Tình hình nghiên cứu trên thế giới và trong khu vực
Kỹ thuật viễn thám trong theo dõi lớp phủ đã được nghiên cứu từ những năm 80 của thế kỷ trước, nhờ sự phát triển của các hệ thống vệ tinh quan sát Trái đất Việc kết hợp nhiều loại ảnh vệ tinh đã giúp nâng cao hiệu quả trong nghiên cứu theo dõi lớp phủ thực vật và đánh giá tác động của nhiệt độ bề mặt, độ ẩm không khí thông qua chỉ số thực vật.
Hầu hết các tư liệu viễn thám quang học đều được sử dụng để quan trắc bề mặt và lớp phủ thực vật, giúp nghiên cứu tác động của nhiệt độ bề mặt và độ ẩm không khí đến lớp phủ thực vật Mỗi loại tư liệu viễn thám có những ưu điểm riêng, phù hợp cho các mục đích giám sát và phân tích khác nhau Việc sử dụng chỉ số thực vật để đánh giá tác động này yêu cầu các đặc tính riêng của tư liệu viễn thám, không phải loại nào cũng phù hợp Đặc biệt, trong 10 năm qua, ảnh vệ tinh MODIS đã được cung cấp miễn phí, mang lại thông tin đáng tin cậy cho việc theo dõi và đánh giá biến động lớp phủ thực vật trên quy mô lớn.
Sự ra đời của đầu thu MODIS trên vệ tinh Terra và Aqua đã thúc đẩy các nghiên cứu khai thác những tính năng ưu việt như độ phân giải không gian và độ phân giải phổ, từ đó nâng cao khả năng đánh giá và phân tích nhiệt độ bề mặt, độ ẩm không khí và lớp phủ thực vật, đặc biệt là rừng.
Cơ sở khoa học và phương pháp luận nghiên cứu sử dụng ảnh MODIS trong theo dõi diễn biến lớp phủ thực vật được xác lập dựa trên:
Sử dụng khả năng phổ của ảnh MODIS cho phép quan sát chi tiết về thực vật, độ ẩm không khí và các tham số môi trường quan trọng.
Với khả năng phân giải thời gian vượt trội của ảnh MODIS, hệ thống vệ tinh Terra và Aqua cung cấp tần suất quan sát cao, cho phép thu thập ít nhất 2 ảnh mỗi ngày.
Sản phẩm của MODIS đã được NASA chuẩn hóa, kết hợp với các chỉ số do các nhà khoa học toàn cầu phát triển, cung cấp cơ sở khoa học vững chắc và phương pháp quan sát lớp phủ thực vật từ ảnh MODIS hàng ngày và hàng tháng.
Nghiên cứu của Sakamoto (2005, 2006) và Kotera (2007) tại Nhật Bản đã áp dụng chỉ số thực vật tăng cường EVI và chỉ số nước bề mặt LSWI để phân tích sinh trưởng và phát triển của thực vật Bằng cách sử dụng công cụ toán học là phép lọc WFCP, Sakamoto đã làm trơn xu hướng biến thiên theo thời gian của các chỉ số này, loại bỏ các thăng giáng ngẫu nhiên và giúp dễ dàng nhận diện sự phát triển của thực vật.
Nghiên cứu của Lambin và Ehrlich (1996) đã chỉ ra mối liên hệ giữa chỉ số thực vật và nhiệt độ bề mặt đất thông qua các yếu tố như sự bay hơi và thoát hơi nước, cùng với thành phần lớp phủ thực vật Họ phát hiện rằng nhiệt độ bề mặt có sự tương quan cao với hàm lượng nước trên đất trống, trong đó đất khô có chỉ số thực vật thấp và nhiệt độ cao, còn đất ẩm có chỉ số thực vật thấp nhưng nhiệt độ lại thấp hơn Khi lớp phủ thực vật tăng lên, nhiệt độ bề mặt giảm do nhiều cơ chế sinh lý khác nhau Vì vậy, các hình ảnh tương quan giữa LST và NDVI cung cấp thông tin phong phú hơn so với từng chỉ số riêng lẻ.
Sơ đồ không gian nhiệt độ bề mặt và chỉ số thực vật cho thấy mối quan hệ chặt chẽ giữa nhiệt độ bề mặt, sự bay hơi, sự thoát hơi nước của cây và phần trăm lớp phủ thực vật Quan hệ ý niệm này chỉ ra rằng nhiệt độ bề mặt cao thường đi kèm với sự bay hơi và thoát hơi nước của cây mạnh mẽ hơn, trong khi phần trăm lớp phủ thực vật cao hơn thường dẫn đến sự giảm thiểu sự bay hơi và thoát hơi nước Điều này cho thấy tầm quan trọng của việc hiểu mối quan hệ giữa các yếu tố này trong việc quản lý và bảo tồn tài nguyên thiên nhiên.
Theo Sandholt và n.n.k (2002) cho rằng, việc kết hợp nhiệt độ bề mặt (Ts) và chỉ số thực vật bình thường hóa (NDVI) có thể cung cấp thông tin quan trọng về sức khỏe thực vật và độ ẩm bề mặt trái đất Nghiên cứu mối quan hệ giữa Ts và NDVI cho thấy rằng độ dốc của đường hồi quy liên quan đến mức độ bay hơi, kháng trở của lá cây và độ ẩm trung bình của đất Vị trí của các pixel trong không gian [Ts, NDVI] bị ảnh hưởng bởi nhiều yếu tố như nhiệt độ, độ phủ thực vật và độ bốc hơi Các đường đồng mức của độ ẩm và độ bay hơi có thể được vẽ trong tam giác xác định không gian [Ts, NDVI] Dưới điều kiện khí hậu nhất định, Ts đạt giá trị tối thiểu tại bề mặt có độ bay hơi cực đại, tạo nên đường "rìa ướt", trong khi đường "rìa khô" tương ứng với các bề mặt có độ bay hơi cực đại Sandholt (2002) đã đề xuất sử dụng chỉ số khô hạn nhiệt độ - thực vật (TVDI) để đánh giá tình trạng này.
TVDI được tính bằng công thức \( a + b * NDVI - Ts_{min} \), trong đó \( Ts_{min} \) là nhiệt độ bề mặt tối thiểu trong tam giác xác định rìa ướt, \( Ts \) là nhiệt độ quan sát tại pixel cần tính, và \( NDVI \) là chỉ số thực vật chuẩn Để xác định TDVI, cần mô hình hóa đường rìa khô như một xấp xỉ tuyến tính \( Ts_{max} = a + b * NDVI \) Từ các khoảng giá trị NDVI, chúng ta có thể tính toán những pixel với nhiệt độ bề mặt tối đa tương ứng để xác định tham số \( a \) và \( b \) Giá trị của TVDI dao động từ 0 tại “rìa ướt” đến 1 tại “rìa khô”.
Hình 1.2: Chỉ số TVDI của một pixel ảnh [ T s , NDVI] được xác định như một tỷ lệ giữa đường A = (T s – T smin ) và B = (T smax – T smin )
Bên cạnh các sản phẩm chuẩn hóa của MODIS, các nhà nghiên cứu còn phát triển các sản phẩm tính toán từ dữ liệu MODIS, chẳng hạn như trường thực vật liên tục (VCF) ước tính tỷ lệ che phủ của thảm thực vật tại mỗi điểm ảnh Các phương pháp này cũng được mở rộng để lập bản đồ rừng hàng năm từ chuỗi dữ liệu tổng hợp hàng tháng của MODIS, cung cấp thông tin chi tiết về biến động của rừng theo thời gian.
Trong suốt 10 năm qua, nhiều nghiên cứu trên toàn cầu đã tập trung vào việc sử dụng ảnh MODIS để theo dõi lớp phủ thực vật ở quy mô khu vực, đạt được những thành tựu đáng kể về lý thuyết và công nghệ.
Tình hình nghiên cứu trong nước
Nghiên cứu của Lambin và Ehrlich đã giải thích mối quan hệ giữa chỉ số thực vật và nhiệt độ bề mặt thông qua khái niệm bay hơi và thoát hơi nước Nhóm tác giả Trần Thị Vân và Nguyễn Hằng Hải đã mở rộng phương pháp này, thực hiện nghiên cứu tại huyện Nhà Bè, TP Hồ Chí Minh, và đã đạt được những kết quả quan trọng về mối liên hệ giữa nhiệt độ và chỉ số thực vật.
