344
ƯỚC TÍNH CHỈ SỐ TỔNG CHẤT RẮN LƠ LỬNG TRÊN CÁC NHÁNH
SÔNG CHẢY QUA TỈNH BÌNH DƯƠNG DỰA TRÊN DỮ LIỆU VIỄN THÁM
VÀ PHƯƠNG PHÁP HỒI QUY ĐA BIẾN
Ngô Trần Sang1, Nguyễn Nhật Nguyên1, Nguyễn Thị Mai Thảo1,
Nguyễn Thị Kim Trang1, Lê Trọng Diệu Hiền2*
1. Lớp D21QLMT0, Khoa Khoa học quản lý, Trường Đại học Thủ Dầu Một
2. Khoa Khoa học quản lý, Trường Đại học Thủ Dầu Một
* Liên hệ email: hienltd@tdmu.edu.vn
TÓM TẮT
Tại Việt Nam, lưu vực sông Đồng Nai – Sài Gòn và các nhánh phân lưu có vai trò rất quan trọng
trong sự phát triển kinh tế - xã hội của khu vực, tạo điều kiện để thúc đẩy tăng trưởng mạnh mẽ cho các
lĩnh vực như công nghiệp, dịch vụ, sản xuất và dân sinh. Tuy nhiên, việc phát triển kinh tế và quá trình
đô thị hoá diễn ra quá nhanh chóng khiến cho các vấn đề suy thoái môi trường và ô nhiễm ngày càng
nghiêm trọng, đặc biệt là ô nhiễm TSS (tổng chất rắn lơ lửng) (Đào Xuân Học, 2006). Trong khi đó, việc
áp dụng công nghệ viễn thám và sử dụng mô hình toán học để giám sát và đánh giá diễn biến chất lượng
nước mặt ngày càng hiệu quả hơn. Viễn thám cung cấp cái nhìn khái quát về bề mặt trái đất, có thể cung
cấp các xu hướng không gian và thời gian cần thiết cho việc giám sát và đánh giá chất lượng nước toàn
diện; đặc biệt là chỉ số tổng chất rắn lơ lửng (Japitana Michelle, 2019). Bài nghiên cứu phân tích các
vấn đề: (1) Phân tích diễn biến nồng độ TSS quan trắc trên lưu vực sông Đồng Nai – Sài Gòn giai đoạn
2019-2022; (2) Ước tính nồng độ TSS thông qua các chỉ số vật lý được trích xuất từ dữ liệu vệ tinh; (3)
Đánh giá mức độ ô nhiễm của chỉ số tổng chất rắn lơ lửng dựa trên bản đồ phân vùng nồng độ ô nhiễm
TSS. Kết quả từ bài nghiên cứu cho thấy, giữa dữ liệu quan trắc TSS thực tế và dữ liệu ước tính nồng độ
TSS dự đoán có hệ số R2 = 0,7. Mục đích của bài nghiên cứu của chúng tôi là giúp mọi người có cái nhìn
tổng quát về chất lượng nước trên lưu vực sông Đồng Nai – Sài Gòn và các nhánh phân lưu chảy qua
tỉnh Bình Dương, nhóm nghiên cứu thực hiện ước tính nồng độ TSS bằng cách kết hợp việc sử dụng dữ
liệu ảnh vệ tinh và dữ liệu quan trắc TSS, dùng phương pháp phân tích hồi quy tuyến tính đa biến để ước
tính mức độ ô nhiễm của nồng độ TSS tại các nhánh sông chảy qua tỉnh Bình Dương trong giai đoạn 3
năm 2019 – 2022 và đề xuất các giải pháp quản lý. Qua đó, nghiên cứu cũng chứng minh tầm quan trọng,
mức độ tin cậy cao và khả năng ứng dụng rất tiện lợi của dữ liệu viễn thám và mô hình hồi quy đa biến
vào công tác quản lý tài nguyên nước mặt.
Từ khóa: Nồng độ TSS, Dữ liệu viễn thám, Lưu vực sông Đồng Nai – Sài Gòn, Mô hình hồi
quy tuyến tính đa biến.
