[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_l%E1%BB%9Bp%20ph%E1%BB%A7%20s%E1%BB%AD%20d%E1%BB%A5ng%20%C4%91%E1%BA%A5t{\"limit\":5}":3,"_public_topic_byId_lớp phủ sử dụng đất":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":17,"englishTitle":18,"synonyms":19,"definition":22,"discipline":23,"references":24,"faqs":73,"createUser":86,"publishUser":90,"keywords":91,"keywordCount":102,"enrichTopicLink":103,"status":104,"createTime":105,"updateTime":106,"publishTime":107,"linkEnrichedTime":108,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":109,"relateTopics":110},"lớp phủ sử dụng đất","Lớp phủ sử dụng đất là gì? Khái niệm LULC và ứng dụng","Tìm hiểu khái niệm lớp phủ sử dụng đất (LULC), phân biệt lớp phủ đất với sử dụng đất, các hệ thống phân loại chuẩn và ứng dụng viễn thám GIS.","\u003Cp>\u003Cstrong>Lớp phủ sử dụng đất\u003C\u002Fstrong> (land use and land cover, LULC) là khái niệm tích hợp mô tả trạng thái sinh học - vật lý của bề mặt đất cùng với phương thức khai thác, quản lý của con người đối với không gian địa lý đó. Thuật ngữ này bao gồm hai khía cạnh có quan hệ mật thiết nhưng hoàn toàn khác biệt về mặt bản chất khoa học: lớp phủ đất (land cover) đại diện cho các yếu tố vật chất tự nhiên hoặc nhân tạo hiện hữu quan sát được trên bề mặt địa hình, trong khi sử dụng đất (land use) phản ánh chức năng kinh tế - xã hội và mục đích can thiệp của xã hội loài người lên tài nguyên đất. Việc tích hợp hai phạm trù này trong một hệ thống quan trắc thống nhất đóng vai trò nền tảng cho công tác kiểm kê tài nguyên thiên nhiên, mô hình hóa biến đổi môi trường, quy hoạch không gian lãnh thổ và ứng phó với biến đổi khí hậu toàn cầu.\u003C\u002Fp>\n\u003Cp>Trong {{topic|%7B%22topic%22%3A%22nghi%C3%AAn%20c%E1%BB%A9u%20khoa%20h%E1%BB%8Dc%22%7D}} địa lý, viễn thám và hệ thông tin địa lý (GIS), thuật ngữ viết tắt LULC được sử dụng như một khung phân tích tiêu chuẩn để theo dõi những chuyển dịch không gian và thời gian của sinh quyển và thạch quyển. Bài viết này trình bày toàn diện cơ sở lý luận phân biệt lớp phủ đất và sử dụng đất, các hệ thống phân loại quốc tế và quy chuẩn pháp lý tại Việt Nam, quy trình chiết xuất thông tin từ ảnh vệ tinh viễn thám, các phương pháp toán học đánh giá độ chính xác bản đồ, thực tiễn ứng dụng tại các vùng kinh tế sinh thái trọng điểm của Việt Nam, cùng những giới hạn kỹ thuật và hướng đi công nghệ hiện đại.\u003C\u002Fp>\n\n\u003Ch2>Khái niệm và bản chất phân biệt giữa lớp phủ đất và sử dụng đất\u003C\u002Fh2>\n\u003Cp>Mặc dù thường xuyên được gộp chung thành một cụm từ trong các dự án viễn thám và quy hoạch lãnh thổ, lớp phủ đất và sử dụng đất là hai thực thể nghiên cứu độc lập với đối tượng đo đạc và phương pháp tiếp cận chuyên biệt.\u003C\u002Fp>\n\u003Cp>Lớp phủ đất mô tả trạng thái sinh học và vật lý hiện thực quan sát thấy trực tiếp trên bề mặt Trái Đất. Các đối tượng lớp phủ đất bao gồm thảm thực vật tự nhiên, rừng khép tán, đồng cỏ, cây nông nghiệp, đất trống, đá lộ đầu, tuyết băng, các tầng mặt nước (sông ngòi, hồ chứa, biển) và các công trình nhân tạo (đường giao thông, mái nhà, bề mặt bê tông hóa). Đặc tính cốt lõi của lớp phủ đất là có thể nhận biết trực tiếp thông qua các cảm biến viễn thám quang học, siêu phổ hoặc radar dựa trên tín hiệu phản xạ và phát xạ năng lượng bức xạ điện từ. Do đó, bản đồ lớp phủ đất thuần túy là kết quả của việc giải đoán trực tiếp các thuộc tính vật chất bề mặt mà không suy diễn mục đích quản lý.\u003C\u002Fp>\n\u003Cp>Ngược lại, sử dụng đất phản ánh chuỗi hoạt động, sự can thiệp và phương thức quản lý của con người đối với một loại hình lớp phủ đất nhất định nhằm tạo ra các giá trị kinh tế, xã hội hoặc sinh kế. Sử dụng đất gắn liền với quyền sở hữu, mục đích kinh tế, thể chế pháp lý và tập quán canh tác. Một đặc điểm quan trọng là sử dụng đất thường không thể quan sát hoặc đo đạc trực tiếp từ không gian nếu chỉ dựa trên các đặc trưng phản xạ phổ thuần túy. Ví dụ, một vùng lớp phủ đất là thảm cỏ có thể phục vụ nhiều mục đích sử dụng đất hoàn toàn khác nhau như bãi chăn thả gia súc nông nghiệp, sân thể thao đô thị, dải đệm an toàn sân bay hoặc khu bảo tồn sinh cảnh hoang dã. Ngược lại, một đơn vị sử dụng đất phục vụ mục đích du lịch nghỉ dưỡng sinh thái có thể bao gồm nhiều dạng lớp phủ đất xen kẽ như mặt nước hồ, rừng thứ sinh, vườn hoa nhân tạo và công trình xây dựng.