Biến động bức xạ quang hợp vùng biển Nam Trung Bộ từ dữ liệu vệ tinh

Bài viết sử dụng nguồn dữ liệu MODIS - Aqua trung bình tháng và mô hình ARIMA để thảo luận, đánh giá và dự báo biến động bức xạ quang hợp tại vùng biển Nam Trung Bộ giai đoạn 2007 - 2017.

40 Journal of Transportation Science and Technology, Vol 31, Feb 2019 BIẾN ĐỘNG BỨC XẠ QUANG HỢP VÙNG BIỂN NAM TRUNG BỘ TỪ DỮ LIỆU VỆ TINH CHANGE OF PHOTOSYNTHETICALLY AVAILABLE RADIATION ON THE COASTAL AREA OF CENTRAL VIETNAM FROM SATELLITE DATA Nguyễn Trịnh Đức Hiệu 1, Trần Thị Vân2, Nguyễn Hữu Huân3 1,2 Viện Hải dương học, VAST Đại học Bách khoa, ĐHQG-HCM Tóm tắt: Bức xạ quang hợp có chức kiểm sốt sinh trưởng phát triển thực vật phù du, có vai trị quan trọng hệ sinh thái biển Bài báo sử dụng nguồn liệu MODIS Aqua trung bình tháng mơ hình ARIMA để thảo luận, đánh giá dự báo biến động xạ quang hợp vùng biển Nam Trung Bộ giai đoạn 2007 - 2017 Kết nghiên cứu cho thấy xạ quang hợp dao động khoảng 15,01-79,26 Einstein/m2/day, trung bình đạt 43,78 ± 8,44 Einstein/m2/day Bức xạ quang hợp biến thiên mạnh tháng năm Nó có tính chu kỳ biến thiên theo mùa, đạt giá trị cực đại mùa xuân cực tiểu mùa đông Phân bố không gian chúng khác tháng khác Mơ hình ARIMA xây dựng để dự báo xạ quang hợp khoảng thời gian 2018 - 2020 Kết báo cung cấp liệu đầu vào phục vụ mô hình hóa suất sơ cấp biển Từ khóa: Mơ hình ARIMA, MODIS-Aqua, xạ quang hợp, ngơn ngữ R Chỉ số phân loại: 2.3 Abstract: Photosynthetically available radiation (PAR) has the function of controlling the growth and development of phytoplankton, so it plays an important role in marine ecosystems This paper was based on MODIS - Aqua monthly data and ARIMA model to discuss, describe and forecast variation of PAR value on the coastal area of central Vietnam in 2007 - 2017 The results showed that the average photosynthetically available radiation was 43.78 ± 8.44 Einstein/m2/day, ranging from 15.0179.26 Einstein/m2/day PAR value strongly varied between months and years It expressed a seasonal variation, that was highest in spring and lowest in winter Its spatial distribution also varied from month to month The ARIMA model has been developed to forecast photosynthetic radiation for the period 2018 - 2020 The results of this paper provide input data for modeling marine primary productivity Key words: ARIMA model, MODIS-Aqua, Photosynthetically available radiation, R language Classification number: 2.3 Giới thiệu Hiện nay, giới Việt Nam ứng dụng thành công liệu viễn thám giám sát quản lý tài nguyên môi trường biển Mặc dù Việt Nam, công nghệ viễn thám phát triển ứng dụng từ năm 1990, nhiên cơng trình nghiên cứu ứng dụng tư liệu viễn thám cung cấp dẫn liệu đầu vào (PAR, chla, SST, K d490 ) phục vụ mơ hình hóa suất sinh học biển hạn chế rời rạc Trong xạ quang hợp (Photosynthetically Available Radiation