1. ĐẶT VẤN ĐỀ
Sự thay đổi môi trường và các tác động từ chúng đối với các hệ thống tự nhiên, kinh tế và xã
hội con người là chủ đề nghiên cứu được quan tâm trong mọi lĩnh vực khoa học khác nhau. Trong
đó, nước là nguồn tài nguyên có vai trò hết sức quan trọng đối với con người và mọi sinh vật khác
trên Trái đất. Nước phục vụ cho con người trong mọi lĩnh vực, từ sinh hoạt đời sống hằng ngày cho
đến các hoạt động sản xuất tạo ra hàng hóa để phát triển kinh tế (Terry và nnk, 2009; Yi Qian, 2016;
Groenfeldt, 2016). Nhưng ở thời điểm hiện tại, sự ô nhiễm và thiếu hụt nguồn nước sạch đang được
xem là vấn đề đáng bận tâm nhất. Nguyên nhân chủ yếu đến từ biến đổi khí hậu, việc gia tăng dân số,
đô thị hóa, công nghiệp hóa và các hoạt động khai thác, sản xuất (William A Jury và nnk, 2005). Phần
lớn các quốc gia trên thế giới, nguồn nước cung cấp cho các nhu cầu đô thị đang thiếu hụt và các
ngành kinh tế bị ảnh hưởng nghiêm trọng bởi việc ô nhiễm nước. Ngoài công tác quản lý và xử lý
345
nước thải không đúng cách, một số bộ phận doanh nghiệp đã xả nước thải vào các vùng nước mặt,
dẫn đến sự gia tăng các chất ô nhiễm. Mức độ ô nhiễm cao tại các con sông làm tăng hàm lượng tổng
chất rắn lơ lửng. Các kim loại độc hại có trong nước như Cd, Cr, Ni và Pb làm ảnh hưởng đến đời
sống sinh hoạt và sản xuất, môi trường sống của các động vật thủy sinh và thậm chí gây nguy hiểm
đến sức khỏe con người (Odigie, 2014). Do đó, vấn đề quan tâm lúc này là cần có những biện pháp
giám sát và cung cấp kịp thời những dữ liệu về động lực học tại các dòng sông để hỗ trợ cho quá trình
hoạch định chính sách và ra quyết định phù hợp (Giardino và nnk, 2010; Morss và nnk, 2005).
Tại Việt Nam, lưu vực sông Đồng Nai – Sài Gòn và các nhánh phân lưu có vai trò rất quan
trọng trong sự phát triển kinh tế - xã hội của khu vực, có đủ các điều kiện để thúc đẩy tăng trưởng
mạnh mẽ các lĩnh vực như công nghiệp, dịch vụ, sản xuất và dân sinh. Các con sông này giữ vai trò
quan trọng trong nền kinh tế của cả nước, cụ thể chúng đóng góp 35% vào tổng GDP, riêng công
nghiệp chiếm tỷ trọng 54% của cả nước (Đào Xuân Học, 2020). Tuy nhiên, với sự phát triển kinh tế
và quá trình đô thị hoá diễn ra nhanh chóng đã khiến cho các vấn đề ô nhiễm ngày càng diễn biến
phức tạp, đặc biệt là ô nhiễm nước mặt rất nghiêm trọng (Đào Xuân Học, 2020). Các dòng sông trên
địa bàn tỉnh đã và đang chịu tác động mạnh mẽ từ các hoạt động công nghiệp và sự gia tăng dân số,
điều đó dẫn đến một lượng rác thải tăng cao. Việc này chắc chắn tác động tiêu cực đến việc sử dụng
nước và hệ sinh thái xung quanh sẽ bị ảnh hưởng nghiêm trọng. Bên cạnh đó, việc giám sát và dự
đoán chất lượng nước mặt trên một lưu vực lớn rất phức tạp do sự biến thiên theo thời gian và không
gian của vị trí giám sát (Singh Kunwar và nnk, 2004).
Ngoài ra, để có thể xác định chính xác nồng độ TSS (tổng chất rắn lơ lửng) thì việc phân tích bằng
các thiết bị chuyên dụng và hóa chất có thể gây tốn kém. Hơn thế nữa, địa hình sông tại Việt Nam rất
phức tạp, việc này đã gây khó khăn rất lớn cho công tác thu thập và phân tích mẫu nước. Do đó việc xây
dựng một mô hình toán học dùng để mô phỏng, xác định các yếu tố ảnh hưởng từ ô nhiễm là vô cùng cần
thiết. Tuy nhiên, các phương pháp đánh giá chất lượng nước truyền thống còn tồn đọng nhiều hạn chế về
máy móc, phương pháp và quy mô nghiên cứu so với thế giới, quan trọng nhất đó là chi phí để thực hiện.
Phương pháp truyền thống cần có số lượng mẫu lớn và thời gian thực hiện khá lâu, điều này làm mất đi
sự chính xác của mô hình nghiên cứu, kéo theo đó là hao tốn chi phí phát sinh (Graveline, 2010). Một
biện pháp thay thế tốt hơn đó chính là công nghệ viễn thám. Công nghệ viễn thám mang lại rất nhiều ưu
điểm như thu thập dữ liệu lớn, giảm chi phí và tiết kiệm thời gian hơn so với chụp ảnh trên không tại các
khu vực địa lý rộng lớn, thậm chí nó còn có khả năng phân tích dữ liệu và giám sát những thay đổi của
chúng theo thời gian (Stacy Ozesmi, 2002). Viễn thám cung cấp cái nhìn khái quát về bề mặt trái đất, có
thể cung cấp các xu hướng không gian và thời gian cần thiết cho việc giám sát và đánh giá chất lượng
nước toàn diện; đặc biệt là chỉ số tổng chất rắn lơ lửng (Japitana Michelle, 2019).
2. KHU VỰC, DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.1. Khu vực nghiên cứu
(a) (b)
Hình 1. (a) vị trí địa lý của tỉnh Bình Dương; (b) vị trí của lưu vực sông Đồng Nai – Sài Gòn
346
Khu vực nghiên cứu gồm các phân lưu chảy từ LVS (lưu vực sông) Đồng Nai – Sài Gòn trải
dài khắp địa phận tỉnh Bình Dương. Bình Dương là một tỉnh nằm ở miền Đông Nam Bộ với diện tích
khoảng 2.695,2km2 (khoảng 0,83% diện tích tự nhiên của cả nước), nằm trong 11052’ – 120 18’ vĩ
Bắc, 106°45'- 107°67'30" kinh độ Đông. Tỉnh Bình Dương có khí hậu nhiệt đới gió mùa, nóng ẩm
với 2 mùa rõ rệt bởi đặc điểm tự nhiên đặc trưng cho vùng trung du tiếp giáp giữa vùng núi cao Nam
Trường Sơn và đồng bằng thấp Nam Bộ. Khu vực nghiên cứu có hai hệ thống hồ thủy lợi lớn là hồ
Dầu Tiếng và hồ Trị An, điều này đã giúp tỉnh Bình Dương có được tài nguyên nước vô cùng phong
phú. Ngoài ra, tỉnh còn bao gồm các sông, suối với diện tích lưu vực trung bình nhưng khả năng bồi
tụ rất lớn. Ba con sông chính là sông Sài Gòn, Đồng Nai và Sông Bé, những con sông chính này chảy
qua và giữ vai trò quan trọng đối với tỉnh Bình Dương.
2.2. Dữ liệu
Hình 2. Quy trình thực hiện nghiên cứu
Nghiên cứu sử dụng kĩ thuật viễn thám và phương pháp phân tích hồi quy đa biến để ước tính
ô nhiễm chỉ số tổng chất rắn lơ lửng dựa trên kết quả quan trắc nước mặt được quan trắc tại lưu vực
sông Đồng Nai – Sài Gòn, đoạn chảy qua tỉnh Bình Dương. Quy trình thực hiện trong nghiên cứu này
được trình bày trong hình 2.
2.2.1. Dữ liệu quan trắc
Tại khu vực nghiên cứu có 34 trạm quan trắc, chúng được sử dụng cho mục đích thu thập mẫu
và nằm trên các nhánh sông chính của khu vực nghiên cứu (Hình 3).
Các mẫu nước được các chuyên gia quan trắc vào khoảng thời gian từ ngày 10 tháng 1 năm
2019 đến ngày 8 tháng 12 năm 2022, các mẫu nước được thu thập dựa theo TCVN: 6663-6:2018. Các
giá trị của thông số TSS được trình bày trong bài nghiên cứu là kết quả phân tích tại phòng thí nghiệm
từ các chuyên gia PTN-BREM thuộc Trung tâm Quan trắc Kỹ thuật Tài nguyên và Môi trường tỉnh
Bình Dương cung cấp. Giá trị chỉ số đánh giá chất lượng nồng độ TSS trong các mẫu nước mặt có
giá trị dao động trong khoảng 5-183 (mg/l). Trong đó, dữ liệu TSS được chia làm hai phần, 70% được
dùng để xây dựng mô hình hồi quy đa biến và 30% dữ liệu TSS còn lại được sử dụng để kiểm tra độ
tin cậy của kết quả từ mô hình hồi quy. Các mẫu TSS được sử dụng trong bài nghiên cứu là biến phụ
thuộc, trong khi đó biến độc lập là các chỉ số vật lý được chiết xuất từ dữ liệu ảnh vệ tinh quang học.
