Phương pháp xử lý mây và bóng mây theo thời gian cho ảnh Landsat 5 8 trên nền Google Earth Engine

Trong bài viết này, phương pháp xử lý mây và bóng mây theo thời gian bao gồm ba bước chính: (i) hiệu chỉnh hệ số bức xạ, (ii) xác định và nhận diện các pixels có mây và bóng mây, (iii) khôi phục lại các pixels có mây và bóng mây sử dụng dữ liệu từ ảnh tham khảo) đã được thực hiện trên nền tảng của Google Earth Engine sử dụng ngôn ngữ lập trình Java Script, và sau đó nó được áp dụng để loại bỏ mây và bóng mây trong 35 ảnh Landsat 5/8 (với tỷ lệ che phủ của mây và bóng mây nhỏ hơn 10%) được thu thập từ năm 1984 đến 2018.

BÀI BÁO KHOA HỌC PHƯƠNG PHÁP XỬ LÝ MÂY VÀ BÓNG MÂY THEO THỜI GIAN CHO ẢNH LANDSAT 5/8 TRÊN NỀN GOOGLE EARTH ENGINE Phạm Văn Chiến1, Nguyễn Văn Giang1, Lê Vũ Việt Phong2, Trần Anh Phương3 Tóm tắt: Ảnh vệ tinh nguồn liệu đa dạng phong phú, với mức độ chi tiết khác theo không gian thời gian, thường sử dụng để giám sát biến đổi khí hậu, thảm họa, quản lý tài nguyên nước lưu vực sông vùng đất ngập nước Tuy nhiên, mây bóng mây thường che phủ phần diện tích hầu hết ảnh vệ tinh, địi hỏi cần phải có xử lý đặc biệt để cải thiện độ xác để thể kết cách tốt Trong báo này, phương pháp xử lý mây bóng mây theo thời gian bao gồm ba bước chính: (i) hiệu chỉnh hệ số xạ, (ii) xác định nhận diện pixels có mây bóng mây, (iii) khơi phục lại pixels có mây bóng mây sử dụng liệu từ ảnh tham khảo) thực tảng Google Earth Engine sử dụng ngơn ngữ lập trình Java Script, sau áp dụng để loại bỏ mây bóng mây 35 ảnh Landsat 5/8 (với tỷ lệ che phủ mây bóng mây nhỏ 10%) thu thập từ năm 1984 đến 2018 Kết thể phương pháp xử lý mây bóng mây theo thời gian xây dựng áp dụng thành công cho tập ảnh Landsat 5/8 lựa chọn Đồng thời, cải tiến lớn khả tính tốn so với việc sử dụng phần mềm truyền thống ENVI tiềm lớn để xử lý ảnh vệ tinh với tỷ lệ không gian rộng lớn thể Hơn nữa, sử dụng tảng GEE cho phép tận dụng tất ảnh vệ tinh để xem xét phân bố theo không gian thay đổi theo thời gian yếu tố quan tâm liên quan Từ khoá: Ảnh Landsat 5/8, Xử lý mây, Google Earth Engine, Đồng sông Cửu Long ĐẶT VẤN ĐỀ* Ứng dụng ảnh viễn thám khai thác quản lý tài nguyên nước trước thách thức biến đổi khí hậu tượng hạn hán, lũ lụt trở thành xu phổ biến Bởi vì, ảnh viễn thám cho phép xem xét yếu tố quan tâm phạm vi không gian lưu vực thời điểm khác cách dễ dàng Các nghiên cứu trước (Youssef et al., 2011; Zhu et al., 2015; Matsuoka et al., 2016) khẳng định nguồn liệu thu thập bề mặt lưu vực (tại thời điểm khác nhau) từ ảnh viễn thám nguồn liệu vô quý giá, giúp cho việc quản lý tài nguyên nước trở lên hiệu Đồng thời, nguồn liệu Khoa Thuỷ văn Tài nguyên nước, Trường Đại học Thuỷ lợi Khoa Khí tượng thuỷ văn Hải dương học, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội Viện khoa học Tài nguyên nước Email: Pchientvct_tv@tlu.edu.vn kết hợp với số liệu đo đạc trạm khí tượng thủy văn cịn cho phép tính tốn liên quan có độ xác cao Hơn nữa, kết hợp ảnh viễn thám số cơng cụ phân tích không gian GIS cho phép thành lập đồ chuyên đề đồ ngập lụt, đồ hạn cách nhanh chóng tiện ích Tuy nhiên, sử dụng ảnh viễn thám ứng dụng thực tiễn gặp phải số thách