Hình 1.3: Biểu đồ quan hệ T – NDVI của ảnh Landsat 2002
Biểu đồ quan hệ T - NDVI cho thấy rằng các đối tượng thực vật có đặc điểm chung là chỉ số NDVI càng lớn thì nhiệt độ càng giảm.
Sinh khối cây xanh tăng cường bốc thoát hơi nước, dẫn đến sự gia tăng lượng hơi nước và nhiệt độ bề mặt giảm Sự thoát hơi nước lớn hơn đồng nghĩa với việc truyền nhiệt tiềm ẩn cũng tăng, tạo ra hiệu ứng làm mát môi trường.
Nghiên cứu của Trần Thị Vân và Nguyễn Hằng Hải cung cấp thông tin quý giá cho việc đánh giá ở cấp vùng và quốc gia, không chỉ trong giám sát lớp phủ thực vật mà còn trong việc theo dõi hệ thống hạn hán trong nông nghiệp theo thời gian.
*) Dựa vào những công trình nghiên cứu của nhóm tác giả Sandholt và n.n.k, 2002
TS Trần Hùng đã sử dụng dữ liệu ảnh MODIS từ vệ tinh Terra và Aqua, bao gồm 36 kênh trong các dải phổ nhìn thấy, hồng ngoại gần, sóng ngắn và kênh nhiệt với độ phân giải không gian 250m, 500m và 1000m Để phục vụ cho nghiên cứu, tổng số ảnh MODIS được chọn cho 3 mùa khô là 16 cảnh trong giai đoạn từ 10/2000 đến 2/2001.
15 cảnh cho mùa khô 11/2001 – 3/2002 và 17 cảnh cho mùa khô 10/2002 – 3/2003
Giá trị nhiệt độ bức xạ tại đầu thu MODIS cho kênh 31 và 32 được tính theo công thức Plank:
Nhiệt độ bức xạ (Ti(Ri)) được tính theo độ Kelvin cho từng pixel của kênh i, với các hằng số định cỡ C1 (1.1910659 x 10 -5 mWm -2 sr -1 cm 4) và C2 (1.438833 cm 0 K) Giá trị bước sóng trung tâm cho kênh i là vi, và bức xạ phổ đã được hiệu chỉnh cho từng pixel là Ri Nhiệt độ bề mặt trái đất được tính từ nhiệt độ bức xạ của kênh 31 và 32, trong dải sóng 10.5 – 12.5μm, sử dụng thuật toán split-windows cho ảnh MODIS theo nghiên cứu của Wan (1999).
Chỉ số NDVI được tính toán từ kênh 1 và kênh 2 của ảnh MODIS, đã được hiệu chỉnh theo công thức cụ thể và chuyển đổi về độ phân giải 1km tương ứng với Ts.
Đồ thị phân tán của Ts theo chỉ số thực vật NDVI được xây dựng cho các ảnh MODIS trong 3 mùa khô Để tính chỉ số TVDI, giá trị Tsmin được xác định là nhiệt độ mặt nước trung bình của Biển hồ Ton – Lesap (Campuchia) Tham số a và b của đường “rìa khô” cho mỗi cảnh MODIS được xác định bằng hồi quy bình phương tối thiểu của các giá trị cực đại Ts đối với khoảng giá trị NDVI Hình 5 minh họa đường rìa khô cho 4 cảnh vào tháng 1 và 2 năm 2001 và 2002, với tham số a và b đã được xác định và giá trị R² cho thấy độ chính xác cao Với Tsmin, a và b không đổi cho từng ảnh MODIS, giá trị TDVI cho từng pixel được tính theo công thức khi thay thế các giá trị của Ts và NDVI tương ứng.
Hình 1.5: Giá trị rìa khô được sử dụng tính toán chỉ số TVDI – giá trị T s cực đại được
Hình 1.6 minh họa sự phân bố không gian theo chỉ số TVDI cho vùng nghiên cứu, với hình chữ nhật đánh dấu khu vực lấy mẫu rừng Đắc Lắk và vòng tròn biểu thị khu vực khô hạn Bình Thuận.
Giá trị chỉ số TVDI đã được kiểm nghiệm ban đầu với dữ liệu quan trắc từ các trạm khí tượng thủy văn trong khu vực Bên cạnh đó, mô hình trao đổi năng lượng bề mặt giữa đất, thực vật và khí quyển (mô hình SVAT của Đại học Penn State) đã được áp dụng kết hợp với hình ảnh vệ tinh Landsat ETM+ chụp vào ngày 08/1/2001 để tính toán chỉ số độ ẩm Mo cho khu vực Tây Ninh Sau khi đồng nhất độ phân giải không gian, kết quả cho thấy có mối tương quan nghịch giữa chỉ số độ ẩm Mo từ ảnh ETM+ và chỉ số mức khô hạn nhiệt độ - thực vật, với hệ số tương quan Pearson đạt r = -0.8.
Hình 1.7 trình bày đồ thị phân tán thể hiện mối tương quan giữa chỉ số TVDI thu được từ dữ liệu MODIS và chỉ số độ ẩm từ dữ liệu Landsat ETM+, kết hợp với mô hình SVAT.
Hình 1.8: Sự thay đổi theo thời gian của chỉ số TVDI đối với khu vực rừng Đắk Lắk và khu vực khô hạn Bình Thuận qua 3 mùa khô 2000-2001; 2001-2002; và 2002-2003
Chỉ số TVDI đã được nghiên cứu theo chuỗi số liệu thời gian để theo dõi sự thay đổi độ ẩm bề mặt tại các vùng rừng và đới khô hạn tiêu biểu Hình 1.8 minh họa sự biến động của chỉ số TVDI trong giai đoạn 2000-2003 tại hai khu vực: rừng Đắk Lắk và khu vực khô hạn Bình Thuận Kết quả cho thấy, chỉ số TVDI ở vùng trồng trọt nông nghiệp luôn cao hơn so với vùng rừng trong mọi thời điểm, với xu hướng tăng vào cuối mỗi mùa khô So sánh giữa các năm, chỉ số TVDI cho mùa khô 2001 cho thấy sự khác biệt rõ rệt.
Năm 2002 có lượng mưa cao hơn so với hai mùa khô 2000-2001 và 2002-2003, phù hợp với quan trắc khí hậu tại các trạm khí tượng trong khu vực Nhận định ban đầu cho thấy chỉ số TVDI có tiềm năng theo dõi biến đổi khí hậu nông nghiệp và khô hạn không chỉ trong từng mùa mà còn trong các chu kỳ dài hạn Việc xây dựng cơ sở dữ liệu tích lũy nhiều năm cho những chỉ số này là cần thiết để theo dõi chu kỳ khí hậu, từ đó dự đoán xu thế biến đổi của các chỉ số khô hạn trong thời gian thực.
Các kết quả ban đầu cho thấy chỉ số TVDI có tiềm năng cao trong việc theo dõi độ ẩm bề mặt và dự báo hạn hán trong nông nghiệp và lâm nghiệp cấp khu vực Ưu điểm lớn của TVDI là tính toán đơn giản, nhanh chóng và có khả năng tự động hóa Tuy nhiên, cần tiến hành kiểm nghiệm chỉ số này với dữ liệu quan trắc khí tượng thủy văn thực tế để nâng cao độ tin cậy và hiểu rõ hơn về bản chất của nó trước khi áp dụng vào thực tiễn.
Nhiều nghiên cứu tiêu biểu trong và ngoài nước đã phân tích tác động của nhiệt độ và độ ẩm đến lớp phủ thực vật thông qua chỉ số thực vật sử dụng công nghệ viễn thám Mỗi công trình nghiên cứu đều có những ưu điểm riêng, phù hợp với điều kiện và yêu cầu đặc thù của từng nghiên cứu.
SỬ DỤNG DỮ LIỆU ẢNH MODIS TRONG ĐÁNH GIÁ NHIỆT ĐỘ BỀ MẶT, ĐỘ ẨM KHÔNG KHÍ VÀ CHỈ SỐ THỰC VẬT (NDVI) CỦA LỚP PHỦ THỰC VẬT
Đặc tính phổ của ảnh MODIS
TERRA là một vệ tinh quốc tế, được phóng lên quỹ đạo vào ngày 18/9/1999, với sự tham gia của các cơ quan nghiên cứu hàng không vũ trụ từ Canada, Nhật Bản và Mỹ.