347
Hình 3. Bản đồ thể hiện tọa độ các điểm quan trắc nước mặt 2019 – 2022
2.2.2. Dữ liệu viễn thám
Trong phạm vi nghiên cứu, đề tài thu thập các dữ liệu viễn thám để thành lập bản đồ nước mặt
và giám sát sự thay đổi chỉ số TSS trên LVS Đồng Nai – Sài gòn và các nhánh phân lưu chảy qua
tỉnh Bình Dương. Nhóm tác giả sử dụng Landsat Collection 2 Level-2 chứa Landsat 8-9 OLI/TIRS
C2 L2 để tính toán chỉ số tổng chất rất lơ lửng (TSS). Các cơ sở dữ liệu từ vệ tinh Landsat được cung
cấp từ nguồn dữ liệu chính là Usgs Earth Explorer (Cơ quan Khảo sát Địa chất Hoa Kỳ). Trong đó,
22 ảnh viễn thám bao gồm các dải màu và kênh phổ được thu thập vào tháng 8 năm 2023 và điều
chỉnh độ che phủ mây ở mức 30%. Bên cạnh đó, nhóm nghiên cứu lựa chọn các dữ liệu ảnh có độ
phân giải không gian tốt và phạm vi quang phổ đủ rộng, việc này giúp tạo ra các chỉ số vật lí nhạy
cảm với TSS có trong nước mặt.
Trong nghiên cứu này, dữ liệu DEM được tải xuống từ USGS, trong đó nhóm tác giả sử dụng
Digital Elevation, SRTM 1 Arc-Second Global. Các dữ liệu này được đưa vào nghiên cứu để phân
tích chặt chẽ hơn về các yếu tố ảnh hưởng đến sự thay đổi của TSS trên các phân lưu LVS Đồng Nai
- Sài Gòn đoạn chảy qua tỉnh Bình Dương, các yếu tố bao gồm như độ cao, độ dốc và hướng sườn.
2.3. Phương pháp nghiên cứu
2.3.1. Phương pháp chiết xuất chỉ số nước mặt từ dữ liệu viễn thám
Mohammad và những người khác (2016) cho rằng các nghiên cứu về mối quan hệ giữa đặc tính
quang phổ và các chỉ số vật lý dùng trong đánh giá chất lượng trong nước đã được nghiên cứu mạnh
mẽ từ năm 1970, khi đó các vệ tinh quan sát bề mặt Trái Đất đang bắt đầu phát triển. Tính chất phản
xạ quang học của nước chủ yếu phụ thuộc vào nồng độ và đặc tính của các chất có trong nước mặt.
Ngoài ra, bộ cảm biến trên vệ tinh có khả năng đo lượng bức xạ mặt trời ở các bước sóng khác nhau
và phản xạ ngược lại bởi tính chất của nước. Điều này có thể tương quan với các chỉ số vật lý đánh
giá chất lượng trong nước, đặc biệt là TSS.
Sau khi các tác giả thu thập dữ liệu viễn thám, nhóm tác giả tiếp tục sử dụng công cụ QGIS để
xử lý các ảnh, dùng thuật toán Raster Calculator để tính toán các chỉ số đa phổ. Chín chỉ số bao gồm
NDWI (chỉ số nước chênh lệch chuẩn hóa), MNDWI (chỉ số nước chênh lệch chuẩn hóa hiệu chỉnh),
348
WRI (chỉ số tỉ lệ nước), AWEI (chỉ số chiết tách nước tự động), MBWI (chỉ số nước đa kênh phổ),
NSMI (Chỉ số trầm tích lơ lửng hiệu chỉnh), EGRI(Chỉ số tỷ lệ xanh nâng cao), NDVI (Chỉ số thực
vật chênh lệch chuẩn hóa) và NDSSI (Chỉ số trầm tích lơ lửng chênh lệch chuẩn hóa). Theo nghiên
cứu của Yong Yan và nnk (2023), nồng độ các chất ô nhiễm khác nhau trong nước sẽ dẫn đến sự khác
biệt về đặc điểm bề mặt như màu sắc, độ đục và độ trong suốt, cũng như thay đổi đặc tính hấp thụ và
phản xạ của nước, dẫn đến các đặc điểm quang phổ khác nhau trong hình ảnh. Chính vì lý do đó,
nhóm nghiên cứu đã xây dựng 9 chỉ số đa phổ trên với mục đích tăng cường độ nhạy của các giá trị
phản xạ quang phổ đối với các thông số TSS và đánh giá chính xác sự thay đổi của TSS theo thời
gian và không gian. Nguyên nhân do các chỉ số vật lý này rất nhạy cảm với môi trường nước mặt và
chúng được tính toán từ các kênh phổ Green, Red, NIR và SWIR (từ dải phổ màu xanh lam đến vùng
sóng ngắn hồng ngoại). Chúng có tương quan chặt chẽ giữa phản xạ cột nước với các thành phần vật
lí, sinh hóa, chất hữu cơ và tổng chất rắn lơ lửng tại các vùng nước (Đỗ Thị Nhung và nnk, 2021).
