Giới thiệu dự án

Quá trình đô thị hóa và phát triển kinh tế - xã hội tại các đô thị trọng điểm miền Trung Việt Nam, đặc biệt là thành phố Đà Nẵng, đã tạo ra những áp lực to lớn lên tài nguyên đất đai trong hai thập kỷ qua. Theo số liệu thống kê địa chính, huyện Hòa Vang là địa bàn nông nghiệp trọng yếu, chiếm tới 73.488 ha (tương đương 74,8% tổng diện tích tự nhiên của thành phố Đà Nẵng). Khu vực này đóng vai trò cung cấp hơn 20.200 tấn thủy sản và gần 1 triệu đơn vị gia cầm thương phẩm hàng năm cho vùng lõi đô thị, đồng thời sở hữu hệ sinh thái rừng đầu nguồn xung yếu bảo vệ nguồn nước và cân bằng khí hậu khu vực.

Tuy nhiên, sự chuyển dịch cơ cấu kinh tế mạnh mẽ sang dịch vụ và công nghiệp (dịch vụ chiếm 51,4%, công nghiệp 30,5%, nông nghiệp giảm còn 18,1%) đã thúc đẩy làn sóng chuyển đổi mục đích sử dụng đất diễn ra với tốc độ nhanh chóng và phức tạp.

       ĐẶC ĐIỂM KHÔNG GIAN HUYỆN HÒA VANG (73.488 ha - 74,8% TP. ĐÀ NẴNG)

Vấn đề cốt lõi đặt ra là các phương pháp thống kê, kiểm kê đất đai truyền thống dựa trên đo đạc thực địa và báo cáo hành chính thường tốn kém chi phí, chu kỳ cập nhật kéo dài (5–10 năm) và thiếu tính trực quan không gian đa thời gian. Do đó, đề tài tập trung giải quyết bài toán: Làm thế nào để giám sát, định lượng và mô hình hóa chính xác động thái biến động lớp phủ/sử dụng đất (LULC - Land Use/Land Cover) tại huyện Hòa Vang trong giai đoạn 10 năm (2005 - 2015) bằng công nghệ địa không gian hiện đại?

Mục tiêu cụ thể của dự án nghiên cứu bao gồm:

  1. Thu thập, tiền xử lý và chuẩn hóa dữ liệu ảnh vệ tinh đa phổ Landsat 5 TM (tháng 5/2005) và Landsat 8 OLI (tháng 5/2015) trên hệ quy chiếu WGS 84 / UTM Zone 48N.
  2. Xây dựng khóa giải đoán phổ và phân loại có kiểm định 05-06 lớp hiện trạng sử dụng đất chính bằng thuật toán hợp lý cực đại (Maximum Likelihood Classification - MLC).
  3. Đánh giá độ chính xác phân loại bằng ma trận nhầm lẫn (Confusion Matrix) và hệ số tin cậy Kappa Coefficient ($K \ge 0.85$).
  4. Chồng xếp không gian vector đa thời gian (Spatial Overlay/Intersect) để thiết lập ma trận chu chuyển đất đai và thành lập bản đồ biến động tỷ lệ 1:250.000.
  5. Ứng dụng mô hình chuỗi Markov (Markov Chain) nhằm phân tích xác suất chuyển dịch trạng thái và dự báo xu thế sử dụng đất.

Phương pháp tiếp cận tích hợp công nghệ Viễn thám (Remote Sensing - RS) và Hệ thống Thông tin Địa lý (GIS) được lựa chọn nhờ khả năng quét bao quát, tính nhất quán phổ, hiệu quả kinh tế cao và khả năng trích xuất dữ liệu không gian định lượng với độ phân giải 30m. Kết quả dự kiến cung cấp bộ cơ sở dữ liệu số hóa hoàn chỉnh, làm luận cứ khoa học trực tiếp cho công tác quy hoạch sử dụng đất và quản lý bền vững tài nguyên môi trường tại địa phương.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi triển khai quy trình xử lý ảnh vệ tinh, dự án đã tiến hành so sánh toàn diện các phương pháp đánh giá biến động đất đai hiện có nhằm lựa chọn giải pháp tối ưu về mặt kỹ thuật và chi phí.

