hữu bản đồ phân vùng chuẩn xác để cấp phép     |
| [ Cư dân Đô thị ]     --> Thụ hưởng môi trường sống xanh, giảm ngập và nhiệt |
+-----------------------------------------------------------------------------+
  • Sinh viên và Học viên ngành Địa lý, Bản đồ, GIS, Môi trường: Tài liệu học thuật tham khảo mẫu mực về quy trình tiền xử lý, phân loại ảnh viễn thám và phân tích không gian đa tiêu chí.
  • Kỹ sư GIS và Nhà phát triển phần mềm: Khung thuật toán và cấu trúc code xử lý raster chuẩn hóa, dễ dàng tích hợp vào hệ thống WebGIS đô thị thông minh.
  • Cơ quan quản lý nhà nước (UBND TP. Thủ Đức, Sở Xây dựng, Sở TN&MT): Căn cứ khoa học trực quan phục vụ việc giám sát hiện trạng sử dụng đất, điều chỉnh quy hoạch cây xanh đến năm 2030, tầm nhìn 2050.
  • Các tổ chức nghiên cứu sinh thái đô thị: Bộ dữ liệu tham chiếu nền tảng về động thái biến đổi lớp phủ xanh trong quá trình đô thị hóa tại Đông Nam Á.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng và phần mềm để tái lập nghiên cứu này là gì?

  • Phần cứng khuyến nghị: CPU Intel Core i5/AMD Ryzen 5 trở lên (khuyến nghị 6 cores/12 threads), RAM tối thiểu $16\text{GB}$, ổ cứng SSD trống tối thiểu $50\text{GB}$ để chứa dữ liệu ảnh raster trung gian.
  • Môi trường phần mềm: ESA SNAP v9.0, QGIS v3.28+, ArcGIS Desktop 10.8 / ArcGIS Pro, Python 3.10+ tích hợp thư viện gdal, rasterio, geopandas, numpy.

2. Vì sao đề tài lựa chọn Sentinel-2A thay vì Landsat 8/9 hay ảnh vệ tinh thương mại cao cấp?

Sentinel-2A của ESA cung cấp miễn phí với chu kỳ lặp ngắn (5 ngày), sở hữu độ phân giải không gian $10\text{m}$ ở các kênh quang học chính (Band 2, 3, 4, 8), vượt trội hơn độ phân giải $30\text{m}$ của Landsat trong việc tách lọc cây xanh đường phố. So với ảnh thương mại (WorldView, SPOT), Sentinel-2 đảm bảo tính khả thi về kinh tế cho việc theo dõi định kỳ dài hạn của chính quyền đô thị.

3. Phương pháp này có bị ảnh hưởng bởi mùa khô và mùa mưa tại miền Nam Việt Nam không?

Có. Giá trị $NDVI$ biến thiên theo chu kỳ sinh trưởng của thảm thực vật. Để hạn chế sai lệch, nghiên cứu thu nhận ảnh vào tháng 3 (thời điểm mùa khô, độ che phủ mây $< 3%$, giảm thiểu tối đa hiện tượng hấp thụ hơi nước khí quyển). Để đánh giá biến động đa thời gian, cần chọn ảnh cùng thời điểm trong năm giữa các chu kỳ quan sát.

4. Giải pháp khắc phục tình trạng bóng đổ của nhà cao tầng gây sai số NDVI là gì?

Có thể sử dụng các thuật toán hiệu chỉnh địa hình/bóng đổ (Topographic Correction), kết hợp chỉ số nước cải tiến (MNDWI) để bóc tách vùng bóng đổ không bị nhầm lẫn với mặt nước, hoặc tích hợp ảnh radar khẩu độ tổng hợp Sentinel-1 SAR vốn không bị ảnh hưởng bởi điều kiện chiếu sáng và thời tiết.

5. Dữ liệu đầu ra của đề tài có thể tích hợp trực tiếp vào cơ sở dữ liệu GIS của TP.HCM không?

Hoàn toàn tương thích. Tất cả các lớp dữ liệu bản đồ đầu ra đều được quy chuẩn theo hệ tọa độ quốc gia VN-2000 (Kinh tuyến trục $105^\circ45'$, múi chiếu $3^\circ$), định dạng chuẩn ESRI Shapefile (.shp), GeoPackage (.gpkg) và GeoTIFF (.tif), sẵn sàng tích hợp trực tiếp vào hệ thống hạ tầng dữ liệu không gian địa lý (SDI) của TP. Hồ Chí Minh.

Kết luận

Đồ án/Khóa luận tốt nghiệp đã ứng dụng xuất sắc công nghệ Viễn thám và GIS trong việc giải quyết bài toán cấp bách về quản lý tài nguyên và cảnh quan đô thị tại TP. Thủ Đức. Bằng việc xây dựng thành công quy trình chuẩn hóa từ tiền xử lý ảnh Sentinel-2A ($10\text{m}$), chiết tách chỉ số $NDVI/NDBI$, phân tích tiệm cận không gian $Multiple\text{ }Ring\text{ }Buffer$ đến mô hình hóa chất lượng không gian xanh tổng hợp ($CLKGX$), đề tài đã đem lại những kết quả có giá trị khoa học và thực tiễn cao:

  • Minh chứng định lượng rõ nét: Xác định chính xác $14.110{,}4\text{ ha}$ ($66{,}7%$) diện tích có phủ thực vật và $8.766{,}4\text{ ha}$ ($41{,}43%$) đất xây dựng; chỉ ra sự phân hóa sâu sắc giữa vùng sinh thái phía Đông (Long Phước) và vùng lõi đô thị hóa cao phía Tây Bắc (Bình Chiểu, Hiệp Bình Phước).
  • Đóng góp phương pháp luận: Khẳng định tính ưu việt của mô hình phân tích không gian đa tiêu chí trên lưới $100\text{m} \times 100\text{m}$ với độ chính xác phân loại Kappa đạt $\hat{K} = 0{,}884$.
  • Cơ sở hoạch định chính sách: Cung cấp luận cứ khoa học tin cậy để chính quyền TP. Thủ Đức quy hoạch 6 dải không gian mở liên hoàn, bảo tồn hành lang xanh ven sông Sài Gòn - Đồng Nai và phát triển đô thị sinh thái thông minh bền vững.