\u003C\u002Fp>\n\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Tiêu chí phân biệt\u003C\u002Fth>\n\u003Cth>Lớp phủ đất (Land cover)\u003C\u002Fth>\n\u003Cth>Sử dụng đất (Land use)\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>Bản chất khái niệm\u003C\u002Ftd>\n\u003Ctd>Trạng thái sinh học và cấu trúc vật lý hiện hữu trên bề mặt địa hình\u003C\u002Ftd>\n\u003Ctd>Mục đích kinh tế - xã hội, chức năng khai thác và quản lý của con người\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Phương thức thu nhận dữ liệu\u003C\u002Ftd>\n\u003Ctd>Quan trắc và đo đạc trực tiếp từ cảm biến viễn thám quang học, radar, quét lidar\u003C\u002Ftd>\n\u003Ctd>Khảo sát thực địa, điều tra xã hội học, hồ sơ địa chính và quy hoạch pháp lý\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Đơn vị phân loại điển hình\u003C\u002Ftd>\n\u003Ctd>Rừng lá rộng, trảng cây bụi, đất trống, bề mặt không thấm, mặt nước tự nhiên\u003C\u002Ftd>\n\u003Ctd>Đất ở tại đô thị, đất lúa nước hai vụ, đất quốc phòng, khu công nghiệp tập trung\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Yếu tố biến động\u003C\u002Ftd>\n\u003Ctd>Quy luật thời tiết mùa vụ, sinh trưởng thực vật, thiên tai tự nhiên, xói mòn\u003C\u002Ftd>\n\u003Ctd>Chính sách quy hoạch, biến động giá nông sản, phát triển hạ tầng và chuyển dịch dân cư\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Khả năng tự động hóa giải đoán\u003C\u002Ftd>\n\u003Ctd>Thuật toán phân loại ảnh vệ tinh có thể gán nhãn tự động với độ chính xác cao\u003C\u002Ftd>\n\u003Ctd>Đòi hỏi kết hợp dữ liệu điều tra địa bạ, ranh giới hành chính và tri thức chuyên gia\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Cp>Mối quan hệ qua lại giữa lớp phủ đất và sử dụng đất tạo nên động lực {{topic|%7B%22topic%22%3A%22bi%E1%BA%BFn%20%C4%91%E1%BB%95i%20m%C3%B4i%20tr%C6%B0%E1%BB%9Dng%22%7D}} cảnh quan. Sự thay đổi mục đích sử dụng đất của xã hội là nguyên nhân nhân sinh trực tiếp dẫn đến sự chuyển đổi hoặc suy thoái của các hệ thống lớp phủ tự nhiên. Ngược lại, sự suy thoái trạng thái vật lý của lớp phủ đất (như xói mòn đất trơ sỏi đá hoặc sạt lở bờ sông) đặt ra ranh giới giới hạn sinh thái buộc con người phải điều chỉnh hành vi sử dụng đất để duy trì tính bền vững.\u003C\u002Fp>\n\n\u003Ch2>Các hệ thống phân loại lớp phủ sử dụng đất tiêu chuẩn\u003C\u002Fh2>\n\u003Cp>Để đảm bảo tính nhất quán của số liệu địa không gian qua các thời kỳ và khả năng liên thông dữ liệu giữa các cơ quan quản lý, nhiều khung phân loại chuẩn hóa đã được ban hành trên thế giới và tại Việt Nam.\u003C\u002Fp>\n\n\u003Ch3>Hệ thống phân loại USGS Anderson (1976)\u003C\u002Fh3>\n\u003Cp>Hệ thống phân loại do James R. Anderson và các đồng sự tại Cục Khảo sát Địa chất Hoa Kỳ (USGS) công bố năm 1976 trong ấn phẩm Professional Paper 964 là một trong những chuẩn mực kinh điển mở đầu cho kỷ nguyên giải đoán bản đồ từ ảnh viễn thám. Hệ thống này được thiết kế theo cấu trúc phân cấp linh hoạt, cho phép liên kết dữ liệu thu nhận từ các {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%99%20ph%C3%A2n%20gi%E1%BA%A3i%20kh%C3%B4ng%20gian%22%7D}} khác nhau.\u003C\u002Fp>\n\u003Cp>Hệ thống Anderson phân chia danh mục thành 4 cấp độ:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Cấp 1 (Level I):\u003C\u002Fstrong> Thiết kế tương thích với các nguồn dữ liệu viễn thám vệ tinh quỹ đạo tầm xa, bao gồm 9 nhóm cơ bản: đất đô thị xây dựng, đất nông nghiệp, đất đồng cỏ chăn thả, đất rừng, mặt nước, đất ngập nước, đất cằn cỗi hoang hóa, đài nguyên và băng tuyết vĩnh cửu.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Cấp 2 (Level II):\u003C\u002Fstrong> Chi tiết hóa các nhóm cấp 1 dựa trên ảnh hàng không tầm trung hoặc ảnh vệ tinh độ phân giải trung bình (như phân chia đất nông nghiệp thành đất trồng trọt, đồng cỏ nhân tạo, vườn cây ăn quả).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Cấp 3 và Cấp 4 (Level III và Level IV):\u003C\u002Fstrong> Dành cho công tác quy hoạch chi tiết cấp cơ sở, đòi hỏi ảnh chụp hàng không tầm thấp độ phân giải siêu cao kết hợp điều tra thực địa mở rộng.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Đặc biệt, Anderson và đồng sự (1976) đã đề ra tiêu chí kỹ thuật chuẩn mực cho ngành viễn thám, trong đó quy định độ chính xác giải đoán tối thiểu cho các lớp chuyên đề phải đạt ít nhất 85% và độ tin cậy phân loại giữa các lớp đối tượng phải đồng đều nhau.