2.2 Sử dụng tư liệu MODIS tính tốn lượng phát thải CH4 từ canh tác lúa nước
2.2.2 Phân loại đa thời gian và thành lập bản đồ vùng trồng lúa
2.2.2.1 Thuật toán và phương pháp xác định vùng trồng lúa
Đặc tính vật lý duy nhất của ruộng lúa để nhận dạng và phân biệt với các đối tượng lớp phủ khác là lúa được trồng trên đất ngập nước trong một thời gian ngắn. Tiến trình phát triển theo thời gian của đất trồng lúa được chia thành 3 thời kì: thời kì sạ cấy, thời kì lúa phát triển và thời kì đất trơ rơm rạ sau thu hoạch. Trong suốt thời kì sạ cấy, bề mặt đất là một bề mặt trộn lẫn giữa nước và thực vật với độ sâu của nước thường từ 2 cm đến 15cm. Khoảng 50 đến 60 ngày sau thời kì sạ cấy, tán lá lúa đã bao phủ hầu như tồn bộ diện tích bề mặt đất. Cuối thời kì phát triển đến đầu thời kì thu hoạch, lượng trữ ẩm của thân, tán lá, và số lượng lá lúa bị giảm sút. Mỗi đồng ruộng canh tác lại có một lịch sạ cấy riêng, và điều đó gây một thách thức lớn cho những phân tích viễn thám ở phạm vi khơng gian lớn.
Để xác định sự thay đổi của tập hợp hỗn độn bề mặt nước và cây trồng ở đồng ruộng canh tác qua thời gian cần những kênh phổ hoặc chỉ số thực vật nhạy cảm với cả đối tượng nước và đối tượng thực vật. Các chỉ số phổ thực vật được phân tách từ các băng thị phổ, cận hồng ngoại, hồng ngoại và dải đỏ là các tham số trung gian mà từ đó có thể thấy được các đặc tính khác nhau của thảm thực vật như: sinh khối, chỉ số diện tích lá, khả năng quang hợp, tổng các sản phẩm sinh khối theo mùa. Những đặc tính đó có liên quan và phụ thuộc rất lớn vào dạng thực vật bao phủ và thời tiết, đặc tính sinh lý, sinh hố và sâu bệnh. Công nghệ gần đúng để giám sát đặc tính các hệ sinh thái khác nhau là phép nhận dạng chuẩn và phép so sánh giữa chúng.
Đối với mỗi ảnh tổ hợp 8 ngày, ta tính các chỉ số NDVI (Normalized Difference Vegetation Index), LSWI (Land Surface Water Index), và EVI (Enhanced Vegetation
Index), sử dụng giá trị hệ số phản xạ của các kênh Blue, Red, cận hồng ngoại - NIR (841–875 nm), và hồng ngoại sóng ngắn – SWIR (1628–1652 nm). red nir red nir NDVI (3.1) 1 5 . 7 6 5 . 2 blue red nir red nir EVI (3.2) swir nir swir nir LSWI (3.3)
Chỉ số khác biệt thực vật chuẩn hóa NDVI (tính theo cơng thức 3.1) là một chỉ
số thực vật được sử dụng rất phổ biến trong việc giám sát sự thay đổi trạng thái thực vật, trên cơ sở đó biết được tác động của thời tiết khí hậu đến sinh quyển. NDVI biến thiên từ -1 đến 1, giá trị càng cao thì trạng thái của thực vật càng xanh tốt. Phương pháp luận xây dựng chỉ số thực vật NDVI chủ yếu dựa trên sự khác nhau của cường độ phản xạ và hấp thụ của bức xạ cận hồng ngoại và bức xạ khả kiến (với bức xạ đỏ là đại diện) khi tương tác với thực vật trong quá trình quang hợp. Nếu cây xanh tốt, quá trình quang hợp xảy ra mạnh mẽ đồng nghĩa với việc diệp lục của lá cây cần hấp thụ nhiều bức xạ tia đỏ và phản xạ mạnh tia cận hồng ngoại, do đó chỉ số NDVI đạt giá trị cao và ngược lại cây vàng úa, NDVI sẽ mang giá trị thấp.
