|
1. Nghiên cứu ứng đánh giá và phân vùng xâm nhập mặn bằng tư liệu viễn thám Radar - Thí điểm ở Bến Tre.
Quy trình phương pháp đề xuất được sử dụng trong nghiên cứu này để thành lập bản đồ độ mặn của đất cho khu vực nghiên cứu được mô tả như trong hình. Tư liệu sử dụng là ảnh radar Sentinel-1 SAR. Ảnh được tiền xử lý bằng công cụ SNAP, trong khi mô hình hóa được thực hiện trong môi trường Matlab bằng công cụ học máy WEKA API.
Hình 1. Quy trình phân tích, thành lập bản đồ xâm nhập mặn trong đất bằng tư liệu ảnh radar Sentinel-1
Năm mô hình thuật toán machine learning được thiết lập dựa trên tập mẫu đầu vào bao gồm 2 kênh phân cực, 16 ảnh chỉ số cấu trúc và tập dữ liệu mẫu EC thực địa (70% mẫu phân tích).
- Đối với mô hình Gaussian Processes (GP), tham số kernel σ tốt nhất được xác định dựa trên phân tích kiểm thử (trial-and-test analysis). Sự dao động của σ được đánh giá dựa trên 3 đại lượng thống kê sai số trung phương (RMSE), sai số tuyệt đối trung bình (MAE) và hệ số tương quan (r). Với nghiên cứu này, σ = 1.205 cho thấy phù hợp nhất.
- Với mô hình Support Vector Regression, ba tham số nu = 0.579, C = 1.971 và gamma = 3.77 được xác định dựa trên phương pháp đánh giá ô lưới (grid search method).
- Trong mô hình Random Forest (RF), tất cả các biến được đưa vào để thành lập cây phân loại. 1000 cây phân loại thứ cấp (sub-decision tree) được xác định để đảm bảo tính đa dạng của mô hình.
- Mô hình Multilayer Perceptron Neural Networks (MLP-NN) hoạt động tốt nhất với 6 điểm hidden neuron theo phương pháp phân tích kiểm thử (trial-and-test analysis).
- Với Mô hình Radial Basis Function Neural Networks (RBF-NN), số lượng tối ưu là 20 nhóm (clusters) được xác định dựa trên sai số tuyệt đối trung bình (MAE) và hệ số tương quan (r).
Hình 2. Hệ số tương quan (r) giữa EC đo đạc và EC tính toán sử dụng tập dữ liệu huấn luyện (training dataset)
Hình 3. Hệ số tương quan (r) giữa EC đo đạc và EC tính toán sử dụng tập dữ liệu kiểm định (validation dataset)
Hình 4. Bản đồ độ mặn đất tỉnh Bến Tre sử dụng mô hình Gaussian Processes (GP)
2. Nghiên cứu ứng dụng đánh giá và phân vùng xâm nhập mặn bằng tư liệu viễn thám quang học - Thí điểm ở Bến Tre.
Quy trình tiếp cận nghiên cứu đánh giá xâm nhập mặn trên đất được mô tả trong sơ đồ dưới đây. Dữ liệu ảnh vệ tinh và kết quả đo EC mặt đất là một trong những nguồn dữ liệu đầu vào chính của mô hình. Sau khi thu thập, ảnh vệ tinh được hiệu chỉnh khí quyển, hiệu chỉnh bức xạ trên các phần mềm mã nguồn mở SNAP và QGIS, đưa ra được ảnh phổ phản xạ. Các ảnh này, được cắt theo ranh giới tỉnh Bến Tre, đồng thời tạo mặt nạ (masking) hệ thống sông ngòi và dân cư để loại bỏ hai nhóm này trong bước tính toán phân tích các chỉ số vật lý của ảnh.
Từ ảnh phổ phản xạ, các kênh chỉ số vật lý được tính toán và chia thành các nhóm chỉ số: nhóm kênh phổ gốc, nhóm chỉ số PCA, nhóm kênh tỷ lệ, nhóm chỉ số muối, nhóm chỉ số thực vật và nhóm chỉ số độ sáng, nhiệt (ảnh LANDSAT). Các nhóm kênh chỉ số vật lý này sẽ là biến độc lập và giá trị EC sẽ là biến phụ thuộc trong mô hình phân tích hồi quy. Nghiên cứu thử nghiệm với các nhóm kênh, chỉ số ảnh khác nhau để xác định giải pháp tối ưu. Kết quả mô hình được so sánh với số liệu thực địa để kiểm chứng độ tin cậy của mô hình.
