Cornillon (1992)
Hình 10: Sơ đồ khối của quy trình tính toán front theo phương pháp của Cayula & Cornillon(1992)
28
Các quy trình tính toán trên được thực hiện với sự hỗ trợ của phần mềm MGET (Marine Geology and Environment Tools). Đây là một bộ gồm hơn 150 công cụ hữu ích với nhiều chức năng khác nhau. Những công cụ tiêu biểu của MGET đó là chuyển đổi các dữ liệu hải dương học sang format của phần mềm ArcGIS, xác định các front bằng ảnh nhiệt bề mặt hay các chương trình thống kê... Đây là một gói các chương trình nguồn mở được viết bằng ngôn ngữ Python được trường Đại học Duke, Mỹ phát triển cho các nhà phân tích GIS và nghiên cứu biển. Bộ chương trình này có thể download miễn phí dễ dàng từ website của nhóm phát triển (http://code.env.duke.edu/projects/mget/wiki) [11].
Mặc dù hiện nay, MGET được viết độc lập với nền hoạt động và chỉ hỗ trợ trên nền Microsoft Windows XP và Vista nhưng nhiều công cụ vẫn yêu cầu nền ArcGIS Desktop. MGET hoạt động trên nền ArcGIS như là một công cụ của ArcToolbox [11].
Ta thực hiện theo các bước như sau:
- Bước 1: Chuyển đổi các file dạng HDF sang dạng ArcGIS Raster
- Bước 2: Tính toán các giá trị nhiệt mặt biển từ các giá trị hồng ngoại
- Bước 3: Loại bỏ mây
- Bước 4: Tính toán phân bố của front nhiệt mặt biển
- Bước 5: Chuyển đổi các file dạng này sang dạng ASCII
- Bước 6: Tính toán tần suất xuất hiện và chuyển từ ASCII sang dạng ArcGIS
Raster để hiển thị số liệu
Bước 1: Chuyển đổi các file dạng HDF sang dạng ArcGIS Raster
Sau khi download MGET về và cài đặt (Yêu cầu trước đó phải cài đặt ArcGIS Desktop – Chú ý chỉ có từ version 9.3 mới hoạt động được trên nền Window Vista) chúng ta cần download các ảnh hồng ngoại nhiệt lưu dưới dạng *.HDF từ trang web của NOAA.
29
Luận văn này trình bày kỹ thuật tính toán với một loạt các ảnh để đơn giản hơn các bước thực hiện khi làm với nhiều ảnh. Trước tiên chúng ta cần sử dụng Microsoft Excel tạo một bảng gồm 2 cột như sau:
datain dataout E:\ThesisYear8506\198505.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198505 E:\ThesisYear8506\198605.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198605 E:\ThesisYear8506\198705.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198705 E:\ThesisYear8506\198805.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198805 E:\ThesisYear8506\198905.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198905 E:\ThesisYear8506\199005.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd199005
Trong đó, cột thứ nhất là cột các file dữ liệu ảnh vệ tinh thu được, cột này cũng có thể là các file quality chứa các thông tin về mây. Cột thứ 2 là các Raster thu được. Tạo các bảng chứa các Raster mang thông tin về mây:
datain dataout E:\ThesisYear8506\198505.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198505 E:\ThesisYear8506\198605.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198605 E:\ThesisYear8506\198705.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198705 E:\ThesisYear8506\198805.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198805 E:\ThesisYear8506\198905.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198905 E:\ThesisYear8506\199005.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld199005 E:\ThesisYear8506\199105.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld199105 E:\ThesisYear8506\199205.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld199205 E:\ThesisYear8506\199305.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld199305
và các Raster mang giá trị thực của nhiệt:
datain dataout E:\ThesisYear8506\198505.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198505 E:\ThesisYear8506\198605.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198605 E:\ThesisYear8506\198705.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198705 E:\ThesisYear8506\198805.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198805 E:\ThesisYear8506\198905.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198905 E:\ThesisYear8506\199005.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td199005 E:\ThesisYear8506\199105.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td199105 E:\ThesisYear8506\199205.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td199205 E:\ThesisYear8506\199305.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td199305
30
Chúng ta sử dụng công cụ chuyển đổi từ HDF -> Raster
Hình 11: Cửa sổ giao diện của MGET với công cụ chuyển từ HDF sang ArcGIS Raster
31
Công cụ chuyển đổi các file dạng HDF sang Raster có các thông số:
Hình 12: Cửa sổ các thông số khi chuyển từ HDF -> ArcGIS Raster
Với cửa sổ này, chúng ta cần nhập các thông số để xác định dạng vào ra của công cụ chuyển đổi này:
- Tên file chứa các bảng: Cần nhập tên bảng vừa tạo được ở trên
- Nhập tên các trường: Chọn đầu vào, ra (input/output) tương ứng với tên hai cột vừa tạo trong bảng (adsbygoogle = window.adsbygoogle || []).push({});
- Tên của cơ sở dữ liệu HDF: Với nhiệt độ là sst - Nhập vị trí góc dưới cùng bên trái của CSDL - Nhập độ phân giải của dữ liệu
- Nhập hệ quy chiếu: Các Raster trong luận văn này có hệ quy chiếu là WGS-
32
- Nhập tọa độ khu vực nghiên cứu:
Kinh độ: 99 E – 121 E Vĩ độ: 1 N – 25 N
Thực hiện tương tự với một chuỗi các file quality để loại bỏ mây. Đây là các file chứa thông tin về mây với các giá trị qual = 1,..,7.
Bước 2: Tính toán các giá trị thực của nhiệt mặt biển
Riêng với tính toán các giá trị thực của nhiệt mặt biển chúng ta cần nhập hàm hồi quy như sau:
33
Với các bước thực hiện như trên chúng ta đã chuyển đổi thành công các dữ liệu từ dạng file HDF sang dạng ArcGIS Raster và tính toán được các giá trị thực nhiệt mặt biển.
Bước 3: Loại bỏ mây (SetNull)
Như đã đề cập ở trên, trong quá trình loại bỏ mây chúng ta cần sử dụng 2 dạng số liệu, đó là số liệu hồng ngoại nhiệt (hoặc nhiệt) và các thông tin về mây của mỗi file. Để coi một pixel cho trước là giá trị chứa mây hay đất (chuyển thành dạng không có dữ liệu cần quan tâm NoData) chúng ta cần cho các giá trị pixel của file quality nhỏ hơn một giá trị nào đó, các giá trị này từ 0 (chất lượng thấp) đến 7 (chất lượng cao). Để giảm thiểu các giá trị front bị tính sai do ảnh hưởng của mây, luận văn đã chọn giá trị tốt nhất là qual < 7. Tiến sĩ Jason Roberts – người đứng đầu nhóm nghiên cứu và tạo lập nên công cụ MGET, trường Đại học Duke Mỹ đã nghiên cứu so sánh các giá trị AVHRR SST với các giá trị SST đo được bởi ngư dân ở phía Đông Thái Bình Dương cận nhiệt đới, thu được các giá trị như sau:
Bảng 2: Sai khác giữa các giá trị AVHRR SST và các giá trị in-situ SST đối với các ngưỡng quality khác nhau (tổng giá trị điểm ảnh = 858)
Các giá trị quality n Độ lệch SST trung bình (°C) Độ lệch tiêu chuẩn (°C) 0 657 11.21 10.83 1 21 7.09 6.42 2 34 7.36 4.17 3 12 0.51 1.77 4 5 0.38 1.31 5 26 0.34 0.74 6 18 -0.31 0.54 7 85 0.02 0.79
Bảng trên là sự so sánh giữa các giá trị in-situ SST và ảnh SST hàng ngày. Với chất lượng tốt nhất là qual < 7, chúng ta chỉ còn 85 điểm ảnh (pixel) không có mây chiếm 10% với độ lệch SST trung bình là 0.02oC và độ lệch tiêu chuẩn là 0.79oC. Đối với các số liệu trung bình tháng sử dụng trong luận văn nên với qual <
34
7 đã chứa rất ít mây có thể sử dụng để tính toán rất tốt. Với số liệu hồng ngoại nhiệt trung bình 5 ngày, số điểm ảnh không mây thu được sẽ nhỏ hơn nhưng đáp ứng tốt việc nghiên cứu front nhiệt mặt biển.
Để loại bỏ mây, sử dụng hàm SetNull trong công cụ Spatial Analyst, cũng tương tự như chuyển các file từ HDF sang ArcGIS Raster cần tạo các bảng:
E:\ThesisYear8506\12\qld198512 E:\ThesisYear8506\12\Td198512 E:\ThesisYear8506\12\fnd198512 "VALUE" <7 E:\ThesisYear8506\12\qld198612 E:\ThesisYear8506\12\Td198612 E:\ThesisYear8506\12\fnd198612 "VALUE" <7 E:\ThesisYear8506\12\qld198712 E:\ThesisYear8506\12\Td198712 E:\ThesisYear8506\12\fnd198712 "VALUE" <7 E:\ThesisYear8506\12\qld198812 E:\ThesisYear8506\12\Td198812 E:\ThesisYear8506\12\fnd198812 "VALUE" <7 E:\ThesisYear8506\12\qld198912 E:\ThesisYear8506\12\Td198912 E:\ThesisYear8506\12\fnd198912 "VALUE" <7 E:\ThesisYear8506\12\qld199012 E:\ThesisYear8506\12\Td199012 E:\ThesisYear8506\12\fnd199012 "VALUE" <7
Trong đó cột SST Raster là cột chứa các file quality, cột thứ 2 là cột chứa các Raster hồng ngoại nhiệt (nhiệt), cột thứ 3 là cột chứa các Raster kết quả và cột cuối cùng là cột điều kiện để loại bỏ mây. Tiến hành như sau:
35
Hình 15: Giao diện cửa sổ các thông số đầu vào khi loại bỏ mây
Sau đó chỉ cần chọn OK là chúng ta đã setNull được hàng loạt các file dữ liệu hồng ngoại vệ tinh hay dữ liệu các giá trị thực của nhiệt độ. Áp dụng các bước thực hiện trên ta sẽ có thể dễ dàng thu được một CSDL nhiệt độ mặt biển phong phú.
Bước 4: Tính toán phân bố front nhiệt mặt biển
Sau bước 3 đã thu được một CSDL các Raster nhiệt mặt biển và hồng ngoại nhiệt không chứa mây. Tính toán front trên các Raster hồng ngoại nhiệt đó ta sẽ thu được phân bố front. Để tính toán với một loạt các Raster chúng ta cũng cần tạo các bảng chứa các cột Raster đầu vào và kết quả. Tuy nhiên, một điểm khác biệt đó là chúng ta cần tạo một bảng dạng DBF. Để tạo nên bảng này cần sử dụng chương trình Find Rasters trong bộ công cụ MGET, các thông số cần để chạy chương trình như sau:
36
- Thư mục để tìm Raster: Chọn thư mục chứa các Raster hồng ngoại nhiệt
- Thư mục chứa kết quả
- Tên file DBF kết quả
Hình 16: Giao diện cửa sổ chứa các thông số tìm kiếm Raster (adsbygoogle = window.adsbygoogle || []).push({});
Một file DBF có tên là AUGtable.DBF sẽ được tạo ra với một cột chứa tất cả các Raster mà công cụ tìm kiếm Raster (Find Rasters) đã tìm được trong thư mục chứa các Raster hồng ngoại. Muốn tạo cột chứa các Raster kết quả cần thêm 1 trường mới có tên là Outfront với công cụ AddField trong bộ công cụ của ArcGIS. Tạo trường này với dạng dữ liệu là TEXT, độ dài 250.
37
Hình 17: Giao diện cửa sổ thêm trường vào một bảng cho trước
Để gán các tên kết quả cho trường Outfront vừa tạo được sử dụng công cụ tính toán các trường (Calculate Field) với việc sử dụng một lệnh VBScript:
"E:\ThesisYear8506\Aug\f" + Right([Image], 14)
Toàn bộ lệnh này có ý nghĩa tạo một loạt các file Raster trong trường cho trước là Outfront với địa chỉ thư mục là E:\ThesisYear8506\Aug\ sau đó lấy tên file hồng ngoại nhiệt 14 ký tự tính từ bên phải của chuỗi và thêm vào ký tự f ở đầu tên.
38
39
Hình 19: Giao diện công cụ xác định front với một bảng các Raster
Sau khi đã có một bảng các Raster đầu vào/ra của chương trình tính front, chạy trực tiếp công cụ tính toán front với một loạt các Raster (Cayula-Cornillon Fronts in ArcGIS Rasters in Table) với các thông số như sau:
- Kích thước cửa sổ lọc: 3
- Kích thước cửa sổ histogram: 16
- Số lượng pixel được cửa sổ lọc lặp đi lặp lại: 1
- Tỷ lệ tối thiểu của pixel với dữ liệu: 0.65 . Đây chính là tỷ lệ của không phải là NoData (chứa đất/mây) với dữ liệu. Ví dụ nếu tỷ lệ này là 0.75 và kích thước cửa sổ histogram là 20x20 thì khi đó phải có ít nhất 300 pixel trong 400 pixel phải không chứa giá trị Nodata
40
- Độ lệch giá trị hồng ngoại nhiệt tối thiểu để xác định front: 6.666667. Đây chính là cơ sở để xác định front theo một ngưỡng nào đó. Do cơ sở dữ liệu của chúng ta là dạng dữ liệu 16 bit do vậy mỗi một giá trị sai khác của giá trị hồng ngoại nhiệt sẽ tương ứng với 0.0750C. Ta xác định ngưỡng của chúng ta là 0.50C nên giá trị này sẽ tính bằng: 0.5/0.075 = 6.666667
- Các thông số còn lại có thể chọn theo các giá trị của lý thuyết của Cayula & Cornillon (1992)
Hình 20: Giao diện cửa sổ các thông số tính toán front
Sau bước tính toán này chúng ta đã thu được một cơ sở dữ liệu bao gồm các Raster chứa các thông tin về phân bố front.