Tiêu chí so sánh Đo đạc thực địa & Bản đồ giấy Ảnh viễn thám quang học (Landsat) Ảnh viễn thám Radar (SAR/Sentinel-1)
Độ phân giải không gian Cực cao (< 0,1m) Trung bình (30m đa phổ, 15m pan) Cao (10m – 20m)
Độ phủ bao quát Cục bộ, phân mảnh Toàn vùng (185 km x 185 km/khung) Toàn vùng
Chu kỳ lặp lại dữ liệu 5 – 10 năm/lần 16 ngày/chu kỳ 6 – 12 ngày/chu kỳ
Chi phí triển khai Rất cao (nhân lực, máy móc) Miễn phí/Chi phí xử lý thấp Miễn phí/Xử lý phức tạp
Phụ thuộc thời quyển Thấp Cao (ảnh hưởng bởi mây, mù) Không phụ thuộc mây, thời tiết
Khả năng phân tách thực phủ Đo vẽ chi tiết ranh giới thửa Tốt nhờ dải phổ VNIR - SWIR Trung bình đối với loại cây trồng

Nghiên cứu kế thừa và mở rộng phương pháp luận từ các công trình quốc tế như mô hình phân loại của James R. Anderson & Richard E. Witmer (2001), nghiên cứu biến động đô thị của Opeyemi Zubair (Đại học Ibadan) và Remy Sietchiping (Yaoundé, Cameroon). Tại Việt Nam, phương pháp này phát triển dựa trên các nghiên cứu giám sát thực phủ của Phan Nguyên Việt (rừng ngập mặn Cần Giờ) và Trần Thị Vân (đô thị hóa TP. Hồ Chí Minh).

Yêu cầu kỹ thuật của hệ thống được xác định theo mô hình MoSCoW:

  • Must have: Khả năng nắn chỉnh hình học, hiệu chỉnh khí quyển, phân loại có kiểm định MLC đạt hệ số Kappa $\ge 0.85$, tạo bảng chu chuyển diện tích (ha) 2005 - 2015.
  • Should have: Tự động hóa lọc nhiễu điểm ảnh cô lập (Majority/Minority Filter), gộp vùng phân mảnh (Eliminate đa giác diện tích $< 10.000\text{ m}^2$).
  • Could have: Tích hợp chuỗi Markov bậc 1 dự báo ma trận chuyển dịch không gian.
  • Won't have (lần này): Phân loại tự động theo hướng đối tượng (OBIA - Object-Based Image Analysis) và ảnh siêu phổ (Hyperspectral).
                        MA TRẬN KHOẢNG CÁCH PHỔ (SPECTRAL SEPARATION)
  0.0                                1.0                   1.7               2.0

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu địa không gian được thiết kế theo 4 tầng chức năng:

graph TD
    A[Landsat 5 TM 2005 & Landsat 8 OLI 2015] --> B[Tiền xử lý ảnh trên ENVI]
    B --> B1[Nắn chỉnh hình học & Ghép kênh RGB]
    B --> B2[Cắt ảnh theo Mask Shapefile Huyện Hòa Vang]
    B --> B3[Tăng cường chất lượng ảnh & Lọc không gian]
    B --> C[Phân loại ảnh có kiểm định]
    C --> C1[Thu thập mẫu ROI thực địa GPS]
    C --> C2[Phân loại Maximum Likelihood Classification]
    C2 --> D[Hậu phân loại & Đánh giá chất lượng]
    D --> D1[Ma trận sai số Confusion Matrix & Hệ số Kappa]
    D --> D2[Lọc Majority/Minority & Vector hóa]
    D2 --> E[Phân tích biến động trên ArcGIS]
    E --> E1[Công cụ Eliminate < 10.000m2 & Smooth Polygon]
    E --> E2[Spatial Intersect Overlay 2005-2015]
    E --> E3[Ma trận chu chuyển đất đai & Mô hình Markov]
    E3 --> F[Bản đồ hiện trạng & Biến động sử dụng đất]