thức tất liệu thu thập từ viễn thám sử dụng ln 60% ảnh thu nhận thường bị mây che phủ với mức độ nhiều khác (Hình 1) (Candra et al., 2017), dẫn đến ảnh hưởng không nhỏ tới kết giải đốn từ ảnh Do đó, để tăng độ xác đảm bảo độ tin cậy kết giải đoán từ ảnh viễn thám xử lý mây bóng mây cho ảnh viễn thám điều bắt buộc cần phải thực Có nhiều cơng cụ khác phần mềm ENVI, ArcGIS hỗ trợ việc xử lý mây KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) 23 cho ảnh viễn thám Ví dụ, ENVI phần mềm xử lý ảnh viễm thám hàng đầu, cung cấp công cụ hiển thị liệu phân tích ảnh môi trường thân thiện với giao diện dễ dàng sử dụng đáp ứng yêu cầu xử lý ảnh khác Trong phần mềm ArcGIS, ngồi việc cung cấp cơng cụ phân tích khơng gian, xử lý đồ, cịn cho phép người dùng viết chương trình hỗ trợ việc giải đốn, phân tích xử lý ảnh cách sử dụng công cụ Arcpy (trong công cụ cho phép người dùng thao tác với liệu thông qua tương tác với Arcgis ngôn ngữ lập trình Python) Bên cạnh số ưu điểm, ứng dụng phần mềm nêu số tồn tại, trường hợp người dùng bị giới hạn thời gian xử lý giải đoán ảnh Ngoài ra, ảnh muốn xử lý phải lưu trữ sẵn có máy tính, dẫn tới tình trạng nhiều dung lượng nhớ máy tính cho việc chuẩn bị lưu trữ liệu, dung lượng ảnh vệ tinh thường lớn Hơn nữa, phần mềm phần mềm thương mại người dùng trả phần chi phí cho việc có quyền sử dụng Hình Ảnh viễn thám thu thập qua vệ tinh Một số thuật toán xử lý mây phát triển ứng dụng xử lý mây bóng mây ảnh viễn thám Các thuật toán xử lý mây dựa ý tưởng thay pixels có chứa mây bóng mây ảnh Một số thuật tốn điển hình kể đến thuật toán loại bỏ mây tự động (Automated Cloud-Cover Assessment - ACCA), thuật tốn dị tìm mây bóng mây ảnh vệ tinh (Function of mask – Fmask, Zhu et al., 2015) Thuật toán ACCA sử dụng băng phổ nằm vùng nhìn thấy, cận hồng ngoại, hồng ngoại sóng ngắn hồng ngoại nhiệt Mặc dù thuật tốn áp dụng cho hầu hết khu vực trái đất, thường bị nhận dạng sai vùng có vĩ độ cực cao khu 24 vực có góc chiếu sáng cao Thuật tốn Fmask tốt so với thuật tốn ACCA độ xác, nhiên cịn tồn thường nhận dạng sai mây bóng mây ảnh Ngồi ra, mạng trí tuệ nhân tạo ANN hay mạng nơron tích chập sử dụng xử lý mây bóng mây ảnh Mohajerani et al (2018) ứng dụng mạng nơron tích chập để phân biệt pixels có mây khơng mây ảnh vệ tinh thu kết đáng khích lệ, phương pháp hạn chế cần nhiều liệu máy học Ngoài thuật toán nêu trên, thuật toán xử lý mây bóng mây sử dụng chuỗi ảnh khác áp dụng (Candra et al., 2017) KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) Gần đây, Google Earth Engine (GEE) đời với mục đích cơng cụ hỗ trợ đắc lực giúp cho nhà nghiên cứu dễ dàng truy cập sử dụng tài nguyên máy tính sẵn có hạ tầng cơng nghệ thơng tin Google nghiên cứu, khai thác sử dụng ảnh vệ tinh để quản lý giám sát tài nguyên thiên nhiên môi trường (Gorelick et al., 2017) GEE xây dựng điện toán đám mây, giúp cho việc truy cập trở nên dễ dàng với tốc độ truy suất cao, nguồn tài nguyên vô rộng lớn GEE thiết kế nhà nghiên cứu dễ dàng chia sẻ thành tựu nghiên cứu với nhóm nghiên cứu khác thông qua việc tương tác chia sẻ chương trình Hơn nữa, GEE lưu trữ bao gồm nhiều liệu không gian địa lý thu thập từ các nguồn ảnh vệ tinh, với số lượng ảnh thường xuyên cập nhật ngày, nhằm phục vụ tốt cho nghiên cứu khác như: dự báo khí hậu, thời tiết, tính tốn độ che phủ rừng, địa hình kinh tế xã hội Do đó, người dùng hồn tồn truy cập cách có hiệu quả, xóa bỏ nhiều rào cản khai thác quản lý liệu Ngoài ra, với phát triển kỹ thuật tính tốn thuật tốn trí tuệ nhân tạo thời gian gần đây, GEE nguồn liệu khổng lồ hỗ trợ tốt cho số thuật toán học máy thực hệ thống máy chủ Google Có thể nhận thấy rằng, GEE biết đến tảng xử lý không gian địa lý dựa liệu điện toán đám mây tiên tiến cung cấp miễn phí khắc phục hạn chế liệu, tốc độ xử lý tính tốn mà phương pháp xử lý ảnh truyền thống gặp phải (Gorelick et al., 2017) Mục tiêu nghiên cứu xây dựng chương trình xử lý mây bóng mây theo thời gian cho tập ảnh Landsat Landsat (viết tắt Landsat 5/8) GEE sử dụng (i) thuật toán xử lý mây đề xuất Candra et al (2017) (ii) ngơn ngữ lập trình Java script nhằm tối ưu sử dụng thời gian việc xử lý giải đoán ảnh Chương trình xử lý mây bóng mây xây dựng GEE sau áp dụng để xử lý mây bóng mây 35 ảnh Landsat 5/8 thu thập khoảng thời gian từ ngày 30-011984 đến 2-12-2018 cho vùng nghiên cứu DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Vùng nghiên cứu liệu ảnh Landsat 5/8 Vùng quan tâm nghiên cứu vùng hạ lưu Đồng sông Cửu Long (ĐBSCL), bao gồm tỉnh Bến Tre, Tiền Giang, Cần Thơ, Sóc Trăng, Trà Vinh Vùng nghiên cứu ĐBSCL biết đến với mạnh sản xuất nông nghiệp (đặc biệt lúa nước, với sản lượng lúa nước vùng chiếm khoảng 57% nước) nuôi trồng, chế biến thủy hải sản Tuy nhiên, số vấn đề lớn mà vùng nghiên cứu ĐBSCL gặp phải kể đến, là: sạt lở bờ sông, bờ biển, ngập úng mưa, nước biển dâng triều cường, xâm nhập mặn, sụt lún, cân bùn cát Do đó, để đảm bảo phát triển bền vững kinh tế - xã hội, bảo vệ mơi trường thích ứng với thách thức biến đổi khí hậu địi hỏi phải có nghiên cứu tổng hợp sử dụng công cụ tính tốn nhanh hiệu Hình Sơ họa vùng nghiên cứu Dữ liệu ảnh Landsat 5/8 sử dụng cho mục đích xử lý mây nghiên cứu Cụ thể, nghiên cứu sử dụng 29 ảnh Landsat có độ che phủ mây 10% thu thập khoảng thời gian từ ngày 30-01-1984 đến ngày 31-122013 Trong ảnh vệ tinh Landsat 8, KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) 25 nghiên cứu thu thập ảnh có độ che phủ 10% khoảng thời gian từ ngày 2202-2014 đến ngày 2-12-2018 Các đặc trưng chiều dài bước sóng, độ phân giải ảnh Landsat 5/8 thống kê Bảng Một số ảnh Landsat 5/8 dùng nghiên cứu thể Hình Dễ dàng nhận thấy độ che phủ mây ảnh Landsat 5/8 nhiều hay tùy thuộc vào vị trí diện tích quan tâm vùng nghiên cứu tùy thuộc vào thời điểm xem xét cụ thể Landsat 5, ngày 09-01-1988 Landsat 5, ngày 25-01-1992 Landsat 5, ngày 21-02-1996 Landsat 8, ngày 18-09-2014 Landsat 8, ngày 09-02-2015 Landsat 8, ngày 02-12-2018 Hình Ví dụ số ảnh Landsat 5/8 dùng nghiên cứu Bảng Bảng thống kê đặc trưng ảnh Landsat 5/8 Số thứ tự band 26 Chiều dài bước sóng (m) Ảnh Landsat Blue 0.45-0.52 Green 0.52 - 0.60 Red 0.63-0.69 NIR 0.76-0.90 SWIR 1.55-1.75 Thermal 10.40-12.50 SWIR 2.08-2.35 Ảnh Landsat Coastal aerosol 0.43-0.45 Blue 0.45-0.51 Tên band Độ phân giải (m  m) 30 30 30 30 30 120 30 30 30 