Vệ tinh Terra hoạt động ở độ cao 705 km, thu thập dữ liệu khi bay từ Bắc xuống Nam qua xích đạo vào buổi sáng, nhằm quan sát bề mặt trái đất trong điều kiện ít mây Dự kiến, vệ tinh sẽ hoạt động trong 6 năm và hiện tại vẫn đang hoạt động Khí hậu và điều kiện tự nhiên của trái đất đã thay đổi đáng kể trong 4,5 tỷ năm qua, với các hoạt động của con người đã làm tăng 25% mức carbon dioxide và biến đổi khoảng 40% diện tích bề mặt trái đất Các nhà khoa học gặp khó khăn trong việc dự đoán mối liên hệ giữa nguyên nhân và hậu quả của các yếu tố trên bề mặt đất, đại dương và khí quyển, cũng như tác động của chúng đến khí hậu tương lai Để xây dựng mô hình dự báo chính xác về sự thay đổi khí hậu, cần có dữ liệu toàn cầu và chu kỳ dài hạn, mà vệ tinh Terra được thiết kế để thu thập thông tin này.
Vệ tinh Terra được trang bị 5 đầu thu chụp, bao gồm ASTER do Nhật Bản cung cấp, CERES, MISR và MODIS do các cơ quan nghiên cứu của Mỹ, cùng với MOPITT do cơ quan nghiên cứu vũ trụ Canada phát triển Bên cạnh đó, vệ tinh AQUA cũng đóng vai trò quan trọng trong việc thu thập dữ liệu về khí tượng và môi trường.
Vệ tinh AQUA được thiết kế để nghiên cứu, theo dõi và phân tích sự thay đổi của các yếu tố trên Trái Đất và trong khí quyển AQUA là một thành phần quan trọng trong Hệ thống quan sát Trái Đất (EOS), thuộc chương trình vệ tinh quan sát quốc tế do Cơ quan Hàng không và Vũ trụ Mỹ (NASA) triển khai.
Vũ trụ Mỹ (NASA) tiến hành
Nhiệm vụ của Aqua là thu thập thông tin về chu kỳ trao đổi nước trên trái đất, bao gồm các yếu tố như bề mặt nước đại dương, sự bốc hơi nước, hơi nước trong khí quyển, mây, lượng mưa, độ ẩm trong đất, và băng tuyết trên đại dương cũng như lục địa.
Các nhân tố biến đổi quan trọng được theo dõi bao gồm: luồng năng lượng phát xạ, bụi khí quyển, lớp phủ thực vật trên đất liền, sinh vật phù du, vấn đề phân hủy hữu cơ trong đại dương, không khí, cùng với nhiệt độ bề mặt đại dương và lục địa.
Lợi ích của Aqua là tăng cường cho kết quả dự báo thời tiết nhờ vào khả năng quan sát nhiệt độ khí quyển và hơi nước
Nước đóng vai trò quan trọng trong khí hậu và sự sống trên trái đất, khiến hành tinh của chúng ta được gọi là "hành tinh nước" Với 70% diện tích bề mặt được bao phủ bởi nước, nó là yếu tố thiết yếu cho con người và các sinh vật khác Hơi nước trong khí quyển giúp duy trì nhiệt độ ổn định, trong khi băng và tuyết ở vùng cực phản xạ tia mặt trời, kiểm soát khí hậu Sự bốc hơi nước hấp thụ năng lượng và dẫn đến ngưng tụ, tạo nên chu kỳ khí quyển Nhiệt độ của đại dương ảnh hưởng đến nhiệt độ và chu kỳ khí quyển, và các thông số đo đạc của Aqua cung cấp thông tin quan trọng cho việc dự đoán biến đổi khí hậu toàn cầu, bao gồm băng, tuyết, mây và hơi nước.
Vệ tinh Aqua, được phóng vào quỹ đạo ngày 4-5-2002, mang 6 thiết bị chính để quan sát trái đất và thu thập dữ liệu toàn cầu đa dạng Hoạt động ở độ cao 700 km với quỹ đạo cận cực, Aqua hoàn thành một vòng quanh quỹ đạo trong 98,8 phút, bay lên qua xích đạo lúc 1h30 chiều và bay xuống lúc 1h30 sáng theo giờ địa phương Vệ tinh này thu nhận dữ liệu vào khoảng thời gian trưa 1h30, bổ sung cho dữ liệu buổi sáng 10h30 từ vệ tinh EOS-TERRA Aqua và Terra còn được gọi là vệ tinh EOS-PM và EOS-AM, phục vụ mục đích thu nhận dữ liệu có độ khác biệt trong ngày.
Sáu thiết bị thu nhận của vệ tinh AQUA là:
+ Atmospheric Infrared Sounder (AIRS), + Advanced Microwave Scanning Radiometer for EOS (AMSR-E), + Advanced Microwave Sounding Unit (AMSU),
+ Clouds and the Earths Radiant Energy System (CERES), + Humidity Sounder for Brazil (HSB),
+ Moderate Resolution Imaging Spectroradiometer (MODIS)
2.1.2 Thiết bị thu nhận MODIS
MODIS được phát triển để thu thập đa dạng thông tin về quá trình sinh học và vật lý của khí quyển và trái đất, thông qua các phép đo trong dải phổ nhìn thấy và hồng ngoại Điều này khác biệt với CERES, thiết bị chỉ tập trung vào việc đo lường năng lượng phát xạ.
MODIS quan tâm tới khoảng phổ rộng hơn và nhiều mục tiêu hơn
MODIS thu thập thông tin quan trọng về nhiệt độ và độ ẩm của khí quyển, đặc tính của mây, bụi khí quyển, nhiệt độ bề mặt nước biển và lục địa, cũng như màu sắc đại dương và vật chất lơ lửng trong đó Thiết bị này giám sát lớp phủ mặt đất và các biến đổi hàng ngày với độ phân giải 250m và 500m, giúp theo dõi tình trạng chặt phá rừng và các thay đổi khác Năng suất sơ cấp nguyên toàn cầu được đánh giá từ sự kết hợp giữa năng suất đại dương và lục địa Bụi khí quyển ảnh hưởng đến tán xạ và hấp thụ ánh sáng mặt trời, và thông tin về bụi được thu thập với độ phân giải 10km từ dữ liệu MODIS Ngoài ra, MODIS cũng ghi nhận độ dày và mức độ mây phủ, thông tin này giúp loại trừ mây trong các hình ảnh để có được cái nhìn rõ ràng hơn về lớp phủ mặt đất.
* Các thông số kỹ thuật của ảnh MODIS (theo NASA, 2006)
Bảng 2.1: Các thông số kỹ thuật của ảnh MODIS
- Độ cao bay chụp: 705 km
- Thời điểm chụp trong ngày:
- Quỹ đạo đồng bộ mặt trời, cận cực
2 Độ rộng dải chụp 2300 km
3 Độ phân giải không gian
* Các ứng dụng chính của các kênh ảnh MODIS:
Bảng 2.2: Các ứng dụng chính của các kênh ảnh MODIS
Các ứng dụng cơ bản Kênh
Dải sóng (nm) Các ứng dụng cơ bản Kênh
Bụi khí quyển Ranh giới bề mặt đất/mây
Nhiệt độ bề mặt/mây
Các đặc tính bụi khí quyển bề mặt đất/mây
Hơi nước khí quyển, mây ti
Nhiệt độ bề mặt, mây
Phương pháp tính nhiệt độ bề mặt (LST) từ dữ liệu MODIS
2.2.1 Cơ sở khoa học chiết xuất nhiệt độ bề mặt từ tư liệu ảnh viễn thám
Bức xạ Mặt Trời đi qua khí quyển và ảnh hưởng đến điều kiện khí tượng bằng cách truyền năng lượng vào không khí và bề mặt trái đất Vật đen, một khái niệm lý tưởng trong vật lý, hấp thụ và phát xạ toàn bộ năng lượng mà nó nhận được Trong thực tế, chỉ có các vật thể tự nhiên (vật xám) tồn tại với khả năng phát xạ nằm trong khoảng từ 0 đến 1 Năng lượng bức xạ của trái đất phụ thuộc vào hai yếu tố chính: nhiệt độ và độ phát xạ Khi một vật tự nhiên và vật đen có cùng nhiệt độ bề mặt, vật tự nhiên sẽ phát xạ ít hơn so với vật đen.
