Phạm Quốc Việt , Võ Quốc Tuấn * , Nguyễn Tấn Lợi Phạm Văn Đệ

* Người chịu trách nhiệm về bài viết: Võ Quốc Tuấn (email:


Land use/land cover (LULC) maps play an important role in statistics and land use change monitoring and planning. However, previous studies of mapping LULC by remote sensing data have typically relied on optical data, which is easily affected by cloud cover in subtropical locations. To overcome this, this study applied radar (SAR) imagery to generate a LULC map of Ca Mau province, Vietnam. We used multi-temporal SAR imagery to generate a LULC map for the year 2019 based on changes in VH backscatter values (dB) over time and validation data collected from an in-depth field survey. The classification results were able to distinguish the 6 main land use classes of perennial crops, paddy rice, surface water bodies, built-up areas, aquaculture, and forests, with a classification accuracy of 89.4% and the Kappa coefficient of 0.79. The results are a promising step toward using multi-temporal SAR data for monitoring land-use change dynamics and planning support in remote subtropical locations.


Tóm tắt

Bản đồ hiện trạng sử dụng đất đóng vai trò quan trọng trong công tác kiểm kê và định hướng quy hoạch sử dụng đất đai. Tuy nhiên, các phương pháp xây dựng bản đồ hiện trạng sử dụng đất giải đoán từ ảnh vệ tinh trước đây thường sử dụng dữ liệu ảnh quang học nên dễ bị ảnh hưởng bởi mây. Vì vậy, mục tiêu của nghiên cứu này là ứng dụng ảnh SAR (study applied radar) để xây dựng bản đồ hiện trạng sử dụng đất. Trong nghiên cứu này, chuỗi ảnh SAR theo thời gian được dùng để thành lập bản đồ hiện trạng sử dụng đất, dựa trên cơ sở sự thay đổi giá trị tán xạ ngược VH (backscatter values, dB) của các kiểu sử dụng đất theo thời gian kết hợp với kết quả khảo sát thực địa. Kết quả nghiên cứu đã phân loại được 6 loại sử dụng đất: đất trồng lúa, cây lâu năm, sông rạch, đất ở, đất nuôi trồng thủy sản và rừng. Kết quả đánh giá cho thấy độ chính xác toàn cục đạt 89,4% và hệ số Kappa 0,79. Kết quả nghiên cứu cho thấy việc sử dụng ảnh SAR đa thời gian trong xây dựng bản đồ hiện trạng sử dụng đất có khả năng ứng dụng cao.

Từ khóa: Bản đồ sử dụng đất, Cà Mau, SAR, Sentinel-1A, Radar

Article Details

Tài liệu tham khảo

Ahmad, W., & Dongkyun K. (2019). Estimation of Flow in Various Sizes of Streams Using the Sentinel-1 Synthetic Aperture Radar (SAR) Data in Han River Basin, Korea. International Journal of Applied Earth Observation and Geoinformation, 83(January), 101930.

Bazzi, H., Baghdadi, N., Hajj, E. M., Zribi, M., Minh, D. H. T., Ndikumana, E., Courault, D., & Belhouchette, H. (2019). Mapping Paddy Rice Using Sentinel-1 SAR Time Series in Camargue, France. Remote Sensing, 11(7), 1–16.

Binh, N. A., Nhut, H. S., An, N. N., Phuong, T. A., Hanh, N. C., Thao, G. T. P., Pham, T. T., Hong, P. V., Ha, L. T. T., Bui, D. T., & Hoa, P. V. (2021). Thirty-Year Dynamics of LULC at the Dong Thap Muoi Area, Southern Vietnam, Using Google Earth Engine. ISPRS International Journal of Geo-Information, 10(4).

Cohen, J. (1960). A Coefficient of Agreement for Nominal Scales. Educational and Psychological Measurement, 20(1), 37–46.

Dong, J., Shangjing, L., Wang, Y., Wang, L. Z., & Mingsheng, L. (2021). Multi-Scale Deformation Monitoring with Sentinel-1 InSAR Analyses along the Middle Route of the South-North Water Diversion Project in China. International Journal of Applied Earth Observation and Geoinformation, 100, 102324.

Elfadaly, A., Nicodemo, A., Nicola, M., & Rosa, L. (2020). SAR Sentinel 1 Imaging and Detection of Palaeo-Landscape Features in the Mediterranean Area. Remote Sensing, 12(16), 2611.

Filipponi, F. (2019). Sentinel-1 GRD Preprocessing Workflow. Proceedings, 18(1), 11.

Fu, B., Yeqiao, W., Anthony, C., Ying, L., Bai, Z., Shubai, Y., Zefeng, X., & Xiaomin, J. (2017). Comparison of Object-Based and Pixel-Based Random Forest Algorithm for Wetland Vegetation Mapping Using High Spatial Resolution GF-1 and SAR Data. Ecological Indicators, 73, 105–17.

