intTypePromotion=3

Ứng dụng ảnh vệ tinh Modis theo dõi diễn biến lũ tại tỉnh An Giang (từ năm 2000 đến 2013) và thành lập bản đồ lũ năm 2013

Chia sẻ: Thi Thi | Ngày: | Loại File: PDF | Số trang:9

0
33
lượt xem
1
download

Ứng dụng ảnh vệ tinh Modis theo dõi diễn biến lũ tại tỉnh An Giang (từ năm 2000 đến 2013) và thành lập bản đồ lũ năm 2013

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nhiều loại vệ tinh quan sát trái đất đã liên tục cung cấp nhiều thông tin hữu ích để theo dõi và đánh giá tình hình lũ lụt. Dữ liệu viễn thám được thu thập từ một loạt các cảm biến (MODIS) đã được sử dụng trong việc lập bản đồ hiện trạng lũ lụt và xác định sự thay đổi diện tích của chúng ở tỉnh An Giang.

Chủ đề:
Lưu

Nội dung Text: Ứng dụng ảnh vệ tinh Modis theo dõi diễn biến lũ tại tỉnh An Giang (từ năm 2000 đến 2013) và thành lập bản đồ lũ năm 2013

Journal of Science – 2016, Vol. 12 (4), 72 – 80<br /> <br /> Part D: Natural Sciences, Technology and Environment<br /> <br /> ỨNG DỤNG ẢNH VỆ TINH MODIS THEO DÕI DIỄN BIẾN LŨ<br /> TẠI TỈNH AN GIANG (TỪ NĂM 2000 ĐẾN 2013)<br /> VÀ THÀNH LẬP BẢN ĐỒ LŨ NĂM 2013<br /> Phạm Duy Tiễn<br /> Trường Đại học An Giang<br /> Thông tin chung:<br /> Ngày nhận bài: 15/01/2015<br /> Ngày nhận kết quả bình duyệt:<br /> 09/04/2015<br /> Ngày chấp nhận đăng: 12/2016<br /> Title:<br /> An application of remote<br /> sensing data (Modis) for<br /> mapping flooding status from<br /> 2000 to 2013 in An Giang<br /> province<br /> Keywords:<br /> MODIS, EVI, LSWI, NDVI,<br /> flood , An Giang<br /> Từ khóa:<br /> MODIS, EVI, LSWI, DVEL, lũ,<br /> An Giang<br /> <br /> ABSTRACT<br /> Many kinds of observational satellites have continuously provided useful<br /> information in order to monitor flood situations. Remotely sensed data derived<br /> from a variety of sensors ( MODIS) was utilized to establish flooding status<br /> mapping and identify its changes in An Giang province. The previously<br /> traditional methods of flooding status mapping were limited and required the<br /> amount of time and effort in terms of collecting and synthesizing the data.<br /> Therefore, an updated approach is considered to overcome the disadvantages of<br /> traditional ones to meet urgent requirements of practical production and<br /> scientific research. In this paper, the remote sensing image analysis processes<br /> for mapping flooding status are mentioned (from 2000 to 2013).