PAR) định nghĩa thông lượng lượng lượng tử từ Mặt trời dải bước sóng 400 – 700 nm (NASA Goddard Space Flight Center, 2014; Tang et al., 2017) Bức xạ quang hợp có chức kiểm sốt sinh trưởng phát triển thực vật phù du, có vai trò quan trọng hệ sinh thái biển (Frouin, McPherson, Ueyoshi, & Franz, 2012) Đối với ứng dụng viễn thám màu đại dương, PAR xem thông số đầu vào phổ biến mô hình suất sơ cấp đại dương (NASA Goddard Space Flight Center, 2014) Những thông tin phân bố biến động PAR theo không gian, thời gian biển giúp gia tăng hiểu biết chu trình sinh địa hóa bon, hợp chất dinh dưỡng xy Bên cạnh cịn giúp giải vấn đề khí hậu thay đổi mang tính tồn cầu (Frouin et al., 2012; Tang et al., 2017) Từ thông tin cho thấy việc khai thác liệu PAR nhằm cung cấp liệu đầu TẠP CHÍ KHOA HỌC CƠNG NGHỆ GIAO THƠNG VẬN TẢI, SỐ 31-02/2019 vào cho mơ hình hệ sinh thái biển cần thiết phải thực Hiện có ba phương pháp đo đạc PAR gồm đo đạc trường; mơ hình hóa từ xạ Mặt trời, điều kiện khí tượng phương pháp viễn thám (Nwokolo, S C., & Amadi, S O, 2018; (Tang et al., 2017; Feng, L et al., 2018) Phương pháp đo đạc trường đơn giản có hạn chế đầu tư trang thiết bị, tốn nhiều thời gian, nhân lực, độ phủ không gian nhỏ khơng đo đạc thường xuyên trạm khí (Tang et al., 2017) Những nghiên mơ hình hóa PAR có chung đặc điểm ước tính PAR từ xạ Mặt trời điều kiện khí tượng khác trạm quan sát thực nghiệm (Tang et al., 2017) Các nghiên cứu có tồn mối tương quan mạnh xạ Mặt trời PAR; mơ hình hiệu chuẩn thơng số chuyển đổi xây dựng để ước tính giá trị PAR với độ xác cao từ xạ mặt trời (Nwokolo, S C., & Amadi, S O, 2018; Tang et al., 2017; Feng, L et al., 2018) Tuy nhiên, thông số chuyển đổi mơ hình thực nghiệm phụ thuộc vào điều kiện khí tượng trạm quan sát kết có khác biệt trạm đo thực nghiệm, điều dẫn đến sai số lớn ước lượng PAR bề mặt địa điểm mà khơng có thơng số hiệu chỉnh cục (Tang et al., 2017; Nwokolo, S C., & Amadi, S O, 2018) Trong đó, nghiên cứu PAR từ tư liệu viễn thám khắc phục nhược điểm thơng qua q trình hiệu chỉnh khí Ngồi ra, với độ phủ khơng gian thời gian rộng, liệu viễn thám ngày sử dụng rộng rãi nhiều khu vực giới nhiều ngành khoa học khác nhau, đặc biệt khoa học biển Một vài nghiên cứu ứng dụng công nghệ viễn thám đánh giá biến động PAR 41 thực (Mueter F et al., 2016; Lee, Y J et al., 2015; Frouin et al., 2012; Tang et al., 2017) Sự đời công nghệ viễn thám màu đại dương cho phép người dùng khai thác miễn phí nguồn liệu có độ phủ tồn cầu với thơng tin hàng ngày, hàng tháng hàng năm Bài báo trình bày kết nghiên cứu đánh giá biến động xạ quang hợp vùng biển Nam Trung Bộ giai đoạn 2007 – 2017 từ liệu MODIS-Aqua nhằm hỗ trợ cung cấp liệu đầu vào phục vụ mơ hình hóa suất sơ cấp biển Phương pháp nghiên cứu 2.1 Nguồn liệu phương pháp trích xuất liệu Khu vực nghiên cứu thuộc vùng biển Nam Trung Bộ, giới hạn