Tạp chí Trắc địa - Bản đồ
Loading...

Số báo hiện thời

Số báo hiện thời

Đánh giá tiềm năng của dữ liệu LiDAR không gian trong ước tính chiều cao công trình đô thị tại Hà Nội

Tóm tắt: Nghiên cứu này khẳng định tiềm năng của dữ liệu LiDAR không gian từ hai hệ thống cảm biến ICESat-2 và GEDI trong việc tự động hóa trích xuất và ước tính chiều cao cấu trúc công trình tại khu vực nội thành Hà Nội. Quy trình công nghệ được thiết lập dựa trên sự tích hợp dữ liệu ranh giới nền công trình kết hợp quy trình lọc nhiễu đám mây điểm để phân loại chính xác các điểm phản hồi từ mái công trình và mặt đất tham chiếu. Dựa trên bộ dữ liệu nghiệm chứng gồm 200 điểm đo thực địa, kết quả phân tích thống kê cho thấy dữ liệu dạng sóng toàn vẹn của GEDI đạt độ tin cậy cao với hệ số xác định R2 = 0.89, trong khi công nghệ đếm photon của ICESat-2 thể hiện ưu thế về độ phân giải không gian dải quét chi tiết với R2 = 0.86. Kết quả nghiên cứu khẳng định ưu thế của nguồn dữ liệu ICEsat-2 và GEDI có thể bổ trợ cho các phép đo thực địa. Nghiên cứu mở ra triển vọng ứng dụng quy mô lớn cho việc tối ưu hóa công tác quy hoạch, giám sát động thái phát triển kiến trúc và đẩy nhanh tiến trình xây dựng cơ sở dữ liệu đô thị 3D tại các siêu đô thị ở Việt Nam hiện nay. Từ khóa: LiDAR không gian, ICESat-2, GEDI, chiều cao công trình, cơ sở dữ liệu 3D, Hà Nội.

Xem thêm

Nghiên cứu biến động hình thái không gian và các yếu tố chi phối các đảo nổi lớn thuộc quần đảo Trường Sa từ dữ liệu ảnh viễn thám đa thời gian

Tóm tắt: Biến động hình thái các đảo san hô phản ánh sự tương tác giữa động lực biển, đặc điểm địa hình rạn và các hoạt động nhân sinh, đồng thời là cơ sở quan trọng phục vụ quản lý tài nguyên và không gian biển đảo. Nghiên cứu này sử dụng chuỗi ảnh vệ tinh đa nguồn gồm SPOT-2, SPOT-4, Landsat-8 và Sentinel-2 tại các thời điểm năm 2007, 2012, 2017 và 2022 để đánh giá biến động hình thái không gian của năm đảo nổi lớn thuộc quần đảo Trường Sa gồm Song Tử Tây, Sơn Ca, Nam Yết, Sinh Tồn và Trường Sa Lớn. Đường bờ được trích xuất từ ảnh viễn thám sau khi hiệu chỉnh hình học và chuẩn hóa dữ liệu, sau đó tích hợp trong môi trường GIS và phân tích bằng phần mềm Digital Shoreline Analysis System (DSAS). Bốn chỉ số định lượng gồm tốc độ thay đổi chiều dài đường bờ (Length Change Rate – LCR), tốc độ thay đổi diện tích đảo (Area Change Rate – ACR), tốc độ dịch chuyển trọng tâm (Centroid Shift Rate – CSR) và tốc độ biến động đường bờ (End Point Rate – EPR) được sử dụng để đánh giá xu thế biến đổi hình thái của từng đảo. Kết quả cho thấy tất cả các đảo đều có xu hướng mở rộng diện tích trong giai đoạn nghiên cứu, tuy nhiên mức độ biến động khác nhau đáng kể giữa các đảo. Đảo Sơn Ca có tốc độ tăng diện tích lớn nhất với ACR đạt 27,79 m²/năm, trong khi Song Tử Tây chỉ đạt 3,65 m²/năm. Chiều dài đường bờ cũng gia tăng ở hầu hết các đảo với LCR dao động từ 0,12 đến 3,76 m/năm, phản ánh quá trình phát triển không đồng đều của hình thái đảo. Chỉ số CSR cho thấy trọng tâm các đảo dịch chuyển theo nhiều hướng khác nhau, trong đó Trường Sa Lớn có mức dịch chuyển lớn nhất, phản ánh sự phát triển bất đối xứng của hình thái đảo. Phân tích EPR xác định các khu vực xói lở và bồi tụ tập trung chủ yếu tại các đoạn bờ chịu tác động trực tiếp của sóng và dòng chảy theo mùa. Kết quả tổng hợp cho thấy chế độ sóng gió mùa, vận chuyển trầm tích, cấu trúc rạn san hô và hoạt động cải tạo đảo là những yếu tố chi phối chính đối với quá trình biến động hình thái của các đảo nổi thuộc quần đảo Trường Sa. Nghiên cứu khẳng định hiệu quả của việc tích hợp dữ liệu ảnh viễn thám đa thời gian, GIS và DSAS trong giám sát biến động hình thái đảo san hô, đồng thời cung cấp cơ sở khoa học phục vụ cập nhật cơ sở dữ liệu địa lý, quản lý tài nguyên và bảo vệ chủ quyền biển đảo. Từ khóa: Quần đảo Trường Sa; biến động hình thái; viễn thám đa thời gian; DSAS; LCR; ACR; CSR; EPR.

Xem thêm

Phân tích biến động không gian - thời gian của hiệu ứng Đảo nhiệt công nghiệp do sự phát triển các khu công nghiệp tại tỉnh Bắc Ninh giai đoạn 2006 – 2026

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 
 

Xem thêm

Ứng dụng Google Earth Engine giám sát biến động không gian xanh tại thành phố Thủ Đức bằng ảnh Sentinel 2 giai đoạn 2019-2024

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

Xem thêm