Tác giả

Tống Sĩ Sơn 1*

Đơn vị công tác

1 Trường Đại học Khoa học và Công nghệ Hà Nội (USTH), Viện Hàn lâm Khoa học và Công nghệ Việt Nam (VAST); tong-si.son@usth.edu.vn

*Tác giả liên hệ: tong-si.son@usth.edu.vn; Tel.: +84–912828380

Tóm tắt

Phân tích véc tơ biến động (CVA) là phương pháp đánh giá biến động trong viễn thám dựa trên sự sai khác về phổ phản xạ của đối tượng bề mặt trên ảnh viễn thám. Phương pháp CVA cho phép định lượng biến động thông qua xác định xu hướng và cường độ biến động của đối tượng. Nghiên cứu này áp dụng phương pháp CVA đánh giá biến động lớp phủ đất từ cặp ảnh Sentinel-2 chụp năm 2015 và 2023 khu vực các xã ven biển tỉnh Thái Bình. Cường độ biến động và hướng biến động được tính toán dựa trên sự thay đổi của chỉ số thực vật chuẩn hóa (NDVI) và chỉ số đất trống (BI). Bên cạnh đó, các thành phần biến động được đánh giá so sánh với 9 loại lớp phủ để xác định mối tương quan của lớp phủ đất và các thành phần biến động. Kết quả phân tích cho thấy, cường độ biến động cao xảy ra ở hướng biến động IV, xác định bởi sự gia tăng của chỉ số NDVI và giảm chỉ số BI, là đặc trưng của sự mở rộng diện tích rừng ngập mặn. Hướng biến động III là sự suy giảm đồng thời của BI và NDVI, chỉ dấu cho xói mòn bờ biển cửa sông Hồng. Bên cạnh đó, sự hình thành các doi cát ven biển được chỉ ra bởi hướng biến động I với sự gia tăng của cả NDVI và BI. Nghiên cứu chứng minh khả năng kết hợp phương pháp CVA và phân loại ảnh giúp giảm thiểu ảnh hưởng gây ra bởi sự khác biệt mùa giữa hai lần chụp ảnh trong đánh giá biến động khu vực ven biển.

Từ khóa

Phương pháp CVA; Biến động lớp phủ; Cường độ biến động; Xu hướng biến động; Khu vực ven biển.

Trích dẫn bài báo

Sơn, T.S. Ứng dụng phương pháp phân tích véc tơ biến động đánh giá biến động lớp phủ đất khu vực ven biển. Tạp chí Khí tượng Thuỷ văn 2025, 769, 57-70.

Tài liệu tham khảo

1. Ansari, A.; Golabi, M.H. Prediction of spatial land use changes based on LCM in a GIS environment for desert wetlands – A case study: Meighan Wetland, Iran. Int. Soil Water Conserv. Res. 2019, 7(1), 64–70.

2. Dewi, R.; Bijker, W.; Stein, A. Change vector analysis to monitor the changes in fuzzy shorelines. Remote Sens. 2017, 9(2), 147.

3. Chen, G.; Hay, G.J.; Carvalho, L.M.T.; Wulder, M.A. Object-based change detection. Int. J. Remote Sens. 2012, 33(14), 4434–4457.

4. Lambin, E.F.; a.A.H.S. Change vector analysis in multi- temporal space: A tool to detect and categorize land-cover change processes using high temporal-resolution satellite data. Remote Sens. Environ. 1994, 48, 231–244.

5. Polykretis, C.; Grillakis, M.; Alexakis, D. Exploring the impact of various spectral indices on land cover change detection using change vector analysis: A case study of Crete Island, Greece. Remote Sens. 2020, 12(2), 319.

6. Ding, Y.; Lunetta, C.D.E.A.R.S. Survey of multispectral methods for land cover change analysis. Remote Sens. Change Detect. Environ. Monit. Methods Appl. 1998, 2, 22–23.

7. Chen, J.; Gong, C.H.P.; Pu, R.; Chungyang, H. Land-use/land-cover change detection using improved change-vector analysis. Photogramm. Eng. Remote Sens. 2003, 69(4), 369–379.

