Comparative evaluation of Random Forest, SVM, and Naive Bayes algorithms for land cover classification using Sentinel-2 data on Google Earth Engine: A case study in Thai Nguyen, Vietnam
DOI:
https://doi.org/10.5281/zenodo.19762302Keywords:
GEE, Thai Nguyen, Vietnam, Random Forest, SVM, Naive BayesAbstract
This study evaluates the performance of three machine learning algorithms, namely Random Forest (RF), Support Vector Machine (SVM), and Naive Bayes (NB), for land cover classification using Sentinel-2 satellite imagery in Thai Nguyen province, Vietnam. The imagery was processed on the Google Earth Engine (GEE) platform, integrating spectral bands, spectral indices, topographic variables, and image texture features to construct the input dataset for the classification models. A total of 18,524 sample pixels were used, of which 70% were allocated for model training and 30% for accuracy assessment. The results indicate a clear difference in classification performance among the algorithms. RF achieved the highest accuracy with an overall accuracy (OA) of 90.27% and a Kappa coefficient of 0.880. SVM also produced good classification results, with an OA of 88.78% and a Kappa value of 0.862. In contrast, NB showed significantly lower performance, with an OA of 37.41% and a Kappa coefficient of 0.238. These findings suggest that RF and SVM are capable of effectively modeling nonlinear relationships between spectral variables and land cover classes, whereas the independence assumption of NB is not well suited to the complex spectral characteristics of multispectral remote sensing data. The study highlights the potential of integrating Sentinel-2 data with machine learning algorithms on the GEE platform for land cover classification and mapping, and provides a scientific basis for selecting appropriate classification algorithms in remote sensing studies.
Downloads
References
[1] M. Herold, P. Mayaux, C. Woodcock, A. Baccini, and C. Schmullius, "Some challenges in global land cover mapping: An assessment of agreement and accuracy in existing 1 km datasets," Remote Sensing of Environment, vol. 112, no. 5, pp. 2538-2556, 2008, doi: https://doi.org/10.1016/j.rse.2007.11.013.
[2] J. A. Richards and X. Jia, Remote sensing digital image analysis: an introduction. Springer, 2006. FAO, "FAOSTAT Analytical Brief 88 – Land Statistics 2001–2022. Global, regional and country trends," 2023.
[3] S. Hu et al., "Converging trend of global urban land expansion sheds new light on sustainable development," arXiv preprint https://doi.org/10.48550/arXiv.2310.02293.
[4] H. A. Nguyễn, "Ứng dụng giải thuật trí tuệ nhân tạo phân loại và dự báo sự phân bố lớp phủ thực vật sử dụng ảnh Landsat – vùng nghiên cứu tại đới ven bờ của tỉnh Bà Rịa Vũng Tàu Tạp chí Khoa học Đại học Cần Thơ, vol. 61, no. 2, pp. 67-79, 2025, doi: https://doi.org/10.22144/ctujos.2025.032.
[5] G. A. Afuye et al., "Global trend assessment of land use and land cover changes: A systematic approach to future research development and planning," Journal of King Saud UniversityScience, vol. 36, no. 7, p. 103262, 2024, doi: https://doi.org/10.1016/j.jksus.2024.103262.
[6] J. Chen et al., "Global land cover mapping at 30 m resolution: A POK-based operational approach," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 103, pp. 7-27, 2015, doi: https://doi.org/10.1016/j.isprsjprs.2014.09.002.
[7] M. A. Wulder, J. G. Masek, W. B. Cohen, T. R. Loveland, and C. E. Woodcock, "Opening the archive: How free data has enabled the science and monitoring promise of Landsat," Remote Sensing of Environment, https://doi.org/10.1016/j.rse.2012.01.010. vol. 122, pp. 2-10, 2012,
[8] T. S. Unger Holtz, "Introductory digital image processing: A remote sensing perspective," ed: Association of Environmental & Engineering Geologists, 2007.
[10] T. Lillesand, R. W. Kiefer, and J. Chipman, Remote sensing and image interpretation. John Wiley & Sons, 2015.
[11] S. Gadal and G. Mozgeris, "Advances of remote sensing in land cover and cand use mapping," vol. 17, ed: MDPI, 2025, p. 1980.
[12] T. P. T. Giang, T. T. H. Phạm, V. H. Phạm, and A. B. Nguyễn, "Đánh giá độ chính xác trong phân loại lớp phủ dự trên thuật toán học máy và dữ liệu viễn thám thông qua Google Earth Engine: Ápdụng tại tỉnh Đắk Lắk," Journal of Science on Natural Resources Environment, no. 46, pp. 55-65, 2021.
[13] T. T. H. Lê and T. P. T. Giang, "Sử dụng ảnh vệ tinh Sentinel-2 trong giám sát sự phát triển của cây lúa tại tỉnh Đồng Tháp, Việt Nam," Tạp chí Khí tượng thuỷ văn, vol. 764, pp. 93108, 2024, doi: ttps://doi.org/10.36335/VNJHM.2024(764).93-108.
[14] V. T. Nguyễn, T. N. P. Đoàn, and T. D. Bùi, "Sử dụng các chỉ số phổ của dữ liệu ảnh vệ tinh Sentinel-2 và Landsat-8 thành lập bản đồ mức độ cháy rừng ở xã Na Ngoi, Kỳ Sơn, Nghệ An," Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất, vol. 59, no. 5, pp. 44-54, 2018.
