Số báo hiện thời

Tóm tắt:

               Để phục vụ công tác tính toán bồi thường và trực quan hóa thông tin liên quan đến giải phóng mặt bằng, bài báo này ứng dụng các thư viện Python mã nguồn mở kết hợp với công nghệ hệ thống thông tin địa lý (GIS), được triển khai thực nghiệm tại tuyến đường nông thôn thuộc ấp Gò Xoài, xã Tân Trung, thành phố Gò Công, tỉnh Tiền Giang. Kết quả cho thấy sự tích hợp giữa GIS và Python đã mang lại hiệu quả rõ rệt trong việc xử lý dữ liệu, phân tích không gian nhằm xác định nhanh chóng phạm vi thu hồi đất, tính toán giá trị bồi thường và trực quan hóa thông tin thông qua bản đồ giá trị sử dụng đất cùng với các biểu đồ thống kê. Trong đó, loại đất chuyên trồng lúa nước (LUC) chiếm tỷ trọng cao nhất, với 57,3% tổng giá trị bồi thường toàn khu vực, vượt trội so với hai loại đất còn lại là đất trồng cây lâu năm (CLN) và đất ở nông thôn (ONT). Qua đây cho thấy phương pháp tiếp cận không chỉ phù hợp với yêu cầu quy hoạch và quản lý đất đai tại các vùng nông thôn đang phát triển hạ tầng, mà còn góp phần thúc đẩy tiến trình chuyển đổi số và hiện đại hóa công tác quản lý nhà nước về đất đai.

Tóm tắt:

               Việc theo dõi sự thay đổi mặt nước theo thời gian đóng vai trò quan trọng trong việc hiểu rõ sự thay đổi hình thái sông và hỗ trợ công tác quản lý tài nguyên nước một cách bền vững, đặc biệt trong bối cảnh biến đổi khí hậu. Bài báo này trình bày quá trình xây dựng một công cụ tự động bằng phần mềm ArcGIS Pro nhằm trích xuất và phân tích sự thay đổi mặt nước từ ảnh viễn thám quang học Landsat. Phương pháp sử dụng tỷ số giữa kênh Green và SWIR được áp dụng để xác định mặt nước tại bốn thời điểm trong giai đoạn 1995–2024 trên sông Trà Khúc, thuộc thành phố Quảng Ngãi. Kết quả cho thấy có sự biến đổi hình thái rõ rệt, đặc biệt ở khu vực hạ lưu. Giai đoạn 1995–2005, dòng sông có xu hướng thu hẹp do bồi lắng và hình thành các doi cát. Ngược lại, giai đoạn 2005–2015 ghi nhận sự mở rộng mặt nước đáng kể, chủ yếu do hoạt động nạo vét gây xói lở bờ sông. Xu hướng này tiếp tục kéo dài đến năm 2024, với diện tích mặt nước tăng, bao phủ các doi cát thấp. Công cụ được phát triển đã chứng minh tính hiệu quả trong việc giám sát sự thay đổi thủy văn bằng ảnh viễn thám, cung cấp dữ liệu kịp thời phục vụ công tác quản lý sông và ứng phó với biến đổi khí hậu.

Tóm tắt:

               Mục đích của nghiên cứu này là xác định sự khác nhau giữa dị thường độ cao và độ cao geoid ở Việt Nam. Các công thức tính toán dị thường độ cao, độ cao geoid và sự khác nhau giữa chúng đã được tìm hiểu. Thực nghiệm được tiến hành trên khu vực Việt Nam có giới hạn độ vĩ B: 8ºN - 24ºN; độ kinh L: 102ºE - 114ºE với số liệu từ mô hình trường trọng lực toàn cầu SGG-UGM-2 và mô hình địa hình ETOPO1. Kết quả thực nghiệm cho thấy: Trên khu vực nghiên cứu, độ cao geoid tăng dần theo hướng Tây Bắc - Đông Nam, có giá trị âm ở phía Tây Bắc, giá trị dương ở phía Đông Nam, và có giá trị nhỏ hơn dị thường độ cao. Sự khác nhau giữa dị thường độ cao và độ cao geoid biến thiên từ 0 đến 0,445 m, có giá trị cỡ decimet ở các khu vực miền núi, có giá trị nhỏ cỡ centimet và nhỏ hơn ở các khu vực đồng bằng, và có giá trị bằng không trên Biển Đông. Nghiên cứu này cung cấp những hiểu biết về sự khác nhau giữa geoid và quasigeoid trên lãnh thổ và lãnh hải Việt Nam.

Tóm tắt:

Quá trình đô thị hóa đã làm gia tăng diện tích bề mặt không thấm, gián tiếp gây áp lực lên hệ sinh thái xanh đô thị tại thành phố Thủ Đức. Bài báo này sử dụng ảnh vệ tinh Sentinel-2 tại thời điểm 2019 và 2024, kết hợp thuật toán Random Forest trên nền tảng Google Earth Engine, nhằm xây dựng bản đồ không gian xanh TP. Thủ Đức và phân tích biến động trong giai đoạn nghiên cứu. Kết quả cho thấy không gian xanh năm 2024 có xu hướng suy giảm so với năm 2019, tập trung tại các khu vực ven sông và phía Đông thành phố. Việc tích hợp Machine Learning trong phân loại ảnh vệ tinh đã góp phần nâng cao độ chính xác, tự động hóa xử lý dữ liệu lớn và hỗ trợ hiệu quả công tác giám sát không gian xanh trong bối cảnh đô thị hóa và biến đổi khí hậu ngày càng gia tăng.

Từ khoá: Biến động, Google Earth Engine, không gian xanh, Machine Learning, Sentinel 2

Hoàng Anh Thế

Viện Nông nghiệp và Tài nguyên, trường Đại học Vinh

Vũ Văn Chất

Hội Trắc địa – Bản đồ - Viễn thám Việt Nam