zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Công Nghệ Thông Tin

» Kỹ thuật lập trình

Ứng dụng nền tảng điện toán đám mây Google Earth Engine trong đánh giá ảnh hưởng của ngập lụt tại tỉnh Quảng Bình

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:3

Báo xấu

6
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu của nghiên cứu này là ứng dụng nền tảng điện toán đám mây Google Earth Engine (GEE) để xây dựng ứng dụng Web giám sát và ước tính thiệt hại sau lũ lụt thông qua chỉ số về diện tích ngập lụt, độ sâu ngập, diện tích cây trồng bị ảnh hưởng và số hộ dân bị ảnh hưởng, thí điểm cho đợt mưa bão tháng 10 năm 2020 tại tỉnh Quảng Bình.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Ứng dụng nền tảng điện toán đám mây Google Earth Engine trong đánh giá ảnh hưởng của ngập lụt tại tỉnh Quảng Bình

Tuyển tập Hội nghị Khoa học thường niên năm 2023. ISBN: 978-604-82-7522-8 ỨNG DỤNG NỀN TẢNG ĐIỆN TOÁN ĐÁM MÂY GOOGLE EARTH ENGINE TRONG ĐÁNH GIÁ ẢNH HƯỞNG CỦA NGẬP LỤT TẠI TỈNH QUẢNG BÌNH Giang Hoàng Hiệp1, Trần Kim Châu2, Nguyễn Quang Chiến3 1 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu, email: gianghiep111@gmail.com 2 Trường Đại học Thủy lợi, email: kimchau_hwru@tlu.edu.vn 3 Viện Công nghệ Karlsruhe (KIT), email: chiennguyen7165@gmail.com 1. GIỚI THIỆU CHUNG GEE. Toàn bộ quy trình xử lý dữ liệu đầu vào và giải đoán ảnh vệ tinh đều được code bằng Hàng năm, miền Trung Việt Nam liên tục các hàm chức năng trong thư viện tích hợp sẵn phải hứng chịu những đợt lũ chồng lũ, bão của nền tảng GEE. Quy trình xử lý các lớp dữ chồng bão với diễn biến phức tạp, mức độ, liệu ảnh và phát triển ứng dụng được thể hiện tính chất ngày càng khốc liệt và dị thường, đặc cụ thể thông qua sơ đồ dưới đây: biệt, đợt mưa lũ lịch sử năm 2020 đã gây ra nhiều thiệt hại nặng nề về tài sản, môi trường con người và vật nuôi cho các tỉnh miền Trung. Tại Quảng Bình, đợt mưa lũ lịch sử từ ngày 16 đến ngày 22 tháng 10 năm 2020 đã gây ra thiệt hại nghiêm trọng trên địa bàn toàn tỉnh, đặc biệt là địa bàn huyện Lệ Thủy, Quảng Ninh. Riêng lượng mưa từ ngày 16/10 đến ngày 21/10 nhiều nơi trên 1.000mm như các trạm Trường Sơn, Minh Hóa và Tuyên Hóa [2]. Do địa hình hẹp và dốc nên khi có mưa lớn mực nước trên 3 lưu vực sông lớn (sông Gianh, sông Nhật Lệ, sông Son) lên rất nhanh và đều vượt mức báo động III vượt lũ lịch sử năm 1979 [2]. Do đó, mục tiêu của nghiên cứu này là ứng dụng nền tảng điện toán đám mây Google Earth Engine (GEE) để xây dựng ứng Hình 1. Sơ đồ xử lý dữ liệu của ứng dụng dụng Web giám sát và ước tính thiệt hại sau lũ lụt thông qua chỉ số về diện tích ngập lụt, độ 2.1.1. Phương pháp tính toán diện tích ngập sâu ngập, diện tích cây trồng bị ảnh hưởng và Diện tích ngập lũ được xác định theo phân số hộ dân bị ảnh hưởng, thí điểm cho đợt mưa ngưỡng giá trị (threshold) dựa trên so sánh bão tháng 10 năm 2020 tại tỉnh Quảng Bình. giá trị điểm ảnh tại hai thời điểm trước và sau lũ trên tập hợp ảnh Sentinel-1A. Lớp dữ liệu 2. PHƯƠNG PHÁP NGHIÊN CỨU ngập đầu ra được sử dụng làm dữ liệu đầu 2.1. Phương pháp xử lý dữ liệu ảnh vệ vào cho các bước tính toán sau: tinh và phát triển Web 2.1.2. Tính diện tích đất nông nghiệp Ứng dụng Web được phát triển dựa trên thiệt hại ngôn ngữ lập trình JavaScript trên trình soạn Diện tích đất nông nghiệp thiệt hại được thảo mã lệnh - EE Code Editor thuộc nền tảng tính toán bằng phương pháp chồng chập lớp 465
