ỨNG DỤNG THUẬT TOÁN HỌC MÁY TRONG ĐÁNH GIÁ BIẾN ĐỘNG LỚP PHỦ ĐẤT VÀ XU HƯỚNG MỞ RỘNG ĐÔ THỊ KHU VỰC VEN ĐÔ: TRƯỜNG HỢP NGHIÊN CỨU TẠI HƯNG YÊN
Abstract
Nghiên cứu so sánh hiệu quả của ba thuật toán học máy gồm CART, Random Forest (RF) và Gradient Tree Boost (GTB) trong phân loại lớp phủ đất từ ảnh Sentinel-2 trên nền tảng Google Earth Engine (GEE). Khu vực nghiên cứu là hai xã Như Quỳnh và Nghĩa Trụ (tỉnh Hưng Yên), vùng ven đô chịu tác động mạnh của quá trình đô thị hóa. Dữ liệu mẫu được xây dựng theo phương pháp lấy mẫu ngẫu nhiên phân tầng, với 70 % cho huấn luyện và 30 % cho kiểm định. Kết quả cho thấy GTB đạt độ chính xác cao và ổn định nhất, với OA đạt 0,93 - 0,95 và Kappa đạt 0,89 - 0,93 trong hai thời điểm nghiên cứu, vượt trội so với RF và CART. Trên cơ sở thuật toán tối ưu, bản đồ lớp phủ đất được xây dựng để phân tích biến động giai đoạn 2020 - 2025. Kết quả cho thấy diện tích lớp phủ đất xây dựng tăng mạnh 652,07 ha, trong khi lớp phủ đất nông nghiệp và mặt nước lần lượt giảm 422,15 ha và 229,92 ha, phản ánh rõ xu thế đô thị hóa. Ngoài ra, phân tích theo hướng không gian cho thấy quá trình mở rộng đô thị diễn ra không đồng đều, tập trung chủ yếu theo các hướng Tây Nam và Tây, gắn với các trục phát triển hạ tầng và khu đô thị mới. Nghiên cứu khẳng định hiệu quả của các thuật toán học máy trong phân loại lớp phủ đất trên GEE, đồng thời cung cấp cơ sở khoa học cho giám sát biến động và hỗ trợ quy hoạch sử dụng đất bền vững tại khu vực ven đô.