Phát triển chỉ số đất đô thị EBBI (Enhanced Built-up and Bareness Index) trên cơ sở kết hợp ảnh vệ tinh đa độ phân giải Landsat 8 và Sentinel 2 MSI
Journal of Mining and Earth Sciences Vol. 62, Issue 1 (2021) 1 - 9
1
A development of the Enhanced Built-up and
Bareness Index (EBBI) based on combination of
multi-resolution Landsat 8 and Sentinel 2 MSI images
Hung Le Trinh 1,*, Ha Thu Thi Le 2, Loc Duc Le 3, Long Thanh Nguyen 4
1 Institute of Techniques for Special Engineering, Military Technical Academy, Hanoi, Vietnam
2 Faculty of Geomatics and Land Administration, Hanoi University of Mining and Geology, Vietnam
3 Military Technical Academy, Hanoi, Vietnam
4 The Military Terrain Training Center, Department of Cartography of the General Staff, People's Army of
Vietnam
ARTICLE INFO
ABSTRACT
Article history:
Classification of built-up land and bare land on remote sensing images is
a very difficult problem due to the complexity of the urban land cover.
Several urban indices have been proposed to improve the accuracy in
classifying urban land use/land cover from optical satellite imagery. This
paper presents an development of the EBBI (Enhanced Built-up and
Bareness Index)indexbased on the combinationof Landsat 8 and Sentinel
2 multi-resolution satellite imagery. Near infrared band (band 8a), short
wave infrared band (band 11) of Sentinel 2 MSI image and thermal
infrared band (band 10) Landsat 8 image were used to calculate EBBI
index. The results obtained show that the combination of Landsat 8 and
Sentinel 2 satellite images improves the spatial resolution of EBBI index
image, thereby improving the accuracy of classification of bare land and
built-up land by about 5% compared with the case using only Landsat 8
images.
Received 15th Oct. 2020
Accepted 23rd Jan. 2021
Available online 28th Feb. 2021
Keywords:
Bare land,
Built-up land,
Multi-resolution images,
Remote sensing,
Urbanization.
Copyright © 2021 Hanoi University of Mining and Geology. All rights reserved.
_____________________
*Corresponding author
E - mail: [email protected].vn
DOI: 10.46326/JMES.2021.62(1).01
2
Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất Tập 62, Kỳ 1 (2021) 1 - 9
Phát triển chỉ số đất đô thị EBBI (Enhanced Built-up and
Bareness Index) trên cơ sở kết hợp ảnh vệ tinh đa độ phân giải
Landsat 8 và Sentinel 2 MSI
Trịnh Lê Hùng 1, *, Lê Thị Thu Hà 2, Lê Đức Lộc 3 , Nguyên Thanh Long 4
̃
1 Viꢀn Kꢁ thuꢂt Công trꢃnh Đꢄc biꢀt, Học viꢀn Kꢁ thuꢂt Quân sự, Hà Nội, Viꢀt Nam
2 Khoa Trắc địa - Bản đồ và Quản lý đất đai, Trường Đại học Mỏ Địa chất, Viꢀt Nam
3 Học viꢀn Kꢁ thuꢂt Quân sự, Hà Nội, Viꢀt Nam
4 Trung tâm Đꢅo tạo Nghiꢀp vꢆ Địa hꢃnh Quân sự, Cꢆc Bản đồ, Bộ Tꢇng tham mưu, Viꢀt Nam
THÔNG TIN BÀI BÁO
TÓM TẮT
Quá trình:
Phân loại đất xây dựng vꢅ đất trống khu vực đô thị trên ảnh viễn thám lꢅ
một vấn đề rất khó khăn do sự phức tạp của lớp phủ bề mꢄt. Nhiều chỉ số đất
đô thị đã được đề xuất nhằm nâng cao độ chính xác khi phân loại sử dꢆng
đất/lớp phủ trên ảnh vꢀ tinh quang học. Kênh cꢂn hồng ngoại (8a), kênh
hồng ngoại sóng ngắn (kênh 11), ảnh Sentinel 2 MSI cùng kênh hồng ngoại
nhiꢀt (kênh 10), ảnh Landsat 8 được sử dꢆng để tính chỉ số EBBI. Bꢅi báo nꢅy
trꢃnh bꢅy một phát triển của chỉ số EBBI (Enhanced Built-up and Bareness
Index) trên cơ sở kết hợp ảnh vꢀ tinh đa độ phân giải Landsat 8 vꢅ Sentinel
2. Kết quả nhꢂn được cho thấy, viꢀc kết hợp ảnh vꢀ tinh Landsat 8 vꢅ Sentinel
2 giúp nâng cao độ phân giải không gian của ảnh chỉ số EBBI, từ đó nâng cao
độ chính xác khi phân loại đất trống vꢅ đất xây dựng lên khoảng 5% so với
phương án chỉ sử dꢆng ảnh Landsat 8.
