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

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.

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 Nghiêm Tiến Lam Trường Đại học Thủy lợi, email: lam.n.t@tlu.edu.vn GIỚI THIỆU CHUNG Hà Tĩnh tỉnh thuộc khu vực Bắc Trung Bộ có điều kiện thiên nhiên khắc nghiệt, thường xuyên chịu tác động thiên tai bão, mưa lớn, lũ lụt Điều ảnh hưởng đến phát triển kinh tế - xã hội đời sống người dân khu vực Vào tháng 10 11/2020, loạt trận bão Linfa, Nangka, Ofel, Saudel Molave tác động nặng nề đến Hà Tĩnh Mưa lớn cực đoan nửa cuối tháng 10 gây ngập lụt 118 xã, phường, thị trấn 11 huyện, thành phố, đặc biệt huyện: Cẩm Xuyên, Thạch Hà thành phố Hà Tĩnh Các đợt lũ lớn làm cho người chết, 52.604 hộ gia đình (167.303 người) bị ảnh hưởng, 3.765 nhà bị hư hỏng, nhiều cơng trình giao thông, thủy lợi, xây dựng, thông tin diện tích nơng nghiệp, thủy sản bị thiệt hại Tổng thiệt hại ước tính 5,327 tỷ đồng [5] Nhằm giảm thiểu thiệt hại người tài sản bão, lũ, việc thống kê đánh giá phạm vi ngập lụt trận bão, lũ lịch sử đóng vai trị quan trọng cần thiết việc qui hoạch, phòng tránh giảm nhẹ thiên tai lên phương án ứng phó với thiên tai bão, lũ Bài viết trình bày phương pháp kết xác định phạm vi ngập lụt cho đợt lũ lụt tháng 10/2020 địa bàn Hà Tĩnh sử dụng ảnh vệ tinh viễn thám Sentinel-1 (S1) điện toán đám mây Việc xử lý ảnh vệ tinh để xác định phạm vi ngập lụt thực việc sử dụng dịch vụ điện toán đám mây Google Earth Engine (GEE) GEE dịch vụ xử lý liệu không gian Google Trong bao gồm danh mục liệu miễn phí, sở hạ tầng điện toán đám mây, giao diện lập trình khơng gian địa lý (API) máy chủ ứng dụng tương tác Mục tiêu GEE nhằm cung cấp tảng tương tác để phát triển thuật tốn khơng gian địa lý quy mô lớn; phát triển khoa học dựa liệu có tác động cao; góp phần giải thách thức toàn cầu liên quan đến liệu khơng gian địa lý lớn Q trình lựa chọn xử lý ảnh GEE tiến hành tự động chương trình Python JavaScript XÁC ĐỊNH PHẠM VI NGẬP LỤT 2.1 Nguồn ảnh vệ tinh Sentinel-1 cặp vệ tinh viễn thám (Sentinel-1A Sentinel-1B) Cơ quan hàng không vũ trụ Châu Âu phóng lên vào tháng 4/2014 4/2016 nhằm hỗ trợ hoạt động hàng hải, giám sát đất cứu trợ khẩn cấp Các vệ tinh cung cấp ảnh radar độ tổng hợp (SAR) theo chế độ khác băng tần C điều kiện thời tiết ban ngày ban đêm với độ phân giải cao từ – 40 m chu kỳ lặp lại dài ngày Để xác định phạm vi ngập lụt cho khu vực Hà Tĩnh trận ngập tháng 10/2020, sử dụng sản phẩm liệu GRD độ phân giải 10 m xử lý mức vệ tinh Sentinel-1A chụp chế độ dải quét giao thoa rộng (IW) chế độ chụp Sentinel1 đất liền Dữ liệu vệ tinh sử dụng từ kênh liệu phân cực VH ảnh chọn vệ tinh di chuyển hướng xuống quĩ đạo Thời gian lọc ảnh trước trận lũ 21/09 – 10/10/2020 thời gian lọc ảnh 561 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 đợt lũ 15/10 – 25/10/2020 Tồn q trình lựa chọn liệu ảnh theo tiêu chí thời gian, không gian, chế độ chụp, kênh chụp, hướng quĩ đạo, độ phân giải tiến hành tự động từ liệu có sẵn GEE Kết nhận ảnh vệ tinh với ảnh trước trận lụt ảnh trình ngập lụt Thời gian ảnh Bảng vị trí theo số thứ tự ảnh thể Hình 2.2 Xử lý ảnh vệ tinh Với ảnh chọn, ảnh