Vùng bước sóng điện từ 3-35μm, được gọi là vùng hồng ngoại trong viễn thám mặt đất, có bức xạ phát ra từ Trái Đất lớn hơn bức xạ phản xạ từ Mặt Trời, cho phép khôi phục giá trị nhiệt độ bề mặt đất Các bộ cảm biến chủ yếu phát hiện đặc tính bức xạ nhiệt của vật liệu mặt đất, nhưng các kênh phổ hữu ích bị hạn chế do cường độ bức xạ và cửa sổ khí quyển Cửa sổ khí quyển tối ưu là 8-14μm với sự hấp thụ vật chất thấp nhất, trong khi năng lượng bề mặt đất chủ yếu được thu nhận trong dải bước sóng 10.5-12.5μm, phục vụ cho việc ước tính nhiệt độ bề mặt và các quá trình nhiệt khác Viễn thám hồng ngoại nhiệt thu thập dữ liệu chủ yếu trong hai cửa sổ 3-5μm và 8-14μm theo cách bị động, tức là các bộ cảm biến thu thập bức xạ phát ra tự nhiên, trong khi các kỹ thuật chủ động như LIDAR mới được phát triển gần đây.
Bức xạ hồng ngoại nhiệt trong dải 8-14μm phát ra từ bề mặt liên quan đến nhiệt độ động năng và độ phát xạ bề mặt Để xác định nhiệt độ và độ phát xạ bề mặt từ dữ liệu hồng ngoại nhiệt, có hai vấn đề chính cần giải quyết Đầu tiên, xạ lại bởi các khí, chủ yếu là hơi nước, trong vùng hồng ngoại của phổ điện từ yêu cầu hiệu chỉnh khí quyển thông qua mô hình truyền bức xạ Thứ hai, bản chất không xác định của các số đo nhiệt độ và độ phát xạ dẫn đến việc có N+1 tham số không biết khi đo bức xạ nhiệt trong N kênh Để ước tính độ phát xạ và nhiệt độ trong dữ liệu hồng ngoại nhiệt đa phổ, cần có các giả thiết bổ sung, thường liên quan đến các đo đạc độ phát xạ trong phòng thí nghiệm hoặc thực tế.
Giá trị bức xạ thu nhận trong dải hồng ngoại nhiệt của phổ điện từ trên các bộ cảm biến vệ tinh bao gồm ba thành phần chính: (1) phát xạ bề mặt được truyền qua khí quyển (τεBλ); (2) bức xạ hướng dưới từ khí quyển, phản xạ bởi bề mặt và truyền qua khí quyển đến bộ cảm biến (τ(1-ε)Lλ↓); và (3) phát xạ từ khí quyển được truyền qua khí quyển ở điểm phát xạ (Lλ↑).
Minh họa điều này qua phương trình truyền bức xạ như sau:
Lsensor, λ = τ [ε Bλ + (1 - ε) Lλ↓] + Lλ↑ (2.1) Trong đó, τ và ε là độ truyền qua và độ phát xạ
Các thành phần (2) và (3) phụ thuộc vào điều kiện khí quyển và thường được đo đồng thời khi thu nhận ảnh từ vệ tinh Những thông số này dùng để hiệu chỉnh khí quyển cho các mô hình như MODTRAN, ATCOR trong các bài toán liên quan Tuy nhiên, thực tế cho thấy rằng các số đo điều kiện khí quyển không phải lúc nào cũng sẵn có, dẫn đến việc hiệu chỉnh khí quyển để khôi phục số đo mặt đất trở nên khó khăn ở bất kỳ vùng nào vào thời điểm cụ thể, và thường bị bỏ qua trong một số nghiên cứu ứng dụng.
Trong công thức (2.1), bức xạ bề mặt đất Rλ được đo trong kênh bước sóng λ gồm hai thành phần:
Do nhiệt độ khí quyển thường thấp hơn nhiệt độ bề mặt đất, nên lượng bức xạ mà mặt đất hấp thụ từ khí quyển ((1 - ε) Lλ↓) thường rất nhỏ so với lượng bức xạ phát ra từ mặt đất Thực tế, đối với các bề mặt tự nhiên, bức xạ bề mặt có thể được biểu diễn gần đúng như sau:
2.2.2 Phương pháp chiết xuất nhiệt độ bề mặt từ tư liệu viễn thám a Xác định nhiệt độ
Trong viễn thám hồng ngoại nhiệt, nhiệt độ bức xạ (TR) là nhiệt độ tương đương của vật đen phát ra cùng lượng bức xạ từ một vật thực tế, và nó phụ thuộc vào nhiệt độ động lực bề mặt thực (TK) cùng với độ phát xạ Đối với các vật không phải là vật đen, tổng lượng bức xạ phát ra được mô tả theo định luật Stefan-Bolzmann.
Nhiệt độ bức xạ của vật tự nhiên luôn thấp hơn nhiệt độ bức xạ của vật đen ở cùng một nhiệt độ Điều này chứng tỏ rằng nhiệt độ đo bằng phương pháp viễn thám sẽ nhỏ hơn nhiệt độ động lực bề mặt tương đương, do ảnh hưởng của hệ số phát xạ ε.
Nhiệt độ bức xạ, hay còn gọi là nhiệt độ sáng của vật đen tuyệt đối (với ε=1), được đo bởi các bộ cảm biến trên vệ tinh và được xác định theo định luật.
Trong đó, Bλ - bức xạ của vật đen tuyệt đối (Wm-2μm-1); K1 = 2πhc2/λ5; K2 hc/kλ; h - hằng số Planck (6,62x10-34 Js); c - vận tốc ánh sáng (3x108ms-1); k - hằng số Boltzman (1,38x10-23 JK-1); λ - bước sóng trung tâm (μm)
Nhiệt độ bề mặt, hay còn gọi là nhiệt độ động năng bề mặt, đại diện cho nhiệt năng của một vật thể và có thể được đo bằng nhiệt kế Mối quan hệ giữa nhiệt độ bức xạ và nhiệt độ bề mặt được thể hiện qua công thức (2.5), cho phép sử dụng dữ liệu nhiệt độ bức xạ để tính toán nhiệt độ mặt đất.
Nhiệt độ bề mặt chủ yếu bị ảnh hưởng bởi bức xạ mặt trời, và độ chính xác trong việc ước tính nhiệt độ từ dữ liệu viễn thám nhiệt phụ thuộc vào nhiều yếu tố như khí quyển, sự tương tác giữa bề mặt và khí quyển, độ phát xạ của vật thể, và độ phân giải ảnh Nhiệt độ đo từ viễn thám có thể bị ảnh hưởng bởi sự hỗn hợp của các yếu tố dưới pixel, do đó cần chọn lựa các khu vực đối tượng lớn hơn kích thước pixel để so sánh với số đo thực địa Độ phát xạ (ε) là tỷ lệ giữa năng lượng phát xạ từ bề mặt tự nhiên và năng lượng phát xạ từ vật thể đen ở cùng bước sóng Cả nhiệt độ và độ phát xạ đều cần xác định trong phương pháp viễn thám, nhưng do tính phức tạp của bài toán, việc giải N+1 ẩn số thường không đạt độ chính xác cao Tuy nhiên, độ phát xạ bề mặt thường ít thay đổi theo thời gian và không gian hơn nhiệt độ bề mặt, vì vậy thường xác định độ phát xạ trước khi tính toán nhiệt độ bề mặt.
Có nhiều phương pháp để tính độ phát xạ bề mặt từ dữ liệu cảm biến vệ tinh hiện hành Một số phương pháp giả định độ phát xạ hoặc nhiệt độ là hằng số, như phương pháp chuẩn hóa độ phát xạ NEM, NOR, và tỷ số phổ, trong đó biến không biết được tính toán sau Ngoài ra, một số phương pháp khác như NDVI lại bỏ qua khái niệm phản xạ bề mặt hoặc yêu cầu thông tin bề mặt đã biết trước.
Phương pháp dựa trên NDVI mang lại nhiều lợi ích khi đã xác định được độ phát xạ của đất trống và thực vật cũng như cấu trúc và phân bố thực vật Ưu điểm chính của việc ước tính độ phát xạ bề mặt từ kênh khả kiến và cận hồng ngoại theo phương pháp NDVI bao gồm việc các bộ cảm biến trên vệ tinh thường cung cấp độ phân giải không gian cao hơn đối với các kênh khả kiến và cận hồng ngoại so với kênh nhiệt, giúp tạo ra bản đồ độ phát xạ với độ phân giải không gian cao hơn so với các phương pháp tính trực tiếp từ các kênh nhiệt.
