Ứng dụng kỹ thuật GIS và viễn thám để phân tích sự thay đổi sử dụng đất: Trường hợp huyện Phú Giáo, tỉnh Bình Dương

ỨNG DỤNG KỸ THUẬT GIS VÀ VIỄN THÁM
ĐỂ PHÂN TÍCH SỰ THAY ĐỔI SỬ DỤNG ĐẤT:
TRƯỜNG HỢP HUYỆN PHÚ GIÁO, TỈNH BÌNH DƯƠNG
Nguyễn Vĩnh Hòa1, Lê Trọng Diệu Hiền2, Nguyễn Thị Thanh Thảo3
1. Email: 2. Email:
3. Email: vn
TĨM TẮT
Phát hiện thay đổi bằng số hóa là một kỹ thuật hiệu quả sử dụng hình ảnh vệ tinh đa thời
gian cho phân tích thay đổi cảnh quan. Bài nghiên cứu này đánh giá sự thay đổi đất sử dụng ở
huyện Phú Giáo, tỉnh Bình Dương, Việt Nam trong khoảng thời gian năm năm từ năm 2015
đến năm 2020. Các dữ liệu ảnh Landsat TM của các năm từ 2015 đến 2020 đã được thu thập
trên trang web nghiên cứu Địa chất Hoa Kỳ (USGS). Sau đó, các hình ảnh giám sát được phân
thành năm lớp bao gồm cả cây trồng lâu năm, cây trồng hàng năm, đất đô thị cằn cỗi và vùng
nước sử dụng phương pháp phân loại Maximum Likelihood, và lập bản đồ bằng sử dụng phần
mềm ArcGIS. Kết quả cho thấy rằng trong suốt 5 năm, diện tích đất trồng cây lâu năm, đất đơ
thị đã được tăng tương ứng là 39,83% và 10,32%, trong khi đất trống và vùng nước giảm
1,38% và 5,35%. Đất trồng cây hàng năm giảm mạnh 43,43%
Từ khóa: Đơ thị hóa, hình ảnh Landsat, viễn thám, GIS, thay đổi sử dụng đất.

1. GIỚI THIỆU
Vỏ trái đất là lớp vỏ vật lý trên bề mặt trái đất được gói gọn trong sự phân bố của thực
vật, nước, đất và các đặc điểm khác của đất bao gồm cả các hoạt động của con người....Việc sử
dụng đất đã được thay đổi theo cách mà con người đã sử dụng nó cho các hoạt động của họ.
Theo (Ruiz-Luna & Berlanga-Robles, 2003), (Turner & Ruscher, 1988), sự thay đổi trong sử
dụng đất là một q trình phổ biến và nhanh chóng. Thơng tin thu thập được từ phân tích sử
dụng đất được dùng để hiểu được sự thay đổi và tương tác giữa các hoạt động của con người
và hiện tượng tự nhiên. Bên cạnh đó, nó cũng giúp các nhà quản lý trong việc lựa chọn quy
hoạch, quản lý đất đai phù hợp, cải thiện quyết định và thực hiện các đề án sử dụng đất để đáp
ứng nhu cầu cho các nhu cầu và phúc lợi cơ bản của con người (Mohamed, 2012).
Viễn thám vệ tinh đã được coi là một công nghệ lý tưởng trong nghiên cứu vì phân loại,
lập bản đồ và phát hiện thay đổi độ che phủ diện tích đất cho quy mô lớn (Iverson, Cook, &

Graham, 1989), (Ozesmi, Bauer, & management, 2002). Một số cải tiến trong độ phân giải thời
gian không gian đã được chứng kiến bởi cảm biến từ xa. Sự thay đổi trong sử dụng đất đã được
phân tích chi tiết để cải thiện việc lựa chọn các khu vực có thiết kế cho các khu vực nông
nghiệp, đô thị hoặc công nghiệp của một khu vực dựa trên việc phát minh ra công nghệ hệ
thống viễn thám và hệ thống thông tin địa lý (GIS) (Selỗuk et al., 2003). Vic ỏp dng cỏc công
327


cụ này để nghiên cứu sự thay đổi trong sử dụng đất là một phương pháp ít tốn thời gian hơn,
chi phí thấp và chính xác hơn (Kachhwala, 1985). Hơn nữa, sự liên kết của hai công cụ cung
cấp cho phân tích dữ liệu, lưu trữ, cập nhật và truy xuất (Cihlar, 2000). Một trong những ứng
dụng quan trọng nhất của viễn thám là lập bản đồ cho người đọc thấy sự thay đổi trong việc sử
dụng đất một cách trực quan.
Nhiều nghiên cứu liên quan đến việc trao đổi sử dụng đất đã được thực hiện bởi nhiều
nhà nghiên cứu trên thế giới như các nghiên cứu của (Diallo, Hu, & Wen, 2009), (Nguyễn H.K.,
2012), (El-Asmar, Hereher, El Kafrawy, & Science, 2013), (Butt, Shabbir, Ahmad, Aziz, &
Science, 2015), (Diem, Sitthi, Pimple, Pungkul, & Journal, 2015).
Phú Giáo là một huyện nơng thơn của tỉnh Bình Dương ở khu vực Đơng Nam Bộ. Huyện
có diện tích 53.861 km². Huyện này có chung biên giới với huyện Tân Uyên ở phía đông nam,
huyện Bến Cát ở phía tây xã Vĩnh Cửu (một xã của tỉnh Đồng Nai) ở phía đơng (Hình 1). Dân
số của huyện Phú Giáo là 90.315 vào năm 2015 và khoảng 85% dân số đang làm việc trong
lĩnh vực nơng nghiệp (Văn phịng UBND H.Phú Giáo).
Trong bài viết này, cho thấy những thay đổi trong sử dụng đất ở Phú Giáo, Bình Dương
trong khoảng thời gian 5 năm từ 2015 đến 2020.
2. NỘI DUNG
2.1. Chuẩn bị cơ sở dữ liệu
Hai hình ảnh Landsat của hai năm 2015 và 2020 với độ phân giải 30m đã được sử dụng
để phân loại những thay đổi sử dụng đất trong nghiên cứu này. Các hình ảnh vệ tinh bao gồm
khu vực nghiên cứu được lấy từ hệ thống khám phá trái đất UGSG ((USGS)). Những dữ liệu
này được nhập đưa vào ArcGIS. Thơng số kỹ thuật của các hình ảnh vệ tinh thu được để phân

tích được tóm tắt trong Bảng 1.
Bảng 1. Thông số kỹ thuật dữ liệu vệ tinh
Ngày và năm
Kênh
Độ phân giải (m)
Nguồn

Landsat 7 TM
11/12/2015
Đa phổ
30
USGS glovis

Landsat 8 TM
23/03/2020
Đa phổ
30
USGS glovis

2.2 Phân loại hình ảnh
Trong nghiên cứu này, các tác giả đã áp dụng kỹ thuật phân loại có giám sát để phân loại
hai hình ảnh Landsat ngày tháng bằng cách sử dụng thuật toán tối đa khả năng. Kỹ thuật phân
loại có giám sát được ưa thích vì sự sẵn có của nguồn dữ liệu nghiên cứu khu vực và tác giả
cũng thực hiện một chuyến đi thực địa để xác định lại.
Theo (Wu & Shao, 2002), (McIver & Friedl, 2002) thuật toán tối đa khả năng là một
trong những chức năng được sử dụng rộng rãi nhất trong phân loại có giám sát với độ chính
xác cao (Mengistu, Salami, & Technology, 2007; Reis, 2008). Các bản đồ thay đổi sử dụng đất
(LULC) được chia thành năm lớp: 1.Cây lâu năm (Perennial plants), 2.Cây hàng năm (Annual
plants), 3.Đất trống (Barren), 4.Đất đô thị (Urban land), 5.Nước (Water body) (Bảng 2).
328

Hình 1. Vị trí địa lý của Phú Giáo
2.3. Đánh giá độ chính xác
Để kiểm tra độ chính xác của phân loại, một ma trận lỗi đã được xây dựng. Ma trận lỗi là
một đánh giá về các điểm được chỉ định trước và quan sát (dữ liệu trường) bằng cách sử dụng
các điểm cách khác nhau (Hình 2). Từ ma trận, ba tiêu chí tiêu chuẩn bao gồm: độ chính xác
của nhà sản xuất (Producer’s accuracy), độ chính xác của người dùng (User’s accuracy) và tổng
độ chính xác (Total accuarcy) đã được tính toán để đánh giá độ chính xác của phân loại. Độ
chính xác của người dùng là tỷ lệ các pixel được phân loại chính xác trong tổng số pixel được
phân loại trong lớp đó.
Tiêu chí này chỉ ra xác suất mà một pixel được phân loại thực sự đại diện cho thể loại đó
trong thực tế (Diallo et al., 2009). Mặt khác, độ chính xác tổng thể đã được định nghĩa là tỷ lệ
của tổng số pixel được phân loại chính xác trong tổng số pixel tham chiếu (Rogan, Franklin, &
Roberts, 2002). Ngoài ra, hệ số Kappa cũng được xác định bởi công thức 1.

(công thức 1)
Trong đó T là độ chính xác tổng thể.
Thống kê Kappa ước tính là K phản ánh sự khác biệt giữa thỏa thuận thực tế và thỏa thuận
dự kiến của cơ hội. Ví dụ, Kappa là 0,85 có nghĩa là có 85% thỏa thuận tốt hơn so với chỉ tình cờ.
329


Bảng 2. Phân loại sử dụng đất
STT
1
2
3
4
5

Sử dụng đất
Cây hàng năm
Cây lâu năm
Đất trống
Đất đô thị
Nước

Mô tả
Đất cho cây trồng dưới một năm tuổi.
Đất cho cây trồng hơn một năm tuổi.
Khu vực đất cằn cỗi.
Khu vực có dân cư, thương mại, công nghiệp, giao thông.
Các khu vực được bao phủ bởi nước như sông và hồ.

Ảnh Landsat
2015

Ảnh Landsat
2020
Phân loại được giám sát

Kết quả của việc phân loại được giám sát
Đánh giá độ chính xác của việc phân loại
Bản đồ sử dụng đất năm 2015

Bản đồ sử dụng đất năm 2020
Chồng lớp
Bản đờ sự thay đởi sử dụng
đất từ 2015~2020

Hình 2. Quá trình lập bản đồ thay đổi sử dụng đất trong thời gian 5 năm từ 2015 đến 2020

3a

3b
Hình 3. Phân loại sử dụng đất năm 2015 (trái) và năm 2020 (phải)

2.4. Kết quả và thảo luận
2.4.1. Kết quả phân loại
Bản đồ phân loại của huyện Phú Giáo, tỉnh Bình Dương, Việt Nam của hai năm 2015 và
2020 đã được đưa ra trong Hình 3a và 3b. Tổng số phân loại là 99,03% và 96,06% và hệ số kappa
lần lượt là 0,9875 và 0,9501 cho năm 2015 và 2020. Những tiêu chí này cho thấy có độ chính xác
330


cao trong phân loại trong nghiên cứu hiện tại vì báo cáo đánh giá độ chính xác đòi hỏi độ chính
xác tổng thể và hệ số kappa phân loại trên 90% và 0,9 cho phù hợp (Lea & Curtis, 2010).
2.4.2. Tính tốn việc chuyển mục đích sử dụng đất
Việc phân loại trong hai năm 2015 và 2020 đã được thực hiện trong phần mềm ArcGIS
và kết quả được tóm tắt trong Bảng:
Bảng 3. Kết quả phân loại năm 2015 và 2020

Cây hàng năm
Cây lâu năm
Đất đô thị
Đất trống
Nước
Tổng số

CHN
CLN
ĐNO
CSD
SON

Năm 2015
Khu vực (ha)
24585.84
21839.82
2271.04
2245.32
3646.34
54588,35

Phần (%)
45.04(%)
40.01(%)
4.16(%)
4.11(%)
6.68(%)
100 (%)

Khu vực (ha)
880.63
43582.50
7905.20
1494.23
725.79
54588,35

Năm 2020
Phần (%)
1.61(%)
79.84(%)
14.48(%)
2.74(%)
1.33(%)
100 (%)

Bảng 4: Ma trận thay đổi sử dụng đất 2015 – 2020 (Đơn vị: ha)
Loại đất

Ký
hiệu

Tổng diện tích
Cây hàng
CHN
năm
Cây lâu năm CLN
Đất đô thị
ĐNO
Đất trống
CSD
Nước
SON

2015

Thay đổi độ che phủ đất 2015
Cây thường Cây lâu
Đất đơ thị Đất trống Nước
niên
năm

2020
Thay đổi

54588,35

54588,35

24585,84

371,25

19523

4121,3

367,18

203,12

-23705,24

880,63

21839,82

2271,04
2245,31
3646,34

340,27
33,99
114,49
20,61

18074,6
1725,87
1602,16
2656,87

2395,15
467,03
396,69
525,03

943,17
33,35
129,32
21,2

86,6
10,8
2,65
422,62

21742,71

5634,16
751,09
-2920,55

43582,5
7905,2
1494,23
725,19

Hình 4. Bản đồ chuyển đổi mục đích sử dụng đất từ năm 2015 và 2020
331


Trong đó, diện tích cây trồng lâu năm, cây trồng hàng năm tương ứng là 21.839,82 ha; và
24.585,84 ha. Khu đơ thị vẫn cịn rất ít (2271,04 ha). Đất chưa sử dụng (barren) diện tích là
2245,32 ha). Năm 2015, do q trình cơng nghiệp hóa và hiện đại hóa, đã có sự thay đổi trong
sử dụng đất. Cây lâu năm cây trồng có giá trị kinh tế cao tăng khoảng gấp đôi trong năm 2020.
Hơn nữa, đất đô thị là diện tích ít nhất trong các lớp vào năm 2015, tăng trong năm 2017
từ 4,16% lên 14,48%. Bên cạnh đó, năm 2017 chứng kiến sự sụt giảm đất cằn cỗi và nước tương
ứng là 1,37% và 5,35%. Để hiểu được sự lấn chiếm đất đai đối với các loại đất khác nhau trong
khoảng thời gian năm năm từ 2015 đến 2020, một ma trận thay đổi đã được xây dựng (Bảng 4).
Cuối cùng, một bản đồ về sự thay đổi trong sử dụng đất đã được thiết lập (Hình 4).
3. KẾT LUẬN
Nghiên cứu này thành công trong việc phân loại bìa đất ở Phú Giáo với hệ số Kappa lần
lượt là 0,9875 và 0,9501 cho năm 2015 và 2020. Tổng số phân loại là 99,03% cho năm 2015
và 96,06% cho năm 2020. Như chúng ta có thể thấy từ việc tái cơ cấu, có sự gia tăng nhất quán
về cây trồng và đô thị hàng năm ở xã Phú Giáo từ năm 2015 đến năm 2020. Khu vực đô thị
được dự đoán sẽ phát triển cao hơn nhiều trong tương lai do q trình cơng nghiệp hóa và gia
tăng dân số trong khi diện tích mặt nước có xu hướng giảm. Bên cạnh đó, viễn thám vệ tinh và
GIS là công nghệ hữu ích để phân tích việc sử dụng đất và thay đổi độ che phủ đất. Do đó, ứng

dụng này sẽ ít tốn thời gian hơn, hiệu quả về chi phí, ít phương pháp hạn chế và kết quả tốt hơn
để hỗ trợ cho người ra quyết định.

TÀI LIỆU THAM KHẢO
1. (USGS), C. q. K. s. Đ. c. H. K., .
2. Butt, A., Shabbir, R., Ahmad, S. S., Aziz, N. J. T. E. J. o. R. S., & Science, S. (2015). Land use
change mapping and analysis using Remote Sensing and GIS: A case study of Simly watershed,
Islamabad, Pakistan. 18(2), 251-259.
3. Cihlar, J. J. I. j. o. r. s. (2000). Land cover mapping of large areas from satellites: status and research
priorities. 21(6-7), 1093-1114.
4. Diallo, Y., Hu, G., & Wen, X. J. J. o. A. S. (2009). Applications of remote sensing in land use/land
cover change detection in Puer and Simao Counties, Yunnan Province. 5(4), 157-166.
5. Diem, P. K., Sitthi, A., Pimple, U., Pungkul, S. J. S. S. S., & Journal, T. (2015). Mapping Land
Cover Dynamics in Nakhon Nayok Province of Thailand. 1.
6. El-Asmar, H. M., Hereher, M. E., El Kafrawy, S. B. J. T. E. J. o. R. S., & Science, S. (2013). Surface
area change detection of the Burullus Lagoon, North of the Nile Delta, Egypt, using water indices:
A remote sensing approach. 16(1), 119-123.
7. Iverson, L., Cook, E., & Graham, R. J. I. J. o. R. S. (1989). A technique for extrapolating and validating
forest cover across large regions calibrating AVHRR data with TM data. 10(11), 1805-1812.
8. Kachhwala, T. (1985). Temporal monitoring of forest land for change detection and forest cover
mapping through satellite remote sensing. Paper presented at the Proceedings of the 6th Asian Conf.
on Remote Sensing. Hyderabad, 1985.
9. Lea, C., & Curtis, A. J. N. r. r. N. N. N. P. S., Fort Collins, Colorado. (2010). Thematic accuracy
assessment procedures: National Park Service vegetation inventory, version 2.0.

332


10. McIver, D., & Friedl, M. J. R. s. o. E. (2002). Using prior probabilities in decision-tree classification
of remotely sensed data. 81(2-3), 253-261.

11. Mengistu, D. A., Salami, A. T. J. A. J. o. E. S., & Technology. (2007). Application of remote sensing
and GIS inland use/land cover mapping and change detection in a part of south western Nigeria.
1(5), 99-109.
12. Mohamed, E. J. N. S. (2012). Analysis of urban growth at Cairo, Egypt using remote sensing and
GIS. 2012.
13. Nguyễn H.K., L., Erasmi S.M., Kappas, M. (2012). Định lượng thay đổi sử dụng đất/che phủ và
phân mảnh cảnh quan tại thành phố Đà Nẵng, Việt Nam: 1979-2009. Lưu trữ quốc tế về quang trắc
học, viễn thám và Khoa học thông tin không gian, XXXIX-B8, 501-506.
14. Ozesmi, S. L., Bauer, M. E. J. W. e., & management. (2002). Satellite remote sensing of wetlands.
10(5), 381-402.
15. Reis, S. J. S. (2008). Analyzing land use/land cover changes using remote sensing and GIS in Rize,
North-East Turkey. 8(10), 6188-6202.
16. Rogan, J., Franklin, J., & Roberts, D. A. J. R. s. o. e. (2002). A comparison of methods for
monitoring multitemporal vegetation change using Thematic Mapper imagery. 80(1), 143-156.
17. Ruiz-Luna, A., & Berlanga-Robles, C. A. J. L. e. (2003). Land use, land cover changes and coastal
lagoon surface reduction associated with urban growth in northwest Mexico. 18(2), 159-171.
18. Selỗuk, R., Nisanci, R., Uzun, B., Yalcin, A., Inan, H., & Yomralioglu, T. (2003). Monitoring landuse changes by GIS and remote sensing techniques: case study of Trabzon. Paper presented at the
Proceedings of 2nd FIG Regional Conference, Morocco.
19. Turner, M. G., & Ruscher, C. L. J. L. e. (1988). Changes in landscape patterns in Georgia, USA.
1(4), 241-251.
20. Văn phòng UBND H.Phú Giáo, B. D., />21. Wu, W., & Shao, G. J. C. J. o. R. S. (2002). Optimal combinations of data, classifiers, and sampling
methods for accurate characterizations of deforestation. 28(4), 601-609.

333