Luận văn ThS: Nghiên cứu và ứng dụng học máy trong phân lớp lúa sử dụng ảnh viễn thám

Luận văn Nghiên cứu và ứng dụng học máy trong phân lớp lúa sử dụng ảnh viễn thám trình bày về cơ sở lý thuyết viễn thám, các phương pháp học máy ứng dụng trong bài toán phân lớp lúa. Từ đó tiến hành đánh giá hiệu quả của các loại dữ liệu viễn thám và các phương pháp học máy để xây dựng phương pháp giám sát lúa liên tục trên khu vực Đông bằng Sông Hồng.

Luận văn ThS: Nghiên cứu và ứng dụng học máy trong phân lớp lúa sử dụng ảnh viễn thám

1. Mở đầu

1.1 Đặt vấn đề

Lúa gạo là một trong những cây trồng quan trọng nhất đối với an ninh lương thực toàn cầu, với 90% tiện tích trồng lúa (tương đương khoảng 140 triệu héc-ta) tập trung ở châu Á. Cây lúa thường xuyên chịu ảnh hưởng bởi các nguy cơ gây thiệt hại như hạn hán, lũ lụt và mưa bão nhiệt đới. Điều quan trọng trong sản xuất lúa gạo là cần có thông tin kịp thời và chính xác về diện tích gieo trồng, sự phát triển của lúa và những thiệt hại do thiên tai. Ngoài ra, trong quản lý điều hành chỉ đạo sản xuất lúa, nếu có được những thông tin đầy đủ về các khía cạnh liên quan đến sản xuất lúa sẽ góp phần làm tăng hiệu quả và hiệu lực ra quyết định chỉ đạo của cơ quan quản lý Nhà nước, cũng như ra quyết định ứng phó của các hộ sản xuất đối với các biến động của thiên tai. Hiện nay, việc sử dụng công nghệ viễn thám trong các bài toán giám sát môi trường, bề mặt lớp phủ mặt đất đã và đang được áp dụng rất rộng rãi trên thế giới. Lúa được coi là một loại bề mặt lớp phủ phổ biến đối với các đất nước có nền nông nghiệp chủ chốt như  Việt Nam. Việc áp dụng công nghệ viễn thám trong việc phát hiện, giám sát lúa được triển khai rộng rãi trên thế giới bằng nhiều phương pháp khác nhau.

1.2 Mục tiêu và phạm vi nghiên cứu

Mục tiêu nghiên cứu:

  • Lập bản đồ lúa theo thời gian gieo cấy (lúa sớm, lúa muộn, lúa chính vụ), 
  • Lập bản đồ lúa theo số mùa vụ gieo trồng. 
  • Lập bản đồ lúa thông thường (lúa và không phải lúa)

Phạm vi thực hiện lập bản đồ lúa là 11 tỉnh trên khu vực Đồng bằng Sông Hồng. Hai loại dữ liệu vệ tinh quang học (Landsat-8) và radar (Sentinel-1A) được triển khai và đánh với phương  pháp tiếp cận dựa trên nghiên cứu đặc trưng sinh trưởng của lúa trên khu vực nghiên cứu.

2. Nội dung

2.1 Cơ sở lí thuyết

Giới thiệu về viễn thám 

  • Giới thiệu chung 
  • Phân loại viễn thám  

Ảnh viễn thám 

  • Ảnh Landsat 8
  • Ảnh Sentinel 1A 

Phương pháp học máy trong bài toán phân lớp lúa

  • Support Vector Machine 
  • XGBoost

2.2 Đề xuất phương pháp

Khu vực nghiên cứu

Thu thập dữ liệu

  • Dữ liệu tham chiếu 
  • Ảnh vệ tinh Landsat 8 
  • Ảnh vệ tinh Sentinel 1A 

Đề xuất phương pháp 

Đánh giá kết quả 

  • Đánh giá với dữ liệu kiểm tra 
  • Đánh giá với số liệu thống kê
  • Đánh giá bản đồ trực quan 
  • Đánh giá với các nghiên cứu liên quan

2.3 Thực nghiệm và kết quả

Kết quả phân lớp 

  • Phân lớp lúa sử dụng ảnh Landsat 8 
  • Phân lớp lúa sử dụng ảnh Sentinel 1A 
  • Nhận xét về phân lớp lúa sử dụng Landsat 8 và Sentinel 1A 

Đánh giá trực quan 

Đánh giá độ chính xác dựa trên các nghiên cứu liên quan

3. Kết luận

Với nhiều tính năng vượt trội hơn như không bị ảnh hưởng bởi điều kiện thời tiết, điều kiện ngày đêm, độ phân giải không gian và thời gian. Ảnh vệ tinh Sentinel 1A đã đem lại kết quả phân lớp cao hơn so với ảnh LandSat 8. Do vậy dữ liệu Sentinel 1A được chọn sử dụng cho bài toán giám sát lúa liên tục trên khu vực Đồng bằng Sông Hồng. Kết quả độ chính xác của bản đồ lúa một vụ sử dụng dữ liệu đặc trưng VVVH là 90.5%. Cũng với đặc trưng VVVH,  bản đồ lúa một tháng, hai tháng và ba tháng được thành lập để giám sát định kỳ với độ chính xác lần lượt là 83,98%, 87,3% và 89.1%. Nội dung nghiên cứu trong luận văn cũng chỉ ra rằng, phương pháp lấy mẫu, dữ liệu huấn luyện và phương pháp phân lớp và đặc tính dữ liệu ảnh vệ tinh ảnh hưởng mạnh mẽ đến kết quả phân lớp cũng như kết quả bản đồ lúa. 

4. Tài liệu tham khảo

K. Okamoto and H. Kawashima, “Estimation of rice-planted area in the tropical zone using a combination of optical and microwave satellite sensor data,” Int. J. Remote Sens., 1999, vol. 20, no. 5, pp. 1045-1048

T. Le Toan et al., “Rice crop mapping and monitoring using ERS-1 data based on experiment and modeling results,” IEEE Trans. Geosci. Remote Sens. , 1997, VOL. 35, NO. 1, pp 41 - 56

I. W. Nuarsa, F. Nishio, C. Hongo, and I. G. Mahardika, “Using variance analysis of  multitemporal MODIS images for rice field mapping in Bali Province, Indonesia,”  Int. J. Remote Sens. , 2012, Vol. 33, No. 17, pp. 5402 - 5417

 X. Xiao et al.,  “Mapping paddy rice agriculture in southern China using multi- temporal MODIS images,” Remote Sens. Environ., 2005, pp 480 - 492

G. Manfron, A. Crema, M. Boschetti, and R. Confalonieri, “Testing automatic procedures to map rice area and detect phenological crop information exploiting time series analysis of remote sensed MODIS data,” in SPIE Remote Sensing, 2012, Vol. 8531, pp. 85301 - 85311...

--- Nhấn nút TẢI VỀ hoặc XEM ONLINE để tham khảo đầy đủ nội dung Luận văn Thạc sĩ trên ---

Ngày:19/08/2020 Chia sẻ bởi:

CÓ THỂ BẠN QUAN TÂM