Ảnh vệ tinh và học máy lập bản đồ độ mặn đất tại Đồng bằng sông Hồng
Một nghiên cứu do Huu Duy Nguyen, Dung Duc Tran (Nghiên cứu viên Cộng tác cấp cao, HAPRI), Edward Park và Minh Cuong Ha đồng tác giả đã kết hợp dữ liệu viễn thám từ ảnh Sentinel-2A với học máy để giám sát cả phân bố không gian lẫn thời gian của độ mặn đất tại huyện Tiền Hải, tỉnh Thái Bình, thuộc Đồng bằng sông Hồng của Việt Nam. Trong số các mô hình được thử nghiệm, CatBoost đạt hiệu quả cao nhất. Tỷ lệ diện tích đất không nhiễm mặn, nhiễm mặn nhẹ và nhiễm mặn nặng trên bản đồ khác nhau giữa tháng 5/2023 và tháng 3/2025.
Bối cảnh
Các tác giả mô tả Đồng bằng sông Hồng (RRD) là một trong những khu vực chịu ảnh hưởng nặng nề nhất bởi quá trình nhiễm mặn, đặt ra thách thức đối với năng suất nông nghiệp, an ninh lương thực và bền vững môi trường. Theo nghiên cứu, việc hiểu rõ phân bố không gian và thời gian của độ mặn đất là yếu tố then chốt để đánh giá suy thoái đất và xây dựng các chiến lược giảm thiểu hiệu quả nhằm hỗ trợ phát triển bền vững tại địa phương.
Tuy nhiên, các nghiên cứu trước đây chủ yếu tập trung đánh giá độ mặn đất tại những thời điểm riêng lẻ, ít chú ý đến biến động theo thời gian. Các tác giả lưu ý rằng khoảng trống này đặc biệt nghiêm trọng tại RRD, và nghiên cứu của họ tập trung vào huyện Tiền Hải, tỉnh Thái Bình.
Phương pháp
Các tác giả tích hợp dữ liệu viễn thám từ ảnh Sentinel-2A với các thuật toán học máy, gồm CatBoost (CBR), AdaBoost (ADB), XGBoost (XGR), cây quyết định (DTR) và hồi quy tăng cường gradient (GBR), để mô hình hóa và dự báo các mẫu hình độ mặn theo thời gian. Tổng cộng 106 mẫu độ mặn đất đã được thu thập trong mùa mưa tháng 5/2023 và mùa khô tháng 3/2025. Ngoài ra, 45 biến môi trường và biến phổ được trích xuất làm dữ liệu đầu vào cho quá trình huấn luyện mô hình.
Kết quả chính
Trong số các mô hình được thử nghiệm, CatBoost (CBR) đạt hiệu quả cao nhất với giá trị R2 là 0,823, tiếp theo là hồi quy tăng cường gradient (0,802), AdaBoost (0,796), XGBoost (0,757) và cây quyết định (0,746).
Kết quả lập bản đồ không gian cho thấy vào tháng 5/2023, khoảng 71,9% diện tích không nhiễm mặn, 12,78% nhiễm mặn nhẹ và 15,3% nhiễm mặn nặng.
Đến tháng 3/2025, các tỷ lệ này đã chuyển thành 63,28% không nhiễm mặn, 21,62% nhiễm mặn nhẹ và 15,01% nhiễm mặn nặng.
Từ khóa:
Đồng bằng sông Hồng
Độ mặn đất
Viễn thám
Học máy
Sentinel-2
Nông nghiệp
Liên kết:
Trích dẫn:
Nguyen, H. D., Tran, D. D., Park, E., & Ha, M. C. (2026). Data-driven mapping of soil salinity in the Red River Delta: Sentinel-2 MSI and machine learning integration. Physical Geography, 1-28.