Nhận bài 15/10/2020
Chấp nhận 23/12/2020
Đăng online 28/02/2021
Từ khóa:
Ảnh vệ tinh đa độ phân
giải
Đất trống,
Đất xây dựng,
Đô thị hóa,
Viễn thám.
© 2021 Trường Đại học Mỏ - Địa chất. Tất cả các quyền được bảo đảm.
Masek và nnk., 2000; Guindon và nnk., 2004). Tuy
vậy, do lớp phủ bề mặt đô thị rất phức tạp, mỗi
1. Mở đầu
Phân loại lớp phủ/sử dụng đất khu vực đô thị
pixel trên ảnh viễn thám có thểbao gồm nhiều loại
đối tượng lớp phủkhác nhau dẫn đến độchính xác
khi phân loại đất xây dựng, đất trống không cao.
Từ thập niên cuối thế kỷ XX, nhiều nhà khoa
học đã sử dụng các chỉ số (Index) xác định từ ảnh
viễn thám quang học nhằm nâng cao khả năng giải
đoán các loại hình sử dụng đất/lớp phủ khu vực
đô thị. Có thể kể đến các chỉ số như Urban index
(UI) (Kawamura và nnk., 1996); Index based
Built-up Index (IBI) (Xu, 2008); Normalized
Difference Built-up Index (NDBI) (Zha và nnk.,
từ ảnh viễn thám là một vấn đề được nhiều nhà
khoa học quan tâm nghiên cứu. Ban đầu, các
phương pháp phân loại có giám sát và không giám
sát được sử dụng để thành lập bản đồ hiện trạng
sử dụng đất/lớp phủ khu vực đô thị (Xu, 2002;
_____________________
*Tác giả liên hꢀ
E - mail: [email protected].vn
DOI: 10.46326/JMES.2021.62(1).01
Trịnh Lê Hùng và nnk./Tạp chí Khoa học Kꢁ thuꢂt Mỏ - Địa chất 62(1), 1 - 9
3
2003; Li và nnk., 2017); Normalized Difference
Bareness Index (NDBaI) (Zhao và Chen, 2005);
Bare soilindex (BI) (Rikimaru và Miyatake, 1997);
New Built-up Index (NBI) (Jieli và nnk., 2010);
Modified Normalized Difference Impervious
Surface Index (MNDISI) (Sun và nnk., 2017). Ở
Việt Nam, một số nghiên cứu cũng đã sử dụng các
chỉ số đất đô thị trong phân loại đất xây dựng và
đất trống như Nguyễn Hoàng Khánh Linh (2011),
Nguyễn Thúy Hạnh (2019). Nghiên cứu của
Nguyễn Thúy Hạnh cho thấy, với trường hợp tại
thủ đô Hà Nội, độ chính xác khi phân loại đất xây
dựng bằng các chỉ số NDBI, IBI, EBBI có sự chênh
lệch không lớn.
phân giải không gian của nhiệt độ bề mặt (Trịnh
Lê Hùng, 2018) hay chỉ số NDBaI (Trịnh Lê Hùng,
2020). Hơn nữa, việc lựa chọn các ảnh Landsat 8
và Sentinel 2MSI chụp sát thời điểm với nhau giúp
giảm thiểu ảnh hưởng của việc thay đổi lớp phủ bề
mặt đến kết quả phân loại. Có thể nói, với cặp ảnh
Landsat 8 và Sentinel 2 MSI chụp sát thời điểm với
nhau (cùng ngày hoặc cách nhau 1 ngày), sự thay
đổi của các đối tượng bề mặt tại khu vực đô thị là
gần như không đáng kể.