Các chỉ số đa phổ này được tính toán dựa trên các band của ảnh Landsat 8 và tham gia vào mô hình
ước tính ô nhiễm TSS (Bảng 1). Chín chỉ số trên được nhóm tác giả lựa chọn dựa theo các công trình
nghiên cứu có liên quan (Acharya và nnk, 2018; Wang và nnk, 2018; Mustafa T. Mustafa và nnk,
2017; Biswas., 2004; Odigie., 2014).
Bảng 1. Chín chỉ số vật lý chiết xuất từ dữ liệu vệ tinh Landsat 8,9
Chỉ số vật lí
Mô tả
Công thức
NDWI
Normalized Difference Water Index
NDWI = GREEN−NIR
GREEN+NIR
MNDWI
Modification Of Normalized Difference Water
Index
MNDWI = GREEN−SWIR1
GREEN+SWIR1
WRI
Water Ratio Index
WRI = GREEN + RED
NIR+SWIR1
AWEI
Automated Water Extraction Index
AWEI = 4∗(GREEN−SWIR2)−(0.25∗
NIR+2.75∗SWIR1)
MBWI
Multi – Band Water Index
MBWI = 2∗(GREEN)−RED−NIR−
SWIR1−SWIR2
NSMI
Normalized Suspended Material Index
NSMI = Red + Green − Blue
Red + Green + Blue
EGRI
Enhanced Green Ratio Index
EGRI = Green
Coastal + Blue
NDVI
Normalized Difference Vegetation Index
NDVI = NIR−Red
NIR+Red
NDSSI
The Normalized Difference Suspended Sediment
Index
NDSSI = NIR−BLUE
NIR+BLUE
(Nguồn: Tác giả tổng hợp từ các nghiên cứu)
2.3.2 Phương pháp phân tích hồi quy tuyến tính đa biến
Để xác định mối tương quan giữa các chỉ số vật lý được chiết xuất từ dữ liệu ảnh viễn thám
(NDWI, MNDWI, WRI, AWEI, MBWI,……) và chỉ số TSS, nhóm tác giả dùng phương pháp hồi
quy tuyến tính đa biến. Trong phương pháp hồi quy tuyến tính đa biến, nhóm tác giả tính toán hai chỉ
số định lượng giữa giá trị thực đo và giá trị dự đoán bằng cách sử dụng phần mềm phân tích SPSS
(IBM SPSS Statistics 26).
Hồi quy tuyến tính đa biến được đề cập đến một kỹ thuật thống kê được sử dụng để dự đoán
kết quả của một biến dựa trên giá trị của hai hoặc nhiều biến.
Mối quan hệ giữa thông số TSS và các chỉ số đa phổ, địa hình được xác định thông qua phần
mềm IBM SPSS Statistics 26 để phân tích thống kê bằng cách sử dụng phương pháp hồi quy tuyến
tính đa biến (MLR). Trong đó, dữ liệu được chia ngẫu nhiên thành 2 tập dữ liệu, sử dụng 70% cho
tập huấn luyện và đưa vào mô hình hồi quy để xác định các giá trị β. Phương trình hồi quy tuyến tính
đa biến được tham khảo từ nghiên cứu từ trước có liên quan đến mô hình chất lượng nước như Mustafa
và nnk (2019); Shivarajappa và nnk (2022); Đỗ Thị Nhung và nnk (2021), Japitana và nnk (2019),
Rabia và nnk (2010), Ahamad và nnk (2015); và Narayanan và nnk (2015). Phương trình hồi quy
tuyến tính đa biến được biểu diễn dưới dạng phương trình có công thức:
𝑌 = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + ⋯ + 𝛽i(Xi) + ε (Mustafa và nnk, 2019)