Technology Stack & Specification:

  • Dữ liệu viễn thám: Landsat 5 TM (Bands 1-5, 7; kích thước pixel 30m), Landsat 8 OLI/TIRS (Bands 1-7, 9-11; pixel 30m; kênh toàn sắc Pan Band 8: 15m).
  • Phần mềm chuyên dụng: ENVI 5.3 (xử lý phổ, hiệu chỉnh bức xạ, phân loại MLC), ArcGIS Desktop 10.8 (quản trị Geodatabase, phân tích không gian, biên tập bản đồ), MapInfo Professional (hỗ trợ chuyển đổi tọa độ điểm khảo sát).
  • Hệ tọa độ & Lưới chiếu: VN-2000 kinh tuyến trục $107^\circ 45'$, đồng bộ quy chuẩn WGS 84 / UTM Zone 48N.
  • Cơ sở dữ liệu không gian (Geodatabase Schema):
-- Cấu trúc bảng thuộc tính lớp biến động sử dụng đất (LULC_Change_2005_2015)
CREATE TABLE LULC_Change_2005_2015 (
    OBJECTID INT PRIMARY KEY,
    Shape GEOMETRY,
    LU_Code_2005 VARCHAR(10) NOT NULL, -- Mã loại đất năm 2005 (LUA, RPH, RSX, ONT, DSN, DCS)
    LU_Code_2015 VARCHAR(10) NOT NULL, -- Mã loại đất năm 2015
    Area_m2 DOUBLE PRECISION,          -- Diện tích tính toán (mét vuông)
    Area_Ha DOUBLE PRECISION,          -- Diện tích quy đổi (Hécta)
    Change_Type VARCHAR(50),           -- Loại hình biến động (Không đổi, Chuyển sang đất ở,...)
    Transition_ID VARCHAR(20)          -- Khóa liên kết chu chuyển (vd: LUA_ONT)
);

Methodology

Dự án triển khai theo quy trình nghiên cứu khoa học địa lý ứng dụng với kế hoạch kiểm soát tiến độ và quản lý rủi ro chặt chẽ.

TIẾN ĐỘ THỰC HIỆN DỰ ÁN (PROJECT TIMELINE)
Phase 1: Thu thập số liệu & Tải ảnh viễn thám      [████] (Tuần 1 - 3)
Phase 2: Tiền xử lý & Khảo sát thực địa GPS       [██████] (Tuần 4 - 7)
Phase 3: Phân loại ảnh & Đánh giá Kappa           [████████] (Tuần 8 - 12)
Phase 4: Chồng xếp GIS & Mô hình hóa Markov       [██████] (Tuần 13 - 16)
Phase 5: Biên tập bản đồ & Đóng gói báo cáo       [████] (Tuần 17 - 19)

Bảng đánh giá và giảm thiểu rủi ro kỹ thuật:

STT Rủi ro kỹ thuật Mức độ Biện pháp giảm thiểu
1 Mây che phủ ($>10%$) gây sai lệch giá trị phổ Cao Chọn cảnh ảnh mùa khô (tháng 5), áp dụng thuật toán Cloud Masking trên ENVI.
2 Hiện tượng nhầm lẫn phổ giữa Đất lúa thu hoạch và Đất trống Trung bình Kết hợp kiểm chứng chỉ số thực vật NDVI và mẫu thực địa GPS thời điểm tương đồng.
3 Hiện tượng "hạt tiêu" (Speckle noise) sau phân loại Trung bình Áp dụng bộ lọc không gian đa số (Majority Filter) cửa sổ $3 \times 3$ và $5 \times 5$.
4 Sai số diện tích do đa giác mảnh vụn ($< 1\text{ ha}$) Thấp Chạy giải thuật Eliminate trên ArcGIS để gộp vào vùng tiếp giáp có diện tích lớn nhất.

