Ứng dụng viễn thám và gis có sự tham gia để xây dựng bản đồ phân vùng nguồn nước tưới cho đất trồng lúa trong điều kiện hạn hán tại huyện Hòa Vang, Thành phố Đà Nẵng

 Tạp chí Khoa học Đại học Huế: Nông nghiệp và Phát triển Nông thôn; ISSN 2588–1191 
Tập 128, Số 3C, 2019, Tr. 23–35; DOI: 10.26459/hueuni-jard.v128i3C.5270 
* Liên hệ: tranthiphuong@huaf.edu.vn 
Nhận bài: 28–5–2019; Hoàn thành phản biện: 27–6–2019; Ngày nhận đăng: 1–7–2019 
ỨNG DỤNG VIỄN THÁM VÀ GIS CÓ SỰ THAM GIA ĐỂ 
XÂY DỰNG BẢN ĐỒ PHÂN VÙNG NGUỒN NƯỚC TƯỚI CHO 
ĐẤT TRỒNG LÚA TRONG ĐIỀU KIỆN HẠN HÁN TẠI HUYỆN 
HÒA VANG, THÀNH PHỐ ĐÀ NẴNG 
Trần Thị Phượng1*, Trương Đỗ Minh Phượng1, Trịnh Ngân Hà1, Huỳnh Văn Chương2 
 1 Trường Đại học Nông Lâm, Đại học Huế, 102 Phùng Hưng, Huế, Việt Nam 
2 Cơ quan Đại học Huế, 3 Lê Lợi, Huế, Việt Nam 
Tóm tắt: Trong điều kiện sản xuất nông nghiệp bị ảnh hưởng bởi hạn hán, nhu cầu nước tưới ngày càng 
tăng. Việc cung cấp các thông tin về phân bố không gian của hệ thống tưới tiêu cho hoạt động canh tác lúa 
là hết sức cần thiết cho công tác quản lý tài nguyên nước và lập kế hoạch sử dụng đất. Nghiên cứu này 
được thực hiện nhằm xây dựng bản đồ phân vùng nguồn nước tưới cho đất trồng lúa bằng cách ứng dụng 
kết hợp viễn thám với GIS có sự tham gia cho huyện Hòa Vang, thành phố Đà Nẵng. Phương pháp phân 
loại theo định hướng đối tượng được sử dụng để giải đoán ảnh Sentinel 2A và phương pháp khảo sát thực 
địa để xây dựng bản đồ lớp thực phủ và bản đồ hệ thống nguồn nước mặt năm 2018 với độ chính xác cao. 
Thông qua việc sử dụng kết hợp với phương pháp thu thập số liệu và phương pháp GIS có sự tham gia 
của các bên liên quan, đề tài đã xây dựng được bản đồ phân vùng nước tưới cho diện tích đất trồng lúa 
của 11 xã thuộc huyện Hòa Vang. Đây sẽ là cơ sở hỗ trợ cho các ban ngành trong việc ra quyết định liên 
quan đến quản lý nguồn nước và lập kế hoạch sử dụng đất trồng lúa ở địa bàn nghiên cứu. 
