Xác định phạm vi ngập lụt ở Hà Tĩnh tháng 10/2020 từ dữ liệu radar của vệ tinh Sentinel-1

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

Thêm vào BST

Báo xấu

23
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Xác định phạm vi ngập lụt ở Hà Tĩnh tháng 10/2020 từ dữ liệu radar của vệ tinh Sentinel-1 trình bày phương pháp và kết quả xác định phạm vi ngập lụt cho một đợt lũ lụt trong tháng 10/2020 trên địa bàn Hà Tĩnh sử dụng ảnh vệ tinh viễn thám Sentinel-1 (S1) và điện toán đám mây.

Chủ đề:

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

Lưu

Nội dung Text: Xác định phạm vi ngập lụt ở Hà Tĩnh tháng 10/2020 từ dữ liệu radar của vệ tinh Sentinel-1

Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0 XÁC ĐỊNH PHẠM VI NGẬP LỤT Ở HÀ TĨNH THÁNG 10/2020 TỪ DỮ LIỆU RADAR CỦA VỆ TINH SENTINEL 1 Nghiêm Tiến Lam Trường Đại học Thủy lợi, email: lam.n.t@tlu.edu.vn 1. GIỚI THIỆU CHUNG liệu không gian của Google. Trong đó bao gồm một danh mục dữ liệu miễn phí, cơ sở hạ Hà Tĩnh là một tỉnh thuộc khu vực Bắc tầng điện toán đám mây, các giao diện lập Trung Bộ có điều kiện thiên nhiên khắc trình không gian địa lý (API) và một máy chủ nghiệt, thường xuyên chịu tác động của các ứng dụng tương tác. Mục tiêu của GEE là thiên tai như bão, mưa lớn, lũ lụt. Điều này nhằm cung cấp một nền tảng tương tác để phát ảnh hưởng đến phát triển kinh tế - xã hội và triển thuật toán không gian địa lý trên quy mô đời sống người dân trong khu vực. lớn; phát triển khoa học dựa trên dữ liệu có tác Vào các tháng 10 và 11/2020, một loạt trận động cao; góp phần giải quyết những thách bão như Linfa, Nangka, Ofel, Saudel và thức toàn cầu liên quan đến các bộ dữ liệu Molave đã tác động nặng nề đến Hà Tĩnh. không gian địa lý lớn. Quá trình lựa chọn và Mưa lớn cực đoan trong nửa cuối tháng 10 đã xử lý ảnh bằng GEE có thể tiến hành tự động gây ngập lụt 118 xã, phường, thị trấn của 11 bằng các chương trình Python hoặc JavaScript. huyện, thành phố, đặc biệt là tại các huyện: Cẩm Xuyên, Thạch Hà và thành phố Hà 2. XÁC ĐỊNH PHẠM VI NGẬP LỤT Tĩnh. Các đợt lũ lớn cũng làm cho 6 người chết, 52.604 hộ gia đình (167.303 người) bị 2.1. Nguồn ảnh vệ tinh ảnh hưởng, 3.765 nhà ở bị hư hỏng, nhiều Sentinel-1 là cặp 2 vệ tinh viễn thám công trình giao thông, thủy lợi, xây dựng, (Sentinel-1A và Sentinel-1B) do Cơ quan thông tin và các diện tích nông nghiệp, thủy hàng không vũ trụ Châu Âu phóng lên vào các sản bị thiệt hại. Tổng thiệt hại ước tính hơn tháng 4/2014 và 4/2016 nhằm hỗ trợ các hoạt 5,327 tỷ đồng [5]. động hàng hải, giám sát đất và cứu trợ khẩn Nhằm giảm thiểu thiệt hại về người và tài cấp. Các vệ tinh này cung cấp ảnh radar khẩu độ sản do bão, lũ, việc thống kê và đánh giá tổng hợp (SAR) theo 4 chế độ khác nhau ở băng được phạm vi ngập lụt của các trận bão, lũ tần C trong mọi điều kiện thời tiết cả ban ngày lịch sử đóng một vai trò quan trọng và cần và ban đêm với độ phân giải cao từ 4 – 40 m và thiết trong việc qui hoạch, phòng tránh giảm chu kỳ lặp lại dài nhất là 6 ngày. nhẹ thiên tai và lên phương án ứng phó với Để xác định phạm vi ngập lụt cho khu vực thiên tai do bão, lũ. Hà Tĩnh trong trận ngập tháng 10/2020, Bài viết này sẽ trình bày phương pháp và chúng tôi sử dụng sản phẩm dữ liệu GRD độ kết quả xác định phạm vi ngập lụt cho một phân giải 10 m được xử lý mức 1 của vệ tinh đợt lũ lụt trong tháng 10/2020 trên địa bàn Sentinel-1A chụp ở chế độ dải quét giao thoa Hà Tĩnh sử dụng ảnh vệ tinh viễn thám rộng (IW) là chế độ chụp chính của Sentinel- Sentinel-1 (S1) và điện toán đám mây. 1 trên đất liền. Dữ liệu vệ tinh sử dụng là từ Việc xử lý ảnh vệ tinh để xác định phạm vi kênh dữ liệu phân cực VH của các ảnh được ngập lụt sẽ được thực hiện bằng việc sử dụng chọn khi vệ tinh di chuyển hướng xuống trên dịch vụ điện toán đám mây Google Earth quĩ đạo. Thời gian lọc ảnh trước trận lũ là Engine (GEE). GEE là một dịch vụ xử lý dữ 21/09 – 10/10/2020 và thời gian lọc ảnh trong 561
Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0 đợt lũ là 15/10 – 25/10/2020. Toàn bộ quá 2.2. Xử lý ảnh vệ tinh trình lựa chọn dữ liệu ảnh theo các tiêu chí về thời gian, không gian, chế độ chụp, kênh Với bộ ảnh được chọn, các ảnh này được chụp, hướng quĩ đạo, độ phân giải đều được ghép lại và cắt gọt cho khu vực quan tâm tiến hành tự động từ bộ dữ liệu có sẵn của thành 2 ảnh cho các khoảng thời gian trước GEE. Kết quả nhận được là 9 ảnh vệ tinh với khi ngập và đang ngập (Hình 2 và 3). 5 ảnh trước trận lụt và 4 ảnh trong quá trình ngập lụt. Thời gian của các ảnh như trong Bảng 1 và vị trí theo số thứ tự của các ảnh thể hiện trên Hình 1. Bảng 1. Thời gian ảnh S1 được sử dụng TT Thời gian bắt đầu Ghi chú 1 2020-09-21 22:51:27 Trước ngập 2 2020-09-21 22:51:52 Trước ngập 3 2020-09-28 22:43:41 Trước ngập 4 2020-10-03 22:51:27 Trước ngập 5 2020-10-03 22:51:52 Trước ngập 6 2020-10-15 22:51:27 Đang ngập Hình 2: Ảnh S1 trước khi ngập 10/2020 7 2020-10-15 22:51:52 Đang ngập 8 2020-10-22 22:43:41 Đang ngập 9 2020-10-21 22:50:56 Đang ngập Hình 3. Ảnh S1 trong khi ngập 10/2020 Tiếp theo các ảnh này được làm trơn bằng việc sử dụng bộ lọc hình thái với bán kính 50 m để loại bỏ các đốm nhiễu của ảnh radar. Phạm vi ngập nước được xác định bằng việc chia dữ liệu các điểm ảnh của thời gian đang ngập cho điểm ảnh trước khi ngập và giữ lại các điểm ảnh có giá trị lớn hơn ngưỡng 1,2 (Hình 4). Để xác đinh phạm vi ngập lụt, cần loại ra các điểm ảnh của các vị trí thường xuyên ngập nước như các đầm phá, sông, hồ. Các khu vực ngập nước thường xuyên được xác Hình 1. Vị trí khu vực nghiên cứu định dựa trên bộ dữ liệu mặt nước toàn cầu là và các ảnh vệ tinh S1 sản phẩm của Trung tâm Hợp tác nghiên cứu 562
Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0 (JRC) thuộc Ủy ban Châu Âu tập hợp dưa 3. KẾT LUẬN trên ảnh vệ tinh Landsat trong 37 năm qua Bài viết đã trình bày về phương pháp và [3]. Các vị trí có thời gian ngập nước trong kết quả xác định phạm vi ngập lụt sử dụng một năm từ 10 tháng trở lên được coi là ngập điện toán đám mây và ảnh radar từ vệ tinh nước thường xuyên. Sentinel 1. Bước cuối cùng để xác định phạm vi ngập Việc sử dụng ảnh radar từ vệ tinh Sentinel-1 lụt là chồng chập kết quả nhận được ở bước sẽ cho phép xác định được phạm vi ngập lụt trên với mô hình độ cao số [4] để loại bỏ các một cách tốt nhất trong mọi điều kiện thời tiết. khu vực có độ cao từ 10 m trở lên và độ dốc Việc sử dụng dịch vụ điện toán đám mây từ 5% trở lên. thông qua dịch vụ GEE sẽ khai thác được Sau khi có kết quả ngập lụt, có thể tiến nhiều bộ dữ liệu lớn và giúp cho việc xác định hành thêm bước lọc nhiễu để loại bỏ các khu phạm vi ngập lụt được nhanh chóng, giảm vực ngập nước có ít hơn hoặc bằng 8 điểm thiểu chi phí lấy ảnh, lưu trữ và xử lý ảnh. ảnh. Cuối cùng phạm vi ngập lụt được chuyển đổi từ dạng raster sang dạng vector 4. TÀI LIỆU THAM KHẢO dưới định dạng shapefile (Hình 4). [1] European Commission, Joint Research Centre (JRC); Columbia University, Center for International Earth Science Information Network - CIESIN (2015): GHS population grid, derived from GPW4, multitemporal (1975, 1990, 2000, 2015). European Commission, Joint Research Centre (JRC). [2] Friedl, M., Sulla-Menashe, D. (2019). MCD12Q1 MODIS/Terra+Aqua Land Cover Type Yearly L3 Global 500m SIN Grid V006 [Data set]. NASA EOSDIS Land Processes DAAC. [3] Jean-Francois Pekel, Andrew Cottam, Noel Gorelick, Alan S. Belward, High-resolution Hình 4. Kết quả phạm vi ngập tháng 10/2020 mapping of global surface water and its long- term changes. Nature 540, 418-422 (2016). Với việc sử dụng GEE còn có thể tiến hành [4] Lehner, B., Verdin, K., Jarvis, A. (2008): đánh giá ảnh hưởng của ngập lụt bằng việc New global hydrography derived from chồng chập với các lớp bản đồ dân cư và bản spaceborne elevation data. Eos, đồ sử dụng đất. Hình 4 trình bày kết quả đánh Transactions, AGU, 89(10): 93-94. giá ảnh hưởng của ngập lụt khi kết hợp với bộ [5] UBND tỉnh Hà Tĩnh. dữ liệu lớp phủ từ ảnh vệ tinh MODIS [2] và https://hatinh.gov.vn/vi/tin-tuc-su-kien/tin- bai/8433. bộ dữ liệu về dân cư năm 2015 của JRC [1]. 563