Phương pháp NDVI có thể áp dụng cho mọi loại bộ cảm biến mà không bị giới hạn bởi số lượng kênh nhiệt Quy trình tính toán của phương pháp này rất đơn giản và yêu cầu hiệu chỉnh khí quyển ít phức tạp.
Các pixel đại diện cho bề mặt đất thường chứa hỗn hợp thực vật và đất, tùy thuộc vào độ phân giải ảnh vệ tinh Độ phát xạ hiệu quả của một pixel có thể được ước tính bằng cách cộng các phần đóng góp từ độ phát xạ của thực vật và đất Van de Griend và Owe (1993) đã thực hiện thí nghiệm đo đạc độ phát xạ và phản xạ trong dải khả kiến và cận hồng ngoại để tính toán NDVI, từ đó xác định mối quan hệ giữa độ phát xạ và NDVI với công thức ε = a + b.ln(NDVI).
Phương pháp tính độ ẩm không khí từ dữ liệu MODIS
a Độ ẩm riêng Độ ẩm riêng xách định bởi công thức:
Độ ẩm riêng (Q) được xác định bằng áp suất hơi nước trong không khí (e) và áp suất hơi nước (p) Tỉ số giữa hai hằng số Rd = 287.04 J kg -1 K -1 và Rv = 461.50 J kg -1 đóng vai trò quan trọng trong việc tính toán độ ẩm.
1 K -1 (ε= 622) Độ ẩm riêng cũng có thể xác định thông qua hàm lượng hơi nước trong không khí:
Trong đó: Q: là độ ẩm riêng
W: là hàm lượng hơi nước trong không khí a,b,c là các hệ số hàm quan hệ b Độ ẩm tuyệt đối Độ ẩm tuyệt đối thể hiện mật độ hơi nước trong không khí tính bằng gam trên đơn vị mét khối:
𝑚 3 ) (2.15) Trong đó: e: là sức trương hơi nước (mbar)
T: là nhiệt độ không khí ( o K) c Độ ẩm tương đối Độ ẩm tương đối tính từ áp suất hơi nước được xác định theo công thức:
𝐸 100 (%) (2.16) Trong đó: RH: là độ ẩm tương đối e: là áp suất hơi nước trong không khí
E: là áp suất hơi nước bão hòa
Ngoài ra, độ ẩm tương đối cũng được tính từ điểm sương theo công thức:
𝐸 100 (%) (2.17) Trong đó: RH: là độ ẩm tương đối td: là điểm sương e: là áp suất hơi nước trong không khí tại điểm sương td
E: là áp suất hơi nước bão hòa tại nhiệt độ thực tại Độ ẩm tương đối cũng được tính theo độ ẩm riêng
Trong đó: RH: là độ ẩm tương đối q: là độ ẩm riêng của hơi nước trong không khí qs: là độ ẩm riêng của hơi nước bão hòa
2.3.2 Phương pháp tính toán độ ẩm không khí từ tư liệu viễn thám
Có thể định nghĩa tỉ số G17,G18 và G19 như sau:
L L Ở đây Li là bức xạ thu được từ việc giả định cho các kênh 2, kênh 17, kênh 18 và kênh 19 của MODIS
Giá trị tổng hơi nước bốc hơi dao động từ 0.3 đến 3.3 g/cm² Bức xạ có mối quan hệ tỉ lệ nghịch với tổng hàm lượng hơi nước bốc hơi, theo đa thức.
Hàm lượng hơi nước bốc hơi tại các kênh 17, 18 và 19 được xác định bằng công thức W19=9.446-26.887G19+19.914G2 Hơi nước trong khí quyển có hệ số hấp thụ khác nhau giữa các kênh, dẫn đến ba giá trị hơi nước tương ứng với cùng một điều kiện khí quyển Kênh 18 có khả năng hấp thụ mạnh nhất trong điều kiện khô hạn, trong khi kênh 17 đạt đỉnh hấp thụ trong điều kiện ẩm (theo Kaufman và Gao, 1992).
Dưới điều kiện khí quyển, giá trị hơi nước từ ba kênh có thể khác nhau Giá trị trung bình của hơi nước W có thể được tính toán qua một phương trình cụ thể.
W17, W18 và W19 đại diện cho lượng hơi nước thu được từ các kênh 0.936, 0.940 và 0.905 âm Các hàm trọng số f17, f18 và f19 phụ thuộc vào độ nhạy của từng kênh phổ và được tính toán theo công thức: fi = ii * i.
Sai phân giữa hàm lượng hơi nước lớn nhất và nhỏ nhất từ 6 chuẩn khí quyển, cùng với sai phân hệ số truyền của giá trị hơi nước tại kênh i, được xác định theo nghiên cứu của Kaufman và Gao (1992) Độ ẩm riêng (Q) trong khu vực nhiệt đới có thể được tính toán từ giá trị cột hơi nước (W) thông qua một hàm kinh nghiệm.
Q = -0.0252w 2 + 1.2622w + 13.574 (2.19) Sức trương hơi nước bão hoà (E) được tính từ nhiệt độ không khí (t):
3.85x((17.27b1)/(237.3+b1)) (2.20) Áp suất không khí sẽ giảm theo độ cao (H) và được tính theo công thức kinh nghiệm:
Chiết xuất NDVI và Lớp phủ thực vật từ dữ liệu MODIS
Chỉ số thực vật là một chỉ số vật lý quan trọng được tính từ các băng phổ ảnh viễn thám, có nhiều ứng dụng như đánh giá độ che phủ thực vật, sinh khối, dự báo mùa màng và khô hạn.
Trong nhiều nghiên cứu sử dụng dữ liệu vệ tinh, chỉ số thực vật thường được áp dụng như thông tin bổ sung cho các dữ liệu chiết xuất từ băng phổ ảnh gốc Mục đích của việc này là nhằm nâng cao độ chính xác của các phép phân loại hoặc cải thiện khả năng phân biệt giữa các đối tượng cần phân tích trên hình ảnh vệ tinh.
2.4.2 Cơ sở vật lý của chỉ số thực vật
Hiện nay, nhiều chỉ số thực vật được sử dụng trong tài liệu viễn thám, kết quả từ các nghiên cứu với mục đích khác nhau và công thức tính phức tạp Tất cả các phương pháp này đều dựa vào đặc tính phổ của thực vật, cách thu nhận tín hiệu phổ từ cảm biến trên vệ tinh, và ảnh hưởng của khí quyển đến quá trình thu nhận ảnh vệ tinh.
Các công thức tính chỉ số thực vật chủ yếu dựa vào đặc trưng phổ của thực vật ở dải sóng màu đỏ và cận hồng ngoại Thực vật phản xạ yếu trong dải sóng màu lam, do đó không sử dụng băng phổ này để tính chỉ số Mặc dù phản xạ trong dải sóng màu lục mạnh hơn, nhưng cũng ít được dùng do ảnh hưởng lớn của khí quyển.
Các băng phổ ở dải sóng màu đỏ và cận hồng ngoại được sử dụng để tính chỉ số thực vật, vì bức xạ tại các dải này ít bị ảnh hưởng bởi điều kiện khí quyển Dải sóng màu đỏ nằm trong vùng hấp thụ mạnh, trong khi dải cận hồng ngoại lại phản xạ rất mạnh Sự khác biệt này giúp nâng cao khả năng tách biệt thực vật một cách đáng kể.
Đất là một yếu tố quan trọng trong việc phân loại thực vật, với phản xạ của đất trống tăng dần theo các dải sóng Điều này tạo ra một đường thẳng được gọi là đồ thị của đất (Soil Line), giúp tách biệt các loại thực vật một cách hiệu quả.
Hình 2.1: Đồ thị đất (Soil line)
Trên đồ thị quang phổ, thực vật thường phản xạ ánh sáng trong vùng sóng đỏ và cận hồng ngoại, trong khi nước lại phản xạ ánh sáng ở vùng sóng màu đỏ.
Đồ thị đất có thể được sử dụng làm cơ sở để so sánh và biến đổi các chỉ số thực vật Đặc biệt, khi độ ẩm của đất thay đổi, nó trở thành yếu tố ảnh hưởng đến chỉ số thực vật Giá trị xám của đất sẽ giảm khi độ ẩm hoặc hàm lượng hữu cơ trong đất tăng, tương ứng với các pixel gần gũi với gốc hệ tọa độ phổ.