tọa độ 10,30o – 16,25oN 107,30o – 112,30oE (hình 1) Dữ liệu xạ quang hợp (PAR) trung bình tháng từ nguồn ảnh MODIS-Aqua (Moderate Resolution Imaging Spectroradiometer), cấp độ với độ phân giải 9km giai đoạn 01/2007 – 09/2018 Dữ liệu chia làm hai phần: phần từ tháng 01/2007 đến tháng 12/2017 sử dụng để phân tích thống kê, phân tích chuỗi thời gian xây dựng mơ hình ARIMA; phần hai từ tháng 01/2018 đến tháng 09/2018 dùng để kiểm định độ xác mơ hình ARIMA xây dựng Ảnh MODIS - Aqua sau tải có độ phủ toàn cầu lưu trữ mặc định với định dạng netCDF - Network Common Data Form (phần tập tin mở rộng có dạng *.nc) Sử dụng ngơn ngữ lập trình mã nguồn mở R để xử lý, bao gồm: Đọc, cắt ảnh theo khu vực nghiên cứu, trích xuất liệu từ ảnh MODIS - Aqua thực phép tính trung bình, độ lệch chuẩn Sử dụng phần mềm mã nguồn mở SeaDAS để xây dựng đồ phân bố PAR theo không gian năm 2017 42 Journal of Transportation Science and Technology, Vol 31, Feb 2019 Hình Khu vực nghiên cứu 2.2 Phương pháp kiểm định thống kê Phương pháp kiểm định thống kê thực với việc sử dụng kiểm định One way ANOVA để kiểm tra khác biệt giá trị PAR tháng năm Trong trường hợp có khác biệt giá trị PAR mang ý nghĩa thống kê, sử dụng kiểm định post - hoc Tukey HSD để tìm cặp thời gian có khác biệt (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Mangiafico, 2015) Sử dụng kiểm định One sample t - test để kiểm tra khác biệt giá trị PAR trung bình tháng trung bình năm với trung bình 11 năm (2007 – 2017) (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Mangiafico, 2015) Hình ảnh hóa kết kiểm định biểu đồ tương tác Trong kiểm định One - way ANOVA One sample t - test, khác biệt có ý nghĩa thống kê P < 0.05; tất kiểm định thống kê thực ngôn ngữ R 2.3 Phương pháp phân tích chuỗi số liệu theo thời gian Phân tích liệu theo thời gian bao gồm phương pháp chiết xuất số thống kê phản ánh đặc điểm liệu Trong đó, phần liệu thơ thu thập (observed) phân rã phân tích theo ba thành phần: Phần xu hướng (trend), phần mùa (seasonal) phần ngẫu nhiên (random) (Hyndman & Athanasopoulos, 2014) Sử dụng mơ hình ARIMA (Autoregressive Intergrated Moving Average) để dự báo xu hướng biến động liệu PAR tương lai (2018 – 2020) từ liệu PAR khứ (2007 – 2017) Mơ hình tổng qt ARIMA viết sau (Hyndman & Athanasopoulos, 2014): ΔY t =ϕ ΔY t − +ϕ ΔY t − + +ϕ p ΔY t − p +θ ϵ t − +θ ϵ t − + +θ q ϵ t − q Trong đó: ΔY t−i giá trị sai phân ϵ t−i nhiễu trắng (white noise) ARIMA chất kết hợp (Hyndman & Athanasopoulos, 2014): • AutoRegression (AR - Tự hồi quy): Tự hồi quy giá trị chuỗi thời gian dựa giá trị trễ nó; độ trễ lớn (hay gọi bậc tự hồi qui) p; • Integrated (I - Đồng tích hợp): Là bậc để chuỗi sai phân có tính dừng Chẳng hạn sai phân bậc ΔY t dừng có giá trị đồng tích hợp d = Nếu chuỗi ban đầu (chưa lấy sai phân) có tính dừng d = 0, kí hiệu I (0) Sử dụng kiểm định ADF (Augmented Dickey – Fuller) để kiểm tra tính dừng chuỗi; • Moving Average (MA - Trung bình trượt): Bậc trung bình trượt, kí hiệu q; Một mơ hình ARIMA (p, d, q) hiểu tự hồi quy bậc p, đồng tích hợp bậc d trung bình trượt bậc q Sử dụng ngơn ngữ R để xác định tham số p, d, q nhằm dự báo giá trị PAR giai đoạn 2018 – 2020 Kết thảo luận 3.1 Biến động giá trị PAR giai đoạn 2007 - 2017 Giá trị PAR 11 năm (giai đoạn 2007 – 2017) dao động khoảng rộng 15,01 – 79,26 Einstein/m2/day, trung bình đạt 43,78 ± 8,44 Einstein/m2/day Diễn biến PAR TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 31-02/2019 trung bình 11 năm chia làm hai giai đoạn, giai đoạn từ tháng đến tháng giai đoạn hai từ tháng 10 tháng thể hình Cụ thể giai đoạn một, giá trị PAR trung bình tháng lớn trung bình 11 năm (lớn 43,78 Einstein/m2/day) Trong giai đoạn hai, trung bình tháng PAR thấp so với trung bình 11 năm (nhỏ 43,78 Einstein/m2/day) Sự khác biệt giá trị PAR trung bình tháng trung bình 11 năm có ý nghĩa mặt thống kê (t test, P < 0,0001) (hình 2) Kết kiểm định ANOVA cho thấy, có khác biệt mang ý nghĩa thống kê giá trị trung bình PAR tháng giai đoạn 2007 - 2017 (ANOVA, P < 2,20 x 10-16) Tuy nhiên khơng tìm thấy khác biệt trung bình PAR tháng tháng 11 (Tukey, P = 0,14); tháng tháng (Tukey, P = 0,99) Trung bình hóa giá trị PAR cho thấy, PAR đạt cực đại tháng cực tiểu tháng 12 với giá trị tương ứng đạt 52,58 ± 3,15 Einstein/m2/day 30,53 ± 5,43 Einstein/m2/day (hình 2) Sự chênh lệch PAR giá trị cực đại cực tiểu 1,7 lần Trong giai đoạn 2007 – 2017, giá trị PAR trung bình năm biến động khơng theo xu hướng rõ ràng có tìm thấy khác biệt giá trị PAR năm (ANOVA, P < 2,2 x 10-16) (hình 3) Tuy nhiên số năm, giá trị PAR khơng có khác biệt mang ý nghĩa thống kê (Tukey, P > 0,05): Năm 2007 năm 2009; năm 2008 năm 2011; năm 2010 năm 2013; năm 2010 năm 2017; năm 2012 năm 2014; năm 2012 năm 2016; năm 2013 năm 2017 thể hình Trong khoảng thời gian 11 năm, PAR đạt giá trị cao năm 2015 thấp năm 2011 với giá trị tương ứng đạt 47,07 ± 7,25 Einstein/m2/day 42,38 ± 9,72 Einstein/m2/day, dao động PAR năm thấp, lớn đạt khoảng 43 1,11 lần Kết kiểm định t - test cho thấy có chênh lệch giá trị PAR trung bình năm trung bình 11 năm (t - test, P < 0,0001) (hình 3) Kết phân bố khơng gian PAR năm 2017 trình bày chi tiết Hình Trong thời gian từ tháng đến tháng từ tháng đến tháng 12 cho thấy PAR tập trung cao vùng biển phía Nam từ Ninh Thuận đến Bình Thuận, đặc biệt dải ven bờ (107,30oE - 110oE) Trong từ tháng đến tháng 9, giá trị PAR lớn tập trung vùng biển phía Bắc vùng nghiên cứu, từ Đà Nẵng đến Bắc Khánh Hịa Hình Diễn biến PAR theo tháng giai đoạn 2007 – 2017 (****: P < 0.0001) Hình Diễn biến PAR theo năm giai đoạn 2007 – 2017 (****: P < 0.0001) 44 Journal of Transportation Science and Technology, Vol 31, Feb 2019 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Hình