Từ khóa: GIS có sự tham gia, đất trồng lúa, phân vùng nguồn nước tưới, phân bố không gian, viễn thám 
1 Đặt vấn đề 
Trong những thập niên gần đây, việc quản lý tài nguyên nước ở Việt Nam đã được cải 
thiện đáng kể về mặt pháp lý, cấu trúc thể chế và các cơ chế góp phần vào sự phát triển kinh tế 
xã hội của đất nước [4]. Kinh nghiệm quản lý tài nguyên nước ở Việt Nam đã ghi nhận và đánh 
giá cao vai trò quan trọng của các cộng đồng địa phương với tư cách vừa là người trực tiếp sử 
dụng nước, đồng thời là người quản lý và bảo vệ tài nguyên nước. Tuy nhiên, cho đến nay có 
rất ít nghiên cứu hoặc đánh giá toàn diện về quản lý tài nguyên nước dựa vào cộng đồng ở Việt 
Nam [2]. Trước đây, kỹ thuật giải đoán ảnh viễn thám chủ yếu dựa trên kỹ thuật giải đoán bằng 
mắt hoặc phương pháp điểm ảnh và kết quả phụ thuộc nhiều vào kinh nghiệm của người giải 
đoán [1]. Hiện nay, phương pháp xử lý ảnh viễn thám cho phép tự động chiết tách các đối tượng 
trên ảnh một cách nhanh chóng, phạm vi rộng với các kết quả khách quan và chính xác hơn. Trong 
đó, phương pháp phân loại định hướng đối tượng (object-oriented classification) với phần mềm 
Trần Thị Phượng và CS. Tập 128, Số 3C, 2019 
24 
eCognition được biết đến như một phương pháp mới nhằm nâng cao độ chính xác và hạn chế 
điểm yếu của phương pháp phân loại truyền thống trước đây [5, 6, 8]. Hòa Vang là một huyện 
có tổng diện tích tự nhiên lớn hơn nhiều so với các quận, huyện khác trên địa bàn thành phố Đà 
Nẵng. Trong những năm gần đây, hiện tượng hạn hán ảnh hưởng lớn đến các hệ thống nông 
nghiệp trên phạm vi cả nước nói chung và huyện Hòa Vang nói riêng, đặc biệt là hoạt động sản 
xuất lúa. Nguồn nước mặt trên địa bàn huyện chưa đáp ứng được nhu cầu tưới cho toàn bộ 
diện tích đất trồng lúa nước và gây ra hiện tượng thiếu nước tưới thường xuyên vào vụ Hè Thu 
[9]. Vì vậy, việc nghiên cứu ứng dụng công nghệ viễn thám kết hợp với GIS có sự tham gia của 
các bên liên quan vào việc xây dựng bản đồ hệ thống nguồn nước cho huyện Hòa Vang. Trên cơ 
sở đó, phân vùng nguồn nước tưới phục vụ cho hoạt động sản xuất lúa tại vùng nghiên cứu là 
việc làm cần thiết, nhằm cung cấp thông tin cho các bên liên quan trong quá trình quản lý 
nguồn nước, lập kế hoạch sử dụng đất trồng lúa theo hướng thích ứng với hạn hán tại địa bàn 
nghiên cứu. 
2 Phương pháp 
2.1 Thu thập số liệu 
Dữ liệu ảnh viễn thám sử dụng cho vùng nghiên cứu bao gồm dữ liệu Sentinel 2A bao 
phủ diện tích toàn huyện được tải về từ trang Land Viewer – EOS 
(https://eos.com/landviewer/). Các kênh ảnh sử dụng trong nghiên cứu này bao gồm 8 kênh đa 
phổ (kênh 1 – COASTAL, kênh 2 – BLUE, kênh 3 – GREEN, kênh 4 – RED, kênh 5 – NIR, kênh 6 
– SWIR1, kênh 7 – SWIR2) với độ phân giải 20 m. Ngoài ra, dữ liệu vector ranh giới hành chính 
của huyện được sử dụng để cắt ranh giới ảnh viễn thám của khu vực nghiên cứu và dữ liệu bản 
đồ hiện trạng sử dụng đất của huyện Hòa Vang năm 2015 cũng được sử dụng để hỗ trợ cho 
việc giải đoán và phân vùng nguồn nước tưới cho vùng nghiên cứu. Thông tin chi tiết nguồn 
dữ liệu đầu vào được thể hiện chi tiết ở Bảng 1. 
Bảng 1. Thông tin dữ liệu ảnh viễn thám và bản đồ được sử dụng trong nghiên cứu 
STT 
Loại dữ liệu 
Thông tin dữ liệu 
Hệ tọa độ Nguồn cung cấp 
Ngày chụp 
Độ phủ 
mây 
Độ phân 
giải 
1 Ảnh Sentinel 2A 30/6/2018 6,3% 20×20 WGS 84 Land Viewer 
2 
Bản đồ hiện trạng 
sử dụng đất của 
huyện Hòa Vang 
Năm 2015 – Tỷ lệ 1:25.000 
VN 2000 
múi 3 độ 
Phòng TNMT 
huyện Hòa Vang 
Jos.hueuni.edu.vn Tập 128, Số 3A, 2019 
25 
2.2 Lựa chọn hệ thống phân loại lớp phủ bề mặt 
 Trong nghiên cứu này, do đối tượng nghiên cứu chính của đề tài là đất trồng lúa và đất 
mặt nước, nhóm tác giả đã lựa chọn hệ thống phân loại lớp phủ bề mặt để giải đoán ảnh viễn 
thám cho ảnh Sentinel 2A thu nhận ngày 30/6/2018 gồm đất trồng lúa, đất mặt nước, đất nông 
nghiệp khác và đất không có hoặc ít thực vật. Mô tả chi tiết các lớp phủ bề mặt được lựa chọn 
để tiến hành phân loại được trình bày ở Bảng 2. 
