Đánh giá sự thay đổi các mô hình sản xuất lúa tỉnh An Giang dựa trên phương pháp tích hợp ảnh radar và quang học.

Nguyễn Tấn Lợi1, Huỳnh Thị Thu Hương2, Lê Thành Được1, , Võ Nhật Minh3
1 Viện Nghiên cứu Biến đổi Khí hậu, Trường Đại học Cần Thơ
2 Khoa Môi Trường và Tài nguyên Thiên nhiên, Trường Đại học Cần Thơ
3 Phòng An Ninh Kinh Tế, Công an Tp. Cần Thơ, Việt Nam

Nội dung chính của bài viết

Tóm tắt

Đồng bằng sông Cửu Long (ĐBSCL) hiện đóng góp hơn 90% sản lượng lúa gạo xuất khẩu của cả nước, đóng vai trò then chốt trong đảm bảo an ninh lương thực nội địa và thúc đẩy xuất khẩu nông sản của Việt Nam, trong đó An Giang là một trong những tỉnh dẫn đầu về sản xuất và cung ứng lúa gạo tại ĐBSCL. Nghiên cứu này được thực hiện nhằm đánh giá sự thay đổi trong mô hình canh tác lúa tại tỉnh An Giang, với hai huyện đại diện là Tri Tôn và Phú Tân. Nghiên cứu ứng dụng phương pháp phân loại không giám sát dựa trên việc tích hợp chuỗi ảnh chỉ số khác biệt thực vật NDVI (Normalized Difference Vegetation Index - NDVI) và chỉ số phân cực chéo VH (Vertical transmit - Horizontal receive) của vệ tinh Sentinel-1 và Sentinel-2 trên nền tảng Google Earth Engine (GEE) để theo dõi hiện trạng các mô hình sản xuất lúa từ năm 2015 đến năm 2024. Kết quả phân tích cho thấy mô hình canh tác tại huyện Tri Tôn và Phú Tân chủ yếu là lúa 2 vụ và lúa 3 vụ, trong đó diện tích canh tác lúa 3 vụ có xu hướng giảm dần trong giai đoạn nghiên cứu. Đánh giá độ chính xác của mô hình phân loại dựa trên 136 điểm kiểm tra thực địa cho thấy độ chính xác tổng thể đạt lần lượt 97,1% và 94,1%. Những kết quả này cho thấy tiềm năng ứng dụng hiệu quả của công nghệ viễn thám và GIS trong giám sát, quản lý và hỗ trợ ra quyết định đối với các mô hình canh tác lúa tại khu vực Đồng bằng sông Cửu Long.