Tuyển tập Hội nghị Khoa học thường niên năm 2023. ISBN: 978-604-82-7522-8 diện tích ngập và lớp đất nông nghiệp được bị ảnh hưởng; (4) Bảng kết quả thống kê diện lấy từ bộ sưu tập ảnh MODIS. tích ngập, số người dân bị ảnh hưởng và diện 2.1.3. Thống kê số người bị ảnh hưởng tích đất nông nghiệp bị ảnh hưởng; (5) Chú giải các lớp dữ liệu trên bản đồ; (6) Công cụ Tương tự như vậy, lớp dữ liệu dân số chịu tùy chọn hiển thị các lớp dữ liệu. ảnh hưởng được tính toán từ lớp mật độ dân số thế giới GHSL 2015. 2.2. Phương pháp tính toán độ sâu ngập Quy trình tính đoán độ sâu ngập dưa trên dữ liệu DEM Merit. Các giá trị độ cao địa hình ở vùng biên được xác định làm mốc giá trị ban đầu, từ đó các giá trị độ sâu vùng ngập bên trong sẽ được nội suy bằng cách lấy mốc giá trị số độ cao vùng biên trừ đi giá trị DEM Hình 3. Giao diện Web sau khi chạy tại vị trí ngập [1]. Theo kết quả tính toán từ ứng dụng cho trận lũ từ ngày 16 đến ngày 22/10/2020 với 3. KẾT QUẢ NGHIÊN CỨU phân ngưỡng giá trị 1.2 cho thấy, Quảng 3.1. Kết quả xây dựng ứng dụng Web Bình có 33.209 (ha) bị ngập tương đương với đánh giá ảnh hưởng của ngập lụt tại tỉnh khoảng 4% diện tích tự nhiên của tỉnh. Khu Quảng Bình vực ngập tập trung chủ yếu ở đồng bằng ven biển và 2 lưu vực sông Gianh và sông Nhật Ứng dụng Web bao gồm 2 thành phần Lệ. Diện tích đất nông nghiệp bị ảnh hưởng chính (1) cửa sổ thiết lập thông số đầu vào (Estimate affected cropland) theo tính toán là cho ứng dụng bao gồm: thời điểm trước và 5.881 (ha), số người chịu ảnh hưởng lên đến sau khi xảy ra lũ, chế độ phân cực của ảnh vệ 14.944 (người). tinh (Polarization) và ngưỡng giá trị chiết tách vùng ngập (threshold) (2) bản đồ hiển thị các kết quả tính toán của ứng dụng. Hình 4. Lớp dữ liệu kết quả đầu ra của chương trình So sánh kết quả thiệt hại sau đợt lũ năm 2020 tại tỉnh Quảng Bình từ chương trình và kết quả thống kê thực tế của UBND tỉnh Hình 2. Giao diện ứng dụng Web ban đầu Quảng Bình trong báo cáo số 264/BC-UBND ngày 05 tháng 11 năm 2020 về “Tình hình Sau khi thiết lập thông số và tiến hành chạy thiệt hại do mưa lũ gây ra từ ngày 07 đến ngày chương trình đánh giá, giao diện Web sẽ xuất 22/10/2020” [2]. Số hộ dân bị ảnh hưởng theo hiện thêm những thành phần sau: (3) Cửa sổ thống kê trong báo cáo là 106.220 (hộ) so sánh để tải các lớp dữ liệu kết quả sau khi chạy với kết quả ứng dụng là 14.944 (hộ). Diện tích (Tasks) bao gồm: Lớp dữ liệu ngập dạng đất nông nghiệp theo thống kê là 6.798,5 (ha) shapefile (Flood_exten_vector), lớp dữ liệu còn diện tích theo kết quả tính toán là 5.881 ngập dạng raster (Flood_extent_raster), lớp dữ (ha). Dữ liệu về số người dân bị ảnh hưởng có liệu dân số bị ảnh hưởng, lớp dữ liệu độ sâu sự chênh lệch tương đối lớn so với thực tế, sự ngập (Flood_Depth) và lớp dữ liệu cây trồng chênh lệch này xuất phát từ ba nguyên nhân 466
