Tích hợp công nghệ UAV và thuật toán học máy phục vụ phân loại lớp phủ bề mặt bằng phần mềm ArcGIS Pro

Tóm tắt

Việc tích hợp công nghệ UAV (Unmanned Aerial Vehicle) với các thuật toán học máy đang mở ra hướng tiếp cận hiệu quả trong việc xử lý và phân tích dữ liệu không gian. Bài báo này thực hiện phân loại lớp phủ bề mặt bằng cách ứng dụng hai thuật toán học máy phổ biến là Random Forest (RF) và Support Vector Machine (SVM) trên phần mềm ArcGIS Pro. Qua xử lý ảnh UAV thu được ảnh trực giao có độ phân giải cao (2,57 cm/pixel) tại khu vực quận 4, TP. Hồ Chí Minh phục vụ cho quá trình phân loại. Kết quả thực nghiệm cho thấy thuật toán SVM đạt hiệu quả tốt ở một số lớp khó như phương tiện và thuyền với độ chính xác người dùng cao hơn so với Random Forest (RF). Tuy nhiên, khi đánh giá tổng thể dựa trên độ chính xác toàn cục (Overall Accuracy – OA) và hệ số Kappa, RF lại vượt trội hơn với OA đạt 86,6% và Kappa 0,83, trong khi SVM chỉ đạt 77,4% và 0,71. Điều này cho thấy RF cos độ chính xác cao và được đánh giá phù hợp hơn cho việc xây dựng bản đồ lớp phủ bề mặt từ dữ liệu ảnh UAV. Những kết quả này khẳng định tính khả thi và hiệu quả của việc ứng dụng ảnh UAV kết hợp với các thuật toán học máy trong phân tích và giám sát không gian. Đây là cơ sở quan trọng để phục vụ công tác quản lý tài nguyên, quy hoạch đô thị và bảo vệ môi trường trong bối cảnh đô thị hóa nhanh tại các thành phố lớn