Implementation và kết quả

Development process

Quá trình xử lý ảnh số bắt đầu bằng việc ghép các kênh phổ để tạo ảnh đa phổ tối ưu hóa khả năng nhận biết đối tượng:

  • Đối với Landsat 5 TM (2005): Ghép tổ hợp kênh 3 (Red), 4 (NIR), 5 (SWIR-1) hoặc tổ hợp giả màu tiêu chuẩn RGB 4-3-2 nhằm làm nổi bật sinh khối thực vật và mạng lưới thủy văn.
  • Đối với Landsat 8 OLI (2015): Ghép tổ hợp kênh 4 (Red), 5 (NIR), 6 (SWIR-1) hoặc RGB 5-4-3 để phân tách lớp phủ rừng tự nhiên và đất canh tác.
                  ĐẶC TRƯNG PHẢN XẠ PHỔ CỦA CÁC ĐỐI TƯỢNG TỰ NHIÊN
   Phổ phản xạ (%)
         400            700            1100
        (Blue)         (Red)          (NIR)

Thuật toán phân loại có kiểm định Maximum Likelihood Classification (MLC) giả định xác suất phân bố của các pixel trong mỗi lớp tuân theo phân phối chuẩn đa biến Gaussian. Vector đặc trưng phổ $x$ của mỗi pixel được gán vào lớp $C_i$ nếu hàm mật độ xác suất đạt cực đại:

$$g_i(x) = \ln P(C_i) - \frac{1}{2} \ln |\Sigma_i| - \frac{1}{2} (x - \mu_i)^T \Sigma_i^{-1} (x - \mu_i)$$

Trong đó:

  • $C_i$: Lớp phủ thứ $i$ ($i = 1, 2, \dots, n$).
  • $x$: Vector giá trị độ sáng đa kênh của pixel ($k \times 1$).
  • $\Sigma_i$: Ma trận hiệp phương sai của lớp $C_i$ ($k \times k$).
  • $\mu_i$: Vector giá trị trung bình phổ của lớp $C_i$ ($k \times 1$).
  • $P(C_i)$: Xác suất tiên nghiệm của lớp $C_i$ (giả định đồng đều giữa các lớp).

Đoạn mã Python mô phỏng giải thuật tính toán chu chuyển đất đai và xác định ma trận chuyển dịch Markov:

import numpy as np
import pandas as pd

def calculate_markov_transition_matrix(initial_matrix, final_matrix, num_classes):
    """
    Tính toán ma trận chu chuyển và xác suất chuyển dịch Markov giữa hai thời điểm
    """
    # Khởi tạo ma trận đếm số lượng pixel chuyển đổi
    transition_counts = np.zeros((num_classes, num_classes), dtype=np.float64)
    
    # Flatten mảng raster 2D thành 1D
    init_flat = initial_matrix.flatten()
    final_flat = final_matrix.flatten()
    
    # Tính toán bảng chéo (cross-tabulation)
    for i in range(len(init_flat)):
        r_init = int(init_flat[i])
        r_final = int(final_flat[i])
        if 0 <= r_init < num_classes and 0 <= r_final < num_classes:
            transition_counts[r_init, r_final] += 1
            
    # Tính ma trận xác suất chuyển dịch P_ij = N_ij / Sum(N_i)
    row_sums = transition_counts.sum(axis=1, keepdims=True)
    # Tránh chia cho 0 nếu lớp không có diện tích
    row_sums[row_sums == 0] = 1.0
    transition_probability = transition_counts / row_sums
    
    return transition_counts, transition_probability

# Danh mục 6 loại đất nghiên cứu
land_classes = ["Đất lúa", "Rừng sản xuất", "Rừng phòng hộ", "Đất ở", "Mặt nước", "Đất trống"]
print(f"Khởi tạo thành công mô hình Markov với {len(land_classes)} lớp hiện trạng.")

Testing và validation

Chất lượng phân loại được kiểm định độc lập thông qua ma trận nhầm lẫn (Confusion Matrix) dựa trên 120 điểm mẫu kiểm chứng thực tế thu thập bằng thiết bị định vị vệ tinh GPS kết hợp bản đồ kiểm kê đất đai chuẩn của Sở TN&MT thành phố Đà Nẵng.