2.4.3 Công thức tính chỉ số NDVI Đây là chỉ số thực vật thường do Rouse et al., 1974 đề xuất và hay được sử dụng nhất trong thực tế
Công thức tính chỉ số NDVI như sau:
NDVI = (NIR - Red)/(NIR + Red) Trong đó: NIR là băng phổ cận hồng ngoại (Near InfraRed); Red là băng phổ thuộc bước sóng màu đỏ
Chỉ số NDVI được chuẩn hóa bằng cách tính tổng của hai băng phổ nhằm giảm thiểu hiệu ứng chiếu sáng và ảnh hưởng của địa hình (Bariou et al., 1985) Chỉ số này không tương quan tuyến tính với mật độ sinh khối mà tương quan với mật độ thực vật xanh theo hàm mũ, đạt mức bão hòa khi thực vật có độ che phủ cao Do đó, NDVI có thể được sử dụng hiệu quả trong việc đánh giá các lớp phủ thực vật thưa thớt (Holben, 1986) Tuy nhiên, NDVI không có ý nghĩa lớn trong việc đánh giá lượng nước ở các thực vật có mật độ cao.
Chỉ số NDVI rất nhạy cảm với điều kiện khí quyển, nhưng vẫn được sử dụng rộng rãi trong nhiều ứng dụng Các cơ quan nghiên cứu, đặc biệt là NOAA và NASA, đang áp dụng NDVI từ dữ liệu AVHRR và MODIS để theo dõi lớp phủ thực vật toàn cầu Nhờ tính nhạy cảm với độ che phủ thực vật, NDVI thường được sử dụng như một băng phổ ảnh bổ sung trong phân loại ảnh số, giúp tăng độ chính xác của quá trình phân loại.
Chỉ số NDVI có giá trị lý thuyết là từ -1 đến +1
2.4.4 Phương pháp xử lý dữ liệu NDVI
In 2012, MODIS data for the Central Highlands was obtained from NASA, distributed by the Land Processes Distributed Active Archive Center (LPDAAC) at http://earthexplorer.usgs.gov.
Dữ liệu MODIS được sử dụng trong nghiên cứu này là bộ dữ liệu ảnh MODIS phản xạ bề mặt tổ hợp 16-ngày chuẩn của trung tâm LP DAAC, thu thập từ vệ tinh Aqua và Terra đã được xử lý tới mức 3 Ở mức này, dữ liệu đã được sơ bộ lọc mây bằng thuật toán của NASA, chọn lọc ra kết quả quan trắc tốt nhất trong 16-ngày liên tiếp đối với từng ô ảnh Dữ liệu này bao gồm 2 kênh phổ sóng, kênh 1 là phổ sóng đỏ với tâm quang phổ 645nm và kênh 2 là phổ sóng hồng ngoại gần với tâm quang phổ 858nm, có độ phân giải không gian 250m và được đưa về hệ tọa độ Sinusoidal toàn cầu.
Bộ dữ liệu này đã trải qua quy trình chuẩn của NASA, bao gồm các bước như hiệu chỉnh bức xạ, hiệu chỉnh hình học, lọc mây và tạo tổ hợp 16 ngày (Vermote et al., 1997).
Các ảnh MODIS 16-ngày được tải về và trải qua quy trình xử lý ảnh bao gồm chuyển đổi hệ tọa độ, hiệu chỉnh hình học, cắt theo khu vực nghiên cứu, cũng như lọc mây và nhiễu Sau đó, chỉ số thực vật NDVI được tính toán cho từng ảnh.
CHƯƠNG 3 TÍCH HỢP VIỄN THÁM VÀ GIS PHÂN TÍCH MỐI TƯƠNG QUAN GIỮA NHIỆT ĐỘ BỀ MẶT, ĐỘ ẨM KHÔNG KHÍ VÀ
LỚP PHỦ THỰC VẬT NĂM 2012
3.1 Vùng nghiên cứu 3.1.1 Vị trí địa lý
Tây Nguyên là một vùng cao nguyên rộng lớn, nằm ở miền Trung Việt Nam, với diện tích tổng cộng 54.641 km², bao gồm 5 tỉnh Phía bắc giáp tỉnh Quảng Nam, phía đông giáp các tỉnh Quảng Ngãi, Bình Định, Phú Yên, Khánh Hòa, Ninh Thuận và Bình Thuận, phía nam giáp Đồng Nai và Bình Phước, trong khi phía tây giáp với các tỉnh Attapeu (Lào) và Ratanakiri, Mondulkiri (Campuchia) Đặc biệt, Kon Tum có biên giới phía tây giáp cả Lào và Campuchia, trong khi Gia Lai, Đắk Lắk và Đắk Nông chỉ giáp Campuchia, còn Lâm Đồng không có đường biên giới quốc tế.
Các dữ liệu sử dụng
Nhóm nghiên cứu MODIS đã phát triển và cung cấp các sản phẩm chuẩn của ảnh MODIS nhằm đáp ứng nhu cầu nghiên cứu về nhiệt độ, độ ẩm và lớp phủ Các sản phẩm này bao gồm dữ liệu phản xạ bề mặt tổ hợp 8-ngày và 16-ngày (MOD11A2, MOD07 và MOD13A2) với độ phân giải không gian 500m, được mô tả chi tiết trong bảng 3.1 Trong quá trình xử lý dữ liệu MOD11A2, MOD07 và MOD13A2, đã thực hiện hiệu chỉnh khí quyển để loại bỏ sol khí và mây mỏng Ảnh tổ hợp 8-ngày và 16-ngày được tạo ra thông qua nhiều bước xử lý, bao gồm việc loại bỏ các pixel có giá trị thấp và chọn những pixel có giá trị kênh blue cực tiểu trong khoảng thời gian tương ứng.
Dữ liệu tổ hợp vẫn duy trì các đặc tính kỹ thuật của dữ liệu ảnh hàng ngày, bao gồm các yếu tố hình học và điểm điều chỉnh chất lượng ảnh Sản phẩm MODIS chuẩn tổ hợp được thiết lập theo chu kỳ 8-ngày và 16-ngày, sử dụng lưới chiếu Sinusoidal với kích thước 1200*1200m.
Bảng 3.1: Các kênh phổ đầu tiên của MODIS
Khoảng phổ Phân giải không gian
Các đối tượng ứng dụng điển hình
1 0.620-0.670 250 m Các loại mây và các loại đối tượng bao phủ bề mặt
2 0.841-0.876 250 m Các loại mây và các loại đối tượng bao phủ bề mặt
3 0.459-0.479 500 m Các loại mây và các loại đối tượng bao phủ bề mặt
4 0.545-0.565 500 m Các loại mây và các loại đối tượng bao phủ bề mặt
5 1.230-1.250 500 m Các loại mây và các loại đối tượng bao phủ bề mặt
6 1.628-1.652 500 m Các loại mây và các loại đối tượng bao phủ bề mặt
7 2.105-2.155 500 m Các loại mây và các loại đối tượng bao phủ bề mặt
Trong nghiên cứu phân tích mối tương quan giữa nhiệt độ, độ ẩm và lớp phủ thực vật, luận văn đã sử dụng dữ liệu 8-ngày và 16-ngày từ các sản phẩm MOD11A2, MOD07 và MOD13A2 của Terra MODIS trong năm 2012 Khu vực nghiên cứu được xác định trong các mảnh bản đồ có phiên hiệu h27v07 và h28v7, bao gồm toàn bộ các tỉnh ở Tây Nguyên.
Để xây dựng bản đồ lớp phủ thực vật và đánh giá độ chính xác của nó, cần sử dụng thêm một số nguồn dữ liệu khác như bản đồ nền hành chính, bản đồ hiện trạng rừng và số liệu từ các trạm khí tượng, bao gồm nhiệt độ và độ ẩm tương đối.
Xây dựng tổ hợp ảnh nhiệt độ trung bình theo năm
Dữ liệu ảnh MOD11A2 sau khi được thu thập được xử lý theo quy trình kỹ thuật sau đây để xác định nhiệt độ bề mặt:
- Chuyển đổi định dạng tập tin ảnh: Dữ liệu MODIS với định dạng HDF-EOS
(Hierarchical Data Format Earth Observing System) được chuyển đổi về định dạng GeoTIFF bằng cách sử dụng phần mềm ENVI
Hình 3.2: Giao diện chính của phần mềm ENVI
Để đảm bảo tính tương thích với các dữ liệu bản đồ hiện có, dữ liệu MODIS được chuyển đổi từ hệ quy chiếu ISIN (Integerized Sinusoidal) sang hệ quy chiếu VN2000 Zone 48.