<br /> <br /> TÓM TẮT<br /> Nhiều loại vệ tinh quan sát trái đất đã liên tục cung cấp nhiều thông tin hữu ích<br /> để theo dõi và đánh giá tình hình lũ lụt. Dữ liệu viễn thám được thu thập từ một<br /> loạt các cảm biến (MODIS) đã được sử dụng trong việc lập bản đồ hiện trạng<br /> lũ lụt và xác định sự thay đổi diện tích của chúng ở tỉnh An Giang. Việc thành<br /> lập bản đồ hiện trạng lũ bằng các phương pháp trước đây mang rất nhiều hạn<br /> chế trong thực hiện, đòi hỏi đầu tư lớn về thời gian và sức lực trong công tác<br /> thu thập, tổng hợp thống kê số liệu. Do đó, đòi hỏi phải có một phương pháp<br /> khác khắc phục được nhược điểm trên của phương pháp truyền thống trong<br /> điều tra nghiên cứu hiện trạng lũ, đáp ứng yêu cầu cấp bách của thực tiễn sản<br /> xuất và nghiên cứu khoa học. Trong khuôn khổ bài báo này, quy trình phân tích<br /> ảnh viễn thám để thành lập bản đồ hiện trạng lũ và biến động (từ năm 2000 đến<br /> 2013) của chúng được đề cập.<br /> <br /> hưởng lũ từ sông Hậu và lũ tràn từ biên giới<br /> Cambodia qua lãnh thổ Việt Nam. Do đó, vùng<br /> này được xem là một trong số các vùng chịu ảnh<br /> hưởng lũ lớn nhất ở Đồng bằng sông Cửu Long<br /> (ĐBSCL). Đặc trưng lũ ở khu vực này là theo chu<br /> kỳ, thường xảy ra vào tháng 5 – 11 hàng năm.<br /> <br /> 1. GIỚI THIỆU<br /> Bên cạnh sự ưu đãi của thiên nhiên, An Giang<br /> cũng gặp nhiều khó khăn từ chính các điều kiện tự<br /> nhiên. Một trong số đó là lũ hàng năm từ sông<br /> Tiền và sông Hậu gây ra. Trừ hai huyện Tri Tôn<br /> và Tịnh Biên có địa hình đồi núi, các huyện còn<br /> lại có địa hình thấp trũng nên An Giang chịu ảnh<br /> <br /> 72<br /> <br /> Journal of Science – 2016, Vol. 12 (4), 72 – 80<br /> <br /> Part D: Natural Sciences, Technology and Environment<br /> <br /> Nghiên cứu sử dụng chuỗi dữ liệu ảnh MODISMOD09A1 (độ phân giải 250 m, 8 ngày lặp) là<br /> công cụ để phát hiện những thay đổi của lũ lụt<br /> trong thời gian qua, thông qua sự kết hợp của các<br /> chỉ số thực vật tăng cường (EVI), chỉ số nước bề<br /> mặt lớp phủ (LSWI) và sự khác biệt giữa hai chỉ<br /> số này (DVEL). Từ đó làm cơ sở đánh giá diễn<br /> biến lũ tỉnh An Giang (giai đoạn 2000 – 2013).<br /> <br /> 2. KHU VỰC NGHIÊN CỨU<br /> Tỉnh An Giang là một trong những tỉnh đầu nguồn<br /> trong khu vực ĐBSCL, với hai nhánh sông Tiền<br /> và sông Hậu. Với đặc điểm là vùng núi và đồng<br /> bằng, có nguồn nước mặt dồi dào, do vậy thế<br /> mạnh kinh tế của An Giang chủ yếu là sản xuất<br /> nông nghiệp và thủy sản. Năm 2012, nông dân<br /> trong tỉnh đã gieo trồng 518.032 ha, tăng 2%,<br /> trong đó diện tích trồng lúa là 475.644 ha (Hình<br /> 1).<br /> <br /> Hình 1. Bản đồ hiện trạng sản xuất nông nghiệp tỉnh An Giang<br /> <br /> 73<br /> <br /> Journal of Science – 2016, Vol. 12 (4), 72 – 80<br /> <br /> 3.