ỨNG DỤNG VIỄN THÁM VÀ ĐỘ ĐO CẢNH QUAN TRONG PHÂN TÍCH XU THẾ BIẾN ĐỘNG SỬ DỤNG ĐẤT KHU VỰC HUYỆN VĂN CHẤN, TỈNH YÊN BÁI GIAI ĐOẠN 2008-2017

Phạm Minh Tâm, Phạm Hoàng Hải, Phạm Văn Mạnh

Tóm tắt


Biến đổi cảnh quan là một trong những động lực quan trọng làm thay đổi hiện trạng phát triển kinh tế – xã hội của lãnh thổ; đặc biệt là những thay đổi của bề mặt lớp phủ sử dụng đất trong thời gian ngắn. Những thay đổi này diễn ra tại các khu vực có độ cao địa hình lớn lại chiếm một vị trí quan trọng trong tiến trình giám sát, quản lí và quy hoạch sử dụng tài nguyên một cách bền vững. Trên cơ sở sử dụng dữ liệu viễn thám, thông tin về biến đổi sử dụng đất khu vực huyện Văn Chấn, tỉnh Yên Bái giai đoạn 2008-2017 được thống kê một cách chi tiết trong môi trường GIS. Ngoài ra, các đặc trưng về cấu trúc của bảy đối tượng sử dụng đất thông qua sáu độ đo cảnh quan cho thấy: (i) sự gia tăng diện tích rừng trồng (2664 ha) là động lực chính của sự suy giảm về diện tích rừng tự nhiên (3527,9 ha); (ii) tốc độ thay đổi diện tích rừng tự nhiên diễn ra mạnh nhất (392ha/năm); (iii) kết quả định lượng các độ đo cảnh quan chứng minh sự đa dạng của xu thế thay đổi theo từng đối tượng sử dụng đất cụ thể. Kết quả nghiên cứu cung cấp một cách tiếp cận hiệu quả trong phân tích biến đổi về mặt cấu trúc của cảnh quan.

Từ khóa


viễn thám; độ đo cảnh quan; biến động; Văn Chấn

Toàn văn:

PDF

Trích dẫn


Aslami, F., & Ghorbani, A. (2018). Object-based land-use/land-cover change detection using Landsat imagery: a case study of Ardabil, Namin, and Nir counties in northwest Iran. Environmental Monitoring and Assessment, 190, 376.

Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65(1), 2-16.

Blaschke, T., Hay, G. J., Kelly, M., Lang, S., Hofmann, P., Addink, E.,..., & Tiede, D. (2014). Geographic Object-Based Image Analysis – Towards a new paradigm. ISPRS Journal of Photogrammetry and Remote Sensing, 87, 180-191.

Chavez, P. S. (1996). Image-based atmospheric corrections-revisited and improved. Photogrammetric Engineering and Remote Sensing, 62, 1025-1036.

Clinton, N., Holt, A., Scarborough, J., Yan, L., Gong, P. (2010). Accuracy assessment measures for object-based image segmentation goodness. Photogrammetric Engineering & Remote Sensing, 76(3), 289-299.

Collins, J., & Dronova, I. (2019). Urban Landscape Change Analysis Using Local Climate Zones and Object-Based Classification in the Salt Lake Metro Region, Utah, USA. Remote Sensing, 11(13), 1615.

Debolini, M., Marraccini, E., Dubeuf, J. P., Geijzendorffer, I. R., Guerra, C., ..., & Napoléone, C. (2018). Land and farming system dynamics and their drivers in the Mediterranean Basin. Land Use Policy, 75, 702-710.

Ding Y., & Peng, J. (2018). Impacts of Urbanization of Mountainous Areas on Resources and Environment: Based on Ecological Footprint Model. Sustainability, 10(3), 765-778.

Fenta, A. A., Yasuda, H., Haregeweyn, N., Belay, A. S., Hadush, Z., Gebremedhin, M. A., & Mekonnen, G. (2017). The dynamics of urban expansion and land use/land cover changes using remote sensing and spatial metrics: the case of Mekelle City of northern Ethiopia. International Journal of Remote Sensing, 38(14), 4107-4129.

Forman, R. T. T. (1995). Land Mosaics: The Ecology of Landscapes and Regions. Cambridge University Press, 632 pages.

