Số báo hiện thời

Tóm tắt: Nghiên cứu được thực hiện nhằm đánh giá mức độ thích hợp đất đai cho phát triển cây cà gai leo trên địa bàn xã Ba Tơ, tỉnh Quảng Ngãi, góp phần cung cấp cơ sở khoa học cho công tác quy hoạch và phát triển vùng trồng dược liệu theo hướng bền vững. Trên cơ sở khung đánh giá đất đai của FAO kết hợp với phương pháp phân tích thứ bậc mờ (Fuzzy-AHP) và hệ thống thông tin địa lý (GIS), nghiên cứu đã xây dựng bản đồ đơn vị đất đai thông qua chồng xếp các lớp thông tin gồm loại đất, thành phần cơ giới, tầng dày đất, độ dốc và chế độ tưới. Trọng số các tiêu chí được xác định bằng phương pháp Fuzzy-AHP, các lớp dữ liệu được chuẩn hóa theo lý thuyết tập mờ và tích hợp trong môi trường GIS để thành lập bản đồ phân hạng thích hợp đất đai. Kết quả đánh giá trên diện tích 11.698,02 ha cho thấy đất đai tại xã Ba Tơ được phân thành bốn cấp thích hợp bao gồm rất thích hợp (S1), thích hợp trung bình (S2), ít thích hợp (S3) và không thích hợp (N). Các yếu tố hạn chế chủ yếu đối với phát triển cây cà gai leo là loại đất, tầng dày đất và thành phần cơ giới. Kết quả nghiên cứu đã xác định được các khu vực có tiềm năng phát triển cây cà gai leo, đồng thời cung cấp cơ sở khoa học quan trọng cho công tác quy hoạch sử dụng đất, bố trí không gian sản xuất và phát triển vùng dược liệu theo hướng hiệu quả và bền vững tại xã Ba Tơ, tỉnh Quảng Ngãi. 
 

Lê Duy Thành1, Trịnh Thị Hoài Thu1*, Bùi Thị Hồng Thắm1 , Trịnh Thị Loan2

1Trường Đại học Tài nguyên và Môi trường Hà Nội, Hà Nội, Việt Nam 2Công ty cổ phần khảo sát đo đạc và thiết kế Hưng Bình, Hà Nội, Việt Nam

Email tác giả liên hệ: tththu@hunre.edu.vn https://doi.org/10.5281/zenodo.xxxxxxxx

Tóm tắt:

Nghiên cứu này đánh giá hiệu quả của ba thuật toán học máy gồm Random Forest (RF), Support Vector Machine (SVM) và Naive Bayes (NB) trong phân loại lớp phủ bề mặt từ dữ liệu ảnh vệ tinh Sentinel-2 tại tỉnh Thái Nguyên. Dữ liệu ảnh được xử lý trên nền tảng Google Earth Engine (GEE), kết hợp các kênh phổ, chỉ số phổ, yếu tố địa hình và đặc trưng kết cấu ảnh để xây dựng tập dữ liệu đầu vào cho mô hình phân loại. Tổng cộng 18.524 pixel mẫu được sử dụng, trong đó 70% số mẫu dùng để huấn luyện và 30% dùng để đánh giá độ chính xác mô hình. Kết quả cho thấy sự khác biệt rõ rệt về hiệu quả phân loại giữa các thuật toán. RF đạt độ chính xác cao nhất với độ chính xác tổng thể (OA) 90,27% và hệ số Kappa 0,880; SVM cũng cho kết quả tốt với OA đạt 88,78% và Kappa 0,862. Trong khi đó, NB cho độ chính xác thấp hơn đáng kể với OA 37,41% và Kappa 0,238. Điều này cho thấy RF và SVM có khả năng mô hình hóa tốt các mối quan hệ phi tuyến giữa các biến phổ và lớp phủ bề mặt, trong khi giả định độc lập giữa các biến đầu vào của NB chưa phù hợp với đặc trưng phổ phức tạp của dữ liệu viễn thám đa phổ. Nghiên cứu khẳng định tiềm năng của việc kết hợp dữ liệu Sentinel-2 với các thuật toán học máy trên nền tảng GEE trong phân loại và xây dựng bản đồ lớp phủ bề mặt, đồng thời cung cấp cơ sở cho việc lựa chọn thuật toán phù hợp trong các nghiên cứu viễn thám.

Từ khóa: Sentinel-2, phân loại lớp phủ bề mặt, Random Forest, Support Vector Machine, GEE 
 

Bùi Thị Cẩm Ngọc1

1Trường Đại học Kinh tế - Đại học Quốc gia Hà Nội, Hà Nội, Việt Nam Email tác giả liên hệ: btcngoc@vnu.edu.vn

https://doi.org/10.5281/zenodo.21053850

Tóm tắt :

Bài báo nghiên cứu các yếu tố ảnh hưởng đến giá bất động sản tại phường Cầu Giấy, thành phố Hà Nội trong bối cảnh sáp nhập đơn vị hành chính và vận hành mô hình chính quyền hai cấp. Nghiên cứu sử dụng dữ liệu thứ cấp từ tài liệu quy hoạch, báo cáo kinh tế - xã hội và các nghiên cứu liên quan; đồng thời thu thập dữ liệu sơ cấp thông qua 150 phiếu khảo sát hợp lệ trong giai đoạn tháng 3-4/2026. Dữ liệu được xử lý bằng các phương pháp kiểm định độ tin cậy thang đo Cronbach’s Alpha, phân tích nhân tố khám phá (EFA), tương quan Pearson và hồi quy tuyến tính đa biến. Kết quả cho thấy 6 nhóm nhân tố đều có tác động thuận chiều và có ý nghĩa thống kê đến giá bất động sản. Mô hình hồi quy có R² hiệu chỉnh đạt 0,605. Theo hệ số Beta chuẩn hóa, cơ sở hạ tầng là yếu tố ảnh hưởng mạnh nhất (0,473; 24,05%), tiếp theo là vị trí (0,399; 20,28%), xã hội (0,350; 17,79%), cá biệt (0,298; 15,15%), kinh tế (0,232; 11,79%) và chính sách (0,215; 10,93%). Kết quả nghiên cứu gợi ý chính quyền địa phương cần ưu tiên nâng cấp hạ tầng, minh bạch hóa thông tin quy hoạch - giao dịch, hoàn thiện cơ sở dữ liệu đất đai và điều tiết thị trường theo hướng bền vững.

Từ khóa: Giá bất động sản; phường Cầu Giấy; cơ sở hạ tầng; vị trí; EFA; hồi quy tuyến tính đa biến; chính quyền hai cấp. 
 

Lê Chí Lâm1 , Phạm Trần Minh Quân1 , Võ Thị Kim Anh1 , Trần Thị Huyền 1* 1Địa chỉ: Trường Đại học Khoa học Xã hội và Nhân văn, Đại học Quốc gia Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh, Việt Nam Email tác giả liên hệ: huyentran@hcmussh.edu.vn https://doi.org/10.5281/zenodo.21072275 Tóm tắt: Trong bối cảnh biến đổi khí hậu và nước biển dâng toàn cầu, vùng ven biển Việt Nam đang đối mặt với nhiều thách thức về xói lở và bồi tụ bờ biển. Nghiên cứu được thực hiện nhằm đánh giá sự biến động đường bờ tại bờ biển thành phố Rạch Giá (tỉnh An Giang) thông qua công nghệ viễn thám bằng nền tảng Google Earth Engine, kết hợp với công nghệ GIS (công cụ DSAS). Trong nghiên cứu, phương pháp ảnh tỷ số MNDWI kết hợp kỹ thuật ngưỡng hóa OTSU được sử dụng cho trích xuất đường bờ dựa trên ảnh vệ tinh Landsat 5 và Landsat 8 đa thời gian trong giai đoạn 2000 – 2020 và sử dụng công cụ DSAS để tính toán, phân tích biến động của đường bờ thông qua các chỉ số SCE, NSM, EPR và LRR trong giai đoạn này. Kết quả nghiên cứu cho thấy đường bờ Rạch Giá có sự biến động mạnh theo hướng bồi tụ, phần lớn tương ứng với các khu vực đô thị lấn biển (chiếm khoảng 88,09% trên tổng chiều dài đường bờ bồi tụ). Cụ thể, tốc độ thay đổi đường bờ trung bình theo EPR của đường bờ Rạch Giá lên đến 6 – 10 m/năm, tốc độ LRR cũng đạt tối đa 11,94 m/năm, cho thấy sự bồi tụ mạnh ở khu vực đường bờ này. Nghiên cứu cung cấp cơ sở khoa học cho công tác quản lý tổng hợp vùng bờ và quy hoạch phát triển đô thị ven biển bền vững. Từ khóa: Biến động đường bờ, Rạch Giá, MNDWI, OTSU, DSAS, Google Earth Engine.

Vũ Thanh Truyền1 , Nguyễn Phương Bắc1 , Vũ Phương Lan*1

1Khoa Địa Lý, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, Hà Nội, Việt Nam Email tác giả liên hệ: vuphuonglan@hus.edu.vn

https://doi.org/10.5281/zenodo.21071278

Tóm tắt:

Tại các địa phương có tốc độ công nghiệp hóa nhanh, các khu công nghiệp (KCN) đóng vai trò động lực kinh tế nhưng đồng thời gây ra suy thoái môi trường nhiệt. Nghiên cứu này tập trung phân tích biến động không gian - thời gian của lớp phủ (LULC) và tác động nhiệt tại tỉnh Bắc Ninh trong giai đoạn 2006–2026. Tổng cộng 12 KCN trọng điểm được xác định và phân tích dựa trên các liên kết không gian đặc thù. Sử dụng dữ liệu vệ tinh Landsat đa thời gian, nghiên cứu đánh giá mô hình phát triển quỹ đất và phản ứng nhiệt trên hai quy mô: tổng thể (toàn tỉnh) và cục bộ ( KCN). Kết quả chỉ ra quá trình chuyển đổi từ đất nông nghiệp sang đất công nghiệp là nguyên nhân chủ đạo làm gia tăng nhiệt độ bề mặt (LST). Sự hình thành và mở rộng của các "đảo nhiệt công nghiệp" mới tại các vùng ven đã tái cấu trúc đáng kể môi trường nhiệt của tỉnh theo thời gian. Những phát hiện này cung cấp bằng chứng khoa học quan trọng, hỗ trợ các nhà quản lý trong việc ra quyết định và định hướng quy hoạch đô thị - công nghiệp bền vững, góp phần kiểm soát hiệu ứng đảo nhiệt và nâng cao chất lượng môi trường sống tại Bắc Ninh.

Từ khóa: Đảo nhiệt công nghiệp, Nhiệt độ bề mặt, Viễn thám, Khu công nghiệp, tỉnh Bắc Ninh 
 

Tóm tắt :

Ô nhiễm không khí do bụi mịn PM2.5 đang trở thành một vấn đề môi trường nghiêm trọng tại nhiều đô thị lớn, đặc biệt ở các khu vực có tốc độ đô thị hóa nhanh. Việc dự báo chính xác nồng độ PM2.5 có ý nghĩa quan trọng trong công tác quản lý chất lượng không khí và xây dựng các hệ thống cảnh báo ô nhiễm môi trường. Nghiên cứu này nhằm đánh giá khả năng ứng dụng của các phương pháp học máy và học sâu trong dự báo nồng độ PM2.5 dựa trên dữ liệu chuỗi thời gian kết hợp với các yếu tố khí tượng. Dữ liệu sử dụng trong nghiên cứu bao gồm nồng độ PM2.5 cùng các biến khí tượng như nhiệt độ, độ ẩm và tốc độ gió tại khu vực Hà Nội. Các bước tiền xử lý dữ liệu được thực hiện bao gồm phát hiện và xử lý ngoại lai bằng phương pháp khoảng tứ phân vị (IQR), chuẩn hóa dữ liệu theo phương pháp Z-score và xây dựng các đặc trưng chuỗi thời gian. Các mô hình dự báo được xem xét gồm ARIMA, Random Forest, LSTM, GRU và Transformer. Kết quả thực nghiệm cho thấy các mô hình học sâu đạt hiệu suất dự báo cao hơn so với các phương pháp truyền thống. Trong đó, mô hình Transformer cho kết quả tốt nhất với sai số dự báo thấp và khả năng tái hiện xu hướng biến động của PM2.5 hiệu quả hơn so với các mô hình còn lại. Kết quả nghiên cứu cho thấy tiềm năng ứng dụng của các mô hình học sâu trong dự báo chất lượng không khí và cung cấp cơ sở khoa học cho việc xây dựng các hệ thống cảnh báo sớm ô nhiễm không khí tại các đô thị lớn.