Hình 5. Quy trình phân vùng bản đồ nhiễm mặn từ dữ liệu ảnh viễn thám và dữ liệu thực địa
Tùy thuộc vào loại dữ liệu ảnh vệ tinh khác nhau mà các chỉ số vật lý được ứng dụng khác nhau. Đề tài hướng tới sử dụng hai loại tư liệu vệ tinh quang học phổ biến, phù hợp cho nghiên cứu cấp tỉnh là LANDSAT và Sentinel-2. Dữ liệu Sentinel-2 có ưu thế về độ phân giải trong khi LANDSAT lại có chuỗi thời gian chụp ảnh quan sát Trái đất dài, hỗ trợ cho nghiên cứu đánh giá đa thời gian.
Trong bài toán phân vùng xâm nhập mặn của tỉnh Bến Tre, nhóm nghiên cứu chia các chỉ số vật lý thành 5 nhóm bao gồm: nhóm kênh phổ gốc, nhóm chỉ số phân tích thành phần chính PCA, nhóm chỉ số độ sáng, nhóm chỉ số thực vật, chỉ số muối/độ mặn và chỉ số tỷ lệ. Riêng chỉ số nhiệt được tính cho ảnh LANDSAT8 và LANDSATTM.
Để đánh giá độ chính xác của các mô hình ước tính độ mặn thông qua chỉ số độ dẫn điện EC từ ảnh Seninel-2 (S_EC9) và ảnh LANDSAT (L_EC8), đề tài sử dụng 30% dữ liệu EC đo đạc ngoài thực địa. Kết quả đánh giá tương quan giữa mô hình và số liệu kiểm chứng dưới đây đã chỉ ra rằng cả hai mô hình đều có hệ số xác định khác cao, R² > 0,7. Điều này cho thấy cả hai mô hình đều phù hợp để ước tính độ dẫn điện EC hay độ mặn trong đất ở khu vực nghiên cứu. Trong đó, mô hình S_EC9 tính từ ảnh Sentinel-2 có hệ số tương quan cao hơn so với mô hình L_EC8 tính từ ảnh LANDSAT, với R² tương ứng là 0,826 và 0,77. Tuy nhiên, do mới được phóng lên quỹ đạo năm 2015, tư liệu ảnh vệ tinh Sentinel-2 không phù hợp để đánh giá diễn biến xâm nhập mặn qua các năm. Do đó, mô hình L_EC8 của ảnh LANDSAT được áp dụng cho tính toán độ mặn khu vực nghiên cứu tỉnh Bến Tre trong các năm 2005, 2010 và 2015 theo 4 mức phân cấp độ mặn tương ứng với giá trị EC (dS/m) của Bộ Nông nghiệp và Phát triển Nông thôn.
Hình 6. Tương quan giữa EC trong phòng và các mô hình
Sự phân vùng xâm nhập mặn của tỉnh Bến Tre theo các năm được hiển thị ở các bản đồ. Trong đó, các vùng đất không mặn nằm sâu trong đất liền ở các huyện Châu Thành, Chợ Lách, thành phố Bến Tre, Mỏ Cày Bắc, Giồng Trôm. Đây là các huyện chủ yếu trồng cây lâu năm, cây ăn quả như dừa, sầu riêng, chôm chôm. Vùng đất mặn phân bố chủ yếu ở 3 huyện ven biển Bình Đại, Ba Tri và Thạnh Phú với hiện trạng lớp phủ là rừng ngập mặn xen lẫn với nuôi tôm nước mặn. Diễn biến xâm nhập mặn trong đất diễn ra chủ yếu ở ba huyện này.
Hình 7. Bản đồ xâm nhập mặn tỉnh Bến Tre các năm 2005, 2010, 2015 và 2018
3. Đánh giá thực trạng và diễn biến xâm nhập mặn
Sự thay đổi về diện tích đất mặn của tỉnh Bến Tre qua các năm 2005, 2010, 2015 và năm 2018 tính từ ảnh vệ tinh LANDSAT được thống kê trình bày trong các hình dưới đây. Xu hướng biến động chung của tỉnh Bến Tre là tăng diện tích đất mặn và giảm diện tích đất không mặn, tập trung chủ yếu ở các huyện ven biển Bình Đại, Ba Tri và Thạnh Phú.
- Việc chuyển đổi mục đích sử dụng đất từ nuôi lúa sang nôi trồng thủy sản là một trong những nguyên nhân gây xâm nhập mặn trong đất.