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) Số thứ tự band Tên band 10 11 Green Red NIR SWIR SWIR Pan Cirrus TIRS TIRS 2.3 Phương pháp xử lý mây bóng mây Để xử lý mây bóng mây cho ảnh Landsat 5/8, thuật toán xử lý mây theo thời gian đề xuất Candra et al (2017) áp dụng Các ảnh Landsat 5/8 lựa chọn chia thành hai nhóm chính: nhóm ảnh tham khảo (reference image - RI) nhóm ảnh mục tiêu (target image - TI) Các ảnh mục tiêu ảnh có chứa pixels có mây bóng mây, ảnh tham khảo ảnh khơng bị ảnh hưởng mây sử dụng để thay pixels có mây ảnh mục tiêu Nói cách khác, pixel khơng chứa mây ảnh tham khảo sử dụng để thay cho pixels có mây ảnh mục tiêu, với giả thiết chênh lệch biến đổi bề mặt đệm ảnh mục tiêu ảnh tham khảo khơng đáng kể Thuật tốn xử lý mây theo thời gian sử dụng nghiên cứu bao gồm ba bước chính, là: (1) hiệu chỉnh hệ số xạ, (2) xác định nhận diện pixels có mây bóng mây, (3) khơi phục lại ảnh mục tiêu sau xử lý pixels có mây bóng mây Đầu tiên, hiệu chỉnh hệ số xạ (TOA) thực dựa việc chuyển đổi giá trị số đo bề mặt đệm sang giá trị phản xạ bề mặt Sau đó, thuật tốn xử lý mây theo thời gian sử dụng để nhận biết phân biệt pixels có mây (và mây ti cho trường hợp sử dụng ảnh Landsat 8) bóng mây Cuối cùng, giá trị pixel có mây (và mây ti) bóng mây ảnh mục tiêu thay pixel (khơng có mây) ảnh tham khảo Q trình thực lặp lặp lại Chiều dài bước sóng (m) 0.53-0.59 0.63-0.67 0.85-0.88 1.57-1.65 2.11-2.29 0.50-0.68 1.36-1.38 10.60-11.19 11.50-12.51 Độ phân giải (m  m) 30 30 30 30 30 15 30 30 (100) 30 (100) cho tất ảnh mục tiêu khác Chi tiết sơ đồ thuật tốn xử lý mây q trình thực thể Hình KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) Hình Sơ đồ xử lý mây cho ảnh Landsat 5/8 dùng nghiên cứu 27 Hình cửa sổ giao diện chương trình xử lý mây theo thời gian Google Earth Enginee (https://developers.google.com/earth-engine), sử dụng ngơn ngữ lập trình JavaScript mà nghiên cứu thực Chương trình bao gồm cơng cụ cửa sổ con, cho phép thực công việc như: lệnh khai báo để đọc liệu ảnh từ hệ thống máy chủ Google, lệnh liên quan đến xử lý mây bóng mây ảnh mục tiêu, phân tích ảnh, hiển thị kết kết xuất kết Hình ví dụ hiển thị kết sau xử lý mây GEE Lưu ý chương trình xử lý mây nghiên cứu xây dựng thực hệ thống siêu máy tính hạ tầng công nghệ thông tin Google nên thời gian xử lý mây bóng mây cho ảnh mục tiêu ngắn Cụ thể, tổng thời gian thực xử lý mây, bóng mây thị kết ảnh Landsat 5/8 dùng nghiên cứu thường nhỏ 80 giây Do đó, nói việc xử lý cho tập ảnh gồm 29 ảnh Landsat ảnh Landsat không địi hỏi q nhiều thời gian Hình Chương trình xử lý mây theo thời gian Google Earth Engine Hình Ví dụ ảnh sau xử lý mây Google Earth Engine KẾT QUẢ VÀ THẢO LUẬN 3.1 Kết xử lý ảnh Landsat Hình ví dụ kết xử lý mây cho ảnh Landsat mà nghiên cứu thu thập Dễ dàng nhận thấy rằng, pixels có mây bóng mây ảnh Landsat lựa chọn xử lý Điều thể thành cơng thuật tốn áp dụng chương trình xử lý mây xây dựng Google Earth Engine Ngoài ra, cần phải nhấn mạnh rằng, xử lý ảnh Landsat dựa Google Earth Engine tiết kiệm nhiều thời gian Cụ thể, thời gian xử lý cho ảnh nhỏ giây Do đó, chương trình xây dựng sử dụng để xử lý cho tất ảnh có tỷ lệ mây che phủ 10% 2.4 