\u003C\u002Fp>\n\n\u003Ch3>Hệ thống phân loại lớp phủ đất FAO LCCS và chuẩn hóa ISO 19144-2:2012\u003C\u002Fh3>\n\u003Cp>Tổ chức Lương thực và Nông nghiệp Liên Hợp Quốc (FAO) cùng Chương trình Môi trường Liên Hợp Quốc (UNEP) đã phát triển Hệ thống Phân loại Lớp phủ Đất (Land Cover Classification System, LCCS) do Antonio Di Gregorio và Louisa J. M. Jansen công bố năm 2000 trong báo cáo chuyên đề Series No. 8. LCCS ra đời nhằm giải quyết tình trạng thiếu nhất quán giữa các bảng danh mục đóng truyền thống vốn mang tính chủ quan cục bộ của từng quốc gia.\u003C\u002Fp>\n\u003Cp>LCCS áp dụng phương pháp tiếp cận hai giai đoạn độc lập:\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>Giai đoạn nhị phân (Dichotomous Phase):\u003C\u002Fstrong> Sử dụng cây quyết định logic nhị phân dựa trên 3 tiêu chí phân biệt cơ bản: phân biệt thảm thực vật hay phi thực vật; phân biệt nhân tạo hay tự nhiên; phân biệt trên cạn hay dưới nước. Phép phân tách này chia toàn bộ bề mặt hành tinh thành 8 nhóm lớp phủ chính xác định.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Giai đoạn mô-đun phân cấp (Modular-Hierarchical Phase):\u003C\u002Fstrong> Sử dụng bộ tiêu chí phân loại độc lập để tạo lập các phân lớp chi tiết theo nhu cầu người dùng. Bộ phân loại bao gồm dạng sống hình thái thực vật, chiều cao tầng tán, độ che phủ tán lá, thời gian ngập nước và các thuộc tính bổ trợ về thổ nhưỡng, địa hình.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Mô hình LCCS sau đó đã được Tổ chức Tiêu chuẩn hóa Quốc tế (ISO) chính thức nâng cấp thành tiêu chuẩn quốc tế ISO 19144-2:2012 (Geographic information — Classification systems — Part 2: Land Cover Meta Language, LCML). Chuẩn LCML cung cấp một ngôn ngữ mô hình hóa hướng đối tượng chuẩn tắc, cho phép chuyển đổi, đối chiếu và so sánh bất kỳ hệ thống phân loại lớp phủ đất địa phương nào sang một cấu trúc ngữ nghĩa chung mà không làm biến dạng thông tin gốc.\u003C\u002Fp>\n\n\u003Ch3>Hệ thống phân loại hiện trạng sử dụng đất tại Việt Nam\u003C\u002Fh3>\n\u003Cp>Tại Việt Nam, công tác phân loại và quản lý đất đai được xây dựng dựa trên cơ sở pháp lý và quy chuẩn kỹ thuật nghiêm ngặt do cơ quan quản lý nhà nước ban hành, phản ánh đặc thù quản lý toàn dân về đất đai.\u003C\u002Fp>\n\u003Cp>Luật Đất đai năm 2024 (Luật số 31\u002F2024\u002FQH15) tại Điều 9 quy định đất đai trên phạm vi cả nước được phân loại theo mục đích sử dụng thành 3 nhóm chính:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Nhóm đất nông nghiệp:\u003C\u002Fstrong> Bao gồm đất trồng cây hàng năm (đất trồng lúa và đất trồng cây hàng năm khác), đất trồng cây lâu năm, đất lâm nghiệp (rừng đặc dụng, rừng phòng hộ, rừng sản xuất), đất nuôi trồng thủy sản, đất chăn nuôi tập trung, đất làm muối và đất nông nghiệp khác.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Nhóm đất phi nông nghiệp:\u003C\u002Fstrong> Bao gồm đất ở (đất ở tại nông thôn và đất ở tại đô thị), đất xây dựng trụ sở cơ quan, đất sử dụng vào mục đích quốc phòng, an ninh, đất sản xuất kinh doanh phi nông nghiệp, đất xây dựng công trình sự nghiệp và đất sử dụng vào mục đích công cộng.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Nhóm đất chưa sử dụng:\u003C\u002Fstrong> Gồm các loại đất chưa xác định mục đích sử dụng cụ thể theo quy định của pháp luật.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Cụ thể hóa quy định pháp luật về công tác đo đạc và lập bản đồ, Bộ Tài nguyên và Môi trường đã ban hành Thông tư số 08\u002F2024\u002FTT-BTNMT ngày 31 tháng 07 năm 2024 quy định chi tiết về thống kê, kiểm kê đất đai và lập bản đồ hiện trạng sử dụng đất, có hiệu lực thi hành từ ngày 01 tháng 08 năm 2024. Thông tư quy định chu kỳ kiểm kê đất đai định kỳ được thực hiện 5 năm một lần theo quy định tại Điều 57 và Điều 59 của Luật Đất đai năm 2024, tính đến hết ngày 31 tháng 12 của năm kiểm kê. Hệ thống ký hiệu, màu sắc, cấu trúc dữ liệu không gian và quy chuẩn biên tập bản đồ hiện trạng sử dụng đất được chuẩn hóa từ cấp xã, cấp huyện, cấp tỉnh đến phạm vi toàn quốc.\u003C\u002Fp>\n\n\u003Ch2>Phương pháp viễn thám và hệ thông tin địa lý (GIS) trong chiết xuất LULC\u003C\u002Fh2>\n\u003Cp>Quy trình thành lập bản đồ lớp phủ sử dụng đất từ dữ liệu viễn thám bao gồm việc thu thập dữ liệu ảnh vệ tinh, tiền xử lý hình học và bức xạ, {{topic|%7B%22topic%22%3A%22tr%C3%ADch%20xu%E1%BA%A5t%20%C4%91%E1%BA%B7c%20tr%C6%B0ng%22%7D}} quang phổ, áp dụng thuật toán phân loại và hậu xử lý lọc nhiễu không gian.