- Tách lớp dữ liệu chuyên biệt: Dữ liệu ảnh MODIS - LST có nhiều lớp dữ liệu
MOD11A2 bao gồm 12 lớp dữ liệu phục vụ cho nhiều mục đích khác nhau, trong đó lớp dữ liệu nhiệt độ bề mặt đất được sử dụng để tính toán nhiệt độ với độ phân giải không gian 1km Dữ liệu này có độ phân giải bức xạ 16 bit và được chuyển đổi sang dữ liệu số (DN) với độ phân giải bức xạ 12 bit Quá trình chiết tách và chuyển đổi dữ liệu được thực hiện thông qua phần mềm chuyên dụng ENVI.
Hình 3.3: Tool chọn sản phẩm LST của ảnh modis MOD11A2
Hệ số quy đổi (Scale factor) là thông số quan trọng được cung cấp bởi nhà sản xuất, dựa trên các thuật toán xác định nhiệt độ từ nhiều phương pháp thực nghiệm Để xác định nhiệt độ bề mặt, giá trị số DN của ảnh 12 bit sẽ được nhân với hệ số quy đổi, từ đó cho ra kết quả nhiệt độ Kelvin chính xác.
( 0 K), sau đó quy đổi về nhiệt độ Celcius ( 0 C)
3.3.2 Tạo ảnh tổ hợp theo tháng, ảnh tổ hợp theo mùa và ảnh tổ hợp theo năm
Dữ liệu ảnh thu thập được sau đó sẽ được tổ hợp thành ảnh 8 ngày, sau đó sẽ được sử dụng để tạo ra ảnh tổ hợp tháng dựa trên thông tin ngày tháng của ảnh đó Quá trình tổ hợp này được thực hiện bằng cách sử dụng công cụ Band Math trên phần mềm ENVI, cho phép tính toán và tổ hợp dữ liệu một cách chính xác.
Hình 3.4: Các thuật toán tính tổ hợp ảnh MODIS - MOD11A2
* Các ảnh nhiệt độ bề mặt được tổ hợp theo tháng, theo mùa và theo năm:
LST_Tháng 1 LST_Tháng 2 LST_Tháng 3
LST_Tháng 5 LST_Tháng 6 LST_Tháng 7
LST_Tháng 8 LST_Tháng 9 LST_Tháng 10
LST_Mùa khô LST_Mùa mưa LST_Năm 2012
Hình 3.5: Các ảnh tổ hợp nhiệt độ bề mặt trong năm 2012
Xây dựng tổ hợp ảnh độ ẩm trung bình theo năm
Dữ liệu ảnh MODIS được cung cấp miễn phí, cho phép xử lý thông tin về hàm lượng hơi nước với độ phân giải 1km thông qua các kênh cận hồng ngoại.
Các bước tiến hành xử lý như sau:
- Chuyển đổi định dạng tập tin ảnh: Dữ liệu MODIS với định dạng HDF-EOS
(Hierarchical Data Format Earth Observing System) được chuyển đổi về định dạng GeoTIFF bằng cách sử dụng phần mềm ENVI
- Chuyển đổi hệ quy chiếu phù hợp với nghiên cứu: Dữ liệu MODIS với hệ quy chiếu ISIN (Integerized Sinusoidal) được chuyển đổi về hệ quy chiếu VN2000
Dữ liệu ảnh MODIS – MOD07 bao gồm 27 lớp phục vụ cho nhiều mục đích khác nhau, trong đó lớp dữ liệu độ ẩm không khí có độ phân giải không gian 1km và độ phân giải bức xạ 16bit Để tính toán độ ẩm không khí, lớp dữ liệu này được chiết tách và chuyển đổi sang dữ liệu số (DN) với độ phân giải bức xạ 12bit, quá trình này được thực hiện bằng phần mềm ENVI.
Hình 3.6: Tool chọn các sản phẩm để tính độ ẩm tương đối của ảnh MODIS - MOD07
3.4.2 Các ảnh tổ hợp chỉ số độ ẩm không khí theo tháng, theo mùa và ảnh chỉ số độ ẩm theo năm
Sau khi thu thập dữ liệu ảnh, chúng sẽ được tổ hợp theo tháng, mùa và năm dựa trên thông tin ngày tháng Phương pháp tổ hợp được thực hiện bằng công cụ Band Math trong phần mềm ENVI để tính toán và xử lý dữ liệu.
Hình 3.7: Các thuật toán tính tổ hợp ảnh MODIS - MOD07
* Các ảnh độ ẩm không khí được tổ hợp theo tháng, theo mùa và theo năm:
RH_Tháng 1 RH_Tháng 2 RH_Tháng 3
RH_Tháng 5 RH_Tháng 6 RH_Tháng 7
RH_Tháng 8 RH_Tháng 9 RH_Tháng 10
RH_Mùa khô RH_Mùa mưa RH_Năm 2012
Hình 3.8: Các ảnh tổ hợp độ ẩm không khí tương đối trong năm 2012
Xây dựng tổ hợp NDVI trung bình theo năm
Các ảnh MOD13A2 sẽ trải qua nhiều bước xử lý ảnh như chuyển đổi hệ tọa độ, hiệu chỉnh hình học, cắt ảnh theo khu vực Tây Nguyên, và thực hiện các bước lọc mây, lọc nhiễu để đảm bảo chất lượng và độ chính xác của dữ liệu.
Các ảnh NDVI tổ hợp 16-ngày được sử dụng để tạo ra ảnh tổ hợp tháng thông qua phương pháp Maximum Value Composite (MVC) Đây là một phương pháp truyền thống, phổ biến trong các nghiên cứu toàn cầu Nguyên tắc của phương pháp này là kết hợp các ảnh bằng cách chọn giá trị lớn nhất của pixel từ các ảnh đầu vào, giúp loại bỏ hoặc giảm thiểu các pixel có giá trị thấp, thường liên quan đến mây (giá trị NDVI gần 0).
85 - 95 các pixel bị nhiễu do các sai số hệ thông hay các nguyên nhân khác làm giải giá trị của chỉ số NDVI so với thực tế
3.5.2 Các ảnh tổ hợp chỉ số thực vật NDVI theo tháng, theo mùa và theo năm Ảnh sau khi được xử lý được tổ hợp thành ảnh trung bình theo tháng, ảnh tổ hợp theo mùa và ảnh tổ hợp theo năm, Sử dụng phương pháp tổ hợp bằng cách sử dụng công cụ Band Math trên phần mềm ENVI để tính toán và tổ hợp
Hình 3.9: Các thuật toán tính tổ hợp ảnh MODIS – MOD13A2
* Các ảnh Chỉ số NDVI được tổ hợp theo tháng, theo mùa và theo năm:
NDVI_Tháng 1 NDVI_Tháng 2 NDVI_Tháng 3
NDVI_Tháng 4 NDVI_Tháng 11 NDVI_Tháng 12
NDVI_Tháng 8 NDVI_Tháng 9 NDVI_Tháng 10
NDVI_ Mùa khô NDVI_Mùa mưa NDVI_Năm 2012
Hình 3.10: Các ảnh tổ hợp chỉ số thực vật NDVI trong năm 2012
Xây dựng mối tương quan giữa nhiệt độ, độ ẩm và lớp phủ thực vật
3.6.1 Phân tích không gian trong đánh giá mối tương quan giữa nhiệt độ, độ ẩm đến lớp phủ thực vật thông qua chỉ số thực vật (NDVI)
* Sử dụng GIS cho phân tích không gian
Phân tích không gian GIS bao gồm ba hoạt động chính: giải quyết các câu hỏi về thuộc tính, phân tích không gian và tạo dữ liệu mới từ cơ sở dữ liệu ban đầu Mục tiêu của phân tích không gian là trả lời các câu hỏi đơn giản về hiện tượng và vấn đề không gian, từ đó xây dựng thuộc tính cho các lớp dữ liệu và phân tích mối liên hệ giữa chúng Một số vấn đề cơ bản trong xử lý không gian được cụ thể hóa để nâng cao hiệu quả phân tích.
Xử lý thông tin trong một lớp bao gồm việc giải quyết các vấn đề liên quan đến thuộc tính của các đơn vị trong lớp, đo đạc các giá trị và phân tích mối quan hệ giữa các đơn vị trong bản đồ.
Xử lý thông tin nhiều lớp cho phép chồng xếp hai hoặc nhiều lớp thông tin, từ đó tạo ra nhiều đơn vị bản đồ mới Phương pháp này giúp chi tiết hóa thông tin của từng phần trong một đơn vị bản đồ, nâng cao độ chính xác và tính trực quan của dữ liệu địa lý.