Chương trình xử lý mây bóng mây Google Earth Engine 28 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) Landsat 5, ngày 06-04-1989 Landsat 5, ngày 03-01-1990 Landsat 5, ngày 21-02-1996 Hình Kết ảnh Landsat 5: trước (trên) sau (dưới) xử lý mây 3.2 Kết xử lý ảnh Landsat Landsat 8, ngày 24-01-2015 Landsat 8, ngày 09-02-2015 Landsat 8, ngày 02-12-2018 Hình Kết ảnh Landsat 8: trước (trên) sau (dưới) xử lý mây KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) 29 Hình Hệ số tương quan ảnh tham khảo ảnh mục tiêu cho Band từ đến tập ảnh Landsat 5/8 chọn Hình kết xử lý mây cho ảnh Landsat mà nghiên cứu thu thập Tương tự kết xử lý mây cho ảnh Landsat 5, pixels có mây tất ảnh Landsat xử lý Như ảnh thu vào 31-102018 phương pháp phân biệt tốt ngưỡng bóng mây, hay ảnh thu vào ngày 02-12-2018 chương trình nhận dạng pixel có chứa mây che phủ ảnh Hình thể hệ số tương quan ảnh tham khảo ảnh mục tiêu cho Band từ đến tập ảnh Landsat 5/8 chọn Dễ dàng nhận thấy hệ số tương quan r thay đổi từ 0.75 đến 0.90 Giá trị hệ số r nêu tương đồng với dải giá trị xác định Candra et al (2017) Các kết thể (i) thuật xử lý mây mà nghiên cứu thực hoàn toàn đáp ứng yêu cầu xử lý mây tập ảnh Landsat 5/8 chọn (ii) ảnh mục tiêu sau xử lý mây bóng mây hồn tồn sử dụng cho mục đích xây dựng đồ ngập lụt hay nghiên cứu diễn biến xói lở đường bờ vùng nghiên cứu KẾT LUẬN Dựa kết đạt được, số kết luận nghiên cứu tóm tắt sau: (i) nghiên cứu thành cơng việc xây dựng chương trình xử lý mây bóng mây theo thời gian cho 35 ảnh Landsat 5/8 sử dụng hệ thống sở liệu hạ tầng công nghệ thông tin 30 Google, (ii) chương trình xử lý mây bóng mây theo thời gian sau xây dựng tảng Google Earth Engine sử dụng ngơn ngữ lập trình Java Script áp dụng thành công việc xử lý mây bóng mây cho tập ảnh chọn, với thời gian xử lý cho ảnh ngắn thường nhỏ 80 giây Do đó, áp dụng chương trình trên, việc xử lý mây bóng mây cho ảnh Landsat 5/8 tiết kiệm nhiều thời gian so với công cụ xử lý truyền thống Ảnh Lansat 5/8 sau xử lý mây sử dụng để nghiên cứu xây dựng đồ ngập lụt xác định diễn biến xói lở đường bờ vùng quan tâm nghiên cứu Thuật toán xây dựng nhận dạng tốt pixels vùng có chứa mây bóng mây ảnh mục tiêu, nhiên, cần lưu ý sau nhận biết pixel có chứa mây bóng mây ảnh mục tiêu pixel thay pixel có ảnh tham khảo Hệ số phản xạ pixel bị thay khơng phản ánh điều kiện bề mặt đệm thời điểm ảnh chụp Nghiên cứu tiếp tục cải thiện vấn đề để tăng độ xác ảnh sau xử lý Nghiên cứu tài trợ Quỹ Phát triển khoa học công nghệ Quốc gia (NAFOSTED) đề tài mã số 105.062017.320 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) TÀI LIỆU THAM KHẢO Candra D.S., S Phinn, P Scarth (2016) Cloud and cloud shadow masking using mutiltemporal cloud masking algorithm in tropical enviromental The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, pp.95-100 Gorelick N., Matt H., Mike D., Simon I., David T., R Moore (2017) Google Earth Engine: Planetaryscale geospatial analysis for everyone Remote Sensing of Enviroment, 202, 18-27 Matsuoka A., B Marcel, D Emmanuel (2016) A new algorithm for discriminating water sources from space: A case study for the southern Beaufort Sea using