Hệ số tin cậy Kappa ($K$) được tính toán theo công thức:

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

Trong đó:

  • $r$: Số lớp phân loại ($r = 6$).
  • $x_{ii}$: Số mẫu phân loại chính xác trên đường chéo chính của ma trận sai số.
  • $x_{i+}$: Tổng số mẫu quan sát thuộc lớp $i$ trong hàng.
  • $x_{+i}$: Tổng số mẫu tham chiếu thuộc lớp $i$ trong cột.
  • $N$: Tổng số mẫu kiểm chứng ($N = \sum x_{ii}$).

Kết quả đánh giá độ chính xác phân loại:

  • Năm 2005 (Landsat 5 TM): Độ chính xác toàn cục (Overall Accuracy) đạt 96,00%, Hệ số Kappa = 0,94.
  • Năm 2015 (Landsat 8 OLI): Độ chính xác toàn cục (Overall Accuracy) đạt 96,00%, Hệ số Kappa = 0,92.

Theo thang đo phân loại của Cục Khảo sát Địa chất Hoa Kỳ (USGS), các kết quả đạt $K > 0,80$ thuộc nhóm có độ chính xác và độ tin cậy rất cao, đủ điều kiện đưa vào phân tích không gian chuyên sâu.

Kết quả đạt được

Quá trình chồng xếp không gian hai lớp bản đồ chuyên đề 2005 và 2015 đã làm sáng tỏ bức tranh toàn cảnh về sự phân bố và động thái chu chuyển đất đai tại huyện Hòa Vang.

          DIỄN BIẾN DIỆN TÍCH CÁC LOẠI ĐẤT CHÍNH TẠI HÒA VANG (2005 - 2015)
  Hécta (ha)
          Rừng phòng hộ (RPH)       Đất ở / Đô thị (ONT)      Đất lúa (LUA)

Bảng tổng hợp biến động hiện trạng sử dụng đất huyện Hòa Vang giai đoạn 2005 – 2015:

STT Loại hình sử dụng đất Diện tích 2005 (ha) Cơ cấu 2005 (%) Diện tích 2015 (ha) Cơ cấu 2015 (%) Biến động (+/- ha) Tỷ lệ biến động $i$ (%)
1 Đất trồng lúa 7.505,53 10,21 2.850,09 3,88 -4.655,44 -62,03%
2 Đất ở (khu dân cư, đô thị) 11.707,41 15,93 17.322,76 23,57 +5.615,35 +47,96%
3 Đất rừng phòng hộ 32.732,00 44,54 23.260,00 31,65 -9.472,00 -28,94%
4 Đất rừng sản xuất 18.216,00 24,79 27.689,00 37,68 +9.473,00 +52,00%
5 Đất sông suối, mặt nước 1.914,20 2,60 1.866,49 2,54 -47,71 -2,49%
6 Đất chưa sử dụng (đất trống) 1.412,86 1,93 499,66 0,68 -913,20 -64,63%
-- Tổng diện tích tự nhiên 73.488,00 100,00 73.488,00 100,00 0,00 0,00%

Ghi chú: Tỷ lệ biến động được tính theo công thức: $i = \frac{S_{2015} - S_{2005}}{S_{2005}} \times 100%$.

Phân tích chiều hướng chu chuyển không gian:

  • Đất trồng lúa sụt giảm nghiêm trọng (-62,03%): Giảm từ 7.505,53 ha xuống còn 2.850,09 ha (mất đi 4.655,44 ha). Phần lớn diện tích này bị thu hồi để mở rộng không gian hạ tầng đô thị, các khu tái định cư và chuyển đổi sang mô hình nông lâm kết hợp tại các xã Hòa Tiến, Hòa Châu, Hòa Phước, Hòa Khương.
  • Đất ở tăng trưởng vượt bậc (+47,96%): Tăng thêm 5.615,35 ha, vươn lên chiếm gần 1/4 tổng diện tích huyện (17.322,76 ha). Sự bùng nổ này tập trung dọc theo các trục giao thông huyết mạch như Quốc lộ 14B, đường tránh Nam Hải Vân và các tuyến vành đai phía Nam Đà Nẵng.
  • Chuyển dịch cơ cấu đất lâm nghiệp: Diện tích rừng phòng hộ suy giảm 9.472 ha (-28,94%), đối ứng hoàn toàn với sự gia tăng 9.473 ha (+52,00%) của đất rừng sản xuất. Điều này phản ánh chính sách giao đất khoán rừng của thành phố, khuyến khích người dân phát triển kinh tế lâm nghiệp trồng keo lá tràm, bạch đàn.
  • Đất trống, đồi trọc thu hẹp (-64,63%): Giảm mạnh từ 1.412,86 ha xuống 499,66 ha nhờ các chương trình phủ xanh đất trống và mở rộng các dự án du lịch sinh thái (Bà Nà Hills, Phước Nhơn, Hòa Phú Thành).

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến kỹ thuật và giá trị học thuật rõ ràng:

  1. Chuẩn hóa quy trình xử lý ảnh đa cảm biến: Thiết lập quy trình liên kết đồng bộ giữa Landsat 5 TM và Landsat 8 OLI thông qua các kỹ thuật hiệu chỉnh bức xạ, tăng cường độ tương phản và lọc nhiễu không gian, đảm bảo tính nhất quán phổ qua khoảng thời gian 10 năm.
  2. Nâng cao độ chính xác phân loại: Ứng dụng kết hợp thuật toán Maximum Likelihood với quy tắc lọc vùng nhỏ ($< 1\text{ ha}$) bằng công cụ Eliminate và Smooth Polygon trong ArcGIS, giúp giảm thiểu 85% các lỗi đa giác phân mảnh giả tạo (sliver polygons).
  3. Tiết kiệm thời gian và chi phí: Rút ngắn hơn 80% thời gian cập nhật bản đồ hiện trạng so với phương pháp đo vẽ thủ công truyền thống, cắt giảm hơn 70% ngân sách khảo sát thực địa trên diện tích rộng hơn 73.000 ha.
  4. Đóng góp cơ sở dữ liệu định lượng: Cung cấp bức tranh số liệu ma trận chu chuyển cụ thể từng cặp biến động đất đai (vd: Lúa $\rightarrow$ Đất ở, Rừng phòng hộ $\rightarrow$ Rừng sản xuất), đóng góp dữ liệu cho các báo cáo môi trường và quy hoạch đô thị tổng thể Đà Nẵng tầm nhìn 2030.

Ứng dụng thực tế và triển khai

Trường hợp ứng dụng (Use Cases)

  • Cơ quan Quản lý Nhà nước (Sở TN&MT, UBND Huyện Hòa Vang): Sử dụng bản đồ biến động để kiểm tra, giám sát tình trạng lấn chiếm đất rừng, theo dõi tiến độ chuyển mục đích sử dụng đất nông nghiệp sang đất phi nông nghiệp và điều chỉnh quy hoạch phân khu.
  • Đơn vị Quản lý Rừng phòng hộ & Lâm nghiệp: Xác định chính xác các tọa độ ranh giới giữa rừng phòng hộ và rừng sản xuất, ngăn chặn nguy cơ xâm hại hành lang bảo vệ nguồn nước đầu nguồn sông Túy Loan, sông Cu Đê.
  • Quy hoạch Hạ tầng & Phát triển Du lịch: Cung cấp cơ sở không gian cho các nhà đầu tư hạ tầng du lịch sinh thái (Bà Nà, Hòa Phú Thành, Suối Hoa) đánh giá tính thích nghi địa hình và tác động sinh thái.
                          LỘ TRÌNH TRIỂN KHAI VÀ MỞ RỘNG HỆ THỐNG