Bài báo này trình bày một phát triển của chỉ
sốEBBI trên cơ sở tích hợp ảnh vệ tinh đa độ phân
giải Landsat 8 và Sentinel 2. Kênh hồng ngoại
nhiệt (kênh 10), ảnh Landsat 8 và kênh đỏ (kênh
8a), kênh hồng ngoại sóng ngắn (kênh 11) ảnh
Sentinel 2 MSI được sử dụng để tính chỉ số EBBI.
Điều này giúp nâng cao độ phân giải không gian
của chỉ số EBBI lên 20 m so với 30 m nếu xác định
từ riêng ảnh Landsat 8.
Chi
Bareness Index) được As-syakur và cộng sự đề
xuất trên cơ sơ kêt hơp cac kênh hong ngoai va
hong ngoai nhiêt anh vê tinh Landsat nhằm theo
doi biên đong đat đô thi Bali (Indonesia) (As-
̉ só EBBI (Enhanced Build - up and
̉
́
̣
́
̀
̣
̀
̀
̃
̣
̣
̉
̣
́
̣
́
̣ ở
syakur và nnk., 2012). Trong nghiên cứu này, các
tác giả đã chứng minh rằng chỉ số EBBI cho phép
phân loại đất trống và đất xây dựng với độ chính
xác cao hơn so với một số chỉ số đất đô thị khác
nhưIBI, UI,… Một số nghiên cứu gần đây (Rasul và
nnk., 2018; Bramhe và nnk., 2018; Sekertekin và
nnk., 2018) cũng đã sử dụng chỉ số EBBI trong
phân loại sửdụng đất/lớp phủở một sốđô thịlớn.
2. Dữ liệu và phương pháp nghiên cứu
2.1 Dữ liệu
Trong nghiên cứu này, ảnh Sentinel 2A chụp
ngày 01/10/2019 (Hình 1a) và Landsat 8 chụp
ngày 30/9/2019 (Hình 1b) khu vực quận Long
Biên và huyện Gia Lâm (Thành phố Hà Nội) được
sử dụng để tính chỉ số EBBI. Đây là một trong
những khu vực ở thủ đô Hà Nội có tốc độ đô thị
Do đo
không cao (30 m ở các kênh đa phổ, 100 m ở kênh
hồng ngoại nhiệt), viêc sư dung chi so EBBI xa
đinh tư nh Landsat 8 trong phân loai đat trong và
đất xây dựng gap rat nhiêu kho khăn, nhất là với
̣ phân giải không gian của ảnh Landsat 8
hóa nhanh trong những nămgần đây. 02 ảnh đươ
lựa chọn chup gan thơi điêm vơi nhau đê gia
thiêu nhưng khac biêt do sư khac nhau trong thơ
gian chup anh gây nên.
̣ c
̉m
̀ i
̣
̉
̣
̉
́
́c
̣
̀
̀
̉
́
̉
̣
̀
ả
̣
́
́
̉
̃
́
̣
̣
́
̣
́
̀
́
̣
̉
những khu vực có diện tích nhỏ. Một số nghiên
cứu gần đây ở Việt Nam đã chứng minh rằng: việc
tích hợp ảnh vệ tinh Landsat 8 và Sentinel 2 MSI
chụp sát thời điểm với nhau cho phép nâng cao độ
So sánh đặc điểm các kênh ảnh vệ tinh
Sentinel 2 MSI và Landsat 8 được trình bày trên
Hình 2 (Kaab và nnk., 2016). Từ phân tích đặc
Hình 1. Ảnh vꢀ tinh Sentinel 2A và Landsat 8 khu vực nghiên cứu.
