Tóm tắt:

Bề mặt không thấm khu vực nông thôn là đối tượng khó chiết xuất từ ảnh vệ tinh, đặc biệt đối với loại ảnh có độ phân giải không gian trung bình như Landsat. Đã có nhiều nghiên cứu sử dụng các thuật toán phân loại ảnh dựa vào cơ sở là giá trị của từng điểm ảnh (Pixel-based). Tuy nhiên, các thuât toán phân loại dựa trên từng điểm ảnh này tồn tại các sai số khó khắc phục trong quá trình phân loại ảnh dẫn đến kết quả phân loại kém chính xác. Bởi vậy, đóng góp chính của nghiên cứu này là đưa ra cách tiếp cận sử dụng thuật toán K-Nearest Neighbor (K-NN) đối với ảnh vệ tinh Landsat 8 OLI để chiết tách bề mặt không thấm khu vực nông thôn ở huyện Giao Thủy. Bài báo thảo luận về các qui tắc sử dụng trong thuật toán K-NN và tính toán các sai số của quá trình phân loại đối với mỗi đối tượng dựa vào ảnh vệ tinh độ phân giải trung bình. Các chỉ số RISI, NDBI, SAVI, NDWI và SI đã được sử dụng để tạo bộ mẫu chuẩn phục vụ việc phân loại ảnh. Để đạt độ chính xác tốt nhất khi sử dụng thuật toán K-NN, bộ mẫu đạt tiêu chuẩn cần phải đáp ứng các tiêu chí sau: 1. Số lượng mẫu đủ lớn, 2. Sự phân bố các mẫu đều trên khu vực nghiên cứu, 3. Sự tách biệt tối đa giữa các bộ mẫu chuẩn. Các kết quả của nghiên cứu này cho thấy việc sử dụng thuật toán phân loại K-NN cho phép đảm bảo độ chính xác trong thực nghiệm thành lập bản đồ bề mặt không thấm khu vực nông thôn.