Heidhüs, F.J., Herrmann, L., Neef, A., Neidhart, S., Pape, J., Sruamsiri, P., Thu, D.C. & Zarate, A.V. (2007). Sustainable Land Use in Mountainous Regions of Southeast Asia: Meeting the Challenges of Ecological, Socio-Economic and Cultural Diversity. Springer-Verlag Berlin Heidelberg, 404 pages.

Herold, M., Goldstein, N. C., & Clarke, K.C. (2003). The spatiotemporal form of urban growth: measurement, analysis and modelling. Remote Sensing of Environment, 86(3), 286-302.

Labib, S. M., & Harris, A. (2018). The potentials of Sentinel-2 and LandSat-8 data in green infrastructure extraction, using object based image analysis (OBIA) method. European Journal of Remote Sensing, 51(1), 231-240.

Lillesand, T. M., Kiefer, R. W., & Chipman, J. W. (2008). Remote Sensing and Image Interpretation, 6th Edition, John Wiley & Sons, Hoboken.

Ma, L., Li, M., Ma, X., Cheng, L., Du, P., & Liu, Y. (2017). A review of supervised object-based land-cover image classification. ISPRS Journal of Photogrammetry and Remote Sensing, 130, 277-293.

McGarigal, K., Cushman, S.A., Neel, M.C., & Ene, E. (2002). FRAGSTATS: spatial pattern analysis program for categorical maps. Computer software program produced by the authors at the University of Massachusetts, Amherst.

Mitchell, J. J., Shrestha, R., Moore-Ellison, C. A., & Glenn N. F. (2013). Single and Multi-Date Landsat Classifications of Basalt to Support Soil Survey Efforts. Remote Sensing, 5, 4857-4876.

Moran, E. F. (2010). Land Cover Classification in a Complex Urban-Rural Landscape with Quickbird Imagery. Photogrammetric engineering and remote sensing, 76(10), 1159-1168.

Myint, S. W., Gobera, P., Brazel, A., Grossman-Clarke, S., & Weng, Q. (2011). Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery. Remote Sensing of Environment, 115(5), 1145-1161.

Nguyen, A. T., Pham, M. T., & Dang, T. H. G. (2015). Best Management Practices (BMPs) for Sloping Agricultural Land Use in the Northern Mountainous Region of Vietnam: a case study of Van Chan District, Yen Bai Province. Proceedings of the International Conference on “Livelihood Development and Sustainable Environment Management in the Context of Climate Change” (LDEM), November 13-15, 2015, Thai Nguyen University of Agriculture and Forestry, Thai Nguyen City, VIETNAM.

Phiri D., & Morgenroth, J. (2017). Developments in Landsat Land Cover Classification Methods: A Review. Remote Sensing, 9(9), 967.

Shafiq M. U., Mir, A. A., Ahmed, P., & Bhat, P. A. (2016). Landuse/ Land cover Analysis in Hamal Watershed of North western Himalaya's using Remote Sensing & GIS. International Research Journal of Engineering and Technology (IRJET), 3(4), 2799-2805.

Sundaresan, A., Varshney, P. K., & Arora, M. K. (2007). Robustness of change detection algorithms in the presence of registration errors. Photogrammetric Engineering & Remote Sensing, 73, 375-383.

Toure, S., Stow, D., Shih, H., Coulter, L., Weeks, J., Engstrom, R., & Sandborn, A. (2016). An object-based temporal inversion approach to urban land use change analysis. Remote Sensing Letters 7(5), 503-512.

Wieland, M., Torres, Y., Pittore, M., & Benito, B. (2016). Object-based urban structure type pattern recognition from Landsat TM with a Support Vector Machine. International Journal of Remote Sensing, 37(17), 4059-4083.

Young, N. E., Anderson, R. S., Chignell, S. M., Vorster, A. G., Lawrence, R. L. & Evangelista, P., (2017). A survival guide to Landsat preprocessing. Ecology, 98(4), 920-932.

Yu Y., Guan, H., Zai, D. & Ji, Z. (2016). Rotation-and-scale-invariant airplane detection in high-resolution satellite images based on deep-Hough-forests. ISPRS Journal of Photogrammetry and Remote Sensing, 112, 50-64.

Zhou, W., Troy, A., & Grove, M. (2008). Object-based Land Cover Classification and Change Analysis in the Baltimore Metropolitan Area Using Multitemporal High Resolution Remote Sensing Data. Sensors (Basel, Switzerland), 8(3), 1613-1636.


Tình trạng

  • Danh sách trống