Monitoring Land Cover Changes using Landsat Data and Maximum Likelihood Classification: A Case Study of Hanoi, Vietnam
Author
Alvarez, Ana Castellanos
Term
4. term
Publication year
2023
Submitted on
2023-06-02
Pages
43
Abstract
Dette speciale undersøger arealdækkeforandringer i Hanoi, Vietnam, med fokus på perioderne 2000–2010 og 2010–2022. Tre Landsat-satellitbilleder blev anvendt: Landsat 7 ETM+ (2000), Landsat 5 TM (2010) og Landsat 9 OLI-2/TIRS-2 (2022). Landdækket blev klassificeret i fire klasser (vand, bebyggede områder, grønne områder og bar jord) ved hjælp af en overvåget klassifikation med en Maximum Likelihood Classifier i ArcGIS Pro. Klassifikationerne opnåede samlede nøjagtigheder på henholdsvis 79 %, 84 % og 84 %. Ændringsanalyser viser, at bebyggede områder voksede med ca. 24 km2 fra 2000 til 2010 og yderligere ca. 54 km2 fra 2010 til 2022, mens grønne områder faldt med næsten 56 km2 i den første periode og omkring 10 km2 i den anden. Resultaterne peger på, at den største del af byudvidelsen fandt sted i 2010–2022, og bidrager med kvantitativ viden om Hanois byudvikling og tab af grønne arealer, som kan støtte planlægnings- og forvaltningsbeslutninger.
This thesis investigates land cover change in Hanoi, Vietnam, focusing on the periods 2000–2010 and 2010–2022. Three Landsat images were used: Landsat 7 ETM+ (2000), Landsat 5 TM (2010), and Landsat 9 OLI-2/TIRS-2 (2022). Land cover was classified into four classes (water, built-up land, green areas, and barren land) using a supervised Maximum Likelihood Classifier in ArcGIS Pro. The resulting maps achieved overall accuracies of 79%, 84%, and 84%, respectively. Change detection indicates built-up areas expanded by about 24 km2 from 2000 to 2010 and a further ~54 km2 from 2010 to 2022, while green areas decreased by nearly 56 km2 in the first period and around 10 km2 in the second. These results show that most urban expansion occurred between 2010 and 2022 and provide quantitative evidence of Hanoi’s urban growth and loss of green space to inform planning and management.
[This summary has been generated with the help of AI directly from the project (PDF)]
Documents