TRƯỜNG ĐẠI HỌC TAI NGUYEN VA MOI TRUONG
THANH PHO HO CHi MINH
KHOA: HE THONG THONG TIN VA VIEN THAM
Trang 2
TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG
Trang 3TP Hỗ Chí Minh, tháng 9 năm 2023
Tạp chí Khoa học ĐHTNVMT: Khoa học Tự Nhiên và Công Nghệ, Tập 1, Số 1(2023)
NGHIÊN CỨU XỬ LÝ ẢNH VIÊN THÁM ĐẺ THÀNH LẬP BẢN ĐỎ KHU VỰC NGẬP LỤT TẠI HUYỆN
QUANG DIEN NAM 2016
Định Quốc Ding'*, Lé Duy Minh Duong”, Huynh Công Hoàng)
!Khoa Hệ Thống Thông Tin và Viễn Thám,ĐH_TN&MT,236 B Lê Văn
Trang 4nghiên cứu này với độ chính xác là (98.46, 99.38 %) cung cấp những thông tin vô cùng hữu ích cho các đơn vị quản lý khi thực hiện quản lý rủi ro lũ lụt, khi thực hiện các công tác cứu hộ cũng như các hoạt động cứu trợ trong mùa lũ, xác định diện tích khu vực vùng ngập lũ nhằm ước tính thiệt hại, đưa ra các giải pháp ứng phó nhằm phòng chống và giảm thiểu thiệt hại do lũ, xác định thiệt hại do lũ, tăng cường hệ
thống cảnh báo và ứng phó sớm với lũ lụt,
1.Giới thiệu
Viễn thám từ lâu đã trở thành một công cụ hữu ích để nghiên cứu tài nguyên thiên nhiên và môi trường Từ các thay đổi bề mặt diễn ra nhanh chóng do thiên tai, do sự tàn phá của con người như: lũ lụt, sóng thần, phun trào núi lửa, phá rừng, cháy rừng Việt Nam nằm trong vùng cận xích đạo, với khí hậu nhiệt đới ẩm gió mùa, có lượng mây che phủ trung bình hàng năm rất cao, đặc biệt là thời điểm có bão, vì vậy việc sử dụng các loại ảnh vệ tỉnh quang học luôn gặp khó khăn
Vì vậy, việc ứng dụng xử lý ảnh viễn thám sẽ giúp cho việc thu thập, phân tích và đánh giá thông tin về các thay đổi của vùng ngập lụt trở nên chính xác hơn, nhanh chóng hơn và có tính ứng dụng cao hơn Nghiên cứu sẽ đưa ra các kết quả phần tích và mô hình hóa các thay đổi trong quá khứ, hiện tại của tỉnh Thừa Thiên Huế Các kết quả này sẽ hỗ trợ quản lý và bảo vệ môi trường, giúp địa phương có thể đưa ra các quyết định về phát triển kinh tế bền vững, quản lý tài nguyên và môi trường hiệu quả hơn
Vùng ngập lụt năm 2016 ở huyện Quảng Điền được xác định bằng phương pháp phân loại chỉ số mặt nước (land surface water index - LSWI) và chỉ số thực vật tăng cường (enhanced vegetation index - EVI) từ ảnh Landsat_8
2 Khu vực và dữ liệu nghiên cứu 2.1 Khu vực nghiên cứu
Khu vực nghiên cứu Quảng Điền là một huyện đồng bằng ven biển nằm về phía Đông Bắc của tỉnh Thừa Thiên Huế, Phía Đông và Nam giáp thị xã Hương Trà, phía Tây và Tây Bắc giáp huyện Phong Điền, phía Bắc và Đông Bắc giáp biển Đông Tổng diện tích tự nhiên của huyện là 16.304,55 ha, gồm 10 xã và 01 thị trấn, chiếm 3,24% tổng diện tích tự nhiên của tỉnh Thừa Thiên Huế.
Trang 5TINH THƯÁ THIÊN HUE
py 7
/ ` Biển Đông
(am! `"
về ~x\_ “HUYỆN QUÁNCĐIEN by
TA BS / PnongĐin “\ ‹„
Af
Huong Tra
Hình 1: Khu vực nghiên cứu(a), Bản đồ Huyện Quảng Điền trên ảnh vệ tinh(b)
2.2 Dữ liệu nghiên cứu
Dữ liệu sử dụng gồm 02 ảnh Landsat8 được lấy từ trang web:
2 LC08 L2SP 125048 20160806 20200906 02 T1 06/08/2 125/048 016
Phần mềm sử dụng: ENVI, GIS
3 Phương pháp nghiên cứu
Nghiên cứu sử dụng phần mềm ENVI 5.3 dé tiến hành xử lý anh vé tinh Trong đó, thao tac
nắn chỉnh ảnh dựa vào bản đồ nhằm loại bỏ các sai số biến dạng và xây dựng mối liên hệ giữa hệ toa
độ ảnh và hệ tọa độ quy chiếu ảnh Quá trình nắn chỉnh hình học theo lưới chiếu tọa độ tọa độ WGS
84 hệ quy chiêu UTM Zone 48N, cat anh theo ranh giới hành chính và địa hình vùng khu vực nhiên cứu, theo bản đồ nên tỷ lệ 1/25.000 Liên quan đến hoạt động phân loại ảnh, nghiên cứu sử dụng
Trang 6phương pháp ph4n loai c6 gidm sat (Supervised Classification) Cu thể, sử dụng thuật toán phân loại hàm xác suất cực đại(Maximum Likelihood Classifñcation) có độ chính xác cao
Tải ânh vê tỉnh ew Ghép anh
so sanh
Hình 2: Sơ đồ phương pháp nghiên cứu
Phương pháp tiền xử lý dữ liệu ảnh viễn thám bằng các phần mềm chuyên dụng Kỹ thuật giải đoán ảnh viễn thám được thực hiện với sự hỗ trợ của phần mềm giải đoán ảnh ENVI Tiến hành nắn ảnh bằng phần mềm ENVI và phương pháp nắn là phương pháp đơn giản (RST)
Sử dụng phần mềm ENVI thay đổi chất lượng ảnh của các ảnh Landsat để có hình ảnh rõ nét hơn và giải đoán một cách tốt hơn, có hiệu quả nhất Sự tồn tại của che phủ mây trên ảnh viễn thám là trở ngại đáng kể để đánh giá tình hình lũ lụt trong điều kiện thời tiết xấu
EVI và LSWI được tính toán từ độ phản xạ bề mặt của phổ phản xạ của băng đỏ (RED), băng xanh (GREEN), phổ phản xạ của băng cận hồng ngoại (NIR) và phổ phản xạ băng hồng ngoại ngắn (SWIR) của cảm biến Landsat TM / ETM với các công thức sau:
Trang 7NIR+6* RED-—7.5* BLUE+1
+ Ngập dài hạn: Những khu vực có thời gian ngập kéo dài (như sông, hồ và biển)
được phân biệt với các khu vực bị ngập lụt ngắn hạn, theo mùa và tập trung vào
những thay đổi theo thời gian của lũ lụt hàng năm: nếu tổng số ngày dưới dạng điểm ảnh liên quan đến nước lớn hơn hoặc bằng 250 ngày mỗi năm, thì các điểm ảnh được phân loại là các vùng nước dài hạn
Ngoài ra, một thử nghiệm Kappa không theo phép đo cũng được thực hiện để đo lường mức độ chính xác của phân loại vì nó không chỉ chiếm các yếu tố đường chéo mà còn cho tất cả các yếu tố trong ma trận sai số Kappa là thước đo chỉ mức độ phù hợp giữa dữ liệu đối chứng và kết quả phân loại được tính theo công thức sau:
KE = P(A) - P(E) ( 1- P(E) ‘wa
Trong đó: P(A) độ chính xác toàn cục cho bởi ma trận sai số; P (E) đại lượng thể hiện sự mong muốn (kỳ vọng) phân loại chính xác có thể dự đoán trước
Đánh giá tác động Sử dụng chức năng phân tích không gian của phần mềm ArcGIS để chồng ghép bản đồ hiện trạng sử dụng đất nông nghiệp và bản đồ ngập lụt 2016.
Trang 84.Kết quả nghiên cứu
Trang 9Vùng ngap nước
Trang 10
Hình 5: Bảng đồ có giám sát trước ngập lụt(a), Bản đồ có giám sát trong ngập lụt(b)
© ROI Separability Report — Oo »<
File
Tnput Eile: Huyen quang dien ROI Name: (Jeffries-Matusita Transformed Divergence)
Dat khác, [Red] 375 points
Dat rong rung [Green] 1260 points: (1.91524649 1.99996822) Dat a lua [Blue] 1921 points: (1.92625215 1.98642052)
Song suoi [Yellow] 1833 points: (1.99998556 2.00000000)
Dat trong rung [Green] 1260 point Dat khac [Red] 975 points; (1.91524649 1.99996822) Dat trong lua [Blue] 1321 points: (1.97750474 2.00000000) Song suci [Yellow] 1833 points: (1.99999998 2 00000000) Dat trong lus [Blue] 1921 points Dat khac [Red] 375 points: (1.92625215 1.38642052)
Dat trong rung [Green] 1260 points: (1.97750474 2.00000000) Song suoi [Yellow] 1833 points: (1 9$533702 2 000000003
Song suoi [Yellov] 1833 point Dat khac [ peal 975 points: (1.99998556 2_00000000) | trong rung [Green] 1260 points (1.99999998 2.00000000)
Dat trong lua [Blue] 1921 points: (1°99999702 2 00000000)
Pair Separation (least to most):
Dat khac [Red] 375 points and Dat trong rung [Green] 1260 points — 1.91524649
Input File: Huyen quang di
ROI Nane (effriesMatuai ta, Transforned Divergence)
Dat khac [Red] 391 points
Dat trong rung [Green] 806 pond (1.95113422 1.99997103) Vung ngap nuoc [Blue] 658 poi (1.99966491 2.00000000)
Song suoi [Yellow] 1223 Painted St 00000000 2.00000000)
Dat eed on (Green] 806 poin:
c [Red] 391 points: a 95113422 1 939997103) Đông nee nuoc [Blue] 658 points: (1.99999973 2.00000000) Song suoi [Yellow] 1223 points: (2.00000000 2.00000000)
Vung ngap nuoc [Blue] 658 poin'
Dat kh ] 391 points: “ti 99966491 2.00000000)
Dat trong rung [Green] 806 points: (1.99999973 2.00000000)
Song suoi [Yellow] 1223 Soe (1.99917828 2.00000000)
Song ef eo 1223 poin
Dat k [Red] 391 nh (2.00000000 2 00000000)
Dat oe rung [Green] 806 points: (2.00000000 2.00000000) Yung ngap nuoc [Blue] 658 points: (1.99917828 2.00000000)
Pair Separation (least to nost):
Dat khac [Red] 391 points and Dat trong rung [Green] 806 points - 1.95113422
Vung ngap nuoc [Blue] 658 points and Song suoi [Yellow] 1223 points - 1.99917828 Dat khac [Red] 391 points and Vung ngap nuoc [Blue] 658 points - 1 99966491
Dat trong rung [Green] 806 points and Vung ngap nuoc [Blue] 658 points - 1.99999973 Dat trong rung [Green] 806 points and Song suoi [Yellov] 1223 points — 2.00000000 Dat khac [Red] 391 points and Song suoi [fellow] 1223 points - os 00000000
Hình 7 Bảng đánh giá độ tin cậy trong ngập lụt
Trang 11Total 978 126 1921 1833 ssa9 Ground = =
=: ROI:Dat aon ecROI:Dat trongROI:Dat trongROI:Song suci Total
Unclassified oo 0.0 0.0 0.00 o.oo
Dat khac [Red t trong run sẽ 87 0.31 s7.6 2.0 0.26 1.20 ø.nũ 1.25 17.00 20.97
Dat trong lua 0.82 0.3 98.54 o.oo 31.81
Song suci [Ye Total 100.00 0.00 100.0 0.0 100.00 0.00 100.00 96.75 100.00 30.22 Class Commission (Percent } (Percent ) Omission Commission (Bixele) Omission (Pixelo)
Dat eS (Red 1.13 S4-1018 1179758
Ds run 2.07 2.38 26-1256 3071260 Dat trong lu 0.63 1.46 12719058 2871921 Song suoi [Ye o.00 1.25 0⁄1810 23⁄1833
Class Prod Acc User Acc Prod Acco User Acco
(Percent) (Percent > (Pixels) Pixels)
Dat a H5 98.87 3 964-975 964-1018
Dat tro: 37.62 97.93 123071260 1230/1256 Det trong lus 98.54 39.37 1893-192 1893-1905 Song suci [Ye 98.75 100.00 1810-1833 181071810
Hình 8: Đánh giá sai số Pixel dựa trên chỉ số KAPA trước ngập lụt
File Confusion Matrix: D:»VTUDSxTxrongNL`CG gian sat đa xu lý
Overall Accuracy = (305973078) 99.3827% Kappe Coefficient = 0.9913
Ground Truth (Pixels) Da
ROI:Det khecROI:Dat trongROI:Vung ngapROI:Song =uoi Total Unclassified Ũ ũ 0 ũ Dat khac [Red 391 18 0 0 409 Dat trong run 9 700 9 0 798 Vung ngap nuo 9 0 6S8 1 659 Song suoi (Ye ‘otal 391 0 06 0 6s8 ụ 1222 1223 1222 3078
Ground Truth (Percent)
Class ROI:Dat khacROI:Dat trongROI:Vung ngapROI:Song suoi Total Unclassified g 0 00 0.00 0.00 Dat khac [Red 100.00 2°33 0.00 0.00 13.29 Dat trong run 0.00 97.77 0.00 0.00 25.60 Vung ngep nuo 0.00 0.00 100.00 0.08 21.41 Song =uoi [Y= Total 100.00 oo 100.00 0.00 100.00 oo 100.00 99.92 100.00 39.70 Cless c Omission
(Percent ) (Percent ) (Pixels) (Pixels) Dat khac [Red at trong xì 4.40 0.00 0.00 2.23 187403 07788 187806 07391
Vung ngap nuo 0.15 0.00 17659 07658
Song suci [¥ 0.00 0.08 0⁄1222 1⁄1223
(Percent ) (Percent ) (Pixels) (Pixels) Dat khac [Red Jat trong run 97.77 100.00 60 3917391 788806 3917403 788788 Vung ngap nuo 100.00 99.85 6587658 6587659
Song suoi [Ye 99.92 100.00 122271223 122271222
Hình 8: Đánh giá sai số Pixel dựa trên chỉ số KAPA trong ngập lụt
Trang 1207°25'0"E 107°30'0"E 107°35'0"E
Bản đô vùng ngập lụt ở huyện Quảng Điện
107°25'0"E 107°30'0"E 107°35'0"E
Hình 9: Bản đồ ngập lụt ở huyện Quảng Điền
Trang 135 Kết luận
Với bộ dữ liệu gồm 2 sản phẩm ảnh ghi nhận thông tin của Huyện Quảng Điền, Thừa Thiên Huế năm 2015 và 2016, vùng ngập lụt tại khu vực này đã được xác định với độ chính xác (98.46 , 99.38 %)
Nghiên cứu này cho thấy có thể áp dụng cho các cơ quan, trung tâm, đơn vị nghiên cứu thực hiện về giám sát, quản lý tài nguyên môi trường để phát hiện kịp thời và chính xác vùng bị ngập lụt cũng như những thay đổi của bề mặt Trái Đất do nhiều nguyên nhân khác nhau gây ra
TÀI LIỆU THAM KHẢO
[1]Rosenfield G H and Fitzpatrick-Lins K., 1986 A coefficient of agreement
as a measure of thematic classification accuracy Photogrammetric Engineering and Remote Sensing, 52(2): 223-227 Available at http://pubs.er.usgs.gov/publication/70014667
[2]Sanyal J and Lu X X., 2004 Application of remote sensing in flood
management with special reference to monsoon Asia: a review Natural
[4]UBND huyện Quảng Điền., 2015 Báo cáo tổng kết công tác phòng, chống thiên tai và tìm kiếm cứu nạn năm 2015, phương án, kế hoạch phòng, chống thiên tai và tìm kiếm cứu nạn năm 2016
[5]Nguyễn Lập Dân, Nguyễn Thị Thảo Hương, V T T L., 2007 Lũ lụt miền Trung, nguyên nhân và các giải pháp phòng tránh Nxb Khoa Học-Tự Nhiên và Công Nghệ, Hà Nội, 264, 10 (1-3): 127-142.