Ứng dụng viễn thám và công nghệ GIS trong xây dựng cơ sở dữ liệu hệ thống giao thông: Nghiên cứu trường hợp tại tỉnh Sơn La, Việt Nam
DOI:
https://doi.org/10.5281/zenodo.15205298Từ khóa:
cơ sở dữ liệu giao thông, quản lý hạ tầng giao thông, Sơn La, Viễn thám, GISTóm tắt
Việc xây dựng cơ sở dữ liệu (CSDL) hệ thống giao thông đóng vai trò quan trọng trong quản lý và quy hoạch phát triển hạ tầng giao thông, đặc biệt ở khu vực miền núi, nơi có địa hình phức tạp như tỉnh Sơn La. Nghiên cứu này ứng dụng ảnh viễn thám (Sentinel-2, Landsat-8 và ảnh quang học độ phân giải cao) kết hợp Hệ thống thông tin địa lý (GIS) để xây dựng CSDL hệ thống giao thông cho khu vực nghiên cứu. Thông qua các bước tiền xử lý ảnh, phân loại có giám sát và trích xuất thông tin không gian, hệ thống CSDL gồm các lớp: đường giao thông, cầu – hầm, và điểm giao thông trọng yếu đã được thiết lập. Kết quả so sánh với dữ liệu thực địa cho thấy độ chính xác đạt 89%, trong đó lớp đường giao thông đạt 91,3%. Kết quả nghiên cứu cho thấy, hệ thống CSDL GIS có khả năng cung cấp thông tin chi tiết về mạng lưới giao thông, hỗ trợ đánh giá và quy hoạch hệ thống đường bộ tại các khu vực miền núi.
Downloads
Tài liệu tham khảo
[1] Chen, Y., Zhang, L., & Li, H. (2019). Monitoring urban road network changes using multi-temporal remote sensing data. ISPRS Journal of Photogrammetry and Remote Sensing, 148, 66–77. https://doi.org/10.1016/j.isprsjprs.2018.12.009
[2] European Space Agency (ESA). (2023). Copernicus Sentinel-1 Mission. https://sentinel.esa.int/web/sentinel/missions/sentinel-1
[3] European Space Agency (ESA). (2023). Copernicus Sentinel-2 Mission. https://sentinel.esa.int/web/sentinel/missions/sentinel-2
[4] Goodchild, M. F. (2007). Citizens as sensors: the world of volunteered geography. GeoJournal, 69(4), 211–221. https://doi.org/10.1007/s10708-007-9111-y
[5] Google Earth. (2023). Google Earth Pro software. https://www.google.com/earth/versions/
[6] Kurniawan, A., Haryono, A., & Prasetyo, L. B. (2020). Road network extraction using Sentinel-2 imagery and machine learning classification. Remote Sensing Applications: Society and Environment, 17, 100287. https://doi.org/10.1016/j.rsase.2020.100287
[7] Li, Y., Zhao, W., & Wang, T. (2019). Challenges of road extraction in mountainous terrain using satellite imagery. Remote Sensing Letters, 10(4), 392–401. https://doi.org/10.1080/2150704X.2019.1582064
[8] Nguyễn Văn Hùng, Trần Văn Tùng, Lê Thị Hoa (2021). Ứng dụng ảnh UAV và GIS trong cập nhật hệ thống đường giao thông tỉnh Quảng Nam. Tạp chí Khoa học Trái đất, 43(2), tr. 25–35.
[9] Nguyễn, T. D., Phạm, H. A., & Lê, T. M. (2020). Ứng dụng GIS trong mô phỏng mật độ giao thông tại khu vực nội đô Hà Nội. Tạp chí Khoa học và Công nghệ Giao thông Vận tải, 35(4), tr. 42–50.
[10] OpenStreetMap Foundation. (2023). About OpenStreetMap. https://www.openstreetmap.org/about
[11] Phạm, V. K., Trịnh, T. M., & Nguyễn, V. D. (2018). Đánh giá tiềm năng cập nhật dữ liệu giao thông khu vực miền núi bằng ảnh vệ tinh. Tạp chí Địa lý và Tài nguyên, 28(1), tr. 19–27.
[12] Tổng cục Đường bộ Việt Nam (2023), Cơ sở dữ liệu hạ tầng giao thông đường bộ Việt Nam.
[13] UBND tỉnh Sơn La (2022), Báo cáo Quy hoạch tỉnh Sơn La thời kỳ 2021–2030, tầm nhìn đến năm 2050.
[14] Zhang, J., Wu, Q., & Wang, R. (2021). Road extraction from Sentinel-2 imagery using deep learning techniques. International Journal of Applied Earth Observation and Geoinformation, 103, 102517. https://doi.org/10.1016/j.jag.2021.102517
Lượt tải xuống
Đã Xuất bản
Số
Chuyên mục
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0 Quốc tế.
Giấy phép CC 4.0