ghép lại cắt gọt cho khu vực quan tâm thành ảnh cho khoảng thời gian trước ngập ngập (Hình 3) Bảng Thời gian ảnh S1 sử dụng TT Thời gian bắt đầu 2020-09-21 22:51:27 2020-09-21 22:51:52 2020-09-28 22:43:41 2020-10-03 22:51:27 2020-10-03 22:51:52 2020-10-15 22:51:27 2020-10-15 22:51:52 2020-10-22 22:43:41 2020-10-21 22:50:56 Ghi Trước ngập Trước ngập Trước ngập Trước ngập Trước ngập Đang ngập Đang ngập Đang ngập Đang ngập Hình 2: Ảnh S1 trước ngập 10/2020 Hình Ảnh S1 ngập 10/2020 Hình Vị trí khu vực nghiên cứu ảnh vệ tinh S1 Tiếp theo ảnh làm trơn việc sử dụng lọc hình thái với bán kính 50 m để loại bỏ đốm nhiễu ảnh radar Phạm vi ngập nước xác định việc chia liệu điểm ảnh thời gian ngập cho điểm ảnh trước ngập giữ lại điểm ảnh có giá trị lớn ngưỡng 1,2 (Hình 4) Để xác đinh phạm vi ngập lụt, cần loại điểm ảnh vị trí thường xuyên ngập nước đầm phá, sông, hồ Các khu vực ngập nước thường xuyên xác định dựa liệu mặt nước toàn cầu sản phẩm 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 ảnh vệ tinh Landsat 37 năm qua [3] Các vị trí có thời gian ngập nước năm từ 10 tháng trở lên coi ngập nước thường xuyên Bước cuối để xác định phạm vi ngập lụt chồng chập kết nhận bước với mơ hình độ cao số [4] để loại bỏ khu vực có độ cao từ 10 m trở lên độ dốc từ 5% trở lên Sau có kết ngập lụt, tiến hành thêm bước lọc nhiễu để loại bỏ khu vực ngập nước có điểm ảnh Cuối phạm vi ngập lụt chuyển đổi từ dạng raster sang dạng vector định dạng shapefile (Hình 4) Hình Kết phạm vi ngập tháng 10/2020 Với việc sử dụng GEE cịn tiến hành đánh giá ảnh hưởng ngập lụt việc chồng chập với lớp đồ dân cư đồ sử dụng đất Hình trình bày kết đánh giá ảnh hưởng ngập lụt kết hợp với liệu lớp phủ từ ảnh vệ tinh MODIS [2] liệu dân cư năm 2015 JRC [1] KẾT LUẬN Bài viết trình bày phương pháp kết xác định phạm vi ngập lụt sử dụng điện toán đám mây ảnh radar từ vệ tinh Sentinel Việc sử dụng ảnh radar từ vệ tinh Sentinel-1 cho phép xác định phạm vi ngập lụt cách tốt điều kiện thời tiết Việc sử dụng dịch vụ điện tốn đám mây thơng qua dịch vụ GEE khai thác nhiều liệu lớn giúp cho việc xác định phạm vi ngập lụt nhanh chóng, giảm thiểu chi phí lấy ảnh, lưu trữ xử lý ảnh TÀI LIỆU THAM KHẢO [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 mapping of global surface water and its longterm changes Nature 540, 418-422 (2016) [4] Lehner, B., Verdin, K., Jarvis, A (2008): New global hydrography derived from spaceborne elevation data Eos, Transactions, AGU, 89(10): 93-94 [5] UBND tỉnh Hà Tĩnh https://hatinh.gov.vn/vi/tin-tuc-su-kien/tinbai/8433 563 ... sử dụng điện toán đám mây ảnh radar từ vệ tinh Sentinel Vi? ??c sử dụng ảnh radar từ vệ tinh Sentinel-1 cho phép xác định phạm vi ngập lụt cách tốt điều kiện thời tiết Vi? ??c sử dụng dịch vụ điện tốn... kết đánh giá ảnh hưởng ngập lụt kết hợp với liệu lớp phủ từ ảnh vệ tinh MODIS [2] liệu dân cư năm 2015 JRC [1] KẾT LUẬN Bài vi? ??t trình bày phương pháp kết xác định phạm vi ngập lụt sử dụng điện... Trước ngập Trước ngập Trước ngập Trước ngập Trước ngập Đang ngập Đang ngập Đang ngập Đang ngập Hình 2: Ảnh S1 trước ngập 10/2020 Hình Ảnh S1 ngập 10/2020 Hình Vị trí khu vực nghiên cứu ảnh vệ tinh