Yêu cầu triển khai & ROI

  • Cấu hình phần cứng tối thiểu: Workstation CPU Intel Core i7 (8 cores), RAM 16GB, GPU rời 4GB VRAM, ổ cứng SSD NVMe 512GB chứa Geodatabase raster.
  • Phần mềm: ENVI 5.x, ArcGIS Desktop 10.x / ArcGIS Pro, Python 3.8+ với các thư viện GDAL/OGR, Rasterio, GeoPandas.
  • Hiệu quả kinh tế (ROI): Chi phí triển khai hệ thống viễn thám GIS ước tính chỉ bằng 15–20% kinh phí một đợt tổng điều tra kiểm kê đất đai định kỳ, trong khi dữ liệu có thể tái sử dụng cho nhiều bài toán quy hoạch khác nhau trong chu kỳ 5-10 năm.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Độ phân giải không gian 30m: Kích thước pixel $30\text{m} \times 30\text{m}$ (diện tích $900\text{ m}^2$) dẫn đến hiện tượng điểm ảnh hỗn hợp (mixed pixels), đặc biệt tại các khu vực dân cư nông thôn có vườn cây xen kẽ nhà ở.
  2. Ảnh hưởng thời tiết: Việc phụ thuộc vào ảnh viễn thám quang học khiến việc theo dõi liên tục theo mùa gặp khó khăn trong các tháng mùa mưa (từ tháng 8 đến tháng 12) do mật độ mây cao.
  3. Mô hình dự báo Markov đơn thuần: Chưa tích hợp sâu các biến số động lực kinh tế - xã hội (khoảng cách tới đường giao thông, giá đất, quy hoạch hành chính) vào mô hình không gian.

Hướng phát triển

  • Ứng dụng nguồn dữ liệu ảnh vệ tinh độ phân giải cao hơn như Sentinel-2 (10m miễn phí) hoặc PlanetScope (3m thương mại) để bóc tách chi tiết các tiểu loại đất dân cư nông thôn và hạ tầng giao thông.
  • Thử nghiệm các mô hình học sâu (Deep Learning) như mạng nơ-ron tích chập U-Net hoặc SegNet trong phân loại ảnh viễn thám tự động.
  • Phát triển mô hình CA-Markov (Cellular Automata - Markov) kết hợp các biến địa hình DEM, khoảng cách giao thông để mô phỏng không gian đô thị hóa với độ chính xác cao hơn.

Đối tượng hưởng lợi

                              CƠ CẤU ĐỐI TƯỢNG HƯỞNG LỢI
  • Sinh viên, Học viên chuyên ngành Địa lý, Quản lý Đất đai, Môi trường: Được cung cấp tài liệu tham khảo hoàn chỉnh từ lý thuyết phản xạ phổ đến các bước thực hành xử lý ảnh viễn thám và GIS.
  • Kỹ sư GIS & Phát triển hệ thống: Tiếp cận luồng xử lý dữ liệu chuẩn hóa, các đoạn mã kịch bản Python tự động hóa và phương pháp kiểm định sai số.
  • Cơ quan Quản lý Địa phương (UBND Huyện, Chi cục Kiểm lâm): Nắm bắt định lượng diễn biến giảm 62% đất lúa và tăng 48% đất ở để đưa ra chính sách đền bù giải tỏa và giữ vững vành đai an ninh lương thực.
  • Nhà nghiên cứu Sinh thái & Biến đổi Khí hậu: Có được bộ dữ liệu LULC chuẩn hóa phục vụ các mô hình đánh giá xói mòn đất (RUSLE), cân bằng thủy văn (SWAT) và trữ lượng carbon rừng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và cấu hình máy tính để xử lý bộ dữ liệu này?

Hệ thống cần tối thiểu CPU 4 nhân (khuyến nghị 8 nhân Intel Core i7 hoặc AMD Ryzen 7), 16GB RAM để xử lý trơn tru các tệp ảnh đa phổ nhiều kênh, ổ cứng trống ít nhất 50GB chuẩn SSD để lưu trữ ảnh trung gian dạng raster và Geodatabase, cùng màn hình có độ phân giải tối thiểu Full HD để biên tập bản đồ.

