Ứng dụng thuật toán máy học SVM và ảnh Sentinel-2 phân tích đô thị hóa quận Cái Răng, thành phố Cần Thơ
Nguyễn Minh Hiếu,Mai Linh Cảnh
Tóm tắt
Mục tiêu của nghiên cứu này nhằm ứng dụng phương pháp thuật toán học máy SVM phân loại ảnh Sentinel-2 phân tích xu hướng đô thị hóa, cung cấp cơ sở dữ liệu cho công tác quản lý và xây dựng chiến lược phát triển không gian đô thị tại quận Cái Răng, thành phố Cần Thơ. Nghiên cứu được thực hiện trong giai đoạn 2015-2024. Dữ liệu được phân loại thành bốn kiểu sử dụng đất: đất đô thị, cây hàng năm, cây lâu năm và sông, rạch. Kết quả cho thấy diện tích đất đô thị tăng mạnh từ 1.778,10 ha (26,31%) năm 2015 lên 2.450,73 ha (36,26%) năm 2024, tương đương mức tăng 672,63 ha (37,83%). Các phường có diện tích đất đô thị tăng cao nhất là Tân Phú (154,58 ha), Thường Thạnh (152,00 ha) và Phú Thứ (150,49 ha). Phân tích chỉ số mở rộng cảnh quan (LEI) cho thấy hình thái đô thị chủ yếu theo dạng mở rộng cạnh, chiếm 64,6%, tiếp theo là mở rộng trong (34,82%) và mở rộng ngoài (0,59%). Đây là xu hướng phổ biến tại các khu vực tiếp giáp vùng đô thị hiện hữu. Độ chính xác tổng thể trong phân loại kiểu sử dụng đất đạt 89,2% vào năm 2015 và 91,7% vào năm 2024, với hệ số Kappa tương ứng là 0,85 và 0,87, cho thấy mức độ tin cậy cao. Phương pháp thuật toán học máy SVM phân loại ảnh Sentinel-2 được chứng minh là hiệu quả, phù hợp với điều kiện dữ liệu hạn chế, góp phần cung cấp cơ sở khoa học phục vụ quy hoạch và quản lý đô thị bền vững.
Từ khóa: Đô thị hóa, GIS, Phân loại sử dụng đất, Sentinel-2, thuật toán học máy SVM
Abstract
The objective of this study was to apply the Support Vector Machine (SVM) algorithm for classifying Sentinel-2 multispectral imagery to analyze urbanization dynamics in Cai Rang District, Can Tho City, over the period from 2015 to 2024. Land cover was categorized into four classes: urban land, annual crops, perennial crops, and water bodies. The results reveal a substantial increase in urban land area from 1,778.10 ha (26.31%) in 2015 to 2,450.73 ha (36.26%) in 2024, representing a net gain of 672.63 ha (37.83%). The wards experiencing the most significant urban expansion were Thuong Thanh (152.00 ha), Tan Phu (154.58 ha), and Phu Thu (150.49 ha). Landscape Expansion Index (LEI) analysis indicates that urban growth predominantly occurred through edge-expansion (64.6%), followed by infilling (34.82%), and outlying expansion (0.59%), reflecting a common pattern of urban sprawl adjacent to existing built-up areas. The overall classification accuracy reached 89.2% in 2015 and 91.7% in 2024, with corresponding Kappa coefficients of 0.85 and 0.87, indicating high reliability. The integration of the SVM algorithm with Sentinel-2 data proves to be highly effective and appropriate in data-scarce contexts, providing a robust scientific foundation for urban spatial planning and sustainable land management.
Keywords: GIS, Land use classification, Sentinel-2, Support Vector Machine, urbanization