4
Trịnh Lê Hùng và nnk./Tạp chí Khoa học Kꢁ thuꢂt Mỏ - Địa chất 62(1), 1 - 9
điểm các kênh phổ ảnh vệ tinh Landsat 8 và
Sentinel 2 MSI cho thấy, kênh 5 (cận hồng ngoại)
ảnh Landsat 8 (0,845÷0,885 µm) và kênh 8a ảnh
Sentinel 2 MSI (0,848÷0,881 µm) có bước sóng
tươngđồng nhau. Điều này cũngtươngtự nhưvới
kênh 6 ảnh Landsat 8 (1,560÷1,660 µm) và kênh
11 ảnh Sentinel2 MSI (1,539÷1,681 µm). Nhưvậy,
có thể thay thế kênh 5 và kênh 6 ảnh Landsat 8
bằng các kênh 8a và 11 ảnh Sentinel 2 MSI chụp
sát thời điểm với nhau khi tính chỉ số EBBI.
Trong đo
n hong ngoa
nhiêt anh vê tinh Landsat 8.
Chỉ số EBBI xác định trên cơ sở kết hợp ảnh
vệtinh đa độphân giải Landsat 8 và Sentinel 2 MSI
(ký hiệu là chỉ số iEBBI) theo công thức sau:
́
: Band5, Band6, Band10 - các kênh
cạ
̀
̣
i, hong ngoai giưa va hong ngoại
̀
̣
̃
̀
̀
̣
̉
̣
푖퐸퐵퐵퐼
푆푒푛푡푖푛푒푙 2퐵푎푛푑 11 − 푆푒푛푡푖푛푒푙 2퐵푎푛푑 8푎
(2)
=
10 푆푒푛푡푖푛푒푙 2
+ 퐿푎푛푑푠푎푡 8퐵푎푛푑 10
√
퐵푎푛푑 11
Phương pháp phân ngưỡng được sử dụng để
tách đất xây dựng và đất trống trên ảnh chỉ số
2.2. Phương pháp nghiên cứu
Chi
t đươ
sau:
̉
so
́
EBBI do Assyakur và nnk. (2012) đê
̀
iEBBI. Các giá trị ngưỡng này được lựa chọn ba
phươngphap chuyên gia trên cơ sơphân tichlươ
đo histogram cua anh chi so iEBBI. Quy trinh phân
loai đất xây dựng và đat trong khu vưc đô thi bang
chi so iEBBI trên cơ sơ kêt hơp anh vê tinh đa đo
phân giai Sentinel 2 va Landsat 8 đươc mô ta trên
Hinh 3.
̀ng
̣ c
xua
́
̣
c xa
́
c đinh tư nh vê tinh Landsat 8 như
̣
̀
a
̉
̣
́
̉
́
̀
̉
̉
̉
́
̀
̣
́
́
̣
̣
̀
퐵푎푛푑 6 − 퐵푎푛푑 5
10 퐵푎푛푑 6 + 퐵푎푛푑 10
퐸퐵퐵퐼 =
(1)
̉
́
̉
́
̣
̉
̣
̣
√
̉
̀
̣
̉
̀
Hình 2. So sánh đꢄc điểm các kênh ảnh vꢀ tinh Sentinel 2 và Landsat 8 (Kaab và nnk., 2016).
Hình 3. Quy trình phân loại đất xây dựng và đất trống khu vực đô thị từ chỉ số EBBI xác định trên
cơ sở kết hợp ảnh vꢀ tinh Sentinel 2 MSI và Landsat 8.
Trịnh Lê Hùng và nnk./Tạp chí Khoa học Kꢁ thuꢂt Mỏ - Địa chất 62(1), 1 - 9
5
thị),... Ngoài chỉ số EBBI, trong module phần mềm
cũng cung cấp công cụ tính các chỉ số đất đô thị
thông dụng khác như NDBI, NDBaI, IBI. Hình 5
minh họa giao diện công cụ tính chỉ số iEBBI trên
cơ sở kết hợp ảnh vệ tinh Sentinel 2 MSI và
Landsat 8, trong đó đầu vào bao gồm kênh cận
hồng ngoại (kênh 8a), hồng ngoại sóng ngắn (kênh
11) ảnh Sentinel 2 MSI và kênh hồng ngoại nhiệt
(kênh 10) ảnh Landsat 8.
Kết quả xác định chỉ số iEBBI trên cơ sở kết
hợp ảnh vệ tinh đa độ phân giải Sentinel 2 MSI và
Landsat 8 được thể hiện trên Hình 6 (a). Ngoài ra,
để so sánh, đánh giá, trong nghiên cứu cũng tiến
hành xác định chỉ số EBBI từ ảnh vệ tinh
3. Kết quả và thảo luận
Để tính chỉ số EBBI từ ảnh vệ tinh Sentinel 2
MSI và Landsat 8, nghiên cứu này xây dựng
module phần mềm bằng ngôn ngữ lập trình
Matlab. Ngôn ngữ Matlab này tỏ ra đặc biệt hiệu
quả khi làm việc với các dữ liệu dạng ma trận, do
vậy rất phù hợp khi xửlý ảnh viễn thám. Giao diện
chương trình được thể hiện trên Hình 4.
Module phần mềm cung cấp khả năng mở, xử
lý và hiển thị ảnh vệ tinh ở định dạng TIFF, trong
đó bao gồm các công cụ chính như Viêw (đọc và
hiển thị ảnh), Urban indices (tính các chỉ số đất đô
Hình 4. Giao diꢀn module phần mềm xác định chỉ số EBBI.
Hình 5. Công cꢆ tính chỉ sô iEBBI từ ảnh vꢀ tinh Sentinel 2 MSI và Landsat 8.
6
Trịnh Lê Hùng và nnk./Tạp chí Khoa học Kꢁ thuꢂt Mỏ - Địa chất 62(1), 1 - 9
Landsat 8 (Hình 6b). Trênảnh chỉsốEBBI,đất
Landsat 8, đất xây dựng có giá trị lớn hơn -0,449;
đất trống có giá trị nằm trong khoảng từ -0,959 ÷
-0,449 (Bảng 1). Kết quả phân loại đất xây dựng,
đất trống khu vực nghiên cứu từ chỉ số iEBBI và
EBBI được thể hiện trên Hình 7.
xây dựngcó màu trắngsáng,đất trốngcó màu xám
và các đối tượng lớp phủ khác có màu tối. Độ phân
giải không gian của chỉ số iEBBI khi kết hợp sử
dụng ảnh Sêntinêl 2 MSI và Landsat 8 đạt 20 m so
với 30 m khi chỉ sử dụng ảnh vệ tinh Landsat 8.
Kết quả xác định chỉ số iEBBI trên cơ sở kết
hợp ảnh vệ tinh đa độ phân giải Sentinel 2 MSI và
Landsat 8 được thể hiện trên Hình 6 (a). Ngoài ra,
để so sánh, đánh giá, trong nghiên cứu cũng tiến
hành xác định chỉ số EBBI từ ảnh vệ tinh Landsat
8 (Hình 6b). Trên ảnh chỉ số EBBI, đất xây dựng có
màu trắng sáng, đất trống có màu xám và các đối
tượng lớp phủ khác có màu tối. Độ phân giải
không gian của chỉ số iEBBI khi kết hợp sử dụng
ảnh Sêntinêl 2 MSI và Landsat 8 đạt 20 m so với
30 m khi chỉ sử dụng ảnh vệ tinh Landsat 8.
Đê
xây dựng và đất trống từ chỉ số EBBI, nghiên cứu
nay sư dung 250 điêm kiêm tra ngau nhiên lay tư
kêt qua phan loai, sau đo so sanh vơi anh vê tinh
đo phan giai cao thu thap tư Googlê Earth (Hinh
8). Kêt qua cho thay, khi phan loai đat xay dựng và
đất trong tưchi so iEBBI bang cach kêt hơp anh vê
tinh Landsat8 vaSêntinêl2MSI, đochinh xactong
thêđat 91,2% va 89,6%, chisoKappa đat 0,901 va
0,866. Đoi vơi phương an chi sư dung anh vê tinh
Landsat 8, gia tri đo chinh xac tổng thể khi phân
loại đất xây dựng, đất trống đạt tương ứng 86,4%
và 84,0%; chỉ số Kappa đạt 0,849 va 0,812. Như
vay, phươngansửdụngchỉsốiEBBItrêncơsởkết
̉ đánhgiá đọ chínhxáckếtquả phanloạiđất
̀
̉
̣
̉
̉
̃
́
̀
́
̉
̣
́
́
́
̉
̣
̣
̉
̣
̀
̀
́
̉
́
̣
́
́
̀
̉
́
̀
́
́
̣
̉
̣
̀
̣
́
́
̉
̉
̣
̀
̉
́
̣
̀
́
́
́
̉
̉
̣
̉
̣
́
̣
̣
́
́
Phương pháp phân ngưỡng được sử dụng để
chiết tách thông tin đất xây dựng, đất trống từ chỉ
̀
̣
́
số EBBI. Đo
́
i vơ
́
i chi
̉
so
́
iEBBI xa
́
c đi
nh tư
̀
viê
̣
c kê
́
t
hợp ảnh vệ tinh đa độ phân giải Sentinel 2 MSI và
Landsat 8 giúp cải thiện độ chính xác khi phân loại
đất xây dựng, đất trống lên khoảng 5% so với
phương án chỉ sử dụng ảnh vệ tinh Landsat 8. Giá
trị chỉ số Kappa cũng có sự gia tăng đáng kể.
hơpanh Sêntinêl 2 MSI va
̣
̉
̀
Landsat 8, đất xây dựng
có giá trị lớn hơn 0,105, trong khi đất trống có giá
trị nằm trong khoảng -0,024÷0,105. Đối với
phương án sử dụng chỉ số EBBI xác định từ ảnh
Bảng 1. Kết quả phân loại đất xây dựng, đất trống từ chỉ số EBBI.
Giá trị ngưỡng
Dữ liệu sử
Độ chính xác
Độ chính xác tổng thể (%)
Đất xây dựng Đất trống Đất xây dựng Đất trống
Chỉ số Kappa
TT Chỉ số
Đất xây
dựng
dụng
Đất trống
Sentinel 2 +
Landsat 8
EBBI Landsat 8 > -0,449 -0,959 ÷-0,449
1 iEBBI
> 0,105 -0,024 ÷0,105
91,2%
86,4%
89,6%
84,0%
0,901
0,849
0,886
0,812
2
Hình 6. Kết quả tính chỉ số EBBI trên cơ sở kết hợp ảnh vꢀ tinh Sentinel 2A và Landsat 8 (a), chỉ sử dꢆng
ảnh Landsat 8 (b).
Trịnh Lê Hùng và nnk./Tạp chí Khoa học Kꢁ thuꢂt Mỏ - Địa chất 62(1), 1 - 9
7
Hình 7. Kết quả phân loại đất xây dựng vꢅ đất trống khu vực đô thị bằng chỉ số iEBBI (a) và EBBI (b).
Hình 8. Phân bố các điểm lấy mẫu ngẫu nhiên trong đánh giá độ chính xác từ ảnh Google Earth.
8
Trịnh Lê Hùng và nnk./Tạp chí Khoa học Kꢁ thuꢂt Mỏ - Địa chất 62(1), 1 - 9
Change,
Geoinformatics
2010,
Peking
4. Kết luận
University, Beijing, China, June, 18-20.