[15] T. N. T. N. Nguyễn, K. D. Nguyễn, and K. D. Phan, "Xây dựng bản đồ phân bố không gian hiện trạng sử dụng đất nông nghiệp huyện Tân Hưng, tỉnh Long An sử dụng kết hợp chuỗi ảnh Sentinel 2 và Sentinel 1," Tạp chí Khoa học Đại học Cần Thơ, vol. 61, pp. 144-154, 2025, doi: https://doi.org/10.22144/ctujos.2025.065.
[16] H. S. Nguyen, "Ứng dụng viễn thám và Google Earth Engine thành lập bản đồ hiện trạng sử dụng đất nông nghiệp năm 2023 ở huyện Hòa Vang, thành phố Đà Nẵng," Hue University Journal of Science: Agriculture and Rural Development, vol. 133, no. 3B, pp. 17–33-17–33, 2024, doi: https://doi.org/10.26459/hueunijard.v133i3B.7443.
[17] Đ. C. Nguyễn, Đ. C. Phạm, and V. B. Nguyễn, "Sử dụng ảnh Sentinel-2 và Google Earth Engine để đánh giá biến động diện tích rừng phòng hộ và đặc dụng tại huyện Võ Nhai, tỉnh Thái Nguyên," Tạp chí Khoa học Lâm nghiệp, vol. 1, pp. 106-114, 2022.
[18] T. T. H. Phạm, N. Q. Vũ, T. N. Lê, T. N. P. Đoàn, and M. H. H. Nguyễn, "Nghiên cứu khả năng ứng dụng thuật toán Random Forest và ảnh vệ tinh Sentinel-2 trong phân loại lớp phủ mặt đất tỉnh Quảng Bình trên nền tảng Google Colab," Tạp chí Khí tượng thuỷ văn, vol. 756, pp. 29-41, 2023, doi: https://doi.org/10.36335/VNJHM.2023(756).29-41.
[19] L. Ma, Y. Liu, X. Zhang, Y. Ye, G. Yin, and B. A. Johnson, "Deep learning in remote sensing applications: A meta-analysis and review," ISPRS journal of photogrammetry and remote sensing, vol. 152, pp. 166-177, 2019, doi: https://doi.org/10.1016/j.isprsjprs.2019.04.015.
[20] V. A. Trần et al., "Nghiên cứu một số phương pháp học máy trong thành lập bản đồ lớp phủ bề mặt tỉnh Cà Mau trên nền tảng Google Earth Engine," Tạp chí Khoa học Đo đạc và Bản đồ, no. 55, pp. 18-26, 2023.
[21] T. C. Nguyễn, Q. B. Trần, T. Đ. Trương, T. H. Nguyễn, V. D. Phạm, and H. H. Nguyễn, "Kết hợp trí tuệ nhân tạo (AI) và Google Earth Engine (GEE) để phân loại các lớp phủ từ ảnh Sentinel-2: trường hợp nghiên cứu tại xã Quảng Sơn và xã Tà Đùng, tỉnh Lâm Đồng," Tạp chí Khoa học và công nghệ Lâm nghiệp, vol. 14, no. 7, pp. 60-70, 2025, doi: https://doi.org/10.55250/jo.vnuf.14.7.2025.060-070.
[22] C. H. Phạm and T. N. Nguyễn, "Ứng dụng Google Earth Engine giám sát biến động không gian xanh tại thành phố Thủ Đức bằng ảnh Sentinel 2 giai đoạn 2019-2024," Tạp chí Trắc địa - Bản đồ, vol. 11, no. 3, pp. 25-39, 2025, doi: 0.5281/zenodo.15795229.
[23] T. O. Nông, X. T. Trần, H. T. Tạ, and V. N. Trịnh, "Mô hình tự động phân loại dữ liệu lớp phủ bề mặt phục vụ kiểm kê khí nhà kính bằng ảnh viễn thám," Tạp chí Khoa học Đo đạc và Bản đồ, no. 57, pp. 55-64, 2023.
[24] T. P. T. Đỗ, M. H. Lê, N. N. Nguyễn, T. T. H. Vũ, and K. V. Nguyễn, "Giám sát lớp phủ bề mặt khu dự trữ sinh quyển Cần Giờ sử dụng thuật toán Random Forest trên nền tảng điện toán đám mây," Tạp chí Khí tượng thuỷ văn, vol. 770, pp. 58-67, 2025, doi: https://doi.org/10.36335/VNJHM.2025(770).58-67.
[25] M. Belgiu and L. Drăguţ, "Random forest in remote sensing: A review of applications and future directions," ISPRS journal of photogrammetry and remote sensing, vol. 114, pp. 2431, 2016, doi: https://doi.org/10.1016/j.isprsjprs.2016.01.011.
[26] G. Mountrakis, J. Im, and C. Ogole, "Support vector machines in remote sensing: A review," ISPRS journal of photogrammetry and remote sensing, vol. 66, no. 3, pp. 247-259, 2011, doi: https://doi.org/10.1016/j.isprsjprs.2010.11.001.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Thu Trịnh Hoài, Thành Lê Duy, Thắm Bùi Thị Hồng, Loan Trịnh Thị (Tác giả)
This work is licensed under a Creative Commons Attribution 4.0 International License.
CC 4.0