Chỉ số thực vật tăng cường EVI được tính theo công thức 3.2, là một chỉ số
thực vật độ nhạy cảm cao hơn chỉ số NDVI ở những vùng có sinh khối cao [37]. Sinh khối của ruộng lúa thấp hơn rõ rệt so với vùng rừng, tuy nhiên chỉ số EVI vẫn giữ được sự tuyến tính với vùng đất trồng lúa. Vì vậy, EVI được sử dụng để đánh giá một cách tương xứng sự phát triển thực vật với biên độ biến động lớn như vùng trồng lúa. Ngoài ra, EVI gần với thực tế hơn chỉ số NDVI trong giám sát thực vật khi độ ẩm cao.
Chỉ số nước bề mặt LSWI được tính bằng cơng thức 3.3, biểu thị mức độ thay
đổi hàm lượng nước của lớp phủ bề mặt. LSWI là một trong những chỉ số để đánh giá mức độ hạn hán của lớp phủ thực vật nói chung và cây trồng nói riêng. Đối với các đối tượng có độ chứa nước nhất định, giá trị phản xạ phổ NIR của đối tượng gần như là lớn nhất và giá trị phản xạ phổ SWIR của đối tượng cũng gần như là nhỏ nhất. Từ sự chênh lệch giá trị phổ phản xạ của hai bước sóng này làm cơ sở khoa học cho việc xây dựng chỉ số LSWI.
Ba chỉ số viễn thám trên, mỗi chỉ số đều liên quan đến sự sinh trưởng và phát triển của lúa theo những khía cạnh khác nhau như đã trình bày. Do đó thơng qua phân tích động thái theo thời gian của các chỉ số LSWI, NDVI và EVI, tác giả đã kế thừa thuật toán của Xiao (2006) [64] để xây dựng bản đồ vùng trồng lúa. Thuật toán tập trung vào thời kì sạ cấy thơng qua sự tăng trưởng nhanh của lúa trong thời kì đầu của mùa vụ cho tới khi tán lá hoàn toàn trưởng thành. Sự đối nghịch nhau của các chỉ số viễn thám trong thời kì sạ cấy, khi chỉ số nước bề mặt LSWI đạt giá trị cao hơn các chỉ số thực vật NDVI và EVI, đó chính là dấu hiệu nhận biết đất lúa ngập trong nước. Ngưỡng xác định pixel đất ngập nước ở thuật toán này là LSWI + 0.05 ≥ EVI hoặc LSWI + 0.05 ≥ NDVI. Sau khi phân loại vùng đất ngập nước, bước tiếp theo của nghiên cứu là xác định xem đó có phải là vùng sẽ gieo sạ không hay chỉ là vùng ngập lũ hoặc vùng nước thường xuyên như ao, hồ, sông suối. Tác giả đã sử dụng giả thiết là giá trị của chỉ số EVI trong 5 ảnh tổ hợp 8 ngày sau thời kì sạ cấy (40 ngày) đạt một nửa giá trị chỉ số EVI cực đại thì đó là vùng đất trồng lúa. Giả thiết này được thiết lập từ đặc tính sinh lý rõ rệt của cây lúa, sau thời kì sạ cấy, lúa phát triển nhanh và chỉ số diện tích lá đạt cực đại trong vịng 2 tháng.
2.2.2.2 Các bước xây dựng bản đồ vùng trồng lúa từ ảnh MODIS
Từ cơ sở lý luận như đã trình bày ở phần trên, thuật tốn được cụ thể hóa thành các bước tiến hành nghiên cứu như hình sau. Quá trình nghiên cứu phát hiện và phân
loại đất trồng lúa dựa trên dữ liệu MODIS cần sự xem xét đánh giá và loại bỏ sự ảnh hưởng của mơi trường bên ngồi bao gồm các yếu tố mây, vùng nước thường xuyên, và các loại thảm phủ thực vật khác để tăng độ chính xác và tránh sự nhầm lẫn.
Nghiên cứu đã tiến hành các phân tích các tham số ngưỡng α bằng cách kiểm tra sự thay đổi theo mùa của các chỉ số EVI và LSWI nhưng học viên nhận thấy chỉ sử dụng giá trị ngưỡng 0,05 là khơng đủ chính xác, học viên kết hợp các giá trị ngưỡng khác nhau dựa trên các đặc điểm cây lúa tại các địa phương khác nhau và thời gian tăng trưởng khác nhau. Học viên nhận thấy rằng giá trị ngưỡng α thay đổi qua các năm.
