Ứng dụng Deep Spectral Embedding và thuật toán phân cụm trong nhận dạng loài thực vật rừng ngập mặn khu vực vườn Quốc gia Xuân Thủy

Tóm tắt

Nghiên cứu này nhằm khắc phục hạn chế của ảnh vệ tinh truyền thống trong nhận dạng loài rừng ngập mặn, khi các loài có phổ phản xạ tương đồng và bị ảnh hưởng bởi mây, nước đục và nhiễu cảm biến. Phương pháp đề xuất tích hợp biểu diễn phổ sâu (Deep Spectral Embedding) biểu diễn đặc trưng 64 chiều được học từ dữ liệu vệ tinh đa nguồn theo chuỗi thời gian - với các thuật toán phân cụm không giám sát K-Means để phân loại loài thực vật rừng ngập mặn. Thực nghiệm được triển khai tại Vườn quốc gia Xuân Thủy (tỉnh Ninh Bình), khu Ramsar đầu tiên của Việt Nam, nơi có hệ sinh thái ngập mặn phát triển điển hình. Kết quả cho thấy, dữ liệu phân biệt hiệu quả các loài đặc hữu như mắm, đước vòi, trang với độ chính xác 86.7%, vượt trội so với các nguồn dữ liệu ảnh viễn thám truyền thống. Nghiên cứu khẳng định tiềm năng của embedding học sâu trong bản đồ hóa hệ sinh thái và nhận dạng loài rừng ngập mặn ở quy mô chi tiết.