By this author

Forest Fire Risk Assessment and Mapping Using Remote Sensing and GIS Techniques: A Case Study in Nghe An Province, Vietnam

Issue number 1 from 15.09.2025

В работе представлены результаты моделирования риска возникновения лесных пожаров на западе провинции Нгеан (северо-центральная часть Вьетнама), полученные на основе данных дистанционного зондирования и ГИС. С помощью методов машинного обучения: случайного леса (Random Forest), опорных векторов (Support Vector Machine), деревьев классификации и регрессии (Classification and Regression Trees) были построены модели возникновения лесных пожаров. В моделях учитывались девять основных факторов, определяющих вероятность возникновения лесных пожаров, среди них: количество фитомассы растительного покрова, поверхностная эвапотранспирация, высота местности над уровнем моря, наклон и экспозиция склона, скорость ветра, температура земной поверхности, среднемесячное количество осадков, плотность населения на территории. Различные значения параметров в алгоритмах машинного обучения были исследованы для выбора модели, наиболее точно предсказывающей возникновение лесных пожаров. Установлено, что метод случайного леса со значением параметра “количество деревьев решений”, равным 100, имеет наибольшую точность прогнозирования риска лесных пожаров на исследуемой территории.

5 0

Long-term Coastline Monitoring in the Thanh Hoa Province (Vietnam) Using Landsat 5 and Landsat 8 Data

Issue number 3 from 15.09.2025

В последние годы деятельность человека оказывает глубокое воздействие на состояние устьев рек и прибрежных районов Вьетнама, что выражается в активной эрозии и аккреции (увеличение) береговой линии. В работе использовались изображения Landsat за период 1988 – 2022 гг. для оценки динамики береговой линии провинции Тханьхоа (Северный Центральный Вьетнам). Водные индексы NDWI, ANDWI, MNDWI, AWEI_nsh, AWEI_sh и BandWet, определенные на основе изображений Landsat, применялись для дешифрирования водной поверхности. Пороговый метод Otsu использовался для отделения “водной поверхности” от “объектов суши” с последующей оценкой точности разделения на основе коэффициента Каппа. Полученные результаты показали, что индекс ANDWI имеет наибольшую точность дешифрирования береговой линии изучаемой территории, коэффициент Каппа достигал величины 0.95, для остальных индексов NDWI, MNDWI, AWEI_nsh, AWEI_sh, BandWet коэффициент Каппа был соответственно равен 0.91, 0.92, 0.93, 0.92 и 0.92. После дешифрирования границ водной поверхности с помощью ANDWI проводилась векторизация границ и наложение векторных изображений друг на друга для оценки изменчивости береговой линии и построения карты динамики береговой линии. Обнаружено, что в северной части прибрежной зоны провинции Тханьхоа наблюдается активная аккреция береговой линии. Средняя скорость аккреции составляла 150 м/год, максимальная скорость – 457 м/год. Наоборот, на южном побережье провинции Тханьхоа преобладает эрозия береговой линии с максимальной скоростью 38 м/год и средней скоростью около 10 м/год.

5 0