Ảnh vệ tinh đa độ phân giải Sentinel 2 MSI và
Kaab A., Winsvold S. H., Altena B., Nuth C., Nagler
T., Wuite J., (2016). Glacier remote sensing
using Sentinel 2. Part I: Radiometric and
geometric performance and application to ice
velocity. Remote Sensing 8(7), 598,
Landsat 8 với những đặc điểm tương đồng về dải
phổ, thời gian cập nhật ngắn, được cung cấp hoàn
toàn miễn phí có thể kết hợp sử dụng trong phân
loại lớp phủ/sử dụng đất khu vực đô thị. Từ kết
quả phân loại đất xây dựng, đất trống khu vực Hà
Nội cho thấy rằng: việc sử dụng 02 cảnh ảnh
Sentinel 2 MSI và Landsat chụp sát thời điểm với
nhau để tính chỉ số EBBI cho phép nâng cao độ
chính xác khi phân loại đất xây dựng, đất trống
khu vực đô thị lên khoảng 5%. Hơn nữa, độ phân
giải không gian của chỉ số EBBI khi sử dụng kết
hợp 2 loại dữ liệu viễn thám này cũng được cải
thiện lên 20m so với 30m khi chỉ sử dụng ảnh
Landsat 8. Kết quả nhận được trong nghiên cứu
cũng cung cấp cơ sở khoa học góp phần nâng cao
hiệu quả sử dụng các dữ liệu viễn thám miễn phí
trong đánh giá, giám sát các thành phần tài
nguyên, môi trường.
Kawamura M., Jayamana S., Tsujiko Y., (1996).
Relation between social and environmental
conditions in Colombo Sri Lanka and the urban
index estimated by satellite remote sensing
data. International Archives of the
Photogrammetry. Remote Sensing and Spatial
Information Sciences 31 (Part B7), 321-326.
Li H., Wang C., Zhong C., Su A., Xiong C., Wang J., Liu
J., (2017). Mapping urban bare land
automatically from Landsat imagery with a
simple index. Remote Sensing, 9(3), 249, 1-15.
Masek J. G., Lindsay F. E., Goward S. N., (2000).
Dynamics of urban growth in the Washington
DC metropolitan area, 1973 - 1996 from
Landsat observations. International Journal of
Remote Sensing 21(18), 3473 - 3486.
Đóng góp của các tác giả
Tri
Lê Hung: viê
Đưc Loc: đanh gia
̣
̀
ng, Lê Đư
n thao ba
va chinh sư
́
c Lo
i bao; Lê Thi
a.
̣
c: lên y
́
tươ
̉
ng; Tri
̣
̀
́
̉
̉
̀
́
̣
Thu Ha
̀
, Lê
́
̣
́
́
̀
̉
̉
Nguyê
đong ba
tư nhLandsatTM:Trươ
thanh pho Huê - tinh Thư
̃
n Hoa
̀
ng Kha
́
nh Linh, (2011). Tha
đat đo thi bang chi
nghơp nghiêncư
a Thiên Huê. Tuyển
̀
nh la
so
u ta
̣
p tư
IBI
̣
̣
̉
n
đ
o
̀
p
h
a
n
b
o
́
́
̣
̀
̉
́
Tài liệu tham khảo
̀
a
̉
̀
̣
́
̣
i
As-syakur Abd. R., Adnyana I. W., Arthana I. W.,
Nuarsa I.W., (2012). Enhanced built - up and
bareness index (EBBI) for mapping built - up
and bare land in an urban area. Remote Sensing
4, 2957 --2970.
̀
́
́
̉
̀
́
tꢂp hội thảo ꢈng dꢆng GIS toꢅn quốc. 205 - 12.
Nguyễn Thị Thúy Hạnh (2019). Nghiên cứu chỉ số
đô thị trong chiết tách đất trống và đất xây
dựng khu vực Hà Nội từ ảnh vệ tinh Landsat 8.
Tạp chí Khoa học Kꢁ thuꢂt Mỏ-Địa chất 60(4),
82-86.