\u003C\u002Fp>\n\n\u003Ch3>Nguồn dữ liệu vệ tinh quan trắc Trái Đất\u003C\u002Fh3>\n\u003Cp>Sự phát triển của công nghệ quan sát Trái Đất cung cấp nguồn dữ liệu đa tầng với các mức phân giải không gian, thời gian và phổ đa dạng:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Hệ thống vệ tinh Landsat (USGS\u002FNASA):\u003C\u002Fstrong> Với lịch sử thu nhận ảnh bề mặt liên tục từ năm 1972 đến nay, Landsat cung cấp chuỗi dữ liệu lịch sử phong phú để đánh giá biến động lớp phủ đất dài hạn. Kênh phổ phản xạ quang học và hồng ngoại của Landsat có độ phân giải không gian chuẩn là 30 m, phù hợp cho nghiên cứu quy mô vùng và quốc gia.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Chùm vệ tinh Sentinel-2 (ESA):\u003C\u002Fstrong> Hoạt động theo chương trình Copernicus của Châu Âu, mang cảm biến đa phổ MSI (Multispectral Instrument) với 13 kênh phổ trải dài từ dải khả kiến, rìa đỏ (red-edge), hồng ngoại gần đến hồng ngoại sóng ngắn. Sentinel-2 cung cấp các kênh độ phân giải không gian 10 m, 20 m và 60 m, tạo bước tiến quan trọng trong nhận diện ranh giới thửa đất và trạng thái mùa vụ thực vật.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>Chỉ số quang phổ và tăng cường thông tin\u003C\u002Fh3>\n\u003Cp>Để tối ưu hóa sự phân tách giữa các lớp đối tượng, các chỉ số viễn thám được tính toán bằng cách kết hợp toán học các kênh phổ có độ nhạy cảm khác nhau đối với thuộc tính sinh lý và vật lý của bề mặt.\u003C\u002Fp>\n\u003Cp>Chỉ số thực vật khác biệt chuẩn hóa (Normalized Difference Vegetation Index, NDVI) do Compton J. Tucker công bố năm 1979 là chỉ số phổ được áp dụng rộng rãi nhất để phân lập lớp phủ thực vật với đất trống và mặt nước. Chỉ số này dựa trên đặc tính diệp lục của lá cây hấp thụ mạnh năng lượng ở dải sóng ánh sáng đỏ nhưng mô tế bào lá lại phản xạ rất mạnh ở dải sóng hồng ngoại gần:\u003C\u002Fp>\n\u003Cscript type=\"math\u002Ftex; mode=display\">NDVI = \\frac{NIR - RED}{NIR + RED}\u003C\u002Fscript>\n\u003Cp>Trong công thức trên, ký hiệu \u003Cscript type=\"math\u002Ftex\">NDVI\u003C\u002Fscript> đại diện cho chỉ số thực vật khác biệt chuẩn hóa, \u003Cscript type=\"math\u002Ftex\">NIR\u003C\u002Fscript> là giá trị độ phản xạ phổ của kênh hồng ngoại gần và \u003Cscript type=\"math\u002Ftex\">RED\u003C\u002Fscript> là giá trị độ phản xạ phổ của kênh ánh sáng đỏ. Giá trị của chỉ số này nằm trong khoảng lý thuyết xác định, trong đó mặt nước thường mang giá trị âm, đất trống hoặc bề mặt nhân tạo có giá trị dương nhỏ, còn thảm thực vật có sinh khối dày đặc mang giá trị dương cao vượt trội.\u003C\u002Fp>\n\n\u003Ch3>Các thuật toán phân loại ảnh số\u003C\u002Fh3>\n\u003Cp>Quá trình gán nhãn từng điểm ảnh vào một lớp chuyên đề được thực hiện thông qua hai nhóm phương pháp giải đoán chính:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Phân loại không giám sát (Unsupervised classification):\u003C\u002Fstrong> Các {{topic|%7B%22topic%22%3A%22thu%E1%BA%ADt%20to%C3%A1n%20ph%C3%A2n%20c%E1%BB%A5m%22%7D}} thống kê như K-means hoặc ISODATA tự động nhóm các pixel có vector phổ tương đồng thành các cụm quang phổ thuần túy mà không cần dữ liệu tập mẫu huấn luyện ban đầu. Phương pháp này thích hợp cho khảo sát sơ bộ vùng nghiên cứu mới chưa có dữ liệu điều tra thực địa.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Phân loại có giám sát (Supervised classification):\u003C\u002Fstrong> Người giải đoán lựa chọn các vùng mẫu đại diện (training samples) có nhãn lớp đã biết chắc chắn ngoài thực địa. Các thuật toán máy học phân tích vector đặc trưng của tập mẫu để thiết lập các ranh giới quyết định phân tách không gian đa chiều.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Trong số các giải thuật phân loại có giám sát hiện đại, thuật toán Rừng ngẫu nhiên (Random Forest) được Mariana Belgiu và Lucian Drăguţ tổng quan toàn diện năm 2016 đã chứng minh hiệu quả cao trong ngành viễn thám. Random Forest là thuật toán học tập hợp (ensemble learning) xây dựng nhiều cây quyết định ngẫu nhiên độc lập từ các tập mẫu con bằng kỹ thuật trích chọn mẫu có hoàn lại (bootstrap aggregating). Kết quả gán nhãn cuối cùng cho từng pixel được xác định theo nguyên tắc biểu quyết đa số. Random Forest có khả năng xử lý xuất sắc các tập dữ liệu đa chiều, không yêu cầu phân phối chuẩn của dữ liệu phổ, và có tính năng tự động đánh giá độ quan trọng của từng biến số đầu vào giúp hạn chế tối đa nguy cơ quá khớp.\u003C\u002Fp>\n\n\u003Ch2>Quy trình đánh giá độ chính xác bản đồ phân loại LULC\u003C\u002Fh2>\n\u003Cp>Bản đồ lớp phủ sử dụng đất chỉ có giá trị khoa học và độ tin cậy thực tiễn khi được định lượng sai số một cách minh bạch thông qua đối chiếu với tập dữ liệu kiểm chứng độc lập.\u003C\u002Fp>\n\n\u003Ch3>Ma trận nhầm lẫn và các chỉ số đo lường sai số\u003C\u002Fh3>\n\u003Cp>Phương pháp luận chuẩn hóa đánh giá độ chính xác bản đồ viễn thám được Russell G. Congalton tổng quan hệ thống năm 1991, đặt trọng tâm vào cấu trúc ma trận nhầm lẫn (error matrix hoặc confusion matrix). Ma trận nhầm lẫn là bảng vuông có kích thước bằng số lượng các lớp phân loại, trong đó các hàng thể hiện nhãn lớp do bản đồ giải đoán và các cột thể hiện nhãn lớp thực tế thu thập từ điều tra thực địa hoặc ảnh tham chiếu độ phân giải siêu cao.\u003C\u002Fp>\n\u003Cp>Từ ma trận nhầm lẫn, các đại lượng độ chính xác cơ bản được tính toán:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Độ chính xác tổng thể (Overall Accuracy, OA):\u003C\u002Fstrong> Tỷ lệ phần trăm giữa tổng số pixel được phân loại chính xác trên đường chéo chính của ma trận chia cho tổng số pixel kiểm chứng được lấy mẫu.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Độ chính xác của nhà sản xuất (Producer's Accuracy, PA):\u003C\u002Fstrong> Tỷ lệ pixel phân loại đúng của một lớp chia cho tổng số pixel thực địa của lớp đó (tổng cột). Đại lượng này nghịch đảo với sai số bỏ sót (omission error), thể hiện xác suất một đối tượng thực tế trên mặt đất được lập bản đồ thành công.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Độ chính xác của người dùng (User's Accuracy, UA):\u003C\u002Fstrong> Tỷ lệ pixel phân loại đúng của một lớp chia cho tổng số pixel được bản đồ gán vào lớp đó (tổng hàng). Đại lượng này nghịch đảo với sai số hoa hồng hay sai số nhận nhầm (commission error), cho biết độ tin cậy khi người sử dụng bản đồ đến một vị trí và bắt gặp đúng đối tượng được ghi chú.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>Hệ số tương đồng Kappa\u003C\u002Fh3>\n\u003Cp>Để khắc phục nhược điểm của độ chính xác tổng thể vốn có thể bị thổi phồng do sự trùng khớp ngẫu nhiên (đặc biệt khi phân bố số lượng mẫu giữa các lớp có sự chênh lệch lớn), hệ số Kappa (\u003Cscript type=\"math\u002Ftex\">\\kappa\u003C\u002Fscript>) được áp dụng để đo lường mức độ đồng thuận thực chất giữa bản đồ phân loại và dữ liệu thực địa:\u003C\u002Fp>\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\kappa = \\frac{P_o - P_e}{1 - P_e}\u003C\u002Fscript>\n\u003Cp>Trong công thức trên, ký hiệu \u003Cscript type=\"math\u002Ftex\">\\kappa\u003C\u002Fscript> là hệ số Kappa, \u003Cscript type=\"math\u002Ftex\">P_o\u003C\u002Fscript> biểu thị tỷ lệ quan sát thống nhất thực tế (tương ứng với độ chính xác tổng thể), và \u003Cscript type=\"math\u002Ftex\">P_e\u003C\u002Fscript> là tỷ lệ thống nhất kỳ vọng xảy ra thuần túy do xác suất ngẫu nhiên được suy diễn từ tích các tổng hàng và tổng cột của ma trận sai số. Hệ số Kappa nhận giá trị nhỏ hơn hoặc bằng 1; giá trị càng cao phản ánh độ chính xác phân loại càng đáng tin cậy sau khi đã loại trừ hoàn toàn yếu tố trùng hợp ngẫu nhiên.\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng thực tiễn của bản đồ LULC tại Việt Nam\u003C\u002Fh2>\n\u003Cp>Bản đồ lớp phủ sử dụng đất là công cụ đo đạc không gian giữ vai trò then chốt trong công tác giám sát tài nguyên môi trường và quản lý lãnh thổ tại các vùng sinh thái đặc thù của Việt Nam.\u003C\u002Fp>\n\n\u003Ch3>Giám sát chuyển dịch cơ cấu nông nghiệp và xâm nhập mặn tại Đồng bằng sông Cửu Long\u003C\u002Fh3>\n\u003Cp>Đồng bằng sông Cửu Long là vùng {{topic|%7B%22topic%22%3A%22s%E1%BA%A3n%20xu%E1%BA%A5t%20n%C3%B4ng%20nghi%E1%BB%87p%22%7D}} và nuôi trồng thủy sản trọng điểm quốc gia, nhưng đang chịu tác động nặng nề của biến đổi khí hậu, nước biển dâng, sụt lún mặt đất và suy giảm phù sa thượng nguồn sông Mê Kông. Ứng dụng chuỗi ảnh vệ tinh viễn thám đa thời gian cho phép phát hiện sự biến động sâu sắc của cơ cấu sử dụng đất ven biển.