Xử lý không gian: có thể có nhiều lớp thông tin mà xử lý không gian cần phải tính toán được mối liên hệ giữa chúng
* Tổ chức dữ liệu không gian của GIS
Dữ liệu không gian, trả lời cho câu hỏi "vị trí ở đâu?", được thể hiện trên bản đồ và hệ thống thông tin địa lý thông qua các hình thức như điểm (point), đường (line) và vùng (polygon).
Dữ liệu không gian đề cập đến thông tin về các đối tượng có vị trí xác định trên bề mặt trái đất Hệ thống thông tin địa lý (GIS) sử dụng hai loại mô hình dữ liệu địa lý chính: mô hình vector và mô hình raster.
Hình 3.11: Các mô hình vector và raster
Dữ liệu phi không gian
Dữ liệu phi không gian, hay còn gọi là thuộc tính, là những mô tả về đặc tính, đặc điểm và hiện tượng xảy ra tại các vị trí địa lý xác định Công nghệ GIS nổi bật với khả năng liên kết và xử lý đồng thời giữa dữ liệu bản đồ và dữ liệu thuộc tính Hệ thống thông tin địa lý thường bao gồm bốn loại số liệu thuộc tính.
- Đặc tính của đối tượng: liên kết chặt chẽ với các thông tin không gian có thể thực hiện SQL (Structure Query Language) và phân tích
- Số liệu hiện tượng, tham khảo địa lý: miêu tả những thông tin, các hoạt động thuộc vị trí xác định
- Chỉ số địa lý: tên, địa chỉ, khối, phương hướng định vị,… liên quan đến các đối tượng địa lý
Quan hệ giữa các đối tượng trong không gian có thể được phân loại thành hai dạng chính: đơn giản và phức tạp Sự liên kết giữa các đối tượng thể hiện cách chúng tương tác và ảnh hưởng lẫn nhau Khoảng tương thích là yếu tố quan trọng giúp xác định mức độ gần gũi hoặc tương đồng giữa các đối tượng Cuối cùng, mối quan hệ đồ hình giữa các đối tượng phản ánh cấu trúc và cách sắp xếp của chúng trong không gian, tạo nên một bức tranh tổng thể về sự tương tác và liên kết.
3.6.2 Phân tích hồi quy Đây là một phương pháp thống kê mà giá trị kỳ vọng của một hay nhiều biến ngẫu nhiên được dự đoán dựa vào điều kiện của các biến ngẫu nhiên (đã tính toán) khác Phân tích hồi qui không chỉ là trùng khớp đường cong (lựa chọn một đường cong mà vừa khớp nhất với một tập điểm dữ liệu); nó còn phải trùng khớp với một mô hình với các thành phần ngẫu nhiên và xác định (deterministic and stochastic components) Thành phần xác định được gọi là bộ dự đoán (predictor) và thành phần ngẫu nhiên được gọi là phần sai số (error term) Khi quan sát bộ số liệu thì thấy các số liệu đo đạc được có chiều hướng tăng theo từng năm, rất thuận tiện cho sử dụng phân tích hồi quy tuyến tính
Hồi quy tuyến tính là một trường hợp rất phổbiến trong thực tế, mô hình hồi quy tuyến tính đơn giản có dạng :
Yi: Giá trị của biến phụ thuộc y trong lần quan sát thứ i
Xi: Giá trị của biến độc lập x trong lần quan sát thứ i
Ei: Sai số ngẫu nhiên của lần quan sát thứ i A: Là giá trị trung bình của biến phụ thuộc Y khi biến độc lập X thay đổi 1 đơn vị
B: Là thông số diễn tả độ dốc của đường hồi qui của tập hợp chính, hay B diễn tả sự thay đổi của giá trị trung bình của biến phụ thuộc Y khi biến độc lập X thay đổi 1 đơn vị
Chúng ta có thể ước lượng các tham số (A, B) trong phương trình hồi quy tuyến tính đơn giản bằng cách sử dụng dữ liệu từ mẫu ngẫu nhiên đã thu thập.
Dựa vào số liệu của mẫu, ta có phương trình hồi quy tuyến tính đơn giản là Ŷ = a + bX, trong đó Ŷ là ước lượng giá trị trung bình của Y tương ứng với biến X đã biết Các tham số a và b lần lượt là ước lượng của A và B Bằng phương pháp bình phương cực tiểu, a và b được chứng minh là những ước lượng không chệch và vững cho A và B.
3.6.3 Sơ đồ khối phân tích, đánh giá tác động của nhiệt độ bề mặt, độ ẩm không khí đến lớp phủ thực vật thông qua chỉ số NDVI
Bản đồ lớp phủ thực vật (rừng)
Tổ hợp ảnh nhiệt độ bề mặt (LST) theo mùa, theo năm
Tổ hợp ảnh chỉ số thực vật (NDVI) theo mùa, theo năm
Tổ hợp ảnh độ ẩm không khí (RH) theo mùa, theo năm
Tổ hợp ảnh chỉ số thực vật (NDVI) theo mùa, theo năm
Xử lý dữ liệu ảnh (nắn chỉnh, lọc nhiễu, lọc mây…)
Quan hệ LST - NDVI Quan hệ RH - NDVI Đối sánh với bản đồ hiện trạng rừng
3.6.4 Mối tương quan giữa nhiệt độ bề mặt (LST), độ ẩm không khí (RH) và chỉ số thực vật (NDVI)
*) Sơ đồ vị trí các trạm quan trắc khu vực Tây Nguyên
Hình 3.12: Vị trí các trạm quan trắc khí tượng khu vực Tây Nguyên
*) Sai số của nhiệt độ bề mặt (LST) giữa số liệu các trạm quan trắc và số liệu tính toán trên ảnh MODIS
So sánh giá trị nhiệt độ bề mặt (LST) giữa các trạm quan trắc khí tượng và số liệu từ ảnh MODIS cho thấy trạm Kom Tum và Đắc Nông có sai số lớn nhất, lần lượt là 1,4 độ và 1,0 độ Các trạm còn lại đều có sai số nhỏ hơn.
Trạm quan trắc Kinh độ Vĩ độ
LST Quan trắc mùa mưa
LST Quan trắc mùa khô
LST Quan trắc trung bình năm
LST Trên ảnh MODIS mùa mưa
LST Trên ảnh MODIS mừa khô
LST Trên ảnh MODIS trung bình năm
Sai số LST mùa mưa
Sai số LST mùa khô
Sai số LST trung bình năm Đà Lạt 108 0 27’ 11 0 57’ 21.47 21.06 21.3 21.7 21.2 21.45 0.23 0.14 0.1
Kon Tum 108 0 00’ 14 0 20’ 28.53 29.66 29.1 30.8 30.2 30.5 2.27 0.54 1.4 Đắc Mil 107 0 37’ 12 0 27’ 26.93 27.06 27 26.8 27.6 27.2 -0.13 0.54 0.2 Đắc Nông 107 0 41’ 12 0 00’ 28.11 29.03 28.6 29.7 29.5 29.6 1.59 0.47 1.0
Số liệu nhiệt độ bề mặt tại các trạn quan trắc được cung cấp từ TRUNG TÂM DỰ BÁO KHÍ TƯỢNG THỦY VĂN TRUNG ƯƠNG, 2012
Đồ thị phân tán nhiệt độ bề mặt (LST) theo chỉ số thực vật chuẩn (NDVI) được xây dựng từ các ảnh MODIS trong năm 2012 Để tải xuống tài liệu TIEU LUAN MOI, vui lòng liên hệ qua email skknchat@gmail.com.
Để xác định mối quan hệ giữa nhiệt độ bề mặt và chỉ số thực vật NDVI, cần tính giá trị trung bình của cả hai yếu tố này Sau đó, sử dụng cặp giá trị trung bình để vẽ biểu đồ phân tán điểm (scattergram), từ đó phân tích và nhận diện mối liên hệ giữa chúng.
Hình 3.13: Biểu đồ quan hệ LST - NDVI mùa khô (a); mùa mưa (b) năm 2012
Hình 3.14: Biểu đồ quan hệ giữa LST - NDVI năm 2012
Biểu đồ quan hệ giữa LST và NDVI cho thấy mối liên hệ âm, cho thấy rằng khi chỉ số NDVI của các đối tượng thực vật tăng lên, nhiệt độ LST sẽ giảm xuống.