Nghiên cứu khả năng của mô hình học máy GB và SVR trong thành lập bản đồ nguy cơ lún đất khu vực bán đảo Cà Mau, Việt Nam

Abstract

Nghiên cứu này tập trung vào khảo sát khả năng của hai mô hình học máy là Gradient Boosting (GB) và Suport Vector Regression (SVR) trong thành lập bản đồ nguy cơ lún đất cho khu vực bán đảo Cà Mau. Tám lớp dữ liệu là: Độ cao, địa chất, đất, lớp phủ bề mặt, NDVI, độ sâu mực nước ngầm, khoảng cách đến giao thông, khoảng cách đến sông suối được coi là các yếu tố ảnh hưởng nhiều đến lún đất ở khu vực này. Hai mô hình được huấn luyện trên một tập dữ liệu bao gồm 40 điểm mẫu được cung cấp bởi cục Đo đạc, Bản đồ và Thông tin địa lý Việt Nam và các điểm đo lún còn lại được xử lý bằng phương pháp PSInSAR trên tập ảnh Sentinel-1 từ tháng 11 năm 2014 đến tháng 1 năm 2019. Tổng số điểm mẫu đưa vào mô hình là 1001 điểm được chia thành hai tập dữ liệu là huấn luyện (70%) và kiểm tra (30%). Công cụ để xây dựng mô hình là nền tảng điện toán đám mây Google Earth Engine. Hai bản đồ nguy cơ lún đất đã được xây dựng từ tập huấn luyện. Diện tích dưới đường cong AUC đã được sử dụng để đánh giá hiệu suất của mô hình trên cả tập huấn luyện và tập kiểm tra. Kết quả nghiên cứu này chỉ ra rằng mô hình GB tạo ra bản đồ nguy cơ lún đất có độ chính xác tốt hơn mô hình SVR.