Theo các công thức ở trên đã đưa ra, các chỉ số LSWI, NDVI and EVI được tính tốn từ các band như sau:
NDVI = (NIR-R)/(NIR+R) = (b2-b1)/(b2+b1)
LSWI= (NIR-SWIR)/(NIR+SWIR) = (b2-b6)/(b2+b6)
EVI= 2,5*(NIR-R)/(NIR+6*R-7,5*B+1) = 2.5*(b2-b1)/(b2+6*b1-7.5*b3+1) MNDWI= ( G-SWIR)/(G+SWIR)= (b4-b6)/(b4+b6)
(G= Green; R= Red; NIR= Near Infrared; B= Blue; SWIR=shortwave Infrared)
Hình 2.12: Tính toán các chỉ số LSWI, NDVI, EVI
Từ các chỉ số tính tốn trên, học viên vẽ các đồ thị thông tin của LSWI, NDVI, EVI và phân tích theo ba giai đoạn chính: 1) thời gian ngập nước và cấy lúa non: các
giá trị của các chỉ số thấp; 2) giai đoạn cây trưởng thành ( lúa sinh trưởng, đẻ nhánh, chín) thì các giá trị NDVI, EVI ngày càng tăng và đạt đến độ cực đại trước khi lúa chín; 3) giai đoạn sau khi gặt lúa, các giá trị NDVI, EVI xuống thấp trở lại. [38, 69].
Hình 2.13: Đồ thị phổ theo mùa của các giá trị LSWI, NDVI, EVI theo mùa của khu vực Đồng bằng sông Hồng
Các giá trị EVI, NDVI, và LSWI ở các điểm lúa 1 vụ, lúa 2 vụ được tính tốn qua các thời kỳ ngập nước và lúa cấy cho năm 2010. Các giá trị khác biệt lớn nhất giữa EVI và LSWI cho mỗi điểm được học viên sử dụng để lấy giá trị ngưỡng xác định lúa 1 vụ và lúa 2 vụ. Cuối cùng tính tốn đã cho thấy hệ số 0,05 mà thuật tốn của Xiao đưa ra là dường như khơng thích hợp cho khu vực đồng bằng sơng Hồng. Học viên đã điều chỉnh hệ số α là 0,15. Vì vậy, chúng ta có thể viết cơng thức một lần nữa cho khu vực ngập nước và khu vực cấy lúa ở đồng bằng sông Hồng như sau:
LSWI+0.15 ≥ EVI or LSWI+0.15 ≥ NDVI
2.2.2.3 Kiểm chứng thực địa
Để kiếm chứng độ chính xác của kết quả tách chiết lúa, 180 điểm GPS ở các khu vực trồng lúa trong luận văn đã được khảo sát. Kết quả so sánh chỉ ra có 145 điểm trồng lúa trên ảnh MODIS giống thực địa. Như vậy độ chính xác thực tế đạt 85% [1].
Ngoài ra để tăng độ chính xác tác giả cịn sử dụng các ảnh độ phận giải cao để kiểm chứng kết quả bằng cách tạo 80 ơ mẫu (với diện tích ơ tiêu chuẩn tối thiểu và tối đa tương ứng là 8 ha và 80 ha), phân bố đồng đều hầu như trên các vùng lúa khác nhau ở đồng bằng sông Hồng, các điểm đã được lựa chọn từ ảnh độ phân giải cao (hầu hết là ảnh Quickbird và Landsat) trong Google Earth để giải thích trực quan.
Hình 2.14: Sơ đồ tuyến thực địa kiểm chứng trên Đồng bằng sông Hồng [1]
Bảng 2.8. Ma trận đánh giá sai số giữa thực tế và kết quả từ MODIS [1]
Kết quả lúa từ MODIS
Lúa 1vụ Lúa 2 vụ Lúa 2 vụ + hoa màu Khác Tổng số Mẫu qua n sát Lúa 1vụ 8 3 11 Lúa 2 vụ 105 5 8 118
Lúa 2 vụ +hoa màu 5 40 6 51
Total 8 110 45 17 180
Độ chính xác thực tế 85.0 2.2.2.4 Kết quả tách chiết lúa từ ảnh vệ tinh MODIS
Sự phân bố của các cánh đồng lúa trên Đồng bằng Sông Hồng được xác định và phân chia thành 2 vụ: Đông Xuân và Hè Thu của năm 2010. Từ các bản đồ kết quả ta có thể thấy sự phân bố không gian của các cánh đồng lúa trên tồn đồng bằng sơng Hồng: vùng trồng lúa tập trung nhiều nhất là ở khu vực đồng bằng ven biển như Thái Bình, Nam Định, Ninh Bình, Hải Phịng, một phần của Hải Dương, và tây nam Hà Nội – đây còn gọi là khu vực vành đai lúa của ĐBSH. Càng lên dần khu vực đầu nguồn sông Hồng, mật độ đất lúa càng giảm dần. Lúa hai vụ (2 vụ lúa và hai vụ - hoa màu) được phân bố chủ yếu xung quanh các sơng chính, nơi có nhiều lợi thế về điều kiện tự nhiên như địa hình, đất, tưới tiêu và khả năng thâm canh..., trong khi 1 vụ được tìm thấy tại các khu vực có điều kiện kém về địa hình, nước và nhiệt độ (Vĩnh Phúc, và một phần của Tây Hà Nội).