Gadrani, L., Lominadze, G., & Tsitsagi., M. (2018). Assessment of Landuse/Landcover (LULC) Change of Tbilisi and Surrounding Area Using Remote Sensing (RS) and GIS. Annals of Agrarian Science, 16(2), 163–69.

Haas, J., & Yifang., B. (2017). Sentinel-1A SAR and Sentinel-2A MSI Data Fusion for Urban Ecosystem Service Mapping. Remote Sensing Applications: Society and Environment, 8(June), 41–53.

Hauser, L. T., Nguyen Vu, G., Nguyen, B. A., Dade, E., Nguyen, H. M., Nguyen, T. T. Q., Le, T. Q., Vu, L. H., Tong, A. T. H., & Pham, H. V. (2017). Uncovering the spatio-temporal dynamics of land cover change and fragmentation of mangroves in the Ca Mau peninsula, Vietnam using multi-temporal SPOT satellite imagery (2004–2013). Applied Geography, 86, 197–207.

Lam, N. D., Viet, P. T., Minh, N. T., Thy, P. T., & Phung, H. P. (2011). Change Detection of Land Use and Riverbank in Mekong Delta, Vietnam Using Time Series Remotely Sensed Data. Journal of Resources and Ecology, 2(4), 370–74.

Lee, J. S., Jurkevich, L., Piet, D., & Patrick, W. (1994). Speckle Filtering of Synthetic Aperture Radar Images: A Review. Remote Sensing Reviews, 8(4), 313–40.

Minderhoud, P. S., Coumou, L., Erban, L. E., Middelkoopa, H., Stouthamera, E., & Addinka, E. A. (2018). The Relation between Land Use and Subsidence in the Vietnamese Mekong Delta. Science of the Total Environment, 634, 715–26.

Ndikumana, E., Minh, H. T. D., Hai, T. D. N., Baghdadi, N., Courault, D., Hossard, L., & Moussawi, I. E. (2018). Estimation of Rice Height and Biomass Using Multitemporal SAR Sentinel-1 for Camargue. Southern France. Remote Sensing, 10(9), 1–18.

Khanh, N. D., Alex, M. L., & Tuong, T. V. (2020). Land Cover Mapping of the Mekong Delta to Support Natural Resource Management with Multi-Temporal Sentinel-1A Synthetic Aperture Radar Imagery. Remote Sensing Applications: Society and Environment, 17(October 2019), 1–14.

Park, J. W., Anton, A. K., Mohamed, B., Stein, S., & Joong, S. W. (2018). Efficient Thermal Noise Removal for Sentinel-1 TOPSAR Cross-Polarization Channel. IEEE Transactions on Geoscience and Remote Sensing, 56(3), 1555–65.

Hoa, P., Thuy, L. T., Alexandre, B., Lam, D. N., Tien, P. D., & Mehrez, Z. (2018). Mapping of Rice Varieties and Sowing Date Using X-Band SAR Data. Sensors (Switzerland), 18(1).

Qu, Y., Wenzhi, Z., Zhanliang, Y., & Jiage, C. (2020). Crop Mapping from Sentinel-1 Polarimetric Time-Series with a Deep Neural Network. Remote Sensing, 12(15), 2493.

Sánchez, E. A., & Christoph, S. (2019). Land Use and Land Cover Mapping in Wetlands One Step Closer to the Ground: Sentinel-2 versus Landsat 8. Journal of Environmental Management, 247(June), 484–98.

Soudani, K., Delpierre, N., Berveiller, D., Hmimina, G., Vincent, G., & Morfin, A. (2021). Potential of Synthetic Aperture Radar Sentinel-1 Time Series for the Monitoring of Phenological Cycles in a Deciduous Forest 2 3. BioRxiv, 104.

Steinhausen, M. J., Paul, D. W., Balaji, N., & Björn, W. (2018). Combining Sentinel-1 and Sentinel-2 Data for Improved Land Use and Land Cover Mapping of Monsoon Regions. International Journal of Applied Earth Observation and Geoinformation, 73(April), 595–604.

Thạch, N. N. (2005). Cơ Sở Viễn Thám. Nhà xuất bản Khoa học - Kĩ thuật Hà Nội.

Hanh, T., Quoc, N., & Matthieu, K. (2018). Land Use Policy Factors in Fl Uencing People’s Knowledge, Attitude, and Practice in Land Use Dynamics: A Case Study in Ca Mau Province in the Mekong Delta, Vietnam, 72(November 2017), 227–38.

Xiao, X., Bolesa, S., Frolkinga, S., Li, C., Jagadeesh, Y. B., William, S., & Berrien, M. (2006). Mapping Paddy Rice Agriculture in South and Southeast Asia Using Multi-Temporal MODIS Images. Remote Sensing of Environment, 100(1), 95–113.

Zhang, B., Zhang, Q., Feng, C., Feng, Q., & Zhang, S. (2017). Understanding Land Use and Land Cover Dynamics. Land, 6(20), 1–20.