- Hệ thống thủy lợi tuy đã được nâng cấp và hoàn thiện nhưng vẫn chưa khép kín nên ảnh hưởng mặn vẫn diễn ra, gây khó khăn cho các vùng sản phẩm.
Hình 8. Sự thay đổi diện tích đất mặn tỉnh Bến Tre qua các năm
4. Bài báo và sách chuyên khảo đã công bố
4.1. Bài báo trên các tạp chí quốc tế trong hệ thống ISI/Scopus:
[1]. Pham Viet Hoa et al. Soil Salinity Mapping Using SAR Sentinel-1 data and Advanced Machine Learning Algorithms: A case study at Ben Tre province of the Mekong River Delta (Vietnam). Remote Sensing. ISSN 2072-4292, 2019.
[2]. Tran Van Thuong, Pham Viet Hoa, Exploring the Relationship between Electrical Conductivity and Spectral Salinity Indices Derived from Satellite Imagery: a Case Study in Ben Tre Province, Vietnam., Science of The Total Environment. ISSN 0048-9697,2019.
4.2. Các báo cáo trên tạp chí trên tạp chí trong nước
[1]. Phạm Việt Hòa, Tống Thị Huyền Ái, Nguyễn Vũ Giang, Nguyễn An Bình , Nghiên cứu ước tính độ mặn của đất sử dụng ảnh vệ tinh Sentinel-2 v thiết bị đo độ dẫn điện mặt đất EM31-EK2, Tạp chí Khoa học trường Đại học Sư phạm Tp.HCM, 1859-3100, 2018
[2]. Nguyễn Ngọc Ẩn, Phạm Việt Hòa, Huỳnh Song Nhựt, Nguyễn An Bình, Phân tích, đánh giá diễn biến xâm nhập mặn ở Bến Tre và ứng dụng mô hình số để dự báo xâm nhập mặn, Khoa học trường Đại học Sư phạm Tp.HCM, 1859-3100, 2018.
4.3. Các bài báo tham gia Hội nghị Khoa học trong nước và quốc tế
[1]. Ước tính độ dẫn điện của đất lúa đã gặt sử dụng ảnh vệ tinh Sentinel – 2 và dữ liệu đo đạc mặt đất thí nghiệm tại tỉnh Bến Tre.
[2]. Thành lập bản đồ nhiễm mặn tỉnh Bến Tre từ ảnh vệ tinh Sentinel - 2
5. Kết quả tham gia đào tạo
5.1. Tiến sĩ
[1]. Lê Vũ Hồng Hải đề tài luận án: “Nghiên cứu diễn biến và phân vùng ảnh hưởng nhiễm mặn tỉnh Bến Tre bằng công nghệ viễn thám đa tầng, đa độ phân giải, đa thời gian.”, ngành Địa lý Tài nguyên và Môi trường.
5.2. Thạc sĩ
[1]. Giang Thị Phương Thảo, đề tài luận văn “Thành lập bản đồ nhiễm mặn tỉnh Bến Tre từ ảnh viễn thám quang học”, ngành Kỹ thuật trắc địa bản đồ (2019).
[2]. Võ Đức Nhân, đề tài luận “Đánh giá diễn biến xâm nhập mặn đất tỉnh Bến Tre bằng ảnh Radar (Sentinel)”, ngành Kỹ thuật trắc địa bản đồ (2019).
[3]. Nguyễn Cao Hanh, đề tài luận văn “Giám sát ảnh hưởng của xâm nhập mặn đến các vùng trồng lúa bằng ảnh Radar”, ngành Kỹ thuật trắc địa bản đồ (2019).
[4]. Nguyễn Khánh Tường tên đề tài “Nghiên cứu phổ phản xạ của thực vật ảnh hưởng bởi quá trình xâm nhập mặn dựa trên chuỗi ảnh đa phổ, đa thời gian tại khu vực Bến Tre.”, ngành Kỹ thuật trắc địa bản đồ (2019).
6. Tình hình chuyển giao công nghệ
Đã tiến hành chuyển giao các kết quả đạt được của đề tài cho Sở Khoa học và Công nghệ tỉnh Bến Tre, Sở Tài nguyên và Môi trường tỉnh Bến Tre, Sở Tài nguyên và Môi trường tỉnh Bến Tre.
7. Kết quả của đề tài được lưu trữ tại
- Thư viện Viện Hàn lâm Khoa học và Công nghệ Việt Nam
- Văn phòng Chương trình KHCN Vũ trụ, Viện Hàn lâm Khoa học và Công nghệ Việt nam
- Cục thông tin khoa học và công nghệ Quốc gia.
|
Quản lý chương trình 