Chi tiết bài viết

Tài liệu tham khảo

Congalton, R. G., & Green, K. (2019). Assessing the accuracy of remotely sensed data: Principles and practices (3rd ed.). CRC Press.
Cục Thống kê tỉnh An Giang. (2018). Niên giám thống kê tỉnh An Giang năm 2017.
Chính phủ. (2017). Nghị quyết số 120/NQ-CP về phát triển bền vững Đồng bằng sông Cửu Long thích ứng với biến đổi khí hậu. Hà Nội, Việt Nam.
Bogoliubova, A., & Tymków, P. (2014). Accuracy assessment of automatic image processing for land cover classification of St. Petersburg protected area. Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum, 13(February), 5–22.
Carrasco, L., O’Neil, A. W., Daniel Morton, R., & Rowland, C. S. (2019). Evaluating combinations of temporally aggregated Sentinel-1, Sentinel-2 and Landsat 8 for land cover mapping with Google Earth Engine. Remote Sensing, 11(3). https://doi.org/10.3390/rs11030288
Cohen, J. (1960). A Coefficient of Agreement for Nominal Scales. Educational and Psychological Measurement, 20(1), 37–46. https://doi.org/10.1177/001316446002000104
Fatchurrachman, Rudiyanto, Soh, N. C., Shah, R. M., Giap, S. G. E., Setiawan, B. I., & Minasny, B. (2022a). High-Resolution Mapping of Paddy Rice Extent and Growth Stages across Peninsular Malaysia Using a Fusion of Sentinel-1 and 2 Time Series Data in Google Earth Engine. Remote Sensing, 14(8). https://doi.org/10.3390/rs14081875
Fatchurrachman, Rudiyanto, Soh, N. C., Shah, R. M., Giap, S. G. E., Setiawan, B. I., & Minasny, B. (2022b). High-Resolution Mapping of Paddy Rice Extent and Growth Stages across Peninsular Malaysia Using a Fusion of Sentinel-1 and 2 Time Series Data in Google Earth Engine. Remote Sensing, 14(8), 1–22. https://doi.org/10.3390/rs14081875
Hiệp hội lương thực Việt Nam. (2023, November 29). Năng suất lúa An Giang dẫn đầu vùng Đồng bằng sông Cửu Long.
Kollert, A., Bremer, M., Löw, M., & Rutzinger, M. (2021). Exploring the potential of land surface phenology and seasonal cloud free composites of one year of Sentinel-2 imagery for tree species mapping in a mountainous region. International Journal of Applied Earth Observation and Geoinformation, 94. https://doi.org/10.1016/j.jag.2020.102208
LUO, C., LIU, H. jun, LU, L. ping, LIU, Z. rong, KONG, F. chang, & ZHANG, X. le. (2021). Monthly composites from Sentinel-1 and Sentinel-2 images for regional major crop mapping with Google Earth Engine. Journal of Integrative Agriculture, 20(7), 1944–1957. https://doi.org/10.1016/S2095-3119(20)63329-9
Nguyện, P. C., Trí, L. Q., & Vũ, P. T. (2020). Xác định yêu cầu cho sản xuất lúa ứng dụng công nghệ cao tại tỉnh An Giang trên cơ sở tham vấn các chủ thể khác nhau. Can Tho University Journal of Science, 56(3), 93. https://doi.org/10.22144/ctu.jvn.2020.058
Niên giám thống kê = Statistical yearbook of Viet Nam 2017. (2017). Nhà xuất bản Thống kê = Statiscal Publishing House.
Rudiyanto, Minasny, B., Shah, R. M., Soh, N. C., Arif, C., & Setiawan, B. I. (2019). Automated near-real-time mapping and monitoring of rice extent, cropping patterns, and growth stages in Southeast Asia using Sentinel-1 time series on a Google Earth Engine platform. Remote Sensing, 11(14). https://doi.org/10.3390/rs11141666
Thủ tướng Chính phủ. (2021). Quyết định số 255/QĐ-TTg phê duyệt kế hoạch hành động thực hiện Nghị quyết số 120/NQ-CP. Hà Nội, Việt Nam.
Thị Thùy Dương, P., Thị Tuyết, N., Thị Thu Thảo, T., Thị Vân Anh, V., & Thu Văn, C. (2023). Nghiên cứu đánh giá sự suy giảm năng suất lúa do bất lợi về nguồn nước tỉnh An Giang. Vietnam Journal of Hydrometeorology, 7(751), 19–27. https://doi.org/10.36335/vnjhm.2023(751).19-27
Trần, V. H., Nguyễn, T. T. X., & Nguyễn, T. P. (2023). Ảnh hưởng của các mô hình canh tác nông nghiệp đến hàm lượng chất hữu cơ và đạm trong đất ở núi Dài tỉnh An Giang. Dong Thap University Journal of Science, 12(8), 60–65. https://doi.org/10.52714/dthu.12.8.2023.1152
Ủy ban nhân dân tỉnh An Giang. (2024, August 6). Vị trí chiến lược, điều kiện tự nhiên tỉnh An Giang. Cổng Thông Tin Điện Tử Tỉnh An Giang.
Viện Khoa học Thủy Lợi Việt Nam. (2024, January 4). Tiềm năng định hướng phát triển mô hình sản xuất nông nghiệp trên địa bàn tỉnh An Giang và vùng phụ cận trong bối cảnh thay đổi của thượng nguồn sông Mekong và Biến đổi khí hậu.
Wu, H., Zhang, J., Zhang, Z., Han, J., Cao, J., Zhang, L., Luo, Y., Mei, Q., Xu, J., & Tao, F. (2023). AsiaRiceYield4km: seasonal rice yield in Asia from 1995 to 2015. Earth System Science Data, 15(2), 791–808. https://doi.org/10.5194/essd-15-791-2023