<br /> <br /> Part D: Natural Sciences, Technology and Environment<br /> <br /> PHƯƠNG PHÁP<br /> Ảnh MODIS<br /> (MOD09A1)<br /> Bản đồ ranh giới<br /> hành chính<br /> <br /> Xử lý ảnh<br /> (cắt, ghép, nắn, lọc mây,…)<br /> <br /> Tính và tạo chuỗi ảnh EVI,<br /> LSWI, DVEL theo thời gian<br /> <br /> Bản đồ hiện<br /> trạng sử dụng đất<br /> <br /> Phân loại đối tượng dựa trên giá<br /> trị EVI, LSWI, DVEL<br /> <br /> Bản đồ hiện trạng<br /> ngập lũ 2000-2013<br /> <br /> Bản đồ thời gian<br /> ngập lũ 2000-2013<br /> <br /> Số liệu mực nước<br /> thủy văn<br /> <br /> Đối chiếu kết quả<br /> Đánh giá diễn biến lũ tỉnh An Giang<br /> <br /> Hình 2. Sơ đồ quy trình thực hiện theo dõi diễn biến lũ tại An Giang<br /> <br /> Phương pháp nghiên cứu được tiến hành theo<br /> từng bước như được trình bày theo sơ đồ Hình 2.<br /> <br /> LSWI =<br /> <br /> Dữ liệu MODIS sau khi thu thập được xử lý qua<br /> các bước xử lý ảnh (cắt, ghép, nắn, lọc mây,…) và<br /> tính toán chỉ số cần thiết để phát hiện điểm ảnh lũ<br /> lụt, gồm các chỉ số sau:<br /> -<br /> <br /> Sự khác biệt giữa chỉ số EVI và LSWI<br /> <br /> DVEL = EVI – LSWI<br /> Trong đó:<br /> <br /> Chỉ số thực vật tăng cường (Enhanced<br /> Vegetation Index - EVI):<br /> <br /> EVI = 2.5 *<br /> -<br /> <br /> -<br /> <br /> NIR  SWIR<br /> NIR  SWIR<br /> <br /> NIR  RED<br /> NIR + 6 * RED  7.5 * BLUE  1<br /> <br /> Chỉ số nước bề mặt lớp phủ (Land Surface<br /> Water Index - LSWI):<br /> <br /> 74<br /> <br /> -<br /> <br /> RED là phổ phản xạ của kênh đỏ (band 1 của<br /> MODIS);<br /> <br /> -<br /> <br /> NIR là phổ phản xạ của kênh cận hồng ngoại<br /> (band 2 của MODIS);<br /> <br /> -<br /> <br /> BLUE là phổ phản xạ của kênh xanh da trời<br /> (band 3 của MODIS).<br /> <br /> -<br /> <br /> SWIR là phản xạ của tia hồng ngoại ngắn của<br /> quang phổ mặt trời (band 6 của MODIS).<br /> <br /> Journal of Science – 2016, Vol. 12 (4), 72 – 80<br /> <br /> Part D: Natural Sciences, Technology and Environment<br /> <br /> Ảnh MODIS – MOD09A1<br /> <br /> Ảnh chỉ số: EVI, LSWI, DVEL<br /> ρBLUE > 0,2<br /> Chuỗi ảnh không mây đa thời gian: EVI,<br /> LSWI, DVEL<br /> EVI >0,3<br /> 333333333<br /> 333333333<br /> 333333333 Không lũ<br /> 330,3000,3<br /> <br /> SAI<br /> <br /> DVEL≤ 0,05<br /> EVI ≤ 0,3<br /> <br /> EVI ≤ 0,05<br /> LSWI ≤ 0,0<br /> <br /> Các pixel liên quan đến nước<br /> EVI ≤ 0,1<br /> <br /> 0,1< EVI ≤ 0,3<br /> <br /> Pixel hỗn hợp<br /> <br /> Pixel lũ<br /> <br /> Thời gian ngập >180 ngày<br /> <br /> Sông, hồ, biển<br /> <br /> Hình 3. Phương pháp phân loại điểm ảnh lũ dựa trên giá trị các chỉ số EVI, LSWI và DVEL<br /> (Nguồn: Sakamoto et al., 2007; Islam et al., 2009)<br /> <br /> Từ các ảnh đơn band được tính toán dựa vào công<br /> thức trên, tiến hành tạo các chuỗi ảnh đa thời gian<br /> của các chỉ số EVI, LSWI và DVEL. Sau đó phân<br /> loại đối tượng dựa trên giá trị của