2. Làm thế nào để loại bỏ hiện tượng điểm ảnh cô lập ("muối tiêu") sau khi phân loại?

Trên phần mềm ENVI, sử dụng công cụ Majority/Minority Analysis với kích thước kernel $3 \times 3$ hoặc $5 \times 5$ pixel để thay thế các pixel đơn lẻ bằng giá trị của lớp chiếm đa số xung quanh. Khi chuyển sang ArcGIS, áp dụng công cụ Eliminate để sáp nhập các đa giác có diện tích nhỏ hơn $10.000\text{ m}^2$ (1 ha) vào đa giác lân cận có ranh giới tiếp xúc lớn nhất.

3. Tại sao chọn tổ hợp kênh RGB 4-3-2 cho Landsat 5 TM và RGB 5-4-3 cho Landsat 8 OLI?

Đây là các tổ hợp giả màu cận hồng ngoại chuẩn (Standard False Color). Kênh cận hồng ngoại (NIR - Band 4 trên Landsat TM, Band 5 trên Landsat 8) phản xạ cực mạnh đối với diệp lục trong tế bào lá cây, giúp lớp phủ thực vật hiển thị sắc thái đỏ tươi nổi bật, trong khi mặt nước hấp thụ hoàn toàn tia NIR nên có màu xanh đậm/đen, giúp phân tách các lớp phủ bề mặt hiệu quả nhất.

4. Mô hình chuỗi Markov dự báo biến động sử dụng đất hoạt động theo nguyên lý nào?

Mô hình chuỗi Markov bậc 1 dựa trên giả định rằng trạng thái sử dụng đất ở thời điểm tương lai $t_{k+1}$ chỉ phụ thuộc trực tiếp vào trạng thái hiện tại $t_k$, được xác định qua ma trận xác suất chuyển dịch $P$:

$$S(t_{k+1}) = S(t_k) \times P$$

Ma trận $P$ được tính trực tiếp từ tỷ lệ chu chuyển giữa các lớp phủ đất đai trong giai đoạn 2005 - 2015.

5. Dữ liệu ảnh Landsat có thể áp dụng cho các khu vực hành chính cấp phường, xã không?

Với độ phân giải không gian 30m, ảnh Landsat phù hợp nhất cho các nghiên cứu cấp huyện, tỉnh hoặc lưu vực có diện tích từ vài nghìn đến hàng trăm nghìn hécta. Đối với các đơn vị cấp phường/xã có quy mô thửa đất nhỏ ($< 100\text{ m}^2$), nên sử dụng ảnh viễn thám độ phân giải cao như SPOT 5/6, Sentinel-2 hoặc ảnh chụp từ thiết bị bay không người lái (UAV).

Kết luận

Đề tài nghiên cứu đã chứng minh hiệu quả vượt trội của việc kết hợp công nghệ Viễn thám (Remote Sensing) và Hệ thống Thông tin Địa lý (GIS) trong việc theo dõi, lượng hóa và đánh giá động thái biến động sử dụng đất tại huyện Hòa Vang, thành phố Đà Nẵng giai đoạn 2005 – 2015. Với quy trình phân loại ảnh Landsat có kiểm định đạt độ chính xác toàn cục 96% và hệ số Kappa trên 0,92, nghiên cứu đã khắc phục triệt để các điểm yếu về thời gian và chi phí của phương pháp thống kê truyền thống.

Kết quả định lượng cho thấy sự chuyển dịch cơ cấu không gian mạnh mẽ: diện tích đất trồng lúa giảm sâu 62,03% (-4.655,44 ha), đất ở đô thị tăng trưởng nóng 47,96% (+5.615,35 ha), cùng với sự tái cấu trúc giữa rừng phòng hộ sang rừng sản xuất (+9.473 ha). Những dữ liệu không gian này là cơ sở khoa học giá trị giúp các nhà quản lý địa phương hoạch định chính sách sử dụng đất hợp lý, cân bằng giữa bài toán tăng trưởng kinh tế đô thị và bảo tồn sinh thái rừng bền vững. Các nhà nghiên cứu và cơ quan quản lý có thể kế thừa trực tiếp quy trình và cơ sở dữ liệu này để mở rộng cho các giai đoạn quy hoạch tiếp theo.