1. GIỚI THIỆU

Sử dụng đất nông nghiệp là một trong những thành phần lớp phủ bề mặt chịu tác động mạnh từ các yếu tố tự nhiên, kinh tế – xã hội và quá trình đô thị hóa. Việc phát hiện, đo lường chính xác biến động sử dụng đất nông nghiệp theo thời gian đóng vai trò quan trọng trong việc hỗ trợ công tác quy hoạch, quản lý tài nguyên đất và xây dựng chính sách phát triển bền vững tại các địa phương. Trong những năm gần đây, công nghệ viễn thám (RS) kết hợp với hệ thống thông tin địa lý (GIS) ngày càng được ứng dụng rộng rãi nhờ khả năng quan trắc bề mặt đất trên phạm vi lớn, liên tục theo thời gian với chi phí thấp hơn so với các phương pháp truyền thống.

Trên thế giới, nhiều nghiên cứu đã chứng minh hiệu quả của dữ liệu ảnh vệ tinh đa thời gian trong đánh giá biến động sử dụng đất nông nghiệp. Degife và cộng sự (2018) đã sử dụng ảnh Landsat 5 và Sentinel-2A để phân tích biến động đất canh tác tại Gambella, Ethiopia giai đoạn 1987–2017, cho thấy diện tích đất nông nghiệp giảm ở giai đoạn đầu nhưng tăng mạnh sau đó do mở rộng canh tác từ đất rừng và đồng cỏ, đồng thời cảnh báo về hệ lụy môi trường khi thiếu đánh giá tác động đi kèm. Tương tự, Alsharif và cộng sự (2022) đã kết hợp ảnh Landsat đa thời kỳ (1985–2021) với thuật toán phân loại có giám sát (Maximum Likelihood) và mô hình Markov Cellular Automata để phân tích và dự báo biến động sử dụng đất đô thị tại vùng Al Baha, Ả Rập Xê Út, cho thấy xu hướng chuyển đổi mạnh từ đất rừng, đất trống sang đất xây dựng. Ở châu Âu, Dumitrașcu và cộng sự (2016) đã ứng dụng ảnh Sentinel-2 với phương pháp chỉ số NDVI để giám sát biến động lớp phủ thực vật, khẳng định tiềm năng của nguồn dữ liệu này trong giám sát mùa vụ và biến động ngắn hạn.

Tại Việt Nam, hướng nghiên cứu ứng dụng viễn thám - GIS trong đánh giá biến động sử dụng đất, lớp phủ cũng được triển khai tại nhiều địa phương với các đặc thù khác nhau. Nguyễn Thị Thu Hiền và cộng sự (2014) đã đánh giá biến động sử dụng đất/lớp phủ tại huyện Tiên Yên, Quảng Ninh giai đoạn 2000–2010; Trần Thu Hà và cộng sự (2016) ứng dụng GIS và viễn thám giám sát biến động diện tích rừng tại huyện Cao Phong, Hòa Bình; Nguyễn Hải Hòa và Mai Trọng Thịnh (2017) sử dụng ảnh đa thời gian đánh giá biến động rừng ngập mặn tại Quảng Yên, Quảng Ninh. Đáng chú ý, nhóm nghiên cứu của Cục Viễn thám quốc gia (Nguyễn Quốc Khánh, 2021) đã xây dựng quy trình ứng dụng dữ liệu viễn thám đa thời gian kết hợp GIS và mô hình phân tích để giám sát, dự báo biến động sử dụng đất dưới tác động của điều kiện tự nhiên và kinh tế - xã hội tại Hải Phòng, thể hiện tính khả thi cao khi áp dụng vào điều kiện thực tế Việt Nam.

Riêng đối với lĩnh vực đất nông nghiệp, một số nghiên cứu tại khu vực Đồng bằng sông Cửu Long đã cho thấy hướng tiếp cận cụ thể và có giá trị tham khảo cao. Lê Ngọc Lãm (2021) đã đánh giá ảnh hưởng của hạn hán đến biến động sử dụng đất nông nghiệp vùng ven biển tỉnh Bến Tre giai đoạn 2009–2019 từ dữ liệu Landsat, kết hợp phân tích hồi quy logistic nhị phân giữa chỉ số khô hạn (TVDI) và biến động sử dụng đất, qua đó xác định rõ mối tương quan giữa mức độ khô hạn với các loại hình chuyển đổi đất nông nghiệp. Nguyễn Thị Phượng Đoan và cộng sự (2021) sử dụng ảnh SPOT-5 và Sentinel-2A với phương pháp phân loại Maximum Likelihood Classifier để đánh giá biến động đất nuôi trồng thủy sản tại huyện Bình Đại, Bến Tre giai đoạn 2010–2020, cho kết quả phù hợp cao khi đối chiếu với số liệu thống kê thực tế. Về mặt phương pháp luận, Cao Thị Diễm Hằng và Trịnh Hoài Thu (2014) đã đề xuất phương pháp tích hợp trước và sau phân loại ảnh viễn thám nhằm nâng cao độ chính xác trong đánh giá biến động sử dụng đất – đây là cơ sở phương pháp quan trọng được nhiều nghiên cứu trong nước kế thừa và phát triển.

Nhìn chung, các nghiên cứu trong và ngoài nước đã khẳng định vai trò quan trọng của công nghệ viễn thám và GIS trong việc phát hiện, định lượng và phân tích nguyên nhân biến động sử dụng đất, đặc biệt là đất nông nghiệp - nhóm đất chịu tác động nhạy cảm từ điều kiện tự nhiên, khí hậu và quá trình phát triển kinh tế - xã hội. Tuy nhiên, các nghiên cứu tại khu vực Bắc Trung Bộ nói chung và tỉnh Thanh Hóa nói riêng còn khá hạn chế, đặc biệt ở quy mô cấp xã với chuỗi thời gian dài (2015-2025) sử dụng kết hợp nhiều thế hệ ảnh vệ tinh (Landsat, Sentinel-2). Vì vậy, việc kế thừa các phương pháp phân loại có giám sát, tích hợp GIS -viễn thám đã được kiểm chứng trong các nghiên cứu nêu trên để ứng dụng đánh giá biến động sử dụng đất nông nghiệp tại xã Tây Đô, tỉnh Thanh Hóa là hướng tiếp cận phù hợp, có cơ sở khoa học và thực tiễn rõ ràng, góp phần cung cấp dữ liệu phục vụ công tác quy hoạch và quản lý đất nông nghiệp tại địa phương.

2. DỮ LIỆU, PHƯƠNG PHÁP VÀ QUY TRÌNH THỰC HIỆN

Phương pháp thu thập tài liệu, số liệu: Các nhóm tài liệu, số liệu được thu thập bao gồm:

• Số liệu thống kê, kiểm kê đất đai và bản đồ hiện trạng sử dụng đất, thu thập từ UBND xã Tây Đô, làm cơ sở đánh giá sơ bộ tình hình biến động sử dụng đất tại địa phương.

• Báo cáo tình hình kinh tế - xã hội xã Tây Đô, thu thập từ UBND xã Tây Đô, phục vụ đánh giá tổng quan bối cảnh phát triển kinh tế - xã hội có liên quan đến biến động sử dụng đất.

• Dữ liệu ảnh vệ tinh Sentinel-2 các năm 2015 và 2025, thu thập từ nền tảng Copernicus Browser, phục vụ giải đoán và thành lập bản đồ lớp phủ đất nông nghiệp theo từng thời điểm, cũng như bản đồ biến động sử dụng đất giai đoạn 2015 - 2025.

• Các tài liệu, công trình nghiên cứu liên quan đến GIS, viễn thám và biến động sử dụng đất, tham khảo từ các cơ sở dữ liệu học thuật như Google Scholar, ScienceDirect,…

Phương pháp viễn thám

- Tiền xử lý ảnh: Ảnh vệ tinh sau khi tải từ Copernicus Browser được cắt theo ranh giới hành chính xã Tây Đô bằng công cụ Subset Data from ROIs trên phần mềm ENVI, nhằm giới hạn phạm vi xử lý đúng khu vực nghiên cứu.

- Nhận dạng đối tượng: Sử dụng công cụ Data Manager trên phần mềm ENVI để lựa chọn tổ hợp các kênh phổ (band) phù hợp, từ đó xác định các đối tượng lớp phủ dựa trên đặc điểm hình dạng, màu sắc, kích thước, cấu trúc và vị trí phân bố trên ảnh.

- Phân loại đối tượng: Nghiên cứu áp dụng phương pháp phân loại có giám sát (Supervised Classification) - phương pháp kết hợp giữa xử lý tự động trên máy tính và dữ liệu điều tra thực địa. Người thực hiện lựa chọn các vùng mẫu (training samples) đại diện cho từng loại hình lớp phủ, làm cơ sở để máy tính áp dụng thuật toán phân loại, xác định các pixel có đặc trưng phổ tương đồng với vùng mẫu.

Một số thuật toán phân loại có giám sát phổ biến gồm: Maximum Likelihood, Minimum Distance, Adaptive Coherence Estimator, Binary Encoding, Constrained Energy Minimization, Mahalanobis Distance, Neural Net, Spectral Angle Mapper, Spectral Information Divergence. Trong nghiên cứu này, thuật toán Xác suất cực đại (Maximum Likelihood) được lựa chọn để phân loại ảnh viễn thám.

- Xử lý sau phân loại: Kết quả phân loại có giám sát thường còn tồn tại hiện tượng nhiễu và nhầm lẫn giữa các lớp phủ liền kề. Để khắc phục, nghiên cứu sử dụng công cụ Majority/Minority Analysis trên phần mềm ENVI nhằm loại bỏ các pixel bị phân loại sai ngẫu nhiên, tăng độ đồng nhất và làm mịn đường biên giữa các lớp phủ. Sau bước xử lý này, dữ liệu được xuất sang định dạng shapefile để tiếp tục xử lý trên phần mềm ArcGIS.

Phương pháp khảo sát thực địa: Phương pháp khảo sát thực địa được thực hiện nhằm kiểm tra, đối soát kết quả giải đoán ảnh viễn thám với thực tế ngoài hiện trường, làm cơ sở đánh giá độ chính xác sau phân loại. Các điểm khảo sát được lựa chọn ngẫu nhiên trên phần mềm, đảm bảo tính đại diện cho các loại hình sử dụng đất chính trong khu vực nghiên cứu, bao gồm: đất trồng lúa, đất trồng cây hàng năm khác, đất trồng cây lâu năm, đất nuôi trồng thủy sản, đất rừng, đất ở nông thôn, đất giao thông và đất sông ngòi.

Đánh giá độ chính xác:

Độ chính xác toàn cục: Độ chính xác toàn cục thể hiện tỷ lệ số mẫu kiểm chứng được phân loại chính xác so với tổng số mẫu kiểm chứng. Chỉ số này phản ánh độ chính xác chung của kết quả phân loại.

Trong đó: 

K: Số lượng cột trong ma trận 

n_ii: Số mẫu phân loại đúng 

N: Tổng số mẫu đánh giá

Để đánh giá độ chính xác sau phân loại người ta dựa vào hệ số Kappa, giá trị của hệ số Kappa nằm trong khoảng từ 0 đến 1.

Trong đó:

N: Tổng số mẫu đánh giá

k: Số lượng cột trong ma trận

n_ii: Số mẫu phân loại đúng

n_i+: Tổng số mẫu tại hàng i

n_+i: Tổng số mẫu tại cột i

3. KẾT QUẢ VÀ THẢO LUẬN

II.1. THU THẬP VÀ ĐÁNH GIÁ NGUỒN TÀI LIỆU, SỐ LIỆU, BẢN ĐỒ LIÊN QUAN ĐẾN VẤN ĐỀ NGHIÊN CỨU

Các tài liệu, số liệu được thu thập từ nhiều nguồn có độ tin cậy cao, tính cập nhật tốt và phù hợp với mục tiêu nghiên cứu, bao gồm: số liệu thống kê đất đai, báo cáo kinh tế - xã hội, dữ liệu ảnh viễn thám, ranh giới hành chính và các tài liệu khoa học liên quan (Bảng 3.1).

Bảng 3.1. Tài liệu, số liệu liên quan đến vấn đề nghiên cứu

Số liệu thống kê đất đai năm 2025 do UBND xã Tây Đô cung cấp là nguồn chính thống, có độ tin cậy cao, phản ánh diện tích, cơ cấu và tình hình biến động các loại đất đến 31/12/2025 - là cơ sở đối chiếu với kết quả phân loại ảnh viễn thám. Tuy nhiên, số liệu chủ yếu dựa trên hồ sơ quản lý nên đôi khi chưa phản ánh kịp thời thực tế lớp phủ (ví dụ đất đã chuyển mục đích nhưng chưa cập nhật hồ sơ). Vì vậy, cần kết hợp với ảnh viễn thám và khảo sát thực địa để đảm bảo độ chính xác.

Báo cáo kinh tế - xã hội năm 2025 và kế hoạch 2026 do UBND xã Tây Đô ban hành cung cấp thông tin tổng quan về phát triển kinh tế, văn hóa - xã hội địa phương, làm cơ sở phân tích nguyên nhân biến động sử dụng đất xác định từ GIS và viễn thám.

Ranh giới hành chính dạng shapefile thu thập từ gis.vn có cấu trúc vector, phù hợp sử dụng trong ArcGIS/QGIS để cắt ảnh và xây dựng bản đồ. Qua kiểm tra trực quan, ranh giới thể hiện tương đối chính xác hình dạng xã Tây Đô, tuy nhiên đây không phải nguồn dữ liệu chính thức của cơ quan quản lý nhà nước nên cần kiểm chứng thêm khi dùng cho mục đích pháp lý.

Tài liệu khoa học về GIS, viễn thám và biến động sử dụng đất được thu thập từ Google Scholar, ScienceDirect và các tạp chí chuyên ngành uy tín, cung cấp cơ sở lý luận và phương pháp luận cho nghiên cứu.

Ảnh viễn thám Sentinel-2 do ESA cung cấp miễn phí, độ phân giải không gian 10m với 13 kênh phổ, phù hợp phân loại và đánh giá biến động sử dụng đất cấp xã. Vệ tinh Sentinel-2A phóng ngày 23/6/2015, bay ở độ cao 786 km, chu kỳ chụp lặp 5 ngày, mang thiết bị đo phổ đa kênh MSI, tuổi thọ thiết kế 7 năm, bề rộng dải chụp 290 km. Ảnh sử dụng trong nghiên cứu chụp ngày 22/08/2015 và 02/04/2025.

Bảng 3.2. Các kênh ảnh của vệ tinh Sentinel-2A

Ảnh được cắt theo ranh giới hành chính xã Tây Đô bằng công cụ Subset Data from ROIs (Hình 3.1, 3.2). Ảnh năm 2015 (mùa mưa) có mây nhẹ nhưng không ảnh hưởng đáng kể khu vực nghiên cứu; ảnh năm 2025 (đầu mùa khô) chất lượng tốt, độ tương phản cao, gần như không mây. Sau khi cắt, các đối tượng sử dụng đất thể hiện rõ nét, đáp ứng yêu cầu chọn mẫu huấn luyện, phân loại lớp phủ và đánh giá biến động sử dụng đất giai đoạn 2015 - 2025. Việc lựa chọn ảnh ít mây giúp hạn chế sai số giải đoán và nâng cao độ chính xác phân loại.

Chất lượng ảnh kết quả: Ảnh Sentinel-2 năm 2015 được thu nhận vào mùa mưa nên có xuất hiện mây trên cảnh ảnh gốc, tuy nhiên khu vực nghiên cứu không bị ảnh hưởng đáng kể. Ảnh năm 2025 thu nhận vào đầu mùa khô, điều kiện khí quyển ổn định nên có chất lượng tốt, độ tương phản cao và hầu như không có mây che phủ. Sau khi cắt theo ranh giới xã Tây Đô, các đối tượng sử dụng đất trên cả hai ảnh đều được thể hiện rõ nét, đáp ứng tốt yêu cầu chọn mẫu huấn luyện, phân loại lớp phủ và đánh giá biến động sử dụng đất giai đoạn 2015 - 2025. Việc lựa chọn ảnh có độ phủ mây thấp giúp hạn chế sai số giải đoán và nâng cao độ chính xác của kết quả phân loại.

2. ỨNG DỤNG VIỄN THÁM ĐỂ THÀNH LẬP BẢN ĐỒ LỚP PHỦ ĐẤT NÔNG NGHIỆP XÃ TÂY ĐÔ, TỈNH THANH HÓA NĂM 2015, 2025

- Hệ thống phân loại lớp phủ: Hệ thống phân loại lớp phủ được xây dựng dựa trên kinh nghiệm các nghiên cứu trước và đặc điểm tự nhiên, kinh tế - xã hội của xã Tây Đô, phù hợp với khả năng phân giải 10m của ảnh Sentinel-2.

Bảng 3.3. Hệ thống phân loại lớp phủ xã Tây Đô

Với độ phân giải 10m ở các kênh phổ chính, ảnh Sentinel-2 cho phép phân biệt tương đối tốt các nhóm đất trên, đáp ứng mục tiêu đánh giá biến động sử dụng đất giai đoạn 2015 - 2025.

- Tổ hợp màu phục vụ giải đoán ảnh: Ảnh được xử lý bằng hai tổ hợp màu chính nhằm tăng khả năng nhận dạng đối tượng:

Tổ hợp màu tự nhiên (4-3-2 - Red-Green-Blue): thể hiện màu sắc gần với quan sát thực tế - đất xây dựng/dân cư màu xám/trắng sáng (năm 2025 khu dân cư ngả đỏ nhạt); đất nông nghiệp, thảm thực vật màu xanh lục; mặt nước xanh đậm hoặc xanh ngọc; đất trống màu nâu/vàng nhạt. Tổ hợp này hỗ trợ quan sát tổng quan hiện trạng lớp phủ và chọn mẫu phân loại.

Tổ hợp màu giả hồng ngoại (8-4-3 - NIR-Red-Green): phân biệt đối tượng tốt hơn - thảm thực vật hiện màu đỏ đặc trưng do phản xạ mạnh vùng cận hồng ngoại; khu dân cư, đất giao thông màu xanh lam/xanh xám; mặt nước đen hoặc xanh đậm. Tổ hợp này làm nổi bật thảm thực vật, nâng cao độ chính xác giải đoán và được sử dụng chính cho phân loại.

Kết quả tổ hợp màu được thể hiện tại Hình 3.3 - 3.6 cho hai thời điểm năm 2015 và 2025.

- Nhận dạng đối tượng trên ảnh viễn thám

Dựa trên tổ hợp màu 8-4-3 và hệ thống phân loại, các đối tượng được nhận dạng theo đặc điểm hình dạng, màu sắc và vị trí phân bố (Bảng 3.4):

Bảng 3.4. Đặc điểm nhận dạng các đối tượng chính trên ảnh viễn thám

- Chọn mẫu phân loại và phân loại có giám sát: Mẫu huấn luyện (training samples) được chọn bằng công cụ Region of Interest (ROI) trên ENVI, dựa trên kết quả giải đoán ảnh kết hợp số liệu thống kê địa phương. Mỗi loại lớp phủ được chọn nhiều mẫu, phân bố đều trên toàn khu vực nghiên cứu để phản ánh đầy đủ đặc trưng phổ; riêng các loại đất có diện tích nhỏ, dễ nhầm lẫn (đất giao thông, đất ở, cây hàng năm khác) được bổ sung thêm mẫu đặc trưng.

Phân loại ảnh được thực hiện theo phương pháp phân loại có giám sát (Supervised Classification) trên ENVI, sử dụng thuật toán Maximum Likelihood nhờ khả năng phân loại hiệu quả dựa trên phân bố xác suất giá trị phổ. Quá trình phân loại được thực hiện độc lập cho hai thời điểm 2015 và 2025 (Hình 3.3).

Hình 3.3: Kết quả phân loại có giám sát Maximum Likelihood năm 2015, 2025

Kết quả phân loại cho thấy các nhóm đất chính (lúa, cây hàng năm khác, cây lâu năm, thủy sản, rừng, đất ở nông thôn, giao thông, sông ngòi) được phân tách tương đối rõ ràng, phân bố hợp lý về không gian và phản ánh khá sát hiện trạng sử dụng đất thực tế của xã Tây Đô, đảm bảo cơ sở khoa học cho việc thành lập bản đồ lớp phủ đất tại hai thời điểm nghiên cứu.

• Xử lý sau phân loại, kết quả xử lý sau phân loại tại hai thời điểm năm 2015 và năm 2025

Quá trình phân loại tự động bằng công cụ Maximum Likelihood dựa trên các mẫu cho ra kết quả có thể bị nhiễu hoặc phân loại bị nhầm giữa các loại đất do một số loại đất có đặc điểm phổ tương đồng với nhau và các pixel nằm rải rác. Do đó để đảm bảo độ chính xác ta cần thực hiện thêm một bước xử lý sau phân loại bằng công cụ phân tích đa số Majority Analysis giúp làm mịn bản đồ bằng cách gộp các pixel đơn lẻ hoặc phân loại lẫn vào lớp chứa chúng.

Sau khi áp dụng công cụ Majority Analysis, kết quả phân loại Maximum Likelihood được cải thiện đáng kể: các điểm ảnh đơn lẻ và vùng nhiễu diện tích nhỏ được loại bỏ hoặc giảm thiểu, giúp các khu vực cùng loại hình sử dụng đất thể hiện liên tục hơn, ranh giới giữa các đối tượng rõ ràng và dễ nhận biết hơn so với kết quả ban đầu.

Tuy nhiên, phương pháp này có thể làm mất một số đối tượng diện tích nhỏ hoặc dạng tuyến hẹp nếu bị nhận nhầm là nhiễu. Do đó, cần đối chiếu với ảnh gốc và hiệu chỉnh thủ công (gộp, cắt, điều chỉnh thuộc tính) trên phần mềm ArcGIS tại các khu vực đặc thù để đảm bảo độ chính xác.

= Đánh giá độ chính xác sau phân loại

Để đánh giá độ tin cậy của kết quả phân loại ảnh viễn thám, nghiên cứu tiến hành kiểm chứng thông qua việc xây dựng các điểm mẫu kiểm tra và đối chiếu với dữ liệu thực tế. Trên cơ sở đó, các chỉ tiêu đánh giá độ chính xác được tổng hợp và thống kê nhằm phản ánh mức độ phù hợp giữa kết quả phân loại và hiện trạng sử dụng đất. Kết quả kiểm chứng đúng - sai cho năm 2015 được trình bày chi tiết trong Bảng 3.6, làm cơ sở cho việc xây dựng ma trận sai số và tính toán các chỉ số đánh giá độ chính xác của kết quả phân loại.

Trên cơ sở ma trận sai số, các chỉ tiêu đánh giá độ chính xác như độ chính xác tổng thể (Overall Accuracy) và hệ số Kappa được xác định làm cơ sở đánh giá độ tin cậy của kết quả phân loại. Kết quả chi tiết được trình bày trong Bảng 3.7.

Bảng 3.7: Ma trận đánh giá độ chính xác sau phân loại năm 2015

Bảng ma trận sai số cho thấy trong tổng số 177 mẫu đánh giá, có 145 mẫu phân loại đúng, chiếm 81,92%, và 32 mẫu phân loại sai, chiếm 18,08%. Tỷ lệ phân loại đúng trên 80% cho thấy kết quả phân loại ảnh viễn thám có độ tin cậy tương đối cao. Đất LUA có số lượng mẫu kiểm chứng lớn nhất với 79 mẫu, phân loại đúng 72/79 mẫu đạt 91,14%. Đất NTS và đất SON đạt độ chính xác rất cao, lần lượt là 83,33% (5/6) và 100% (5/5) cho thấy các đối tượng mặt nước có khả năng phân biệt tốt trên ảnh viễn thám nhờ giá trị phản xạ thấp ở vùng cận hồng ngoại. Các loại đất khác có độ chính xác lần lượt là CLN 79,17% (19/24), ONT 75% (15/20), GT 69,23% (9/13), RUNG 69,57% (16/23). Đất HNK có độ chính xác thấp nhất, chỉ đạt 57,14% với 4/7 mẫu được phân loại đúngdo đặc tính phổ thay đổi theo mùa vụ và thường phân bố xen kẽ với đất lúa hoặc các loại cây trồng khác khác tại thời điểm thu nhận ảnh.

Kết quả đánh giá độ chính xác cho thấy độ chính xác toàn cục đạt 81,92%, hệ số Kappa đạt 0,75, phản ánh mức độ chính xác giữa kết quả phân loại và dữ liệu kiểm tra thực địa ở mức khá. 

Bảng 3.8: Bảng thống kê số điểm khảo sát năm 2025

Kết quả kiểm chứng đúng - sai cho năm 2025 được trình bày chi tiết trong Bảng 3.8, làm cơ sở cho việc xây dựng ma trận sai số và tính toán các chỉ số đánh giá độ chính xác của kết quả phân loại.

Bảng 3.9: Ma trận đánh giá độ chính xác sau phân loại năm 2025

Năm 2025 có 176 mẫu khảo sát, với 145 mẫu phân loại đúng và 31 mẫu phân loại sai, tương ứng với tỷ lệ chính xác là 82,4% và tỷ lệ sai số là 17,6%. Đất LUA vẫn là loại đất có số lợng mẫu và độ chính xác cao nhất với 51/52 mẫu phân loại đúng đạt tỷ lệ 98,08%. Độ chính xác các loại đất khác lần lượt là RUNG 91,67% (11/12), SON và NTS đều có tỷ lệ là 80% (4/5), ONT 75% (18/24), GT 73,33% (22/30), HNK 76,67% (23/30), CLN có độ chính xác thấp nhất là 66,67% (12/18) có thể do sự tương đồng về phổ phản xạ giữa cây lâu năm với đất rừng hoặc một số loại cây trồng nông nghiệp khác.

3.3. Ứng dụng GIS thành lập bản đồ lớp phủ đất và bản đồ biến động lớp phủ đất nông nghiệp xã Tây Đô, tỉnh Thanh Hóa giai đoạn 2015 – 2025

Sau khi hoàn thiện dữ liệu không gian và thuộc tính, tiến hành biên tập bản đồ bằng cách bổ sung các thành phần cần thiết như khung bản đồ, tiêu đề, chú giải, thước tỷ lệ, mũi tên chỉ hướng Bắc, lưới tọa độ, nguồn dữ liệu và các thông tin liên quan. Bản đồ được trình bày theo quy định hiện hành nhằm bảo đảm tính khoa học, tính thống nhất và khả năng khai thác thông tin.

Kết quả thu được là bản đồ lớp phủ sử dụng đất của xã Tây Đô tại hai thời điểm năm 2015 và 2025, phản ánh hiện trạng phân bố các loại hình sử dụng đất trên địa bàn. Đây là cơ sở quan trọng để tính toán diện tích các loại đất, phân tích biến động sử dụng đất nông nghiệp và đề xuất các giải pháp quản lý, sử dụng đất hiệu quả và bền vững tại địa phương.

Sau khi có bản đồ lớp phủ sử dụng đất của hai năm 2015 và 2025 ta tiến hành xây dựng bản đồ biến động lớp phủ sử dụng đất. Quá trình thành lập bản đồ biến động được thực hiện bằng phương pháp chồng lớp (overlay) trong môi trường hệ thống thông tin địa lý (GIS), trong đó hai lớp bản đồ lớp phủ đất của hai thời điểm được chuẩn hóa về cùng hệ tọa độ và hệ phân loại. Trên cơ sở đó, tiến hành so sánh không gian để xác định các khu vực không thay đổi và các khu vực chuyển đổi giữa các loại hình sử dụng đất trong giai đoạn nghiên cứu.

3.4. ỨNG DỤNG GIS PHÂN TÍCH, ĐÁNH GIÁ BIẾN ĐỘNG SỬ DỤNG ĐẤT XÃ TÂY ĐÔ GIAI ĐOẠN 2015 - 2025

Từ kết quả chồng lớp (overlay) bản đồ lớp phủ đất năm 2015 và 2025, nghiên cứu xây dựng bảng chu chuyển đất đai nhằm xác định diện tích không đổi và diện tích chuyển đổi giữa các loại hình sử dụng đất trong giai đoạn nghiên cứu.

Tổng diện tích tự nhiên 3.530,15 ha, trong đó diện tích biến động 1.528,84 ha (43,31%), diện tích không biến động 2.001,31 ha (56,69%) - cho thấy cơ cấu sử dụng đất tương đối ổn định nhưng quá trình chuyển đổi vẫn diễn ra khá mạnh do tác động phát triển kinh tế - xã hội.

Biến động theo từng loại đất:

Đất lúa (1.723,13 ha): biến động lớn nhất, 597,71 ha (34,69%), chủ yếu chuyển sang cây hàng năm khác (170,16 ha), giao thông (138,82 ha), cây lâu năm (125,45 ha) và đất ở (125,28 ha) - phản ánh xu hướng giảm đất lúa phục vụ hạ tầng, dân cư và chuyển đổi cây trồng.

Đất trồng cây lâu năm (305,82 ha): biến động 225,85 ha (73,85%), chủ yếu sang đất ở (66,46 ha), giao thông (53,76 ha), rừng (51,57 ha).

Đất trồng cây hàng năm khác (356,88 ha): biến động 218,34 ha (61,18%), chủ yếu sang đất ở (166,71 ha) - phản ánh nhu cầu đất ở tăng, đô thị hóa.

Đất ở nông thôn (351,15 ha): biến động 143,36 ha (40,82%), nhưng là loại đất nhận chuyển đến nhiều nhất, chủ yếu từ cây hàng năm khác, lúa, giao thông, cây lâu năm.

Đất giao thông (208,15 ha): biến động 113,26 ha (54,42%), tăng mạnh nhờ nhận diện tích từ lúa và cây lâu năm - phản ánh đầu tư phát triển hạ tầng.

Đất rừng (364,13 ha): biến động 156,85 ha (43,07%), chủ yếu sang cây lâu năm và lúa, do đặc thù rừng sản xuất có chu kỳ khai thác - tái trồng gây nhầm lẫn khi giải đoán ảnh.

Đất nuôi trồng thủy sản và sông ngòi: biến động thấp nhất; đất sông ngòi ổn định cao nhất (76,38% giữ nguyên).

Biến động sử dụng đất giai đoạn 2015 - 2025 có xu hướng giảm đất nông nghiệp truyền thống (đặc biệt đất lúa), tăng đất ở nông thôn, đất giao thông và các loại đất sản xuất giá trị kinh tế cao hơn - phản ánh quá trình phát triển kinh tế - xã hội và chuyển dịch cơ cấu sử dụng đất phù hợp nhu cầu phát triển. Cần quản lý chặt chẽ việc chuyển đổi đất nông nghiệp để đảm bảo sử dụng đất hợp lý, hiệu quả và bền vững.

Một số nguyên nhân biến động sử dụng đất nông nghiệp tại xã tây đô

-Về kinh tế - xã hội: Giai đoạn 2015-2025, cơ cấu kinh tế xã chuyển dịch giảm tỷ trọng nông nghiệp, tăng phi nông nghiệp. Quá trình xây dựng nông thôn mới, đầu tư hạ tầng giao thông và công trình công cộng làm gia tăng nhu cầu đất cho sản xuất kinh doanh, thúc đẩy chuyển đổi đất nông nghiệp sang phi nông nghiệp.

- Về gia tăng dân số: Dân số tăng cùng nhu cầu nâng cao chất lượng sống làm gia tăng nhu cầu đất ở, thúc đẩy mở rộng khu dân cư, chuyển đổi đất sang mục đích ở và các loại đất phi nông nghiệp khác.

- Về chuyển đổi cơ cấu nông nghiệp: Một phần đất lúa được chuyển sang cây hàng năm khác và cây lâu năm nhằm nâng cao hiệu quả kinh tế, phù hợp nhu cầu thị trường và cải thiện thu nhập người dân.

- Về công tác quy hoạch: Việc triển khai quy hoạch phát triển kinh tế - xã hội, quy hoạch nông thôn mới và quy hoạch sử dụng đất đã định hướng chuyển đổi mục đích sử dụng đất phù hợp với mục tiêu phát triển từng giai đoạn.

4. KẾT LUẬN

Kết quả cho thấy ứng dụng công nghệ GIS và viễn thám cho phép theo dõi, đánh giá biến động sử dụng đất khách quan, chính xác cao; cách tiếp cận này tiết kiệm thời gian, nhân lực, kinh phí và đáp ứng yêu cầu cập nhật nhanh trong quản lý đất đai.

Bên cạnh kết quả đạt được, nghiên cứu còn một số hạn chế: (i) số liệu thống kê đất đai năm 2015 chưa đầy đủ do sáp nhập đơn vị hành chính, nên chỉ đánh giá biến động theo lớp phủ giải đoán từ ảnh mà chưa đối chiếu toàn diện với số liệu thống kê; (ii) ảnh Sentinel-2 là ảnh quang học nên chịu ảnh hưởng bởi mây, sương mù; một số lớp phủ có phổ phản xạ gần giống nhau (cây lâu năm - rừng, đất ở - giao thông) dễ gây nhầm lẫn khi phân loại; độ phân giải 10m còn hạn chế với các đối tượng nhỏ, xen kẽ; sự khác biệt thời vụ cây trồng cũng ảnh hưởng đến độ chính xác; (iii) khảo sát thực địa tại khu vực khó tiếp cận (đồi núi, sông suối) chỉ thực hiện qua Google Earth, cùng hạn chế kinh nghiệm xử lý ảnh của người thực hiện nên khó tránh khỏi sai số.

Nhìn chung, kết quả nghiên cứu phản ánh rõ sự thay đổi không gian sử dụng đất, khẳng định việc kết hợp viễn thám và GIS là hướng tiếp cận hiệu quả trong theo dõi, đánh giá, quản lý biến động sử dụng đất, đồng thời là cơ sở dữ liệu tham khảo phục vụ quy hoạch, quản lý tài nguyên đất và phát triển nông nghiệp bền vững tại địa phương.