Sau đó, chuyển các Raster này sang dạng ASCII bằng công cụ chuyển từ Raster sang ASCII sẵn có trong ArcGIS rồi lập trình một chương trình FORTRAN tính toán tần suất xuất hiện của front trong 22 năm từ 1985 – 2006 rồi sử dụng công cụ chuyển từ ASCII sang ArcGIS Raster chúng ta thu được các Raster chứa thông tin về tần suất xuất hiện của front nhiệt mặt biển. Tần suất xuất hiện front chính là
41
tỷ số giữa số lần xuất hiện front tại một pixel cho trước với số lần pixel cho trước đó không chứa mây, theo công thức:
𝐹 =𝑁𝐶
Trong đó:
N: Số lần xuất hiện front tại một pixel cho trước C: Số lần pixel cho trước đó không chứa mây F: Tần suất xuất hiện (%)
42
CHƢƠNG 5: XÁC ĐỊNH FRONT NHIỆT MẶT BIỂN KHU VỰC BIỂN ĐÔNG
5.1Tiền xử lý ảnh vệ tinh
Các ảnh sau khi được download về được ứng dụng trực tiếp tính toán front theo phương pháp của Cayula & Cornillon. Tuy nhiên, với phương pháp gradient, để đơn giản hơn trong việc tính toán và xác định ngưỡng biến đổi của nhiệt mặt biển cần tiến hành thực hiện tiền xử lý ảnh. Trước tiên là lựa chọn ảnh:
43 (adsbygoogle = window.adsbygoogle || []).push({});
44
Hình 23: Ảnh hồng ngoại nhiệt tháng 08 năm 2006
Hình 24: Histogram ảnh hồng ngoại nhiệt 01/1985 Hình 25: Histogram ảnh hồng ngoại nhiệt 01/1985 Hình 26: Histogram ảnh hồng ngoại nhiệt 01/1985
45 Bảng 3: Bảng thống kê cấp độ xám 01/1985 04/2006 08/2006 Cực tiểu 0 0 0 Cực đại 255 255 255 Đỉnh cực trị lớn 202, 215, 225, 245 & 254 243 246 Độ lệch chuẩn 112.11 110.92 119.41 Giá trị trung bình 132.10 132.60 135.86 Trung vị 200 200 235
Với hai ảnh hồng ngoại nhiệt như tháng 01 năm 1985 và tháng 4 năm 2006, các ảnh đều bao gồm đầy đủ các cấp độ xám từ 0 – 255, các cực đại thể hiện được ranh giới các địa vật khác nhau.Với tháng 01 năm 1985, cấp độ xám từ khoảng 0 – 30 chiếm 40,27% là khoảng giá trị cấp độ xám của các khu vực bao gồm đất và mây. Khoảng giá trị từ 162 – 255 chiếm 54,99% chứa các thông tin nhiệt mặt biển. Một điểm rất đáng chú ý đó là trong dải cấp độ xám này lại chứa tới 5 đỉnh (peak) cấp độ xám khác nhau tại các giá trị: 202, 215, 225, 245 & 254. Điều này đã chứng tỏ rằng ảnh hồng ngoại nhiệt này chứa nhiều ngưỡng biến đổi nhiệt khác nhau. Điều này cho thấy ảnh hồng ngoại nhiệt tháng 01 năm 1985 sẽ chứa rất nhiều các cấp độ khác nhau của giá trị gradient nhiệt mặt biển.
Với ảnh hồng ngoại nhiệt tháng 4 và tháng 8 năm 2006, các giá trị cấp độ xám biến đổi ít hơn, phân bố cấp độ xám cũng chia thành 2 khoảng như tháng 01 năm 1985 nhưng trong khoảng giá trị cấp độ xám của nhiệt độ có ít đỉnh cực trị hơn hoặc các đỉnh phân bố gần nhau và ít tập trung hơn. Điều này cho thấy với ảnh hồng ngoại nhiệt tháng 4 và tháng 8 có ít sự biến đổi nhiệt hơn, ít có ngưỡng biến đổi rõ rệt hơn đồng nghĩa với việc các dải front sẽ ít xuất hiện và không liên tục như tháng 01 năm 1985.
46