\u003C\u002Fp>\n\u003Cp>Tại các tỉnh ven biển như Bến Tre, Trà Vinh, Sóc Trăng, Bạc Liêu và Cà Mau, bản đồ LULC ghi nhận xu thế chuyển đổi quy mô lớn từ hệ thống canh tác lúa truyền thống sang mô hình nuôi tôm nước lợ hoặc hệ thống xen canh lúa - tôm luân canh theo mùa mặn - ngọt. Quá trình xâm nhập mặn sâu vào nội đồng trong mùa khô đã làm thay đổi đặc tính lớp phủ bề mặt nước và độ che phủ thảm thực vật, thúc đẩy việc điều chỉnh {{topic|%7B%22topic%22%3A%22quy%20ho%E1%BA%A1ch%20s%E1%BB%AD%20d%E1%BB%A5ng%20%C4%91%E1%BA%A5t%22%7D}} thích ứng với điều kiện tự nhiên thay vì ngăn mặn triệt để.\u003C\u002Fp>\n\n\u003Ch3>Giám sát suy giảm diện tích rừng và mở rộng cây công nghiệp tại Tây Nguyên\u003C\u002Fh3>\n\u003Cp>Khu vực Tây Nguyên là địa bàn diễn ra các {{topic|%7B%22topic%22%3A%22bi%E1%BA%BFn%20%C4%91%E1%BB%99ng%20s%E1%BB%AD%20d%E1%BB%A5ng%20%C4%91%E1%BA%A5t%22%7D}} phức tạp dưới áp lực phát triển {{topic|%7B%22topic%22%3A%22kinh%20t%E1%BA%BF%20n%C3%B4ng%20nghi%E1%BB%87p%22%7D}} và di dân. Sự suy giảm diện tích rừng tự nhiên gắn liền với quá trình khai hoang đất mở rộng các vùng chuyên canh cây công nghiệp lâu năm có giá trị kinh tế cao như cà phê, hồ tiêu, cao su và điều.\u003C\u002Fp>\n\u003Cp>Nghiên cứu thực nghiệm của Nguyen và các cộng sự (2020) tại tỉnh Đắk Nông thuộc vùng Tây Nguyên đã ứng dụng chuỗi dữ liệu ảnh vệ tinh Sentinel-2 đa thời gian để đánh giá và so sánh hiệu năng của 4 phương pháp phân loại lớp phủ sử dụng đất rừng và nông nghiệp. Kết quả nghiên cứu chỉ ra rằng độ chính xác tổng thể đạt được dao động trong khoảng từ 63,9% đến 80,3%, tương ứng với hệ số Kappa đạt từ 0,611 đến 0,813 giữa các thuật toán phân loại khác nhau. Sự phân định ranh giới giữa các kiểu rừng tự nhiên thường xanh, rừng khộp rụng lá theo mùa và các vườn cây cà phê, cao su trưởng thành đòi hỏi phải khai thác triệt để các kênh phổ rìa đỏ của Sentinel-2 nhằm phân biệt đặc trưng hình thái tán lá.\u003C\u002Fp>\n\n\u003Ch3>Quy hoạch không gian và đánh giá rủi ro xói mòn đất\u003C\u002Fh3>\n\u003Cp>Bản đồ LULC là lớp dữ liệu đầu vào bắt buộc trong các mô hình tính toán mất đất do xói mòn bề mặt như phương trình mất đất phổ quát hiệu chỉnh (RUSLE), trong đó trạng thái lớp phủ đất quyết định hệ số quản lý thảm phủ và kỹ thuật bảo tồn đất canh tác. Tại các khu vực miền núi phía Bắc và duyên hải miền Trung, việc tích hợp bản đồ LULC độ phân giải cao cùng mô hình số độ cao địa hình giúp nhận diện sớm các điểm nóng nguy cơ trượt lở đất và suy thoái tầng đất mặt do mất thảm thực vật bảo vệ, phục vụ đắc lực cho công tác quy hoạch sử dụng đất cấp tỉnh bền vững.\u003C\u002Fp>\n\n\u003Ch2>Giới hạn kỹ thuật và xu hướng phát triển công nghệ\u003C\u002Fh2>\n\u003Cp>Dù đã đạt được nhiều bước tiến lớn, việc thành lập bản đồ lớp phủ sử dụng đất từ viễn thám vẫn đối mặt với các rào cản kỹ thuật nội tại:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Hiệu ứng điểm ảnh hỗn hợp (Mixed pixel):\u003C\u002Fstrong> Ở những khu vực có cảnh quan manh mún cao như các đồng ruộng canh tác nhỏ lẻ tại vùng nhiệt đới gió mùa châu Á, một pixel vệ tinh có kích thước 10 m hay 30 m thường chứa đồng thời nhiều loại hình lớp phủ khác nhau (mương nước, bờ cỏ, mái tôn, tán cây). Điều này dẫn đến sự pha trộn tín hiệu phổ phức tạp, làm giảm độ chính xác của các thuật toán phân loại điểm ảnh truyền thống.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Rào cản mây mù và {{topic|%7B%22topic%22%3A%22%C4%91i%E1%BB%81u%20ki%E1%BB%87n%20th%E1%BB%9Di%20ti%E1%BA%BFt%22%7D}}:\u003C\u002Fstrong> Các cảm biến quang học thụ động phụ thuộc hoàn toàn vào ánh sáng mặt trời nên thường xuyên bị gián đoạn dữ liệu do mây mù dày đặc, đặc biệt vào mùa mưa tại các vùng khí hậu nhiệt đới ẩm.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Để khắc phục những giới hạn trên, xu hướng phát triển công nghệ LULC hiện đại đang chuyển dịch mạnh mẽ theo các hướng chủ đạo:\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>Tích hợp đa nguồn dữ liệu quang học và radar SAR:\u003C\u002Fstrong> Việc kết hợp dữ liệu quang học Sentinel-2 với dữ liệu radar khẩu độ tổng hợp xuyên mây Sentinel-1 cho phép theo dõi liên tục độ ẩm bề mặt và cấu trúc thô nhám của đối tượng trong mọi điều kiện thời tiết ngày và đêm.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Điện toán đám mây địa không gian:\u003C\u002Fstrong> Các nền tảng điện toán đám mây quy mô lớn như Google Earth Engine cho phép xử lý song song hàng nghìn cảnh ảnh vệ tinh đa thời gian mà không cần tải dữ liệu về máy trạm cục bộ, giúp đơn giản hóa quy trình giám sát biến động LULC trên quy mô lục địa.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Ứng dụng học sâu (Deep Learning):\u003C\u002Fstrong> Sự phổ biến của các kiến trúc mạng nơ-ron tích chập (CNN) và mô hình phân đoạn ngữ nghĩa (như U-Net) cho phép trích xuất không chỉ giá trị phổ đơn lẻ của từng điểm ảnh mà còn học được cấu trúc hình học, kết cấu bề mặt và ngữ cảnh không gian xung quanh, nâng cao độ chính xác phân biệt các lớp đối tượng phức tạp trong đô thị và cảnh quan nông thôn phân mảnh.\u003C\u002Fli>\n\u003C\u002Fol>\n","Lớp phủ sử dụng đất","land use and land cover",[20,21],"lớp phủ và sử dụng đất","LULC","Lớp phủ sử dụng đất là khái niệm kép kết hợp giữa hiện trạng sinh vật lý tự nhiên trên bề mặt đất (lớp phủ đất) và các hoạt động kinh tế, xã hội nhằm khai thác, biến đổi đất đai của con người (sử dụng đất).","NATURAL_SCIENCES",[25,32,39,46,53,60,67],{"citationText":26,"title":27,"authors":28,"source":29,"year":30,"doi":31,"url":10},"Anderson, J. R., Hardy, E. E., Roach, J. T., & Witmer, R. E. (1976). A land use and land cover classification system for use with remote sensor data. U.S. Geological Survey Professional Paper 964.","A land use and land cover classification system for use with remote sensor data","Anderson, J. R., Hardy, E. E., Roach, J. T., Witmer, R. E.","U.S. Geological Survey Professional Paper 964",1976,"10.3133\u002Fpp964",{"citationText":33,"title":34,"authors":35,"source":36,"year":37,"doi":10,"url":38},"Di Gregorio, A., & Jansen, L. J. M. (2000). Land Cover Classification System: Classification concepts and user manual. Food and Agriculture Organization of the United Nations.","Land Cover Classification System: Classification concepts and user manual","Di Gregorio, A., Jansen, L. J. M.","FAO Environment and Natural Resources Series No. 8, Rome",2000,"https:\u002F\u002Fwww.fao.org\u002F4\u002Fy7220e\u002Fy7220e00.htm",{"citationText":40,"title":41,"authors":42,"source":43,"year":44,"doi":10,"url":45},"Bộ Tài nguyên và Môi trường (2024). Thông tư số 08\u002F2024\u002FTT-BTNMT ngày 31 tháng 7 năm 2024 quy định về thống kê, kiểm kê đất đai và lập bản đồ hiện trạng sử dụng đất. Cổng Thông tin điện tử Chính phủ.","Thông tư số 08\u002F2024\u002FTT-BTNMT quy định về thống kê, kiểm kê đất đai và lập bản đồ hiện trạng sử dụng đất","Bộ Tài nguyên và Môi trường","Công báo Chính phủ nước Cộng hòa Xã hội Chủ nghĩa Việt Nam",2024,"https:\u002F\u002Fcongbao.chinhphu.vn\u002Fvan-ban\u002Fthong-tu-so-08-2024-tt-btnmt-42595.htm",{"citationText":47,"title":48,"authors":49,"source":50,"year":51,"doi":52,"url":10},"Congalton, R. G. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37(1), 35–46.","A review of assessing the accuracy of classifications of remotely sensed data","Congalton, R. G.","Remote Sensing of Environment",1991,"10.1016\u002F0034-4257(91)90048-b",{"citationText":54,"title":55,"authors":56,"source":57,"year":58,"doi":59,"url":10},"Belgiu, M., & Drăguţ, L. (2016). Random forest in remote sensing: A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24–31.","Random forest in remote sensing: A review of applications and future directions","Belgiu, M., Drăguţ, L.","ISPRS Journal of Photogrammetry and Remote Sensing",2016,"10.1016\u002Fj.isprsjprs.2016.01.011",{"citationText":61,"title":62,"authors":63,"source":64,"year":65,"doi":66,"url":10},"Nguyen, H. T. T., Doan, T. M., Tomppo, E., & McRoberts, R. E. (2020). Land Use\u002FLand Cover Mapping Using Multitemporal Sentinel-2 Imagery and Four Classification Methods—A Case Study from Dak Nong, Vietnam. Remote Sensing, 12(9), 1367.","Land Use\u002FLand Cover Mapping Using Multitemporal Sentinel-2 Imagery and Four Classification Methods—A Case Study from Dak Nong, Vietnam","Nguyen, H. T. T., Doan, P. T., Tomppo, E., McRoberts, R. E.","Remote Sensing",2020,"10.3390\u002Frs12091367",{"citationText":68,"title":69,"authors":70,"source":50,"year":71,"doi":72,"url":10},"Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2), 127–150.","Red and photographic infrared linear combinations for monitoring vegetation","Tucker, C. J.",1979,"10.1016\u002F0034-4257(79)90013-0",[74,77,80,83],{"question":75,"answer":76},"Lớp phủ đất và sử dụng đất khác nhau như thế nào?","Lớp phủ đất mô tả trạng thái sinh học và vật lý hiện thực quan sát trực tiếp trên bề mặt địa hình như thảm thực vật, mặt nước hay công trình xây dựng. Trong khi đó, sử dụng đất phản ánh chức năng kinh tế, xã hội và mục đích con người khai thác, quản lý mảnh đất đó như đất ở, đất nông nghiệp hay khu bảo tồn. Một loại lớp phủ như thảm cỏ có thể phục vụ nhiều mục đích sử dụng khác nhau như chăn thả gia súc hoặc công viên đô thị.",{"question":78,"answer":79},"Vì sao viễn thám và GIS được coi là công cụ then chốt trong nghiên cứu LULC?","Viễn thám cung cấp dữ liệu ảnh vệ tinh đa thời gian, đa phổ trên diện rộng với tính lặp lại liên tục, cho phép quan sát các biến động bề mặt đất một cách khách quan. Hệ thông tin địa lý (GIS) cho phép tích hợp dữ liệu viễn thám với ranh giới hành chính, bản đồ địa hình và dữ liệu kinh tế - xã hội để phân tích không gian. Sự kết hợp này giúp tiết kiệm chi phí điều tra thực địa và nâng cao độ chính xác trong quy hoạch lãnh thổ.",{"question":81,"answer":82},"Hệ số Kappa trong đánh giá bản đồ LULC có ý nghĩa gì?","Hệ số Kappa là chỉ số thống kê đo lường mức độ đồng thuận giữa bản đồ phân loại viễn thám và dữ liệu kiểm chứng thực địa sau khi đã loại trừ xác suất trùng khớp ngẫu nhiên. Chỉ số này phản ánh độ tin cậy thực chất của thuật toán phân loại, đặc biệt hữu ích khi số lượng mẫu giữa các lớp đối tượng phân bố không đồng đều. Giá trị Kappa càng tiến gần đến 1 thể hiện bản đồ có độ chính xác và độ tin cậy càng cao.",{"question":84,"answer":85},"Chu kỳ kiểm kê và lập bản đồ hiện trạng sử dụng đất tại Việt Nam là bao lâu?","Theo quy định tại Luật Đất đai năm 2024 và Thông tư 08\u002F2024\u002FTT-BTNMT của Bộ Tài nguyên và Môi trường, kiểm kê đất đai và lập bản đồ hiện trạng sử dụng đất được thực hiện định kỳ 5 năm một lần. Hoạt động này được tiến hành đồng bộ từ cấp xã, cấp huyện, cấp tỉnh đến phạm vi toàn quốc nhằm đánh giá đầy đủ thực trạng quản lý và biến động quỹ đất.",{"id":87,"researcherId":10,"name":88,"imageUrl":89},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":87,"researcherId":10,"name":88,"imageUrl":89},[92,93,94,95,96,97,98,99,100,101],"nghiên cứu khoa học","biến đổi môi trường","độ phân giải không gian","trích xuất đặc trưng","thuật toán phân cụm","sản xuất nông nghiệp","quy hoạch sử dụng đất","biến động sử dụng đất","kinh tế nông nghiệp","điều kiện thời tiết",10,true,"PUBLISHED","2025-12-01T11:20:44.010+00:00","2026-09-14T08:09:54.728+00:00","2026-09-14T07:34:23.875+00:00","2026-09-14T08:09:54.197+00:00",0,[111,114,117,120,123,126,129,132,135,138],{"id":112,"title":113,"term":112,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình lý thuyết","Mô hình lý thuyết là gì? Các nghiên cứu về Mô hình lý thuyết",{"id":115,"title":116,"term":115,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"cơ sở vật chất","Cơ sở vật chất là gì? Các công bố khoa học về Cơ sở vật chất",{"id":118,"title":119,"term":118,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"in silico","In silico là gì? Các công bố khoa học về In silico",{"id":121,"title":122,"term":121,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"artificial intelligence","Artificial Intelligence là gì? Các nghiên cứu khoa học về AI",{"id":124,"title":125,"term":124,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thế kỉ xviii xix","Thế kỉ xviii xix là gì? Các nghiên cứu khoa học liên quan",{"id":127,"title":128,"term":127,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chuột cống trắng","Chuột cống trắng là gì? Các công bố khoa học về Chuột cống trắng",{"id":130,"title":131,"term":130,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phương pháp luận","Phương pháp luận là gì? Các nghiên cứu khoa học liên quan",{"id":133,"title":134,"term":133,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thí nghiệm vật lí","Thí nghiệm vật lí là gì? Các công bố khoa học về Thí nghiệm vật lí",{"id":136,"title":137,"term":136,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phân compost","Phân compost là gì? Các nghiên cứu khoa học về Phân compost",{"id":139,"title":140,"term":139,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"năng suất lúa","Năng suất lúa là gì? Các công bố khoa học về Năng suất lúa"]