Nghiên cứu các chỉ số nhận biết nước từ ảnh Sentinel-2 trên nền Google Earth Engine: Áp dụng cho thành phố Sa Đéc, tỉnh Đồng Tháp
20/07/2023Bài báo này trình bày các kết quả nghiên cứu ba chỉ số NDWI, MNDWI và WNDWI cho nhận biết, phân biệt và giải đoán pixel có nước và không nước từ ảnh Sentinel-2 trong thành phố Sa Đéc, tỉnh Đồng Tháp trên nền Google Earth Engine. Bộ lọc thông cao trước tiên được áp dụng để đồng nhất độ phân giải theo không gian cho dải băng hồng ngoại sóng ngắn (SWIR) từ 20 về 10 m trong vùng nghiên cứu. Các diện tích nước và không phải nước trong miền quan tâm sau đó được số hóa trực tiếp từ Google Earth sử dụng công cụ GIS để tạo bộ dữ liệu tham chiếu. Tiếp theo, phân tích độ nhạy của giá trị ngưỡng và hệ số trọng số được thực hiện khi sử dụng chỉ số WNDWI, kết quả thể hiện rằng giá trị -0.11 và 0.50 được xác định tương ứng cho giá trị ngưỡng và hệ số trọng số. Sai số tổng thể, hệ số kappa, sai số EC và EO lần lượt tương ứng là 0,98, 0,85, 0,015 và 0,006. Trong số ba chỉ số đã chọn, chỉ số WNDWI và MNDWI phù hợp nhất để phát hiện các vùng nước trong khu vực nghiên cứu, với sai số tổng thể > 0,98 và hệ số kappa > 0,84. Cuối cùng, khả năng và hiệu quả của việc ứng dụng GEE cho việc giải đoán ảnh cũng được thảo luận.
1. GIỚI THIỆU CHUNG
2. DỮ LIỆU VÀ PHƯƠNG PHÁP
2.1. Vùng nghiên cứu và dữ liệu ảnh Sentinel-2 cho vùng nghiên cứu
2.2. Sơ đồ quá trình thực hiện trên nền GEE
2.3. Bộ lọc thông cao cho đồng nhất độ phân giải theo không gian của các ban
2.4. Các chỉ số nước
2.5. Đánh giá độ chính xác
3. KẾT QUẢ VÀ THẢO LUẬN
3.1. Ảnh hưởng của giá trị ngưỡng và hệ số trọng số
3.2. Kết quả phân biệt nước và không nước từ các chỉ số
4. KẾT LUẬN
TÀI LIỆU THAM KHẢO
[1]. Bart S., Nandin-Erdene T., Vollrath A., Reiche J. (2020). Mapping wetland characteristics using temporally dense Sentinel-1 and Sentinel-2 data: A case study in the St. Lucia wetlands, South Africa. Int. J. Appl. Earth Obs. Geoinformation, 86, 102009.
[2]. Douglas K.B., Gray J.M., Melaas E.K., Moon M., Eklundh L., Friedl M.A. (2020). Continental-scale land surface phenology from harmonized Landsat 8 and Sentinel-2 imagery. Remote Sensing of Environment, 240, 111685, 1-16.
[3]. Bar, S., Parida, B.R., Chandra Pandey, A. (2020). Landsat-8 and Sentinel-2 based Forest fire burn area mapping using machine learning algorithms on GEE cloud platform over Uttarakhand, Western Himalaya. Remote Sensing Applications: Society and Environment, doi:https://doi.org/10.1016/j.rsase.2020.100324.
[4]. Du Y, Zhang Y, Ling F, Wang Q, Li W, Li X (2016). Water bodies’ mapping from Sentinel-2 imagery with modified normalized difference water index at 10-m spatial resolution produced by sharpening the SWIR band. Remote Sensing, 8, 354.
[5]. Xu H. (2006). Modification of Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery. International Journal of Remote Sensing, 27, 3025–3033.
[6]. Gorelick N., Matt HanCher, Mike Dixon, Simon Ilyushchenko, David Thau, Rebecca Moore (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Enviroment, 202, 18-27.
________________________________________________________________________________________________
Chi tiết bài báo xem tại đây: Nghiên cứu các chỉ số nhận biết nước từ ảnh Sentinel-2 trên nền Google Earth Engine: Áp dụng cho thành phố Sa Đéc, tỉnh Đồng Tháp
Phạm Văn Chiến
Trường Đại học Thủy lợi
TẠP CHÍ KH&CN THỦY LỢI
Ý kiến góp ý:
