Chính quyền địa phương cần theo dõi các công trình xây dựng mới để quản lý đô thị và phát hiện các vi phạm trong xây dựng. Tuy nhiên, việc giám sát trực tiếp tốn kém và có thể không đủ tài nguyên. Để hỗ trợ việc này, chúng tôi đã tiến hành một nghiên cứu khả thi với việc sử dụng hình ảnh vệ tinh nhằm phát hiện sự thay đổi trong công trình đô thị.
Mục lục nội dung:
AOI
Chúng tôi đã chọn ba điểm xây dựng ở Nhật Bản, được liệt kê trong bảng dưới đây theo thứ tự của các cột: ID, Thay đổi, và Thời gian. Cụ thể:
- Điểm thứ nhất: Từ đất canh tác thành khu vực xây dựng từ năm 2021 đến năm 2022
- Điểm thứ hai: Từ đất canh tác thành bãi đậu xe vào năm 2023
- Điểm thứ ba: Từ đất canh tác thành khu vực lắp đặt tấm pin mặt trời vào năm 2021
Dữ liệu vệ tinh
Sentinel-2
Chúng tôi đã sử dụng hình ảnh vệ tinh Sentinel-2 được vận hành bởi Cơ quan Vũ trụ Châu Âu (ESA) khi xem xét chi phí dữ liệu. Đây là dữ liệu công cộng và bao gồm 13 dải quang phổ, chứa 4 dải ở độ phân giải 10m, 6 dải ở 20m và 3 dải ở 60m. Chúng tôi đã thu thập hình ảnh từ hai thời điểm khác nhau, cụ thể là từ tháng 8 năm 2020 và tháng 11 năm 2023.
Thất tinh
Để thực hiện kiểm tra chéo và nghiên cứu chi tiết, chúng tôi cũng thu thập hình ảnh vệ tinh có độ phân giải cao từ hệ thống Pleiades, được vận hành bởi Airbus. Pleiades cung cấp 4 dải quang phổ với độ phân giải ở khoảng cách 50cm.
Phương pháp luận
Dữ liệu từ Sentinel-2 bao gồm SCL (Bản đồ phân loại cảnh), được tạo tự động bằng thuật toán Phân loại cảnh của ESA. Bản đồ này phân loại tất cả các pixel thành 12 lớp khác nhau. Để phát hiện sự thay đổi trong công trình đô thị, chúng tôi chỉ cần nhìn vào các pixel mà từ “THỰC VẬT” đã chuyển sang “KHÔNG THỰC VẬT”, từ đó chúng tôi có thể nhận biết các công trình đô thị.
Trong hình ảnh Pleiades, chúng tôi vẽ biểu đồ NDVI (Chỉ số thực vật khác biệt chuẩn hóa) để trích xuất diện tích thực vật bị suy giảm.
Kết quả
1. Lần test 1
Ở phần bên trái và trên cùng của hình ảnh, chúng tôi đã quan sát các tòa nhà mới được xây dựng, và có sự thay đổi trong bản đồ phân loại cảnh (SCL) ở các khu vực tương ứng.
Hình ảnh Pleiades rõ ràng cho thấy sự thay đổi và giá trị NDVI thấp hơn đáng kể.
2. Lần test 2
Có sự thay đổi nào đó ở phần trung tâm, nhưng chúng tôi không thể xác định được vật thể mới là gì. SCL đã thay đổi trong khu vực tương ứng.
Hình ảnh Pleiades cho thấy rõ rằng một bãi đậu xe đã được xây dựng ở đó, và giá trị NDVI cũng thấp hơn ở khu vực đó.
3. Lần test 3
Tương tự như vậy, có điều gì đó đã thay đổi ở khu vực chiếm ưu thế. SCL đã thay đổi trong khu vực tương ứng.
Từ hình ảnh của Pleiades, chúng tôi nhận thấy rõ ràng có công trình xây dựng các tấm pin mặt trời. Hình ảnh bên trái có độ phân giải thấp nên không thể phân biệt rõ NDVI, đó là hình ảnh SPOT (độ phân giải 1m), nhưng từ hình ảnh Pleiades bên phải, chúng tôi có thể nhìn thấy rõ sự giảm đi của giá trị NDVI.
Bản tóm tắt
Từ kết quả, chúng tôi nhận thấy rằng ngay cả hình ảnh từ Sentinel cũng có thể phát hiện các thay đổi thông qua bản đồ phân loại đơn giản, miễn là phạm vi thay đổi lớn hơn một hecta. Tuy nhiên, để xác định rõ vật thể nào đã được xây dựng, cần sử dụng hình ảnh có độ phân giải cao hơn. Hình ảnh từ Pleiades cung cấp khung cảnh rõ ràng hơn và NDVI giúp phân biệt rõ ràng về việc xây dựng đô thị.
Thông tin liên hệ
CÔNG TY CỔ PHẦN CÔNG NGHỆ THÔNG TIN ĐỊA LÝ EK
Hotline: 091 276 5656
Email: marketing@ekgis.com.vn
Website: https://ekgis.com.vn/
Fanpage: https://www.facebook.com/eKGIS
Youtube: https://www.youtube.com/channel/UCragwOZIZSGDovZ6FBhGyPQ/featured
Văn phòng Hà Nội: Khu văn phòng tầng 3, toà nhà CT1, Khu nhà ở Bộ Công An, đường Phạm Văn Đồng, phường Cổ Nhuế 2, quận Bắc Từ Liêm, Hà Nội
Văn Phòng HCM: Tầng 6 Tòa nhà Parami, 140 Bạch Đằng, P.2, Q. Tân Bình, TP. HCM
