Tiếp cận hồi quy không gian đánh giá biến động bề mặt không thấm tại thành phố Cần Thơ giai đoạn 2000-2020

 TẠP CHÍ KHOA HỌC 
TRƯỜNG ĐẠI HỌC SƯ PHẠM TP HỒ CHÍ MINH 
Tập 18, Số 3 (2021): 477-487 
HO CHI MINH CITY UNIVERSITY OF EDUCATION 
JOURNAL OF SCIENCE 
Vol. 18, No. 3 (2021): 477-487 
ISSN: 
1859-3100 Website:  
477 
Bài báo nghiên cứu* 
TIẾP CẬN HỒI QUY KHÔNG GIAN ĐÁNH GIÁ BIẾN ĐỘNG 
BỀ MẶT KHÔNG THẤM TẠI THÀNH PHỐ CẦN THƠ GIAI ĐOẠN 2000-2020 
Lê Trần Oanh Kiều1, Nguyễn Phi Hùng1, 
Trương Hoàng Trương1, Trần Văn Thương2*, Huỳnh Phẩm Dũng Phát3 
1Trường Đại học Khoa học Xã hội và Nhân văn, Đại học Quốc gia Thành phố Hồ Chí Minh, Việt Nam 
2Trường Đại học Thủ Dầu Một, Việt Nam 
3Trường Đại học Sư phạm Thành phố Hồ Chí Minh, Việt Nam 
*Tác giả liên hệ: Trần Văn Thương – Email: thuong.tran@tdmu.edu.vn 
Ngày nhận bài: 17-02-2021; ngày nhận bài sửa: 15-3-2021; ngày duyệt đăng: 20-03-2021 
TÓM TẮT 
Nghiên cứu nhằm đánh giá biến động không gian và thời gian bề mặt không thấm tại thành 
phố Cần Thơ sử dụng ảnh Landsat đa thời gian, được tải từ công nghệ điện toán Google Earth 
Engine và tiếp cận hồi quy không gian. Chỉ số chuẩn hóa khác biệt xây dựng và phương pháp bình 
phương tối thiểu đã được sử dụng để đánh giá đánh giá biến động của quá trình mở rộng bề mặt 
không thấm trong giai đoạn 2000-2020. Kết quả nghiên cứu chỉ ra rằng, mật độ xây dựng tập trung 
chủ yếu ở khu vực ven sông Hậu và mở rộng sang các địa phương khác theo hướng Tây Bắc. Xét về 
xu thế mở rộng của diện tích xây dựng trong suốt giai đoạn nghiên cứu, diện tích bề mặt không thấm 
có xu thế gia tăng 485ha, 399ha, và 376ha tại các quận Ninh Kiều, Bình Thủy và Thốt Nốt tương 
ứng. Kết quả nhận được từ nghiên cứu này có thể làm tài liệu tham khảo để chính quyền địa phương 
đề xuất chiến lược phát triển thành phố thông minh trong bối cảnh công nghệ số. 
Từ khóa: bề mặt không thấm; Landsat; NDBI; đô thị hóa; viễn thám 
1. Đặt vấn đề 
Sự gia tăng dân số đô thị do quá trình di cư của người dân từ nông thôn lên thành thị 
đã và đang dẫn đến sự gia tăng nhu cầu mở rộng diện tích bề mặt không thấm (đất khu dân 
cư, hệ thống giao thông, mái nhà, bãi đậu xe...) tại khu vực đô thị (Shanableh et al., 2018). 
Quá trình đô thị hóa đã dẫn đến một số hệ lụy cho môi trường đô thị như hiệu ứng đảo nhiệt 
đô thị, hệ sinh thái đô thị, sự thay đổi các chu trình thủy văn và tài nguyên nước; đồng thời, 
quá trình này còn góp phần gia tăng tác động của biến đổi khí hậu và thậm chí gây ra sự 
tuyệt chủng của một số loài đặc hữu (Du et al., 2015; Hao Xu, & Bai, 2015). Ảnh hưởng của 
quá trình đô thị hóa lên các quá trình thủy văn được thể hiện thông qua sự biến đổi đặc tính 
xâm nhập bề mặt (quá trình thẩm thấu) do sự gia tăng nhanh chóng của diện tích bề mặt 
Cite this article as: Le Tran Oanh Kieu, Nguyen Phi Hung, Truong Hoang Truong, Tran Van Thuong, 
& Huynh Pham Dung Phat (2021). Analyzing the pattern of impervious surface variations in Can Tho City 
during the 2000-2020 period using spatial regression approaches. Ho Chi Minh City University of Education 
Journal of Science, 18(3), 477-487. 
