Bài viết Nghiên cứu ứng dụng mô hình học máy trong phân loại hệ sinh thái đất ngập nước nội địa tại Vườn Quốc gia Ba Bể, tỉnh Bắc Kạn được nghiên cứu với mục đích là phát triển mô hình hữu ích phân loại 7 loại đất ngập nước nội địa tại Vườn quốc gia Ba Bể, tỉnh Bắc Kạn cùng các hệ sinh thái lân cận được phân loại trong hệ thống RAMSAR và MONRE (Ministry of Natural Resources and Environment – Bộ Tài Nguyên và Môi trường). | TẠP CHÍ KHÍ TƯỢNG THỦY VĂN Bài báo khoa học Nghiên cứu ứng dụng mô hình học máy trong phân loại hệ sinh thái đất ngập nước nội địa tại Vườn Quốc gia Ba Bể tỉnh Bắc Kạn Đặng Kinh Bắc1 Phạm Hạnh Nguyên2 Nguyễn Thành Vĩnh2 Trần Ngọc Cường2 Nguyễn Văn Quân3 Trịnh Thị Thúy Chinh4 Vũ Thị Phương5 1 Khoa Địa lý trường Đại học Khoa học Tự nhiên Đại học Quốc gia Hà Nội dangkinhbac@ 2 Cục Bảo tồn Thiên nhiên và Đa dạng Sinh học Tổng cục Môi trường Bộ Tài nguyên và Môi trường 3 Công ty TNHH MTV Trắc địa Bản đồ Cục Bản Đồ Bộ Tổng tham mưu quannguyen26795@ 4 Công ty cổ phần dược phẩm Hoa Anh 14 1 Pháo Đài Láng Đống Đa Hà Nội trinha2698@ 5 Đại học Hồng Đức 565 Quang Trung Thanh Hóa vuthiphuong@ Tác giả liên hệ dangkinhbac@ Tel. 84 389542557 Ban Biên tập nhận bài 12 6 2022 Ngày phản biện xong 20 7 2022 Ngày đăng bài 25 7 2022 Tóm tắt Sự suy thoái và chuyển đổi đất ngập nước đã được cảnh báo trong 10 năm qua nhưng việc kiểm kê và giám sát những thay đổi này vẫn còn gặp nhiều khó khăn do thiếu khả năng tiếp cận và công nghệ. Do đó việc trang bị cho các nhà quản lý những công cụ để phân loại và giám sát các hệ sinh thái đất ngập nước theo thời gian thực là điều cần thiết. Mục đích của nghiên cứu này là phát triển mô hình hữu ích phân loại 7 loại đất ngập nước nội địa tại Vườn quốc gia Ba Bể tỉnh Bắc Kạn cùng các hệ sinh thái lân cận được phân loại trong hệ thống RAMSAR và MONRE Ministry of Natural Resources and Environment Bộ Tài Nguyên và Môi trường . Từ đó mô hình ResU Net Deep Residual U Net sử dụng chức năng tối ưu hóa Adadelta đã được sử dụng để phân loại 7 loại đất ngập nước và 3 loại hình hệ sinh thái lân cận ở Vườn quốc gia Ba Bể dựa trên ảnh vệ tinh Sentinel 2 với độ chính xác cao hơn 85 . Hiệu suất tốt hơn của mô hình này so với các phương pháp Random forest RF và Support Vector Machine SVM đã được chứng minh. Mô hình ResU Net sau khi tối ưu hóa cũng được sử dụng để lập bản đồ các khu vực đất ngập nước
