For a long time, many pixel-based image classification algorithms have been developed for identifying land cover, some of which are commonly used due to their efficiency and accuracy such as Maximum Likelihood (MLC), Support Vector Machines (SVMs), and Decision Trees (DTs). These methods are applied to classify land cover in Ha Long city using Landsat-8 satellite images with several categories including residence, bare soil, forest, agricultural land, water surface, and coal field. The validation results show that the overall accuracy (OA) and Kappa coefficient (K) of these classification methods are high, with OA >
91 % and K >
0.9. However, compared to the other two methods, the DTs method provides the results with the highest accuracy and the best ability to separate features. The obtained results allow selecting the image classification method for identical areas with complicated land cover such as Ha Long.Trong những năm gần đây, nhiều thuật toán phân loại ảnh viễn thám dựa trên pixel được phát triển để đánh giá lớp phủ mặt đất, trong đó có một số phương pháp phân loại ảnh được sử dụng phổ biến do tính hiệu quả và chính xác của chúng như: Maximum Likelihood (MLC), Support Vector Machine (SVMs) và Decision Tree (DTs). Các phương pháp này được sử dụng để phân loại lớp phủ mặt đất tại thành phố Hạ Long năm 2020 dựa trên dữ liệu ảnh vệ tinh Landsat 8 OLI với 1 số loại hình lớp phủ mặt đất bao gồm: khu dân cư, đất trống, rừng, đất nông nghiệp, mặt nước và bãi than. Kết quả kiểm chứng cho thấy độ chính xác toàn cục (OA) và hệ số Kappa (K) của các phương pháp phân loại này đều ở mức cao, với OA >
91 % và K >
0,9. Tuy nhiên so với 2 phương pháp còn lại thì phương pháp DTs cung cấp kết quả với độ chính xác cao nhất và khả năng tách biệt các loại lớp phủ tốt nhất. Kết quả nhận được cho phép lựa chọn thuật toán phân loại ảnh khi áp dụng vào các khu vực có lớp phủ mặt đất tương tự như tại Hạ Long.