Tạp chí Khoa học Trường ĐHSP TPHCM Tập 18, Số 3 (2021): 477-487 
478 
không thấm từ quá trình xây dựng. Điều này có thể được giải thích rằng một khu vực có mật 
độ xây dựng càng cao thì lớp phủ bê tông càng nhiều, quá trình thẩm thấu của nước xuống 
tầng đất giảm, thời gian ứ đọng nước kéo dài, lưu lượng nước chảy tràn tăng và tần suất ngập 
lụt tăng (Ogden et al., 2011; Suriya, & Mudgal, 2012). Chính vì vậy, việc nghiên cứu biến 
động bề mặt không thấm ở khu vực đô thị vẫn luôn là vấn đề được quan tâm bởi các nhà 
khoa học trên thế giới (Jha et al., 2011; Shanableh et al., 2018). 
Cần Thơ là đô thị trung tâm lớn nhất vùng đồng bằng sông Cửu Long (ĐBSCL). Từ 
sau năm 1986, cùng với sự phát triển nhanh chóng hệ thống đô thị quốc gia, đặc biệt sau khi 
Cần Thơ tách ra từ tỉnh Cần Thơ trở thành đô thị do trung ương quản lí, thành phố có nhiều 
thay đổi về quy mô, chức năng và “bộ mặt” đô thị (Huynh, & Pathirana, 2011; Pham et al., 
2010). Cùng với định hướng phát triển hơn nữa mạng lưới đô thị ĐBSCL và Nam Bộ, Cần 
Thơ được xác định không chỉ là một trong bốn “đỉnh” của Vùng kinh tế trọng điểm ĐBSCL, 
là hạt nhân đô thị lớn nhất miền Tây mà còn là đô thị quan trọng của khu vực hạ lưu sông 
sông Mekong (Pham, et al., 2012). Vì thế, việc nghiên cứu quá trình đô thị hóa thông qua 
biến động diện tích bề mặt không thấm ở Cần Thơ sẽ góp phần quan trọng trong việc cung 
cấp cơ sở lí luận và thực tiễn cho những định hướng phát triển của thành phố trong tương 
lai, đáp ứng mục tiêu phát triển bền vững 11 (đô thị thông minh) của Liên Hiệp Quốc. 
Bề mặt không thấm là một chỉ số quan trọng được sử dụng để đánh giá mức độ đô thị 
hóa và các tác động của nó đến hệ sinh thái khu vực đô thị (Pham et al., 2018). Nhiều công 
cụ đã được áp dụng để đánh giá biến động diện tích bề mặt không thấm bằng việc sử dụng 
dữ liệu thực đo hoặc dữ liệu viễn thám (Yang et al., 2017, 2018). Các nghiên cứu chỉ ra rằng, 
dữ liệu từ ảnh vệ tinh có nhiều thuận lợi hơn trong việc đánh giá phân bố không gian của 
diên tích bề mặt không thấm vì chi phí thấp và tiết kiệm thời gian so với việc đo đạc từ thực 
địa. Bên canh đó, độ phân giải không gian của ảnh vệ tinh cũng phù hợp để thực hiện các 
nghiên cứu, khảo sát tại những vùng rộng lớn (Bhatti, & Tripathi, 2014; Pekel et al., 2016). 
Hơn nữa, chu kì thu thập dữ liệu lớn và liên tục nên thuận lợi để phân tích, đánh giá đa thời 
gian. Một vài nghiên cứu đã sử dụng linh hoạt các dữ liệu ảnh vệ tinh từ độ phân giải thấp 
đến độ phân giải cao như AVHRR, MODIS (Memon et al., 2015; Son et al., 2019), Landsat 
(Acharya et al., 2017; Khan, 2005), ASTER (Zhou et al., 2014), Sentinel (Yang et al., 2017). 
Trong số đó, ảnh đa phổ Landsat đã được đánh giá như là một dữ liệu đầu vào hữu ích cho 
việc thành lập các bản đồ diện tích bề mặt không thấm thông qua các chỉ số quang phổ 
(Zhang et al., 2014) do một số thuận lợi như độ phân giải không gian tương đối tốt (30m), 
độ phân giải thời  ... DBI thể hiện bề mặt không thấm được thống kê trong 
Bảng 1. Giá trị này được tính toán từ ảnh vệ tinh Landsat và được áp dụng để dự báo xu thế 
biến động của bề mặt không thấm tại lãnh thổ nghiên cứu. 
Bảng 1. Ngưỡng xác định bề mặt không thấm qua chỉ số NDBI 
NDBI Mô tả 
Nhỏ hơn hoặc bằng -0.19 Các lớp bề mặt khác 
Lớn hơn -0.19 Bề mặt không thấm 
3.2. Biến động không gian và thời gian của chỉ số xây dựng 
Hình 3. Sự thay đổi bề mặt không thấm tại thành phố Cần Thơ giai đoạn 2000-2020 
Tạp chí Khoa học Trường ĐHSP TPHCM Lê Trần Oanh Kiều và tgk 
483 
Sự thay đổi bề mặt không thấm qua chỉ số NDBI được thể hiện tại Hình 4. Quá trình 
mở rộng diện tích bề mặt không thấm diễn ra theo một số trục nhất định, từ ngã ba sông Hậu 
và Cần Thơ, dần phát triển xung quanh. Đặc biệt, sau khi cầu Cần Thơ được khánh thành 
năm 2010, quá trình mở rộng diện tích xây dựng diễn ra nhanh chóng tại khu vực dọc bờ 
sông Hậu. Khu vực này cũng là khu vực có mật độ tập trung đô thị cao nhất thành phố (Pham 
et al., 2012; Pham et al., 2010). 
Hình 4. Hệ số góc của phương trình xu thế với mức ý nghĩa thống kê p < 0.05 của NDBI 
thể hiện giá trị bề mặt không thấm 
Bảng 2. Diện tích (ha) xu thế tăng của chỉ số xây dựng thể giá trị bề mặt không thấm 
phân theo quận, huyện giai đoạn 2000-2020 
STT Tên quận, huyện Diện tích (ha) 
1 Cái Răng 120 
2 Phong Điền 38 
3 Ninh Kiều 485 
4 Bình Thủy 399 
5 Thới Lai 114 
6 Ô Môn 194 
7 Cờ Đỏ 241 
8 Vĩnh Thạnh 223 
9 Thốt Nốt 376 
Sự phân bố hệ số góc của phương trình hồi quy và diện tích của nó phân theo quận, 
huyện lần lượt được thể hiện tại Hình 4 và Bảng 2. Quá trình mở rộng diện tích bề mặt không 
thấm diễn ra ở tất cả các quận, huyện với giá trị slope >0 và không có giá trị giảm của hệ số 
góc (slope <0). Xuyên suốt giai đoạn, diện tích gia tăng chủ yếu tập trung ở quận Ninh Kiều 
(tăng 485ha), quận Bình Thủy (tăng 399ha), và quận Thốt Nốt (tăng 376ha). Sự gia tăng của 
Tạp chí Khoa học Trường ĐHSP TPHCM Tập 18, Số 3 (2021): 477-487 
484 
diện tích bề mặt không thấm trong nghiên cứu này hoàn toàn tương tự với những kết luận 
trong nghiên cứu của Phạm Đỗ Văn Trung và cộng sự (2012) khi đánh giá quá trình đô thị 
hóa ở thành phố Cần Thơ từ khía cạnh nhân khẩu học và kinh tế xã hội (Pham et al., 2012). 
Bên cạnh đó, một số nghiên cứu của các tác giả khác tại thành phố Cần Thơ khi ứng dụng 
viễn thám và hệ thống thông tin địa lí, trên cơ sở phương pháp phân loại có kiểm định cũng 
đã kết luận về sự tập trung đô thị chủ yếu ở quận Ninh Kiều và quận Bình Thủy (Huynh, & 
Pathirana, 2011; Pham et al., 2010). Hơn thế nữa, các quận Ninh Kiều, Bình Thủy, và Thốt 
Nốt đều nằm trong quy hoạch mở rộng diện tích đô thị đến năm 2030 theo quyết định số 
1515/QĐ-TTg, Ban hành ngày 28 tháng 8 năm 2013, về điều chỉnh quy hoạch chung thành 
phố Cần Thơ đến năm 2030 và tầm nhìn đến năm 2050 (Prime Minister, 2013). 
4. Kết luận 
Nghiên cứu đã đánh giá biến động không gian và thời gian của chỉ số chuẩn hóa khác 
biệt xây dựng (NDBI) và sự phản ánh của nó về bề mặt không thấm tại thành phố Cần Thơ 
từ ảnh vệ tinh Landsat-30m, thu được từ công nghệ điện toán đám mây Google Earth Engine, 
và tiếp cận hồi quy không gian. Kết quả của nghiên cứu đã chỉ ra rằng, trong giai đoạn 2000-
2020, bề mặt không thấm tại thành phố Cần Thơ có xu hướng mở rộng từ trung tâm quận 
Ninh Kiều và lan rộng theo hướng Tây Bắc dọc theo bờ sông Hậu sang Cái Răng, Bình Thủy, 
và Thốt Nốt. 
Phương pháp tiếp cận được áp dụng trong nghiên cứu này sẽ là tài liệu tham khảo có 
giá trị cho các nghiên cứu trong tương lai khi phân tích biến động diện tích bề mặt không 
thấm tại khu vực đô thị. Nghiên cứu cũng chỉ ra những hiệu quả của việc áp dụng hồi quy 
không gian và dữ liệu chuỗi thời gian trên cơ sở ứng dụng viễn thám và GIS có thể tiết kiệm 
thời gian và chi phí một cách hiệu quả trong việc đánh giá quá trình mở rộng đô thị thông 
qua biến động bề mặt không thấm. Hơn nữa, nghiên cứu biến động bề mặt không thấm cũng 
góp phần hỗ trợ đánh giá mật độ xây dựng đô thị, hoặc nhận định các vấn đề liên quan đến 
hệ quả của quá trình đô thị hóa như ngập lụt đô thị, mức độ tập trung dân cư đô thị, và đảo 
nhiệt đô thị. 
 Tuyên bố về quyền lợi: Các tác giả xác nhận hoàn toàn không có xung đột về quyền lợi. 
TÀI LIỆU THAM KHẢO 
Acharya, T., Kumbhakar, S., Prasad, R., Mondal, S., & Biswas, A. (2017). Delineation of potential 
groundwater recharge zones in the coastal area of north-eastern India using geoinformatics. 
Sustainable Water Resources Management, 1-8. 
Bhatti, S. S., & Tripathi, N. K. (2014). Built-up area extraction using Landsat 8 OLI imagery. 
GIScience & Remote Sensing, 51(4), 445-467. https://doi.org/10.1080/15481603.2014.939539 
Tạp chí Khoa học Trường ĐHSP TPHCM Lê Trần Oanh Kiều và tgk 
485 
Castrence, M., Nong, D. H., Tran, C. C., Young, L., & Fox, J. (2014). Mapping urban transitions 
using multi-temporal Landsat and DMSP-OLS night-time lights imagery of the Red River 
Delta in Vietnam. Land, 3(1), 148-166. 
Du, S., Shi, P., Van Rompaey, A., & Wen, J. (2015). Quantifying the impact of impervious surface 
location on flood peak discharge in urban areas. Natural Hazards, 76(3), 1457-1471. 
Ghosh, D. K., Mandal, A. C., Majumder, R., Patra, P., & Bhunia, G. S. (2018). Analysis for Mapping 
of Built-Up Area Using Remotely Sensed Indices–A Case Study of Rajarhat Block in Barasat 
Sadar Sub-Division in West Bengal (India). Journal of Landscape Ecology, 11(2), 67-76. 
Ghosh, S., & Siddique, G. (2018). Change Detection of Built-Up Areas Applying Built-Up Index for 
Chandannagar City. International Journal of Technology Research and Management, 5(4), 1-7. 
Huynh, H. T. L., & Pathirana, A. (2011). Urbanization and climate change impacts on future urban 
flood risk in Can Tho city, Vietnam. Hydrology & Earth System Sciences Discussions, 8(6). 
Ishtiaque, A., Myint, S. W., & Wang, C. (2016a). Examining the ecosystem health and sustainability 
of the world’s largest mangrove forest using multi-temporal MODIS products. Science of the 
Total Environment, (569), 1241-1254. 
Jha, A., Lamond, J., Bloch, R., Bhattacharya, N., Lopez, A., Papachristodoulou, N., Bird, A., 
Proverbs, D., Davies, J., & Barker, R. (2011). Five feet high and rising: Cities and flooding in 
the 21st century. The World Bank. 
Kawamura, M. (1996). Relation between social and environmental conditions in Colombo Sri Lanka 
and the urban index estimated by satellite remote sensing data. Proc. 51st Annual Conference 
of the Japan Society of Civil Engineers, 190-191. 
Khan, S. D. (2005). Urban development and flooding in Houston Texas, inferences from remote 
sensing data using neural network technique. Environmental Geology, 47(8), 1120-1127. 
Memon, A. A., Muhammad, S., Rahman, S., & Haq, M. (2015). Flood monitoring and damage 
assessment using water indices: A case study of Pakistan flood-2012. The Egyptian Journal of 
Remote Sensing and Space Science, 18(1), 99-106. 
Ogden, F. L., Raj Pradhan, N., Downer, C. W., & Zahner, J. A. (2011). Relative importance of 
impervious area, drainage density, width function, and subsurface storm drainage on flood 
runoff from an urbanized catchment. Water Resources Research, 47(12). 
Pekel, J.-F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global 
surface water and its long-term changes. Nature, 540(7633), 418. 
Pham, D. V. T., Nguyen, H. Q. G., & Huynh, P. D. P. (2012). Identifying the Urbanization Pattern 
based on Demographic and Socio-Economic Aspects. A Case Study in Can Tho City. 
Proceedings of the fourth International Conference on Vietnamese Studies, V, 746-759. 
Pham, T. M. T., Raghavan, V., & Pawar, N. J. (2010). Urban expansion of Can Tho City, Vietnam: 
A study based on multi-temporal satellite images. Geoinformatics, 21(3), 147-160. 
Pham, V. T., Nguyen, V. T., Nguyen, H. L., & Nguyen, D. H. (2018). Detection of the impervious 
surfaces expansion using SPOT-5 and Sentinel-2 data: A case study in Ho Chi Minh city. 
Journal of Mining and Earth Sciences, 59(2), 69-76. 
Prime Minister, P. (2013). Decision No: 1515/QD-TTg the project on adjustment of the master plan 
of Can Tho city till 2030 and with a vision to 2050, dated in August 28th, 2013 [Goverment]. 
Decision No: 1515/QD-TTg the Project on Adjustment of the Master Plan of Can Tho City till 
Tạp chí Khoa học Trường ĐHSP TPHCM Tập 18, Số 3 (2021): 477-487 
486 
2030 and with a Vision to 2050, Dated in August 28th, 2013. 
https://vanbanphapluat.co/decision-no-1515-qd-ttg-the-project-on-adjustment-of-the-master-
plan-of-can-tho-city-till-2030 
Rikimaru, A. (1997). Development of forest canopy density mapping and monitoring model using 
indices of vegetation, bare soil and shadow. Presented Paper for the 18th ACRS. 
Shanableh, A., Al-Ruzouq, R., Yilmaz, A., Siddique, M., Merabtene, T., & Imteaz, M. (2018). 
Effects of Land Cover Change on Urban Floods and Rainwater Harvesting: A Case Study in 
Sharjah, UAE. Water, 10(5), 631. 
Son, N.-T., Chen, C.-F., & Chen, C.-R. (2019). Flood assessment using multi-temporal remotely 
sensed data in Cambodia. Geocarto International, just-accepted, 1-14. 
Suriya, S., & Mudgal, B. V. (2012). Impact of urbanization on flooding: The Thirusoolam sub 
watershed–A case study. Journal of Hydrology, (412), 210-219. 
Thenkabail, P. S. (2015). Land resources monitoring, modeling, and mapping with remote sensing. 
CRC Press. 
Tran, T. V., Tran, D. X., Myint, S. W., Huang, C., Pham, H. V., Luu, T. H., & Vo, T. M. (2019a). 
Examining spatiotemporal salinity dynamics in the Mekong River Delta using Landsat time series 
imagery and a spatial regression approach. Science of the Total Environment, 687, 1087-1097. 
Wang, C., & Myint, S. W. (2016). Environmental concerns of deforestation in Myanmar 2001-2010. 
Remote Sensing, 8(9), 728. 
Wang, C., Myint, S. W., Wang, Z., & Song, J. (2016). Spatio-Temporal Modeling of the Urban Heat 
Island in the Phoenix Metropolitan Area: Land Use Change Implications. Remote Sensing, 
8(3), 185. https://doi.org/10.3390/rs8030185 
Wang, G., Yu, M., & Xue, Y. (2016). Modeling the potential contribution of land cover changes to 
the late twentieth century Sahel drought using a regional climate model: Impact of lateral 
boundary conditions. Climate Dynamics, 47(11), 3457-3477. https://doi.org/10.1007/s00382-
015-2812-x 
Xu, Hanqiu (2007). Extraction of urban built-up land features from Landsat imagery using a 
thematicoriented index combination technique. Photogrammetric Engineering & Remote 
Sensing, 73(12), 1381-1391. 
Xu, Hao, & Bai, Y. (2015). Evaluation of urban lake evolution using Google Earth Engine-A case 
study of Wuhan, China. Agro-Geoinformatics (Agro-Geoinformatics), 2015 Fourth 
International Conference On, 322-325. 
Yang, X., Qin, Q., Grussenmeyer, P., & Koehl, M. (2018). Urban surface water body detection with 
suppressed built-up noise based on water indices from Sentinel-2 MSI imagery. Remote 
Sensing of Environment, 219, 259-270. 
Yang, X., Zhao, S., Qin, X., Zhao, N., & Liang, L. (2017). Mapping of urban surface water bodies 
from Sentinel-2 MSI imagery at 10 m resolution via NDWI-based image sharpening. Remote 
Sensing, 9(6), 596. 
Zha, Y., Gao, J., & Ni, S. (2003). Use of normalized difference built-up index in automatically mapping 
urban areas from TM imagery. International Journal of Remote Sensing, 24(3), 583-594. 
Tạp chí Khoa học Trường ĐHSP TPHCM Lê Trần Oanh Kiều và tgk 
487 
Zhang, F., Zhu, X., & Liu, D. (2014). Blending MODIS and Landsat images for urban flood mapping. 
International Journal of Remote Sensing, 35(9), 3237-3253. 
https://doi.org/10.1080/01431161.2014.903351 
Zhang, Y., Ni, S. X., & Yang, S. (2003). An Effective Approach to Automatically Extract Urban 
Land-use from TM lmagery. Journal of Remote Sensing Beijing, 7(1), 37-40. 
Zhao, H., & Chen, X. (2005). Use of normalized difference bareness index in quickly mapping bare 
areas from TM/ETM+. International Geoscience and Remote Sensing Symposium, 3, 1666. 
Zhou, Y., Luo, J., Shen, Z., Hu, X., & Yang, H. (2014). Multiscale water body extraction in urban 
environments from satellite images. IEEE Journal of Selected Topics in Applied Earth 
Observations and Remote Sensing, 7(10), 4301-4312. 
ANALYZING THE PATTERN OF IMPERVIOUS SURFACE VARIATIONS 
IN CAN THO CITY DURING THE 2000-2020 
 PERIOD USING SPATIAL REGRESSION APPROACHES 
Le Tran Oanh Kieu1, Nguyen Phi Hung1, 
Truong Hoang Truong1, Tran Van Thuong2*, Huynh Pham Dung Phat3 
1University of Social Sciences and Humanities, Vietnam National University Ho Chi Minh City, Vietnam 
2Thu Dau Mot University, Vietnam 
3Ho Chi Minh City University of Education, Vietnam 
*Corresponding author: Tran Van Thuong – Email: thuong.tran@tdmu.edu.vn 
Received: February 17, 2021; Revised: March 15, 2021; Accepted: March 20, 2021 
ABSTRACT 
The study aims at examining the spatiotemporal pattern of impervious surface changes using 
Landsat time-series imagery obtained through Google Earth Engine and spatial regression 
approaches in Can Tho city. The Normalised Difference Built-up Index and Ordinary Least Square 
method were applied to characterize the pattern of dynamics of urban expansion during the 2000-
2020 period. The results showed that the built-up density mainly focused on the riparian area of the 
Hau River and expanded northern-west to other areas. Regarding the trend in built-up patterns, an 
increased area of 485ha, 399ha, and 376ha was found in Ninh Kieu, Binh Thuy, and Thot Not 
districts respectively during the period. The results from this study can be used as a reference for 
local government to propose appropriate strategies for developing a smart city in the context of 
digital technologies. 
Keywords: impervious surface; Landsat; NDBI; urbanization; Ordinary Least Square; 
remote sensing