ƯỚC TÍNH ĐỘ SÂU BẰNG HỌC MÁY TỪ ẢNH VỆ TINH SENTINEL-2: MỘT TRƯỜNG HỢP NGHIÊN CỨU TẠI VÙNG VEN BIỂN GIA LAI, VIỆT NAM

Tóm tắt

Nghiên cứu này đánh giá tiềm năng ứng dụng các thuật toán học máy trong ước tính độ sâu vùng nước nông từ ảnh vệ tinh Sentinel-2 tại khu vực ven biển tỉnh Gia Lai, Việt Nam. Ảnh Sentinel-2 Level-2A được thu nhận vào ngày 23 tháng 01 năm 2020 trong điều kiện quang học ổn định và ít mây, sau đó được hiệu chỉnh khí quyển trước khi sử dụng. Dữ liệu độ sâu thực địa được thu thập bằng máy đo sâu hồi âm một tia kết hợp với thiết bị định vị GPS và được sử dụng làm tập dữ liệu huấn luyện và kiểm định. Năm mô hình học máy Hồi quy tuyến tính đa biến (MLR), Rừng ngẫu nhiên (RF), Cây quyết định (DT), K-láng giềng gần nhất (KNN) và Bộ nhớ ngắn dài hạn (LSTM) được xây dựng và so sánh về độ chính xác trong ước tính độ sâu. Kết quả cho thấy hệ số xác định (R²) dao động trong khoảng từ 0,80 đến 0,91; sai số bình phương trung bình (RMSE) nằm trong khoảng từ 0,72 m đến 1,50 m và sai số trung bình tuyệt đối (MAE) dao động từ 0,49 m đến 0,72 m. Các kết quả này chứng minh tính khả thi của việc tích hợp ảnh Sentinel-2 với các thuật toán học máy trong thành lập bản đồ độ sâu vùng nước nông với độ chính xác cao. Hơn nữa, phương pháp đề xuất thể hiện tiềm năng ứng dụng mạnh mẽ đối với các khu vực ven biển khác của Việt Nam có điều kiện môi trường và quang học tương tự.