các chỉ số này<br /> để xác định điểm ảnh lũ lụt. Nghiên cứu sử dụng<br /> phương pháp của Sakamoto et al. (2007) và Islam<br /> et al. (2009) để phân loại đối tượng và xác định<br /> điểm ảnh lũ lụt (Hình 3). Với giá trị band Blue ≥<br /> 0,2 được xem là điểm ảnh mây sẽ được loại bỏ<br /> khỏi ảnh (Xiao et al., 2005). Nếu EVI > 0,3 được<br /> xem là điểm ảnh không lũ. Nếu EVI ≤ 0,3 và<br /> DVEL≤ 0,05 hay EVI ≤ 0,05 và LSWI ≤ 0,0 được<br /> xác định là điểm ảnh liên quan đến nước. Sau đó,<br /> <br /> phân loại điểm ảnh lũ với EVI ≤ 0,1, điểm ảnh<br /> hỗn hợp với 0,1< EVI ≤ 0,3 và các khu vực sông<br /> hồ được tách ra từ các điểm ảnh liên quan đến<br /> nước với thời gian ngập > 180 ngày.<br /> 4. KẾT QUẢ<br /> 4.1 Phân tích mối quan hệ giữa các chỉ số<br /> EVI, LSWI và DVEL<br /> Dựa trên mối quan hệ giữa giá trị EVI, LSWI và<br /> DVEL với trạng thái lớp nước bề mặt cũng như<br /> lớp phủ thực vật và sự kết hợp các giá trị này giúp<br /> xác định mức độ ngập và đặc điểm thời gian ngập<br /> trong giai đoạn lũ (Hình 4).<br /> <br /> 75<br /> <br /> Journal of Science – 2016, Vol. 12 (4), 72 – 80<br /> <br /> Part D: Natural Sciences, Technology and Environment<br /> <br /> Giá trị các chỉ số<br /> <br /> Lũ<br /> <br /> 1.0<br /> 0.8<br /> 0.6<br /> 0.4<br /> 0.2<br /> 0.0<br /> -0.2<br /> -0.4<br /> -0.6<br /> -0.8<br /> -1.0<br /> 1/<br /> 1/<br /> <br /> 01<br /> <br /> EVI<br /> LSWI<br /> DVEL<br /> Mùa vụ<br /> <br /> Mùa vụ<br /> <br /> 3/<br /> 1/<br /> <br /> 01<br /> <br /> 5/<br /> 1/<br /> <br /> 01<br /> <br /> 7/<br /> 1/<br /> <br /> 01<br /> <br /> 9/<br /> 1/<br /> <br /> 01<br /> <br /> 1<br /> 2<br /> 2<br /> 2<br /> 2<br /> 2<br /> 2<br /> /0 1/0 3/0 5/0 7/0 9/0 1/0<br /> 1<br /> /<br /> /<br /> /<br /> /<br /> /<br /> 1<br /> 1<br /> 1<br /> 1<br /> 1<br /> 1 1/1<br /> 1/<br /> <br /> Thời gian<br /> Hình 4. Khả năng phát hiện lũ dựa vào thay đổi giá trị EVI, LSWI và DVEL theo thời gian<br /> <br /> Do chu kỳ lặp là 8 ngày nên ảnh không luôn luôn<br /> ghi nhận được chính xác thời gian lũ đạt đỉnh<br /> cũng như thời gian bắt đầu và kết thúc mùa lũ nên<br /> ta cần căn cứ vào các biểu đồ giá trị EVI, LSWI<br /> và DVEL để ước đoán được thời điểm lũ bắt đầu,<br /> đạt đỉnh và kết thúc. Đó là khoảng thời gian mà<br /> giá trị LSWI bắt đầu tăng (đồng thời EVI và<br /> <br /> DVEL giảm) là thời điểm lũ bắt đầu, sau đó<br /> LSWI đạt cực đại (EVI và DVEL đạt cực tiểu)<br /> tương ứng với đỉnh lũ và LSWI giảm xuống khi<br /> kết thúc mùa lũ (đồng thời EVI và DVEL tăng lên<br /> vào thời điểm này).<br /> 4.2 Diễn biến của lũ ở An Giang giai đoạn từ<br /> năm 2000 đến năm 2013<br /> <br /> 76<br /> <br />
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản