Ứng dụng công nghệ điện toán đám mây Google Earth Engine trong nghiên cứu lũ lụt tại Đồng Tháp, hạ lưu sông Mê Công

Công nghệ điện toán đám mây đang là một xu hướng ứng dụng công nghệ thông tin mới và dần trở thành nền tảng để giải quyết các bài toán dữ liệu lớn. Nghiên cứu này ứng dụng khai thác công nghệ điện toán đám mây Google Earth Engine (GEE) để xử lý chiết tách thông tin diện tích ngập lụt từ dữ liệu ảnh vệ tinh quang học Landsat (TM, ETM, OLI) giai đoạn 1996- 2016 và vệ tinh radar Sentinel-1 giai đoạn 2015-2017 cho khu vực tỉnh Đồng Tháp, hạ lưu sông Mê Công.

KHOA HỌC CƠNG NGHỆ ỨNG DỤNG CƠNG NGHỆ ĐIỆN TỐN ĐÁM MÂY GOOGLE EARTH ENGI NE TRONG NGHIÊN CỨU LŨ LỤT TẠI ĐỒNG THÁP, HẠ LƯU SÔNG MÊ CÔNG Vũ Hữu Long, Nguyễn Vũ Giang, Phạm Việt Hòa, Viện Hàn Lâm Khoa học Công nghệ Việt Nam Nguyễn Thanh Hùng Viện Khoa học Thủy lợi Việt Nam Tóm tắt: Cơng nghệ điện tốn đám mây xu hướng ứng dụng công nghệ thông tin dần trở thành tảng để giải toán liệu lớn Nghiên cứu ứng dụng khai thác cơng nghệ điện tốn đám mây Google Earth Engine (GEE) để xử lý chiết tách thơng tin diện tích ngập lụt từ liệu ảnh vệ tinh quang học Landsat (TM, ETM, OLI) giai đoạn 19962016 vệ tinh radar Sentinel-1 giai đoạn 2015-2017 cho khu vực tỉnh Đồng Tháp, hạ lưu sông Mê Công Kết chuỗi đồ ngập lụt thành lập lũ khu vực Đồng Tháp gây diện ngập lớn vào thời điểm năm 2000 chiếm 77,68% diện tích tồn tỉnh, giảm rõ rệt năm gần đây, ngập 27,76 % năm 2015 Ngoài việc sử dụng để hiệu chỉnh mơ hình dự báo ngập lụt, kết cung cấp thêm luận khoa học thông tin tin cậy cho việc quản lý khai thác sử dụng nguồn nước địa phương Bên cạnh đó, nghiên cứu cho thấy cơng cụ GEE có tốc độ truy cập xử lý ảnh vệ tinh nhanh với độ tin cậy cao Đây công cụ có tiềm việc khai thác, xử lý, phân tích ảnh vệ tinh liệu khơng gian khác cho nhiều mục tiêu nghiên cứu Keywords: Google Earth Engine, Bản đồ ngập lụt Summary: Cloud computing is a trendy approach of information technology and gradually becoming a platform for addressing big data processing This study explored the cloud-based platform - Google Earth Engine (GEE) to derive the flood information from optical satellite data Landsat (TM, ETM, OLI) from 1996 to 2017 and radar data Sentinel-1 in 2015-2017 in Dong Thap, lower Mekong river basin The timeseries flooded maps indicated the most severe flood in Dong Thap in 2000, covered 77.68% province, and floodings decreased recently, covered only 27.76% province area in 2015 This is a valuable information for water resource management, and validation of flooding model in this region This study also showed the potential application of GEE in accessing and processing multi-platform data for many geospatial researches ĐẶT VẤN ĐỀ* Thành lập đồ ngập lụt từ tư liệu ảnh viễn thám toán phổ biến lĩnh vực công nghệ viễn thám (M arionTanguy, 2017) Bản đồ ngập lụt giải số nhu cầu thiết xác định khu vực bị ảnh Ngày nhận bài: 15/01/2018 Ngày thông qua phản biện: 14/04/2018 Ngày duyệt đăng: 20/4/2018 hưởng, ước tính thiệt hại lũ lụt, xác định vết lũ để hiệu chỉnh mơ hình dự báo Cùng với tiến nhanh chóng khoa học cơng nghệ, phương pháp, tư liệu phục vụ thành lập đồ ngập lụt có thay đổi để phù hợp với xu Các phương pháp thành lập đồ ngập lụt nghiên cứu giới đa dạng tương ứng với loại tư liệu ảnh viễn thám TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC CÔNG NGHỆ khác Tại Hoa Kỳ, Klemas (2015) nghiên cứu vùng ngập lụt khu vực sông M ississippi cặp ảnh quang học Landsat TM trước thời điểm ngập lụt; Kucera (2014) dùng ảnh radar Sentinel-1A để thành lập đồ ngập lụt khu vực bán đảo Balkan dựa ngưỡng giá trị tán xạ ngược phân cực VV ảnh Trong nghiên cứu nâng cao độ xác đồ ngập lụt từ ảnh Sentinel, năm 2017 Đức, Clement sử dụng chuỗi 15 ảnh Sentinel phân cực VV kết hợp với thông tin ngập lụt chiết tách từ liệu viễn thám quang học Landsat, cho phép chiết tách điểm ngập nhỏ với độ xác cao (M A Clement, 2017) Tổ chức UNSPIDER năm 2015 đưa phương pháp thành lập đồ ngập lụt cách sử dụng cặp ảnh Sentinel-1A trước thời điểm ngập (UNSPIDER, 2015) Ở Việt Nam, nghiên cứu thành lập đồ ngập lụt tiến hành nhiều xây dựng thành quy trình, kể tới nghiên cứu tiêu biểu như: nghiên cứu sử dụng tư liệu ảnh radar ERS-2 SAR PRI thành lập đồ ngập lụt Nguyễn Thành Long Bùi Doãn Trọng (Long N.T., 2001); nghiên cứu sử dụng liệu ảnh radar ENVISAT RADARSAT-1 theo dõi đánh giá thành lập đồ ngập lũ tỉnh Long An (Quân N.H., 2013) Hầu hết việc thu thập xử lý ảnh viễn thám nghiên cứu thực theo cách truyền thống tải liệu về, sau xử lý cảnh ảnh sử dụng phần mềm cơng cụ máy tính cá nhân Phương thức cịn phổ biến nay, nhiên có nhiều nhược điểm là: tốc độ xử lý phụ thuộc vào độ lớn liệu cấu hình máy tính Những liệu miễn phí nay, dung lượng lên tới vài Gb cảnh ảnh, ví dụ ảnh landsat khoảng 1.8Gb, ảnh Sentinel-2 lên tới 6Gb, Sentinel-1 Gb, việc xử lý địi hỏi máy tính có cấu hình phải mạnh phần mềm thương mại đắt tiền ENVI, ERDAS Bên cạnh việc thu thập liệu chiếm nhiều thời gian Điện toán đám mây xu xử lý, phân tích lưu trữ liệu Xuất phát từ yêu cầu khoa học công nghệ lĩnh vực công nghệ không gian, Google Earth Engine (GEE) nghiên cứu phát triển Đây công nghệ phát triển tảng điện toán đám mây, mạnh để xử lý ảnh vệ tinh nguồn liệu quan trắc khác Những ứng dụng khai thác ban đầu tảng GEE kể tới sử dụng GEE để phát suy thoái rừng phạm vi toàn cầu nhờ nguồn liệu ảnh Landsat đa thời gian, hay sử dụng GEE để phân loại lớp phủ, sử dụng GEE để ước tính sinh khối trữ lượng carbon rừng (M C Hansen, 2013; N Patel, 2015) Tổ chức SERVIR-M EKONG sử dụng công cụ nhằm hỗ trợ kiểm kê quản lý nguồn nước mặt Xuất phát từ thực tiễn trên, nghiên cứu hướng tới mục tiêu thử nghiệm khả phân tích, xử lý khai thác hệ thống sở liệu ảnh Google việc chiết tách thông tin diện ngập lũ Công tác thành lập đồ ngập lụt thực tảng công nghệ điện toán đám mây Google Earth Engine M ọi công đoạn từ thu thập liệu, xử lý, phân tích ảnh tiến hành trực tuyến hệ thống máy chủ Google Từ đó, đề xuất phương án sử dụng, khai thác công cụ GEE đầy tiềm KHU VỰC NGHIÊN CỨU Tỉnh Đồng Tháp tỉnh nơi sông M ê Công chảy vào Việt Nam từ Campuchia Đây nơi có đặc điểm lũ đặc trưng cho khu vực Đồng sông Cửu Long (ĐBSCL) Là tỉnh nằm vùng hạ lưu sông M ê Cơng, Đồng Tháp có hệ thống sơng rạch lớn với hai sơng sơng Tiền sơng Hậu Sông Tiền chảy vào Việt Nam khu vực giáp ranh huyện Hồng Ngự tỉnh Đồng Tháp Tân Châu, tỉnh An TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC Giang sông Hậu chảy qua Đồng Tháp qua địa phận huyện Lấp Vị, Lai Vung CƠNG NGHỆ giới Lũ tràn quan biên giới có tác động gây ngập lớn đồng Hiện nay, lũ tràn Tứ giác Long Xuyên kiểm sốt tốt, cịn Đồng Tháp Mười gần chưa kiểm soát (SIWRR, 2013) TÀI LIỆU VÀ PHƯƠNG PHÁP 3.1 Cơng nghệ điện tốn đám mây Google Earth Engine phân tích xử lý ảnh vệ tinh Hình Sơ đồ vị trí khu vực nghiên cứu Đặc điểm lũ tỉnh Đồng Tháp chủ yếu mưa lưu vực sông M ê Công gây Hàng năm, mùa lũ xảy đồng thời với mùa mưa, kéo dài liên tục khoảng 4-5 tháng, thường từ tháng đến tháng 11 Lũ ĐBSCL thường có hai đỉnh, đỉnh đầu thường xảy cuối tháng đến tháng 8, gọi lũ đầu vụ, lũ tháng 8; đỉnh tháng đến đầu tháng 10, thường gọi lũ vụ Tuy vậy, lũ vụ xảy muộn hơn, ví dụ năm 2011, số năm khơng có lũ hay lũ nhỏ, chẳng hạn 1998, 2015 Lũ đồng lên xuống chậm, theo chất lũ lưu vực lớn Nói chung, cường suất lũ từ 2-3 cm đến 10-15cm/ngày Lũ đầu vụ có cường suất lớn lũ vụ Trong thời gian qua, lũ ĐBSCL có biến đổi khác với trước đây, lũ lớn dường xuất khí lũ vừa nhỏ nhiều Lũ sông M ê Công vào nước ta theo hai hướng: (1) dịng M ê Cơng; (2) tràn qua biên GEE tảng điện toán đám mây để phân tích liệu viễn thám, thơng số mơi trường, khí tượng cấp độ từ khu vực nhỏ tới quy mơ tồn cầu Trên GEE có tích hợp sẵn kho lưu trữ hàng chục petabyte liệu ảnh viễn thám miễn phí từ Cơ quan Hàng không Vũ trụ Mỹ (NASA), Cục Địa chất liên bang Hoa Kỳ (USGS), Cơ quan hàng không vũ trụ Châu Âu (ESA) liệu khác Hạ tầng điện toán đám mây của GEE tối ưu hoá để xử lý liệu không gian, kể xử lý chuỗi liệu viễn thám khoảng thời gian dài với dung lượng lớn Điều cho phép xử lý, chiết tách thông tin ngập lũ lịch sử cách đồng diện rộng Nghiên cứu sử dụng ảnh vệ tinh khoảng thời gian 20 năm, giai đoạn 19962017 Đây giai đoạn xảy trận lũ lịch sử Đồng Tháp GEE đời xuất phát từ ý tưởng kết hợp tri thức khoa học với nguồn liệu khổng lồ nguồn lực công nghệ Google Sự kết hợp đem đến hiệu lớn tốc độ xử lý khả tùy biến phát triển ứng dụng Tốc độ tính tốn, xử lý GEE nhanh chưa có (NoelGorelick, 2017) Thông thường việc tải xử lý ảnh viễn thám nhiều thời điểm khu vực nghiên cứu rộng tỉnh, vùng hay toàn quốc thời gian tới hàng tuần chí tới vài tháng cho dù sử dụng máy tính để bàn với cấu hình mạnh phần mềm thương mại phổ biến Tuy nhiên với tảng điện toán đám mây GEE, việc tính tốn khoảng thời gian tính vài phút nhờ vào việc phân vùng TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC CÔNG NGHỆ liệu xử lý song song hệ thống máy chủ Google Google Earrth Engine cho phép xây dựng chương tình tính tốn dựa giao diện lập trình ứng dụng (API) sử dụng ngơn ngữ lập trình thông dụng JavaScript Python Từ giao diện API này, nhóm nghiên cứu xây dựng chương trình chiết tách thông tin diện ngập lũ từ tập liệu ảnh Landsat Sentinel-1 3.2 Dữ liệu sử dụng Nghiên cứu sử dụng liệu ảnh vệ tinh quang học Landsat (cho giai đoạn 1996 trở lại đây) vệ tinh radar Sentinel-1 (giai đoạn 2015 trở lại đây) Đây sở liệu ảnh lớn M ỹ Châu Âu gồm NASA, U SGS ESA tích hợp tồn vào hệ thống sở liệu GEE Dữ liệu ảnh Landsat sử dụng bao gồm ảnh Landsat-5 TM , Landsat-7 ETM +, Landsat8 OLI với đặc tính chung độ phân giải không gian kênh đa phổ 30 m, thời gian chụp lặp 16 ngày, số kênh phổ đủ lớn để thực nhiệm vụ quan sát, theo dõi nhiều loại đối tượng, tượng bề mặt trái đất, có lũ lụt Dữ liệu ảnh vệ tinh radar Sentinel-1A, 1B liệu vệ tinh hệ quan hàng không vũ trụ châu Âu Các vệ tinh phát triển để cung cấp liệu ảnh viễn thám giám sát tồn cầu thuộc Chương trình Europe’s Copernicus Thơng qua việc cung cấp nguồn liệu chất lượng cao miễn phí phạm vi tồn cầu, Chương trình tạo bước thay đổi cách quản lý, giám sát môi trường, hiểu giải ảnh hưởng biến đổi khí hậu Vệ tinh thiết kế để thực nhiệm vụ như: giám sát biển, bao gồm giám sát tràn dầu quản lý an ninh hàng hải; giám sát mặt đất rủi ro sạt lở đất đá, quản lý tài nguyên rừng, nước mặt đất đai, lập đồ ứng phó với tình khẩn cấp, thiên tai phục vụ nhiệm vụ cứu hộ, nhân đạo đặc biệt lập đồ ngập lụt Sentinel-1A phóng vào quỹ đạo ngày 3/4/2014 Sentinel-1B phóng ngày 25/4/2016 Dữ liệu Sentinel-1A 1B cung cấp miễn phí hệ thống điện tốn đám mây GEE, sản phẩm đưa vào khai thác sử dụng sau tiến hành tiền xử lý theo quy trình tiêu chuẩn cơng cụ tiền xử lý Sentinel Do liệu Sentinel1 sử dụng phục vụ chiết tách thông tin vùng ngập lũ tỉnh Đồng Tháp năm 2015 tới Trong năm 2015 tới cuối năm 2016 chu kỳ chụp lặp vệ tinh 12 ngày có vệ tinh 1A phóng lên quỹ đạo Từ khoảng tháng 10 năm 2016 trở lại đây, sau bổ sung thêm vệ tinh 1B, chu kỳ chụp lặp dày hơn,khoảng ngày ảnh Đây lợi lớn nghiên cứu, theo dõi đánh giá diễn biến lũ lụt 3.3 Phương pháp sử dụng Quy trình xử lý ảnh Landsat ảnh Sentinel-1 chiết tách thông tin vùng ngập lũ mơ tả Hình Hình Về quy trình sử dụng phổ biến giới Tuy nhiên, nghiên cứu, ngồi việc xử lý ảnh vệ tinh thơng qua GEE, cịn có thay đổi quy trình chiết tách sử dụng mặt nước thường xuyên năm tổ hợp theo giá trị trung vị khoảng thời gian trước mùa lũ Nhờ vào phương pháp tổ hợp này, phần diện tích mặt nước thường xuyên sông, kênh, rạch, ao nuôi thủy sản phân tách riêng Do đó, loại bỏ phần diện tích mặt nước khơng phải ngun nhân ngập lũ ảnh vệ tinh đa thời gian N guyên tắc áp dụng cho loại tư liệu ảnh Landsat Sentinel-1 Tư liệu ảnh giai đoạn 1996-2017 sử dụng truy vấn lọc kết ảnh chụp theo thời điểm xảy lũ, đặc biệt đỉnh lũ năm Lũ đồng sơng Cửu Long nói chung Đồng Tháp nói riêng có đỉnh lũ trì liên tục vịng 10 ngày, sau xuống, TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC xuống chậm Do vậy, xác xuất chụp ảnh vệ tinh thời điểm lũ cao sử kết hợp nguồn tư liệu ảnh vệ tinh có Với ảnh vệ tinh quang học Landsat, quy trình xử lý tập trung vào việc loại bỏ yếu tố nhiễu gây mây, tính tổ hợp bù mây, sau tính số nước khác biệt nước Normalized Difference Water Index (NDWI) NDWI phương pháp phát triển để nhận diện đối tượng mặt nước tăng cường hiển thị đối tượng mặt nước tư liệu viễn thám M cFeeters (1996) NDWI sử dụng kênh phổ phản xạ dải cận hồng ngoại (NIR) kênh phổ phản xạ dải sóng xanh lục (Green) để phát có diện nước mặt, đồng thời loại bỏ diện đối tượng khác bề mặt đất thực vật Trong nghiên cứu này, NDWI cho phép xác định diện tích phân bố nước mặt ảnh chụp thời điểm lũ diện tích nước mặt thường xuyên ảnh tổ hợp trước lũ (từ tháng đến tháng 7) Cơng thức tính số nước mặt sau: ீ௥௘௘௡ିேூோ NDWIൌ ீ௥௘௘௡ାேூோ Trong Green tương ứng với kênh ảnh Landsat TM , ETM kênh ảnh Landsat OLI NIR tương ứng với kênh ảnh TM , ETM kênh ảnh OLI Bản đồ vùng ngập lũ sản phẩm cuối sau loại bỏ đối tượng mặt nước thường xuyên năm, đối tượng mặt nước (đất, thực vật) Với ảnh radar Sentinel-1, nghiên cứu sử dụng chuỗi ảnh phân cực VV chụp trước thời điểm lũ Đặc tính sóng radar phân cực VV phản xạ lại từ bề mặt nước tới đầu thu vệ tinh nhỏ tín hiệu tán xạ ngược sóng radar từ bề mặt phẳng nước đầu thu yếu Vì vậy, điểm ảnh (pixel) ảnh radar thường có giá trị thấp, thể điểm ảnh sẫm màu, sở để để phân tách diện tích nước với đối tượng bề mặt khác CÔNG NGHỆ Ảnh vệ tinh Landsat (TM, ETM+, OLI) GEE Lọc ảnh theo biến thời gian không gian Tiền xử lý ảnh (lọc bỏ mây) Tính số nước mặt NDWI cho ảnh năm Tính số nước mặt NDWI thời điểm lũ Tính tổ hợp số nước mặt NDWI theo giá trị trung vị trước thời điểm Chiết tách diện tích vùng ngập lũ Lập đồ ngập lũ Hình Sơ đồ quy trình xử lý chiết tách thơng tin vùng ngập lũ sử dụng ảnh Landsat GEE Ảnh vệ tinh Sentinel-1 phân cực VV chụp trước thời điểm lũ tổ hợp giá trị trung vị để xác định diện tích mặt nước thường xuyên, tương tự phương pháp tiến hành ảnh Landsat Ảnh Sentinel-1 phân cực VV chụp thời điểm lũ cung cấp thông tin mặt nước phân bố thời điểm chụp, tức bao gồm mặt nước thường xuyên mặt nước ngập lũ Để chiết tách diện ngập lũ, phương pháp lấy ngưỡng hiệu số ảnh phân cực chụp TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC CÔNG NGHỆ thời điểm ngập lũ trước ngập lũ Qua phân tích thống kê điểm mẫu nước thực tế giá trị điểm ảnh phân cực VV, nghiên cứu lấy ngưỡng giá trị hiệu thời điểm với mặt nước nhỏ -3.5 Decibel Tập hợp ảnh Sentinel-1 GEE Lọc ảnh theo biến thời gian không gian Lựa chọn phân cực VV (đơn vị decibel) Ảnh Sentinel-1 chụp thời điểm lũ Tổ hợp ảnh Sentinel -1 chụp trước thời điểm lũ Lấy hiệu giá trị điểm ảnh hai thời điểm trước lũ Chiết tách diện tích vùng ngập lũ Lập đồ ngập lũ Hình Sơ đồ quy trình xử lý chiết tách thơng tin vùng ngập lũ sử dụng ảnh radar Sentinel-1 GEE KẾT QUẢ VÀ THẢO LUẬN Kết bước xử lý ảnh thực cho thời điểm lũ sử dụng ảnh Landsat minh họa Hình Theo tập ảnh Landsat sau truy xuất từ sở liệu Google lọc bỏ mây tính ảnh tổ hợp cho thời điểm trước lũ Các pixel xác định mây loại bỏ hết, thay vào giá trị điểm ảnh tổ hợp bù vào từ ảnh khơng mây có thời gian, mùa tương tự năm Ảnh Landsat tổ hợp trước thời điểm lũ năm thể giá trị trung vị pixel (Hình 4b), phần diện tích nước thường xun năm gần giữ nguyên đặc tính phổ nước dễ dàng phát (Hình 4d) Phương pháp cho phép lấy mép nước ổn định năm nhánh sông, ao, hồ nội đồng Kết chiết tách không ứng dụng phạm vi đề tài nghiên cứu mà cịn sử dụng để nghiên cứu thay đổi hình thái sơng, sạt lở bồi tụ theo thời gian Ảnh chụp thời điểm lũ tính tốn số nước mặt NDWI, qua xác định mức độ phân bố nước mặt thời điểm lũ Để chiết tách riêng diện tích ngập lũ phải loại bỏ pixel không bị ngập pixel mặt nước thường xuyên năm, kết hợp ảnh trước lũ thu kết diện tích vùng ngập lũ (Hình 4e) Vùng ngập lụt sử dụng hàm thống kê trực tiếp GEE cho phép trích xuất thống kê khơng gian vùng ngập lũ Tiếp cận tiến hành tương tự với ảnh Landsat năm 1996, 2000, 2001, 2004, 2008, 2009, 2011, 2014 Đây năm điển hình, có liệu ảnh vệ tinh chụp thời điểm lũ Đặc biệt năm 2000 năm có trận lũ lịch sử lớn 80 năm qua đồng sông Cửu Long (Hối T.N., 2009) Kết xử lý liệu ảnh radar Sentinel-1 Google Earth Engine, mô tả với thời điểm lũ năm 2017 Hình Trong Hình 5a thể ảnh Sentinel tổ hợp tháng trước mùa lũ, từ tháng đến tháng Trong đó, pixel sẫm màu diện tích mặt nước thường xun năm Hình 5b thể ảnh chụp thời điểm lũ, với khoảng diện tích mặt nước pixel sẫm màu phân bố rộng Sau lấy hiệu hai ảnh chụp trước lũ thu ảnh Hình 5c Từ ảnh TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC hiệu phân cực này, lấy ngưỡng để chiết tách vùng ngập lũ (Hình 5d), tập hợp điểm mẫu chiết tách thống kê để phân tích ngưỡng chuẩn, giá trị chuẩn theo đơn vị decibel hiệu hai ảnh trước lũ xác định ngưỡng -3.5 Phương pháp áp dụng cho ảnh Sentinel-1 năm 2015, 2016 2017 CƠNG NGHỆ sơng M ê Cơng Đây khởi đầu cho năm ĐBSCL gánh chịu đợt hạn mặn nghiêm trọng vào mùa khô 2015-2016 Thông qua công cụ GEE, nghiên cứu tiến hành phân tích thống kê diện tích ngập lũ năm năm Kết thể Bảng 1, biểu đồ Hình Hình Bảng thống kê (Bảng 1) Biểu đồ (Hình 6) ra, nửa đầu năm 2000 trở trước, diện tích ngập lũ rộng, thời điểm năm 2000, năm ghi nhận có đỉnh lũ cao thứ hai lịch sử, sau năm 1961 Diện tích ngập lũ lớn vào năm 2000 với 77.68% diện tích tỉnh Đồng Tháp Diện tích cao nhiều so với năm lại, điều phần cho thấy cường độ trận lũ lịch sử Ngồi lũ năm 1996, 2001, 2004 có diện tích ngập lũ lớn từ 68-70%, lũ năm 1996 2001 nằm vào nhóm trận lũ lớn lịch sử đồng sông Cửu Long a) b) c) d) Với chuỗi số liệu kết thu được, diện tích ngập lũ tương đồng từ sau năm 2000, giảm năm nửa cuối thập niên, chiếm khoảng 62% giai đoạn 2008-2009 Năm 2011 lũ lại tăng trở lại với cường độ mạnh, đỉnh lũ đạt 4.87m diện tích ngập lũ thống kê ảnh vào thời điểm tháng 10 (lũ vụ) năm 2011 lên tới 67.84% Số liệu đỉnh lũ thống kê diện ngập lũ ảnh từ sau năm 2011 thấy có giảm xuống nhanh chóng Số liệu diện tích ngập lũ thống kê ảnh radar Sentinel-1 giai đoạn 2015-2017 cho thấy thời gian đỉnh lũ ngập khoảng 27.76 %, thấp giai đoạn theo dõi Có nhiều nguyên nhân dẫn tới suy giảm này, phải kể tới tượng El Nino (2014-2016), hoạt động xây dựng đê bao chống lũ để sản xuất lúa vụ 3, tác động tích nước điều tiết dịng chảy đập thủy điện xây dựng thượng nguồn e) Hình Kết xử lý ảnh Landsat GEE qua bước, đó: a) Ảnh thời điểm lũ 27/9/2000; b) Ảnh tổ hợp trước thời điểm lũ năm 2000; c) Ảnh số nước mặt thời điểm lũ, d) Ảnh số nước mặt trước thời điểm lũ; e) Ảnh chiết tách vùng ngập lũ 9/2000 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC a) CƠNG NGHỆ b) d) Hình Kết xử lý ảnh Sentinel GEE qua bước, đó: a) Ảnh phân cực VV chụp trước thời điểm ngập lũ tổ hợp tháng 1tháng 7/2017; b) Ảnh phân cực VV chụp thời điểm ngập lũ tháng 10/2017; c) Hiệu số hai ảnh trước lũ, d) Diện tích vùng ngập lũ chiết tách 10/2017 c) Bảng Thống kê diện ngập lũ tương ứng với đỉnh lũ năm giai đoạn 1996-2017 1996 2000 2001 Số liệu quan trắc đỉnh lũ trạm Tân Châu 4.86 5.06 Diện tích ngập lũ tính từ ảnh vệ tinh 68.93 77.68 69.65 70.29 62.84 62.00 67.07 46.51 27.76 30.77 42.70 Diện tích khơng phải vùng ngập lũ chiết tách từ ảnh vệ tinh 31.07 22.32 30.35 29.71 37.16 38.00 32.03 53.49 72.24 69.23 57.30 4.78 2004 4.4 2008 2009 2011 3.73 Số liệu thống kê cho thấy lũ năm 2016 nhỏ, cao năm 2015 chút với 30.77% ngập Tuy nhiên đến năm 2017, tình hình lũ khu vực Đồng Tháp chuyển biến, đỉnh lũ đạt 3.5m diện ngập lũ 42.7% Lũ 2017 4.12 4.87 2014 2015 2016 2017 3.5 2,55 3,0 3.5 đánh giá vừa phải, không lớn không nhỏ đem lại nhiều lợi ích cho người dân sinh sống hoạt động sản xuất nông nghiệp địa phương TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC CÔNG NGHỆ nhiên diện ngập lũ lại thấp từ 2-3% Nhìn ảnh ngập lũ thấy số khu vực sản xuất lúa không bị ngập nhờ tuyến đê bao ngăn lũ đư ợc xây dựng khu vực Biểu đồ Hình mơ tả diện ngập lũ so với phần không bị ngập lũ năm N ghiên cứu cho thấy đảo chiều diện ngập lũ giai đoạn trước năm 2011 với giai đoạn sau năm 2011 Số liệu khắc họa phần thay đổi điều kiện nư ớc mặt tự nhiên (El Nino) lẫn tác động người việc xây đê bao ngăn lũ việc tích trữ, điều tiết nước từ hồ thủy điện thượng nguồn sơng M ê Cơng Hình Sơ đồ diện ngập lũ số liệu đỉnh lũ theo năm giai đoạn 1996-2017 Hình Biểu đồ so sánh phần trăm diện tích ngập lũ theo năm giai đoạn 1996 - 2017 khu vực tỉnh Đồng Tháp Số liệu năm 2011 cho thấy đỉnh lũ cao, cao so với năm 1996, 2001 2004, Về phương pháp chiết tách vùng ngập lũ sử dụng cơng nghệ điện tốn đám mây đáp ứng yêu cầu kỹ thuật với chi phí vừa phải Các quy trình đề xuất để giải có cải tiến, hiệu chỉnh đáp ứng yêu cầu thực tiễn Vấn đề cần thực thời gian tới tích hợp việc thu thập xử lý liệu viễn thám cận thời gian thực Ngồi thơng tin diện ngập lũ cịn có thơng tin khí tượng mơi trường khác hỗ trợ đầu vào mơ hình dự báo lũ sớm cho khu vực như: liệu mưa vệ tinh, độ ẩm, độ bốc liệu trạm khí tượng mặt đất chia sẻ GEE KẾT LUẬN VÀ KHUYẾN NGHỊ Kết nghiên cứu xác lập quy trình xử lý, tính toán chiết tách vùng ngập lụt sử dụng tư liệu ảnh vệ tinh quang học radar tảng điện toán đám mây GEE Nghiên cứu thực nghiệm từ khâu khai thác, xử lý phân tích ảnh vệ tinh hệ thống GEE, qua chiết tách diễn biến ngập lụt khu vực tỉnh Đồng Tháp Thơng tin diện tích vùng ngập lũ chiết tách từ ảnh vệ tinh qua năm giai đoạn 1996-2017 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 KHOA HỌC CÔNG NGHỆ phần cho thấy tính chất đặc điểm lũ khu vực tỉnh Đồng Tháp đồng sông Cửu Long Kết đồng thời sử dụng để hiệu chỉnh mơ hình dự báo lũ sớm cho khu vực nghiên cứu Với lợi phân tích liệu ảnh vệ tinh cho khu vực có phạm vi lớn GEE, mở rộng khu vực nghiên cứu sang vùng Campuchia hạ Lào chiết tách thông tin mép nước, vết lũ lịch sử để cung cấp đầu vào cho mơ hình dự báo lũ Đồng Bằng Sông Cửu Long Nghiên cứu nhận thấy việc sử dụng tảng điện toán đám mây GEE có nhiều tiềm Thực tế cho thấy tốc độ xử lý, phân tích ảnh vệ tinh nhanh nhiều so với xử lý máy tính cá nhân Do hệ thống phù hợp với nhiệm vụ có quy mơ xử lý liệu cấp độ từ lớn tới nhỏ Có thể phát triển để tích hợp xây dựng hệ thống theo dõi giám sát gần thời gian thực Lời cảm ơn Nghiên cứu nhận hỗ trợ kinh phí liệu thực từ Đề tài Hỗ trợ Nghiên cứu viên trẻ mã số CNVT17.TR03 Đề tài “Xây dựng sở liệu cảnh báo sớm lũ lụt khu vực Hồng Ngự, tỉnh Đồng Tháp” chủ trì thực Viện Cơng nghệ vũ trụ, Viện Hàn lâm Khoa học Công nghệ Việt Nam Dữ liệu ảnh vệ tinh sử dụng từ USGS, ESA công cụ xử lý ảnh vệ tinh miễn phí GEE Google TÀI LIỆU THAM KHẢO [1] Camara (2000) TerraLib: technology in support of GIS innovation Proc II Brazilian Symposium on GeoInformatics GeoInfo, 1-8 [2] Hối, T N (2009) Một số trận lũ điển hình phân vùng ngập lụt đồng sông Cửu Long Tuyển tập Khoa học Công nghệ 50 năm xây dựng phát triển Viện Khoa học Thủy lợi Việt Nam [3] Klemas, V (2015) Remote Sensing of Floods and Flood-Prone Areas: An Overview Journal of Coastal Research: Volume 31, Issue 4: , 1005-1013 [4] Kucera, J (2014, M ay 28) Sentinel-1 aids Balkan flood relief Retrieved from http://www.esa.int/Our_Activities/Observing_the_Earth/Copernicus/Sentinel-1/Sentinel1_aids_Balkan_flood_relief [5] M A Clement (2017) M ulti-temporal synthetic aperture radar flood mapping using change detection Journal of Flood Risk Management [6] M C Hansen, P P (2013) High-resolution global maps of 21st-century forest cover change Science, 342 (2013),, 850-853 [7] M arionTanguy (2017) River flood mapping in urban areas combining Radarsat-2 data and flood return period data Remote Sensing of Environment, 442-459 [8] M cFeeters, S K (1996) The use of Normalized Difference Water Index (NDWI) in the delineation of open water features International Journal of Remote Sensing, 17(7), 1425-1432 [9] N Patel, E A (2015) Multitemporal settlement and population mapping from Landsat using google earth engine Int J Appl Earth Obs Geoinf., 35 (2015), 199-208 10 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 CHUYỂN GIAO CÔNG NGHỆ [10] Long N.T., Trọng B.D (2001) Flood monitoring of M ekong river delta, Vietnam using ERS SAR data Asian Conference on Remote Sensing Singapore [11] NoelGorelick, M e (2017) Google Earth Engine: Planetary-scale geospatial analysis for everyone Remote Sensing of Environment, 18-27 [12] Quân, N H (2013) M ột số phương pháp xây dựng đồ ngập lũ tỉnh Long An điều kiện biến đổi khí hậu, nước biển dâng Science & Technology Development, Vol 16, No, 32-39 [13] SIWRR (2013, 10) Retrieved http://www.siwrr.org.vn/eng.asp?id=news&cid=371&nhom=94&page= from [14] UNSPIDER (2015, 09 25) Step by Step: Recommended Practice Flood Mapping Retrieved from http://www.un-spider.org: http://www.un-spider.org/advisorysupport/recommended-practices/recommended-practice-flood-mapping/step-by-step TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ THỦY LỢI SỐ 43 - 2018 11 ... thời gian Điện toán đám mây xu xử lý, phân tích lưu trữ liệu Xuất phát từ yêu cầu khoa học công nghệ lĩnh vực công nghệ không gian, Google Earth Engine (GEE) nghiên cứu phát triển Đây công nghệ phát... PHƯƠNG PHÁP 3.1 Công nghệ điện tốn đám mây Google Earth Engine phân tích xử lý ảnh vệ tinh Hình Sơ đồ vị trí khu vực nghiên cứu Đặc điểm lũ tỉnh Đồng Tháp chủ yếu mưa lưu vực sông M ê Công gây Hàng... vực nghiên cứu sang vùng Campuchia hạ Lào chiết tách thông tin mép nước, vết lũ lịch sử để cung cấp đầu vào cho mơ hình dự báo lũ Đồng Bằng Sông Cửu Long Nghiên cứu nhận thấy việc sử dụng tảng điện