Bramhe V., Ghosh S., Garg P., (2018). Extraction of
built-up area by combining textural features
and spectral indices from Landsat
8
Rasul A., Balzter H., Faqe Ibrahim G., Hameed H.,
Wheeler J., Adamu B., Ibrahim S., Najmaddin P.,
(2018). Applying built-up and bare soil
indicies from Landsat 8 to cities in dry
climates. Land, 7, 81, 1-13.
multispectral image. The International
Archives of the Photogrammetry. Remote
Sensing and Spatial Information Sciences 42(5),
727 - 733.
Guindon B., Zhang Y., Dillabaugh C., (2004).
Landsat urban mapping based on a combined
spectral-spatial methodology. Remote Sensing
of Environment 92(2), 218 - 232.
Rikimaru A., Miyatake S., (1997). Development of
Forest Canopy Density Mapping and
Monitoring Model using Indices of Vegetation,
Bare soil and Shadow. In Proceeding of the 18th
Asian Conference on Remote Sensing (ACRS),
Kuala Lumpur, Malaysia, 20-25 October 1997,
p. 3.
Jieli C., Liu Y., Manchun L., Chenglei S., (2010).
Extract residential areas automatically by New
Built-up Index. The 18th International
Conference on Geoinformatics: GIScience in
Trịnh Lê Hùng và nnk./Tạp chí Khoa học Kꢁ thuꢂt Mỏ - Địa chất 62(1), 1 - 9
9
Sekertekin A., Abdikan S., Marangoz A., (2018).
The acquisition of impervious surface area
from Landsat 8 satellite sensor data using
urban indices: a comparative analysis.
Environmental Monitoring and Assessment,
190(7), 381, 1-13.
Xu H. Q., (2002). Spatial expansion of urban/town
in Fuqing and its driving analysis. Remote
Sensing Technology and Application 17, 86 -
92.
Xu H.Q., (2007). Extraction of urban built - up land
features from Landsat imagery using a
thematic oriented index combination
technique. Photogrammetric Engineering &
Remote Sensing, 73(12), 1381 -1391.
Sun Z., Wang C., Guo H., Shang R., (2017). A
Modified Normalized Difference Impervious
Surface Index (MNDISI) for automatic urban
mapping from Landsat imagery. Remote
rs9090942.
Xu H.Q., (2008). A new index for delineating built-
up land features in satellite imagery.
International Journal of Remote Sensing, 29,
4269 - 4276.
Tri
̣
̀
ng (2018). Kê
Sêntinêl2 trongnangcaođo
bê ma
́
t hơ
̣
p a
̉
nh vê
̣
tinh
phan
̀
̣
Zha Y., Gao J., Ni S., (2003). Use of normalized
difference built-up index in automatically
mapping urban areas from TM imagery.
International Journal of Remote Sensing, 24(3),
583 - 594.
̉
̣
̣
̀
̣
t. Tạp chí Khoa học Đại học
c khoa hoc va
́
̣
̀
̀
Trịnh Lê Hùng, (2020). Phân loại đất trống đô thị
bằng chỉ số NDBaI trên cơ sở kết hợp ảnh vệ
tinh đa độ phân giải Sentinel 2 MSI và Landsat
8. Tạp chí Khoa học Đại học Quốc gia Hà Nội,
chuyên san Các Khoa học Trái đất và Môi
trường 36(2), 68-78.
Zhao H., Chen X., (2005). Use of Normalized
Difference Bareness Index in quickly mapping
bare areas from TM/ETM+. International
Geoscience and Remote Sensing Symposium
(IGARSS) 3, 1666-1668, DOI: 10.1109/IGARSS.
2005.1526319
9 trang
18060
Free
Bạn đang xem tài liệu "Phát triển chỉ số đất đô thị EBBI (Enhanced Built-up and Bareness Index) trên cơ sở kết hợp ảnh vệ tinh đa độ phân giải Landsat 8 và Sentinel 2 MSI", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- phat_trien_chi_so_dat_do_thi_ebbi_enhanced_built_up_and_bare.pdf