8. Molina, I.; Martinez, E.; Arquero, A.; Pajares, G.; Sanchez, J. Evaluation of a change detection methodology by means of binary thresholding algorithms and informational fusion processes. Sensors 2012, 12(3), 3528–3561.

9. Malila, W.A. An Approach for detecting forest changes with Landsat, in LARS Symposia. Purdue University: Lafayette, IN, USA, 1980, pp. 385–397.

10. Landmann, T.; Schramm, M.; Huettich, C.; Dech, S. MODIS-based change vector analysis for assessing wetland dynamics in Southern Africa. Remote Sens. Lett. 2012, 4(2), 104–113.

11. He, C.; Wei, A.; Shi, P.; Zhang, Q.; Zhao, Y. Detecting land-use/land-cover change in rural–urban fringe areas using extended change-vector analysis. Int. J. Appl. Earth Obs. Geoinf. 2011, 13(4), 572–585.

12. Richardson A.; a.C.W. Distinguishing vegetation from soil background information. Photogramm. Eng. Remote Sens. 1977, 1522–1541.

13. Rouse J.W.; Haas, J.A.S. R.H.; Deering, D.W.; Harla, J.C. Monitoring the vernal advancement retrogradation (Green Wave Effect) of natural vegetation. USANASA/GFSC, 1974, pp. 1–8.

14. Jamalabad, M.; Abkar, A. Forest canopy density monitoring, using satellite images. Proceeding of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B8. Beijing, 2008, pp. 1127–1130.

15. Virag, L.A.; Colwell, J.E. An improved procedure for analysis of change in Thematic Mapper image-pairs. Proceeding of the International Symposium on Remote Sensing Environment, 21st, Ann Arbor, 26-30 October, Ann Arbor, Michigan, 1987, MI, pp. 1101-1110.

16. Baker, C.; Lawrence, R.L.; Montagne, C.; Patten, D. Change detection of wetland ecosystems using Landsat image and change vector analysis. Wetland 2007, 27(3), 610–619.

17. Jano, A.P.; Jeffries, A.R.F.R.R.L. The detection of vegetational change by multitemporal analysis of Landsat data: The effects of goose foraging. J. Ecol. 1998, 86, 93–99.

18. Tong, S.S.; Pham, T.L.; Long, N. Q.; Le, T.T.H.; Trinh, L.H.; Cao, X.C.; Ahmad, A.; Tong, T.H.A. The study of land cover change using change vector approach integrated with unsupervised classification method: a case in Duy Tien (Vietnam). Geogr. Environ. Sustainability 2020, 13(2), 175–184.

19. Saha, S., Bovolo, F.; Bruzzone, L. Unsupervised deep change vector analysis for multiple-change detection in VHR images. IEEE Trans. Geosci. Remote Sens. 2019, 57(6), 3677–3693.

20. Zhuang, H.; Deng, K.; Fan, H.; Yu, M. Strategies combining spectral angle mapper and change vector analysis to unsupervised change detection in multispectral images. IEEE Geosci. Remote Sens. Lett. 2016, 13(5), 681–685.

21. Thonfeld, F., Feilhauer, H.; Braun, M.; Menz, G. Robust Change Vector Analysis (RCVA) for multi-sensor very high resolution optical satellite data. Int. J. Appl. Earth Obs. Geoinf. 2016, 50, 131–140.

22. Bruzzone, L.; Prieto, D.F. Automatic analysis of the difference image for unsupervised change detection. IEEE Trans. Geosci. Remote Sens. 2000, 38(3), 1171–1182.

23. ZhiYong, L.; Wang, F.; Xie, L.; Sun, W.; Falco, N.; Benediktsson, J.A. ; You, Z. Diagnostic analysis on change vector analysis methods for LCCD using remote sensing images. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2021, 14, 10199–10212.

24. Johnson, R.D.; Kasischke, E.S. Change vector analysis: A technique for the multispectral monitoring of land cover and condition. Int. J. Remote Sens. 1998, 19(3), 411–426.

25. Vorovencii, I. Applying the change vector analysis technique to assess the desertification risk in the south-west of Romania in the period 1984–2011. Environ. Monit. Assess. 2017, 189(10), 524.

26. Akkartal A.; Sunar, F. Land cover change assessment in Belek forest based on change vector analysis. Remote Sens. Changing Europe. 2009, 571–577.