Tuyển tập Hội nghị Khoa học thường niên năm 2023. ISBN: 978-604-82-7522-8 chính: (1) Nguồn dữ liệu dân số được sử dụng đầu vào sử dụng. Vì phạm vi nghiên cứu trong chương trình là dữ liệu vệ tinh với quy tương đối lớn (cấp tỉnh) nên để tối ưu hóa mô toàn cầu, không phải dữ liệu được địa hiệu năng của chương trình, các tác giả lựa phương xây dựng. Trên thực tế tỉnh Quảng chọn nguồn MERIT DEM với độ phân giải Bình nói riêng và Việt Nam nói chung vẫn 90 (m). Để tăng độ chính xác của lớp dữ liệu chưa tiến hành xây dựng lớp dữ liệu dân cư chi độ sâu ngập, người dùng nên sử dụng các tiết ở các định dạng dữ liệu GIS, do đó độ nguồn DEM có độ phân giải cao (dưới 30m) chính xác vẫn chưa cao; (2) Số liệu thống kế và sử dụng cho phạm vi nghiên cứu nhỏ hơn của tỉnh được thu thập chủ yếu sau khi nước lũ để tăng tính chính xác của dữ liệu. đã rút, trong khi chương trình tính toán thiệt hại trong thời kỹ lũ lụt. Điều này cũng dẫn đến 4. KẾT LUẬN sai số nhất định so với dữ liệu thống kế thực tế; (3) Kết quả đánh giá thiệt hại phụ thuộc Nghiên cứu này trình bày kết quả xây dựng hoàn toàn vào diện tích lớp dữ liệu ngập, như ứng dụng WebGIS theo dõi và ước tính thiệt vậy diện tích ngập theo phân ngưỡng càng lớn hại do lũ lụt thông qua bốn chỉ số: diện tích thì kết quả thiệt hại càng nhiều. Dữ liệu diện ngập lụt, độ sâu ngập, diện tích đất nông tích đất nông nghiệp thiệt hại cũng có sự sai nghiệp và số người bị ảnh hưởng. Chương khác nhất định so với thống kê (5.881ha và trình Web được xây dựng thử nghiệm cho trận 6.798,5ha), tuy nhiên sự chênh lệch không lũ lịch sử năm 2020 tại tỉnh Quảng Bình, nhiều và nguyên nhân dẫn đến chênh lệch thông qua giải đoán ảnh Sentinel-1A để ước cũng tương tự như lớp dữ liệu dân cư. Báo tính diện tích ngập dựa trên thư viện thuật cáo thống kê thiệt hại của tỉnh Quảng Bình sau toán xử lý có sẵn bằng ngôn ngữ lập trình trận lũ vẫn chưa có con số thống kê cụ thể về JavaScript và chức năng Code editor của nền diện tích ngập lụt. Tuy nhiên khi so sánh với tảng GEE. Kết quả cho thấy, trong trận lũ các vết lũ điều tra thực tế trên địa bản tỉnh, lớp ngày 16-22/10/2020, toàn tỉnh Quảng Bình có bản đồ ngập từ chương trình chạy ra trùng với 33.209 (ha) bị ngập, thiệt hại 5.881 (ha) diện khoảng 70% vị trí các vết lũ đã khảo sát. tích đất nông nghiệp, làm gần 14.944 hộ dân 3.2. Kết quả đánh giá độ sâu ngập bị ảnh hưởng do ngập lụt. Tuy có những khác biệt nhưng kết quả chạy ứng dụng cũng cho Kết quả chương trình tính toán độ sâu thấy sự tương đồng với kết quả của các báo ngập cho thấy lớp độ sâu ngập dao động từ cáo thống kê, qua đó cho thấy ứng dụng 0-3 (m) tùy từng khu vực và được giới hạn WebGIS tỏ ra tiện lợi và dễ truy cập đối với theo phạm vi lớp diện tích ngập. người dùng và tiềm năng mở rộng trong tương lai. Đây có thể coi là một hướng đi tiềm năng trong việc phát triển các công cụ đánh giá nhanh thiệt hại do lũ lụt gây ra ở Việt Nam. 5. TÀI LIỆU THAM KHẢO [1] Sagy Cohen, G. Robert Brakenridge, Albert Kettner, Bradford Bates, Jonathan Nelson, Richard McDonald, Yu-Fen Huang, Dinuke Munasinghe, Jiaqi Zhang. 2017. Estimating Floodwater Depths from Flood Inundation Hình 5. Lớp dữ liệu độ sâu ngập Maps and Topography. Doi: 10.1111/1752- 1688.12609. Tuy nhiên kết quả này vẫn chưa hoàn toàn [2] UBND tỉnh Quảng Bình. 2020. Báo cáo số chính xác, nhiều vị trí vẫn chênh lệch nhiều 264/BC-UBND ngày 05 tháng 11 năm 2020 so với số liệu thực tế. Nguyên dẫn đến chênh về tình hình thiệt hại do mưa lũ gây ra từ lệch số liệu chủ yếu là do độ phân giải DEM ngày 07 đến ngày 22/10/2020. 467

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.