Bảng 2. Mô tả các loại lớp phủ bề mặt được lựa chọn nghiên cứu 
STT Lớp phủ bề mặt Mô tả 
1 Đất trồng lúa Bao gồm đất trồng chuyên trồng lúa và đất trồng lúa khác 
2 Đất nông nghiệp khác 
Bao gồm các loại đất rừng (rừng tự nhiên, rừng đặc dụng, rừng phòng 
hộ, rừng trồng), các loại đất trồng hoa màu, cây hằng năm khác, cây 
lâu năm 
3 
Đất không có hoặc ít 
thực vật 
Bao gồm các loại đất có công trình xây dựng (đất nhà cửa khu dân cư, 
các khu công nghiệp, thương mại dịch vụ, đường giao thông, liên lạc, 
đất cơ sở sản xuất kinh doanh, công trình sự nghiệp, nghĩa trang 
nghĩa địa), đất trống (khu đất mở, khu vực giải tỏa chưa xây dựng, 
đồi trọc) và đất có thực vật xen lẫn với đất công trình xây dựng 
4 Đất mặt nước Bao gồm sông suối, ao hồ tự nhiên, mặt nước ao hồ, đất có mặt nước 
chuyên dùng 
2.3 Giải đoán ảnh viễn thám 
Dữ liệu ảnh viễn thám Sentinel 2A sau khi được tiến hành tiền xử lý trên phần mềm 
Erdas Imagine bao gồm loại nhiễu dưới ảnh hưởng của sương mù, khí quyển và điều kiện 
chiếu sáng, nắn chỉnh hình học; cắt ảnh theo ranh giới và loại bỏ mây trên khu vực nghiên 
cứu. Sau đó, dữ liệuđược chuyển sang phần mềm eCognition 9.1 để tiến hành phân loại ảnh 
theo phương pháp định hướng đối tượng, với các bước bao gồm phân mảnh ảnh, thiết lập cây 
phân loại đối tượng và tạo bộ quy tắc phân loại định hướng đối tượng dựa trên các chỉ số từ 
ảnh viễn thám. Các nhóm đối tượng đáp ứng các điều kiện do bộ quy tắc đề ra thì được coi là 
cùng loại. 
Nhiều nghiên cứu hiện nay đã sử dụng hiệu quả các chỉ số từ ảnh viễn thám để phân biệt 
các đối tượng lớp phủ bề mặt (đất mặt nước, đất nông nghiệp, đất rừng) dựa trên các kênh 
ảnh đa phổ như chỉ số khác biệt thực vật (NDVI), chỉ số khác biệt thực vật có hiệu chỉnh ảnh 
hưởng của đất (SAVI), chỉ số khác biệt nước (NDWI) [5, 7]. Vì vậy, trong nghiên cứu này, để 
chiết tách các nhóm đối tượng khác nhau, nhóm tác giả đã tiến hành lựa chọn sử dụng chỉ số độ 
sáng trung bình của các kênh phổ (Brightness) và các chỉ số được tính toán từ các kênh ảnh để 
thiết lập bộ chỉ số phù hợp phục vụ giải đoán các đối tượng gồm: 
Trần Thị Phượng và CS. Tập 128, Số 3C, 2019 
26 
+ NDWI (Normalized Difference Water Index) – Chỉ số nước khác biệt chuẩn hóa. Theo GAO 
(1996), chỉ số NDWI cho phép phân biệt hai đối tượng đất và nước theo công thức: 
NDWI = NIR – MIR / NIR + MIR 
+ SAVI (Soil-Ajusted Vegetation Index) – Chỉ số thực vật có hiệu chỉnh ảnh hưởng của 
đất. Chỉ số này được sử dụng thay cho chỉ số khác biệt thực vật NDVI ở những nơi thực vật 
thưa thớt nhằm loại bỏ lẫn khi tách đối tượng đất có công trình xây dựng. 
SAVI = (NIR – RED) / (NIR + RED + 0,5) × (1 + 0,5) 
+ NDVI (Normalized Difference Vegetation Index) – Chỉ số NDVI được xác định dựa trên 
sự phản xạ khác nhau của thực vật thể hiện giữa kênh phổ thấy được và kênh phổ cận hồng 
ngoại. Dùng để biểu thị mức độ tập trung của thực vật trên mặt đất. 
NDVI = (NIR – RED) / (NIR + RED) 
trong đó NIR là phản xạ vùng cận hồng ngoại; MIR là phản xạ vùng hồng ngoại trung bình; 
RED là phản xạ vùng sóng đỏ. 
2.4 Đánh giá độ chính xác của kết quả giải đoán ảnh viễn thám 
Việc đánh giá độ chính xác của kết quả giải đoán và thành lập các bản đồ dựa trên tham 
chiếu với các điểm mặt đất thực tế để đánh giá độ chính xác tổng thể và hệ số Kappa. Trong đó, 
độ chính xác tổng thể được tính bằng tổng số pixel phân loại chính xác và tổng số pixel mẫu 
điều tra. Hệ số Kappa được tính theo công thức: 
 ∑ 
 ∑ 
 ∑ 
trong đó r là số lượng cột trong ma trận ảnh; nij là số lượng pixel quan sát được tại hàng i và cột 
j; ni là tổng số pixel quan sát ở hàng i; nj là tổng số pixel quan sát tại cột j; N là tổng số pixel 
quan sát trong ma trận ảnh. Giá trị hệ số Kappa thường nằm giữa 0 và 1, trong đó k ≥ 0,8 là có 
độ chính xác cao; 0,4 < k < 0,8 là có độ chính xác trung bình và k ≤ 0,4 là độ chính xác thấp [3]. 
2.5 Ứng dụng GIS có sự tham gia 
Nhóm tác giả sử dụng các công cụ phân tích không gian trên phần mềm ArcMap 10.2.2 
để chồng xếp và biên tập bản đồ đất trồng lúa và hệ thống nguồn nước mặt, cũng như phân 
vùng nguồn nước tưới cho diện tích đất trồng lúa theo các bước ở sơ đồ trên Hình 1. 
Jos.hueuni.edu.vn Tập 128, Số 3A, 2019 
27 
Hình 1. Quy trình phân vùng nguồn nước tưới 
Để xây dựng bản đồ phân vùng nguồn nước tưới cho diện tích đất trồng lúa, nhóm 
nghiên cứu đã tiến hành tham vấn ý kiến của các bên liên quan với tổng số người là 34, bao 
gồm đại diện lãnh đạo và chuyên viên các Phòng Tài nguyên và Môi trường, Phòng Nông 
nghiệp và Phát triển nông thôn huyện Hòa Vang, cán bộ phụ trách nông nghiệp và địa chính 
của 11 xã trong huyện và đại diện các Hợp tác xã nông nghiệp và các trạm thủy nông trên địa 
bàn huyện. 
3 Kết quả và thảo luận 
3.1 Xây dựng bản đồ hiện trạng đất trồng lúa và nguồn nước mặt năm 2018 của huyện 
Hòa Vang 
Phân loại ảnh viễn thám theo định hướng đối tượng 
 Phân mảnh ảnh 
Phân mảnh ảnh là bước quan trọng nhất trong phân loại định hướng đối tượng, theo đó 
tính đồng nhất của mỗi điểm ảnh sẽ được nhóm lại thành một đối tượng riêng biệt. Mức độ 
đồng nhất của đối tượng được xác định thông qua các thông số như tỷ lệ (scale), màu sắc 
(color), hình dáng (shape), độ chặt (compactness) và độ trơn (smoothness) của đối tượng. 
Thông số tỷ lệ (scale) quyết định mức độ đồng nhất hay không đồng nhất cao nhất cho kết quả 
phân mảnh đối tượng trên ảnh. Nếu sử dụng giá trị có tỷ lệ lớn sẽ dẫn đến tạo ra các đối tượng 
ảnh có kích thước lớn hơn. Dựa trên cơ sở hệ thống phân loại lớp phủ bề mặt xác định, chúng 
tôi kiểm tra và chạy thử nhiều lần các tham số cho phân mảnh ảnh. Cấp độ phân mảnh ảnh viễn 
thám Sentinel 2A theo từng đối tượng phân loại được trình bày trên Hình 2 và Bảng 3. 
Trần Thị Phượng và CS. Tập 128, Số 3C, 2019 
28 
Ảnh gốc Cấp độ 1 Cấp độ 2 Cấp độ 3 
Hình 2. Mức độ phân mảnh ảnh các đối tượng theo cấp độ 
Bảng 3. Cấp độ phân mảnh ảnh viễn thám Sentinel 2A theo từng đối tượng phân loại 
Mức độ 
phân mảnh 
Tiêu chuẩn các thông số Số phân 
mảnh 
Đối tượng phân loại 
Tỷ lệ Hình dạng Độ chặt 
Cấp độ 1 15 0,2 0,5 213.007 Mặt nước và đất liền 
Cấp độ 2 10 0,1 0,5 557.012 
Đất có thực vật phát triển 
và đất không có/ít thực vật 
Cấp độ 3 25 0,2 0,5 202.516 Đất trồng lúa và đất nông nghiệp khác 
Xây dựng bộ quy tắc phân loại định hướng đối tượng 
Dựa trên kết quả phân mảnh các nhóm đối tượng, với sự trợ giúp của phần mềm 
eCognition Developer 9.1 và thông qua việc xác định ngưỡng giá trị của các chỉ số từ ảnh vệ 
tinh, nhóm tác giả đã tiến hành thiết lập sơ đồ phân cấp và bộ khóa giải đoán cho từng loại lớp 
phủ bề mặt ở huyện Hòa Vang năm 2018 (Hình 3). 
Hình 3. Sơ đồ phân cấp và bộ khóa giải đoán phân loại đối tượng lớp phủ bề mặt ở huyện Hòa Vang 
cho ảnh Sentinel 2A thu nhận ngày 30/6/2018 
Jos.hueuni.edu.vn Tập 128, Số 3A, 2019 
29 
Dựa vào các chỉ số và ngưỡng phân loại đã xác định, chúng tôi tiến hành chạy bộ quy tắc 
đã được xây dựng trong phần mềm eCogonition (Hình 4a) để phân loại lớp phủ bề mặt theo 
từng cấp độ phân loại các nhóm đối tượng (Hình 4b). 
(a) (b) 
Hình 4. (a) Phân loại lớp phủ bề mặt cho ảnh Sentinel 2A thu nhận ngày 30/6/2018 Bộ quy tắc phân loại 
trên eCognition; (b) Phân loại theo định hướng đối tượng 
Độ chính xác sau phân loại ảnh và biên tập bản đồ 
Các số liệu phân loại lớp phủ bề mặt trên phần mềm eCognition được tiến hành chuyển 
đổi để xử lý và biên tập trên phần mềm ArcGIS. Để thuận tiện cho việc phân tích hai đối tượng 
chính là đất trồng lúa và đất mặt nước, nhóm nghiên cứu đã xử lý và biên tập kết quả phân loại 
lớp phủ bề mặt ở huyện Hòa Vang gồm đất trồng lúa, đất mặt nước và các loại đất khác (đất 
nông nghiệp khác và đất không có hoặc ít thực vật phát triển) (Hình 5). 
Trần Thị Phượng và CS. Tập 128, Số 3C, 2019 
30 
Hình 5. Bản đồ lớp phủ bề mặt của huyện Hòa Vang năm 2018 (hình ảnh thu nhỏ của bản đồ 
tỷ lệ 1:25.000) 
Độ chính xác của phân loại ảnh theo phương pháp định hướng đối tượng ảnh viễn thám 
được đánh giá bằng cách sử dụng một lưới gồm 300 điểm mẫu dữ liệu điểm mặt đất thực tế 
“ground-truth” ở sát thời điểm thu nhận ảnh. Độ chính xác tổng thể đạt đến 91,33% với hệ số 
Kappa tổng thể là 0,87 – một hệ số chấp nhận cao cho kết quả giải đoán từ dữ liệu ảnh viễn 
thám quang học có độ phân giải trung bình (Bảng 4). 
Bảng 4. Ma trận và kết quả đánh giá độ chính xác 
Phân lớp Đất mặt nước Đất trồng lúa Đất khác Tổng 
Đất mặt nước 96 3 2 101 
Đất trồng lúa 3 89 10 102 
Đất khác 1 7 89 97 
Tổng 100 99 101 300 
Độ chính xác tổng thể 91,33% 
Chỉ số Kappa 0,87 
 Diện tích giải đoán cho thấy huyện Hòa Vang có tổng diện tích đất trồng lúa là 2529,41 
ha. Diện tích đất trồng lúa tập trung lớn ở các xã Hòa Tiến, Hòa Phong, Hòa Khương và Hòa 
Nhơn. Các xã miền núi như xã Hòa Phú và Hòa Bắc là những xã có diện tích đất trồng lúa thấp. 
Có thể thấy đất trồng lúa tại Hòa Vang phân bố manh mún và không tập trung thành vùng 
canh tác lớn. 
Jos.hueuni.edu.vn Tập 128, Số 3A, 2019 
31 
3.2. Thành lập bản đồ phân vùng nguồn nước tưới cho đất trồng lúa 
Trên cơ sở hiện trạng hệ thống kênh mương, sông hồ, các số liệu hồ đập tại địa bàn 
nghiên cứu và kết quả giải đoán từ ảnh viễn thám, nhóm tác giả đã tiến hành xây dựng bản đồ 
hệ thống nguồn nước mặt cho huyện Hòa Vang (Hình 6). Đây là bản đồ đầu vào được sử dụng 
kết hợp với ý kiến của các bên liên quan trong quá trình thảo luận để phân vùng được các diện 
tích đất trồng lúa được tưới và không được tưới tại địa bàn nghiên cứu. 
Hình 6. Bản đồ hệ thống nguồn nước mặt năm 2018 trên địa bàn huyện Hòa Vang 
(hình ảnh thu nhỏ của bản đồ tỷ lệ 1:25.000) 
Để đánh giá hiện trạng nguồn nước mặt phục vụ sản xuất lúa tại huyện Hòa Vang, nhóm 
tác giả đã tiến hành điều tra, khảo sát thực địa, đồng thời tham vấn ý kiến của các bên liên quan 
trên địa bàn huyện; thu thập thông tin về các vùng đất trồng lúa bị thiếu nước tưới, thông tin về 
cơ chế dòng chảy của hệ thống thủy văn để xác định các vùng đất trồng lúa được tưới từ nguồn 
nước nào. Kết quả phân vùng nguồn nước tưới cho diện tích đất trồng lúa đã được xử lý, biên 
tập và trình bày trên Hình 7. 
Xã Hòa Ninh không có sông ngòi hoặc hồ đập nên việc tích trữ lượng nước để đáp ứng 
nhu cầu sử dụng vào mùa khô là hết sức khó khăn. Tình trạng thiếu nước xẩy ra cho cả 2 vụ lúa 
trong năm. Tuy vị trí nằm sát với khu vực tưới từ Hồ Hòa Trung, nhưng do có địa hình cao hơn 
so với xã Hòa Liên và Hòa Sơn, xã Hòa Ninh khó tiếp cận nguồn nước tưới từ các hồ, đập xung 
Trần Thị Phượng và CS. Tập 128, Số 3C, 2019 
32 
quanh. Trong suốt vụ Đông Xuân và Hè Thu, xã Hòa Ninh đều dựa chủ yếu vào nước mưa. 
Vào mùa khô, diện tích đất trồng lúa của xã Hòa Ninh bị hạn nhiều nhất, tập trung ở Thôn 5, 
Thôn Sơn Phước và Thôn Mỹ Sơn. 
Hình 7. Bản đồ phân vùng nước tưới cho đất trồng lúa trên địa bàn huyện Hòa Vang 
(hình ảnh thu nhỏ của bản đồ tỷ lệ 1:25.000) 
Đối với những xã như Hòa Liên, Hòa Sơn, Hòa Nhơn, trước đây Hồ Hòa Trung và hồ 
Trước Đông là nguồn cung cấp nước tưới chủ yếu cho các xã này trong cả 2 vụ. Tuy nhiên, 
trong những năm gần đây, do quy hoạch chung của thành phố Đà Nẵng nên ở hai xã này có sự 
thay đổi lớn về cơ sở hạ tầng giao thông. Chính sự thay đổi này làm chia cắt các vùng lúa nên 
hệ thống kênh mương không phát huy tác dụng trong việc cung cấp nước đến các vùng canh 
tác lúa. Việc thực hiện dự án đường tránh ĐT601, đường cao tốc Đà Nẵng – Quảng Ngãi... đã 
dẫn đến nhiều cánh đồng lúa thiếu nguồn nước tưới nghiêm trọng và một số diện tích không 
thể canh tác được vào vụ Hè Thu. 
Xã Hòa Bắc là xã thuộc khu vực miền núi và có sông Cu Đê chảy dài qua nhiều thôn. Các 
ruộng lúa ở xã này chủ yếu phân bố dọc theo sông Cu Đê, nhưng do địa hình cao dần về phía 
Tây Bắc nên việc thiết kế hệ thống kênh mương đưa nước vào ruộng gặp nhiều khó khăn. 
Ngoài ra, phần lớn cư dân trong xã là người dân tộc thiểu số nên tập quán canh tác khá lạc hậu, 
ít tiếp cận khoa học công nghệ và trình độ dân trí thấp nên việc chấp hành các quy định về cơ 
chế vận hành các trạm bơm cố định tại khu vực này không hiệu quả. Người dân ít chú ý đến 
việc gia cố bờ thửa để giữ nước trong ruộng. Đây chính là nguyên nhân làm lãng phí nguồn 
nước tưới khi sử dụng hình thức bơm nước vào ruộng. 
Jos.hueuni.edu.vn Tập 128, Số 3A, 2019 
33 
Các xã phía nam huyện Hòa Vang có những lợi thế hơn do có hệ thống hồ đập phân bố 
đều và hệ thống sông dài cung cấp nước cho các cánh đồng lúa ở vùng này. Các xã Hòa 
Khương, Hòa Phong, Hòa Tiến, Hòa Châu, Hòa Phước là những xã ở khu vực đồng bằng với 
những trà lúa có diện tích lớn, có thể sản xuất được cả hai vụ trong năm với năng suất lúa cao. 
Các xã này được cung cấp nguồn nước dồi dào từ hồ có diện tích lớn nhất huyện là hồ 
Đồng Nghệ, hồ Hòa Phú và một phần nguồn nước từ sông Túy Loan nên có thể chủ động 
nguồn nước tưới đáp ứng nhu cầu canh tác lúa. 
4 Kết luận 
Việc sử dụng phương pháp định hướng đối tượng để giải đoán ảnh viễn thám Sentinel 
2A và xây dựng bản đồ lớp thực phủ năm 2018 cho huyện Hòa Vang có độ tin cậy cao (độ chính 
xác tổng số là 91,33% và chỉ số kappa là 8,73). Kết quả phân bố không gian của các lớp thực phủ 
cho thấy diện tích đất trồng lúa trên địa bàn huyện phân bố phân tán và manh mún ở cả 11 xã. 
Các trà lúa có diện tích lớn tập trung chủ yếu ở các xã thuộc vùng đồng bằng nằm ở phía Nam 
của huyện. Diện tích lúa ở các xã này nhận nước tưới từ hồ Đồng Nghệ, hồ Hòa Phú và một 
phần từ sông Túy Loan nên có thể sản xuất được cả hai vụ trong năm. Trong khi đó, diện 
tích đất trồng lúa ở các xã ở vùng núi và trung du lại gặp khó khăn trong tiếp cận nguồn nước 
tưới do có địa hình cao. Việc ứng dụng kết hợp công nghệ viễn thám với phương pháp GIS có 
sự tham gia của các bên liên quan đã xây dựng thành công bản đồ phân vùng nguồn nước tưới 
cho toàn bộ diện tích đất trồng của 11 xã trong huyện. Đây sẽ là cơ sở hỗ trợ cho các ban ngành 
trong việc ra quyết định liên quan đến quản lý nguồn nước và lập kế hoạch sử dụng đất trồng 
lúa trong những năm tiếp theo. 