MODIS ocean color and SMOS salinity data Remote Sensing of Environment, 184, 124-138 Mohajerani S., T A Krammer, S Parvaneh (2018) A cloud detection algorithm for remote sensing images using fully convolutional Neural Networks The IEEE 20th International Workshop on Multimedia Signal Processing, Vancouver, Canada, pp 1-5 Youssef A.M., B Pradhan, A M Hassan (2011) Flash flood risk estimation along the St.Katherine road, southern Sinai, Egypt using GIS based morphometry and satellite imagery Environment Earth Sciences, 62(3), 611-623 Zhu Z., S.Wang, C.E Woodcock (2015) Improvement and expansion of the Fmask algorithm: cloud, cloud shadow, and snow detection for Landsat 4-7, and Sentinel images Remote Sensing of Environment, 159, 269-277 Abstract: A MULTI-TEMPORAL CLOUD METHOD FOR DETECTING CLOUD AND SHADOW CLOUD IN LANDSAT 5/8 IMAGES ON GOOGLE EARTH ENGINE Satellite images provide a source of data given its spatial and temporal coverage with different level of detail, and are often used in monitoring climate changes, disasters, water management in river basins and wetlands However, cloud and cloud shadow cover on most satellite images, requiring a special handling in order to improve the accuracy and to have more representative results In this paper, a multi-temporal cloud removal method (consisting of three main steps: (i) radiometric correction, (ii) cloud and cloud shadow detection, and (iii) image reconstruction) was implemented on the Google Earth Engine (GEE) cloud computing platform using Java Script language, and then it was applied to remove cloud and cloud shadow in 35 Landsat 5/8 images (in which the area of cloud and cloud shadow is less than 10% of total image area) that were collected from 1984 to 2018 The results showed that the multi-temporal cloud removal method was implemented and applied suceessfully to all selected Landsat 5/8 images of the domain of interest A great improvement of computing capacity in comparison with the use of traditional softwares such as ENVI and a great potential for processing satellite images with regional large-scale mapping were also observed and presented Futhermore, the use of GEE platform allows for using all available satellite images to investigate spatial distribution and temporal variation of the relevant field of interest Keywords: Landsat 5/8 images, multi-temporal cloud algorithm, Google Earth Engine, Mekong Delta Ngày nhận bài: 05/9/2019 Ngày chấp nhận đăng: 25/11/2019 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 67 (12/2019) 31 ... TIRS TIRS 2.3 Phương pháp xử lý mây bóng mây Để xử lý mây bóng mây cho ảnh Landsat 5/ 8, thuật tốn xử lý mây theo thời gian đề xuất Candra et al (2017) áp dụng Các ảnh Landsat 5/ 8 lựa chọn chia... thời gian việc xử lý giải đốn ảnh Chương trình xử lý mây bóng mây xây dựng GEE sau áp dụng để xử lý mây bóng mây 35 ảnh Landsat 5/ 8 thu thập khoảng thời gian từ ngày 30-011 984 đến 2-12-20 18 cho. .. (trên) sau (dưới) xử lý mây 3.2 Kết xử lý ảnh Landsat Landsat 8, ngày 24-01-20 15 Landsat 8, ngày 09-02-20 15 Landsat 8, ngày 02-12-20 18 Hình Kết ảnh Landsat 8: trước (trên) sau (dưới) xử lý mây