Phân bố khơng gian PAR năm 2017 TẠP CHÍ KHOA HỌC CƠNG NGHỆ GIAO THƠNG VẬN TẢI, SỐ 31-02/2019 3.2 Phân tích chuỗi số liệu PAR giai đoạn 2007 - 2017 Dữ liệu PAR thu thập (observed) (Hình 5A) phân rã phân tích theo thành phần: phần xu hướng (trend) (hình 5B), phần mùa (seasonal) (hình 5C) phần ngẫu nhiên (random) (hình 5D) Theo giai đoạn 2007 – 2017, giá trị PAR thu thập tương đối ổn định, khơng có biến động năm (hình 5A) Phần xu hướng biến thiên không rõ ràng, tăng giảm theo giai đoạn, đạt cực đại năm 2015 cực tiểu năm 2010 (hình 5B) Dữ liệu PAR có chu kì biến thiên theo mùa, đạt giá trị cao mùa xuân (tháng đến tháng 5) thấp mùa đông (tháng 12 đến tháng 2) xu hướng biến thiên theo mùa lặp lại năm (hình 5C) Thành phần ngẫu nhiên độc lập với thời gian (hình 5D) Kết kiểm định ADF cho thấy chuỗi liệu PAR ban đầu có tính dừng, giá trị d = (ADF test, P = 0,01) Thơng qua phân tích biểu đồ tương quan liên hồn biểu đồ tương quan liên hoàn phần, xác định p = q = Do mơ hình ARIMA (3, 0, 2) cần xây dựng có tự hồi quy bậc 3, đồng tích hợp bậc trung bình 45 trượt bậc Kiểm định độ xác mơ hình ARIMA (3, 0, 2) cách so sánh giá trị PAR dự báo từ mơ hình với giá trị PAR thực tế trích xuất từ ảnh MODIS-Aqua giai đoạn 01/2018 – 09/2018 Kết kiểm định cho thấy mơ hình ARIMA (3, 0, 2) dự báo xác giá trị PAR giai đoạn tháng 01/2018 – tháng 09/2018 với giá trị RMSE đạt 4,55 MAE đạt 3,65 Hầu hết giá trị PAR thực tế có xu hướng phân bố khoảng tin cậy 80% (Lo.80), ngoại trừ giá trị PAR tháng 06/2018; bên cạnh tất giá trị PAR thực tế nằm khoảng tin cậy 95% (Hi.95) (hình 6) Sử dụng mơ hình ARIMA (3, 0, 2) để dự báo giá trị PAR khoảng tương lai gần (2018 – 2020) (hình 6) Biểu đồ cho thấy khuynh hướng biến động PAR năm tương quan với năm trước The năm 2018, 2019 2020, giá trị PAR dự báo có chu kì biến thiên theo mùa, đạt giá trị cực đại mùa xuân cực tiểu mùa đông, tương đương với xu hướng mùa giai đoạn 2007 – 2017 Bên cạnh đó, biểu đồ cho thấy khoảng dao động cực đại cực tiểu giá trị PAR dự báo năm giảm theo thời gian từ năm 2018 đến 2020 Hình Phân tích PAR theo chuỗi thời gian (2007 – 2017) 46 Journal of Transportation Science and Technology, Vol 31, Feb 2019 Hình Kết dự báo giá trị PAR giai đoạn 2018 – 2020 [2] Frouin, R., McPherson, J., Ueyoshi, K., & Franz, Kết luận B A (2012) A time series of photosynthetically Giá trị PAR 11 năm (giai đoạn available radiation at the ocean surface from 2007 – 2017) dao động khoảng rộng SeaWiFS and MODIS data Paper presented at the Remote Sensing of the Marine Environment 15,01 – 79,26 Einstein/m2/day, trung bình đạt II 43,78 ± 8,44 Einstein/m /day Bức xạ quang [3] Hoàng Trọng, & Chu Nguyễn Mộng Ngọc hợp biến thiên mạnh tháng khác (2008) Phân tích liệu nghiên cứu với SPSS (ANOVA, P < 0.05) năm Đại học kinh tế thành phố Hồ Chí Minh khác (ANOVA, P < 0.05) Dữ liệu PAR [4] Hyndman, R J., & Athanasopoulos, G (2014) Forecasting: principles and practice: OTexts có chu kì biến thiên theo mùa, đạt giá trị cực [5] Lee, Y J., Matrai, P A., Friedrichs, M A., Saba, đại mùa xuân cực tiểu mùa V S., Antoine, D., Ardyna, M., Bent‐Gagné, đơng; xu hướng biến thiên theo mùa M (2015) An assessment of phytoplankton lặp lại năm Phân bố không gian primary productivity in the Arctic Ocean from chúng khác tháng satellite ocean color/in situ chlorophyll‐a based models Journal of Geophysical Research: khác 120(9), 6508-6541 Kết dự báo giá trị PAR khoảng [6] Oceans, Mangiafico, S S (2015) An R companion for thời gian từ 2018 – 2020 từ mô hình ARIMA the handbook of biological statistics, version cho thấy năm 2018, 2019 2020, 1.09c New Brunswick, NJ: Rutgers Cooperative Extension giá trị PAR dự báo có chu kì biến thiên [7] Mueter, F., Shotwell, S., Atkinson, S., Coffin, B., theo mùa, đạt giá trị cực đại mùa xuân Doyle, M., Hinckley, S., Waite, J (2016) cực tiểu mùa đông, tương đương với NORTH PACIFIC RESEARCH BOARD GULF xu hướng mùa giai đoạn 2007 – 2017 OF ALASKA INTEGRATED ECOSYSTEM RESEARCH PROGRAM Lời cảm ơn [8] NASA Goddard Space Flight Center (2014) Nhóm tác giả xin chân thành cảm ơn chủ MODIS Daily Mean Photosynthetically nhiệm đề tài ĐTĐL.CN-28/17 hỗ trợ Available Radiation Retrieved 06-14, 2018, tạo điều kiện để chúng tơi hồn thành nghiên from https://modis.gsfc.nasa.gov/data/dataprod/par.ph cứu p Tài liệu tham khảo [9] Nwokolo, S C., & Amadi, S O (2018) A [1] Feng, L., Qin, W., Wang, L., Lin, A., & Zhang, Global Review of Empirical Models for M (2018) Comparison of Artificial Intelligence Estimating Photosynthetically Active and Physical Models for Forecasting Radiation Trends in Renewable Energy, 4(2), Photosynthetically -Active Radiation Remote 236-327 Sensing, 10(11), 1855 TẠP CHÍ KHOA HỌC CƠNG NGHỆ GIAO THƠNG VẬN TẢI, SỐ 31-02/2019 [10] Tang, W., Qin, J., Yang, K., Niu, X., Min, M., & Liang, S (2017) An efficient algorithm for calculating photosynthetically available radiation with MODIS products Remote sensing of environment, 194, 146-154 Ngày nhận bài: 26/11/2018 Ngày chuyển phản biện: 29/11/2018 Ngày hoàn thành sửa bài: 17/12/2018 Ngày chấp nhận đăng: 24/12/2018 47 ... nguồn liệu có độ phủ tồn cầu với thông tin hàng ngày, hàng tháng hàng năm Bài báo trình bày kết nghiên cứu đánh giá biến động xạ quang hợp vùng biển Nam Trung Bộ giai đoạn 2007 – 2017 từ liệu. .. hỗ trợ cung cấp liệu đầu vào phục vụ mơ hình hóa suất sơ cấp biển Phương pháp nghiên cứu 2.1 Nguồn liệu phương pháp trích xuất liệu Khu vực nghiên cứu thuộc vùng biển Nam Trung Bộ, giới hạn tọa... (hình 1) Dữ liệu xạ quang hợp (PAR) trung bình tháng từ nguồn ảnh MODIS-Aqua (Moderate Resolution Imaging Spectroradiometer), cấp độ với độ phân giải 9km giai đoạn 01/2007 – 09/2018 Dữ liệu chia