Tài liệu tham khảo 
1. Akjol Djenaliev and O. Hellwich (2014), Extraction of built-up areas from Landsat imagery using 
the object-oriented classification method, 9th International Symposium on Applied Informatics 
and Related Areas, Székesfehérvár, Hungary,156–161. 
2. Huỳnh Văn Chương, Dương Quốc Nõn, Phạm Hữu Tỵ, Trần Thị Phượng, Phạm Gia Tùng, 
Nguyễn Hoàng Khánh Linh và Nguyễn Bích Ngọc (2017), Cơ chế chia sẻ nguồn nước cấp địa 
phương: Giải pháp ứng phó với hạn hán trong bối cảnh biến đổi khí hậu ở Quảng Nam. Sách 
chuyên khảo. Nhà xuất bản Nông nghiệp. Vol. ISBN: 978-604-60-2535-1. 
3. Cohen J. (1960), A coefficient of agrrement for norminal scales, Educ. Psychol, 
Measurement, 20 (1), 37–46. 
4. Cục quản lý tài nguyên nước Việt Nam (2015), Những vấn đề đặt ra đối với việc tiếp tục 
Trần Thị Phượng và CS. Tập 128, Số 3C, 2019 
34 
hoàn thiện chính sách, pháp luật về tài nguyên nước. 
5. Gupta, A. (2015), A Geoinformatic approach to study urban agglomeration of Bhubaneswar city 
(Odisha), 16th Esri India User Conference 2015, India, 1–7. 
6. Kanta Tamta, H. S. Bhadauria, A. S. Bhadauria (2015), Object-Oriented Approach of 
Information Extraction from High Resolution Satellite Imagery, IOSR Journal of Computer 
Engineering (IOSR-JCE), 17(3), 47–52. 
7. Trần Thị Phượng, Huỳnh Văn Chương (2018), Ảnh hưởng của hạn hán đến sử dụng đất 
trồng lúa tại huyện hòa vang, thành phố Đà Nẵng, Tạp chí Khoa học Đại học Huế: Nông nghiệp 
và Phát triển nông thôn; 127 (3A), 5–17. 
8. Trinh Thi Hoai Thu (2013), Rule set of object-oriented classification using Landsat imagery 
in Dong Anh, Hanoi, Vietnam, Journal of the Korean Society of Surveying, Geodesy, 
Photogrammetry and Cartography, 31(6–2), 521–527. 
9. UBND huyện Hòa Vang, Báo cáo tình hình thực hiện nhiệm vụ và chỉ tiêu KT-XH, QP-AN 
năm 2016 của phòng TNMT Hòa Vang. 
Jos.hueuni.edu.vn Tập 128, Số 3A, 2019 
35 
APPLICATION OF REMOTE SENSING AND PARTICIPATORY 
GIS IN MAPPING SPATIAL DISTRIBUTION OF IRRIGATION 
WATER FOR PADDY RICE AREA IN CONTEXT OF DROUGHT 
IN HOA VANG DISTRICT, DANANG CITY 
Tran Thi Phuong1*, Truong Do Minh Phuong1, Trinh Ngan Ha1, Huynh Van Chuong2 
1 University of Agriculture and Forestry, Hue University, 102 Phung Hung St., Hue, Vietnam 
2 Hue University, 3 Le Loi St., Hue, Vietnam 
Abstract: In the context of agricultural production affected by drought, the demand for irrigation water is 
increasing. The information on the spatial distribution of irrigation systems for paddy rice cultivation is 
essential for water resource management and land use planning. This study creates a zoning map of water 
resources for rice cultivation by utilizing remote sensing and participatory GIS for Hoa Vang district, 
Danang city. The object-oriented classification method and the field survey method were used for the 
image interpretation of Sentinel 2A and for the development of a land cover map and surface water 
system map in 2018 with high total accuracy, respectively. The data collection method and the 
participatory GIS method with the participation of related stakeholders were utilized to develop the map 
of irrigating water distribution for paddy rice land of 11 communes in Hoa Vang district. This will be the 
basis to support local authorities in making decisions related to water resource management and land use 
planning for paddy rice cultivation in the studied area. 
Keywords: participatory GIS, paddy rice, irrigation system, spatial distribution, remote sensing