Dữ liệu về phân bố không gian các vùng trồng lúa trên đây được sử dụng làm đầu vào cho mơ hình tính tốn lượng phát thải trên đồng bằng sông Hồng.
2.2.3 Ứng dụng mơ hình DNDC tính tốn lượng phát thải CH4
2.2.3.1 Mơ hình DNDC
Mơ hình DNDC (DeNitrification - DeComposition) được sử dụng trong nghiên cứu này là mơ hình mô phỏng thực nghiệm về Cácbon và Nitơ cho các hệ thống sinh thái nơng nghiệp. Mơ hình được phát triển bởi C.S. Li [10, 21]. Mơ hình này cịn được dùng để dự đoán sự phát triển của cây trồng, độ ẩm và nhiệt độ trong đất, sự chuyển đổi của chất hữu cơ trong đất và lượng phát xạ của các khí N2O, NO, N2, NH3, CH4 và CO2.
Mơ hình DNDC đã đựợc kiểm tra, phân tích, so sánh và áp dụng để dự đốn sự phát xạ của các khí nhà kính trong nhiều nghiên cứu trước đó trên tồn thế giới [19, 41, 42, 58, 68], cũng như một số nước ở châu Á: Ấn Độ [25, 43], Trung Quốc, Nhật Bản và Thái Lan [10, 21, 43]. Mơ hình DNDC đã được áp dụng để tái tạo lượng phát xạ của các khí CH4 và N2O cho các hệ thống cây trồng chính tại các tỉnh trên đồng bằng sông Hồng.
DNDC bao gồm 2 thành phần chính tương ứng với hai động lực kiểm sốt q trình chuyển đối của C và N và 6 mơ hình phụ tương tác.
Mơ hình phụ đầu tiên bao gồm các mơ hình phụ là khí hậu đất, sự phát triển của cây trồng và q trình phân hủy. Mơ hình phụ khí hậu đất mô phỏng nhiệt độ đất, độ ẩm và Eh (Cường độ phát thải) thơng qua nhiệt độ khơng khí, lượng mưa, các đặc tính về nước và tình trạng ơxy trong đất. Mơ hình phụ sự phát triển của cây trồng tính tốn lượng nước hàng ngày và N hấp thu bởi thực vật, hô hấp của bộ rễ, sự phát triển của cây và sự phân chia của sinh khối vào hạt, thân và rễ. Mơ hình phụ phân hủy mô phỏng sự tập trung của các chất nền (ví dụ chất hữu cơ hịa tan, NH4+, and NO3-) qua việc kết hợp nhiệt độ, các tính chất đất, tác động của thực vật và các biện pháp canh tác.
Mơ hình thứ hai bao gồm các mơ hình phụ: lên men, khử nitơ và nitrat hóa nhằm dự đốn dịng chuyển hóa của các khí NO, N2O, N2, CO2, CH4, và NH3 dựa vào các thay đổi của mơi trường đất. Mơ hình phụ lên men tính tốn sự sản xuất, ơxy hóa và di chuyển của CH4 dưới các điều kiện yếm khí. Mơ hình phụ khử nitơ tính tốn sự sản xuất, tiêu thụ và khuếch tán của N2O và NO trong các trường hợp mưa, tưới tiêu và ngập nước. Mơ hình phụ nitrat hóa tính tốn quỹ ammonium và sau đó là sự chuyển đổi của ammonium sang nitrat.
Hình 2.18: Sơ đồ cấu trúc mơ hình DNDC
Trong mơ hình DNDC, chúng ta có thể chạy với chế độ cho từng địa điểm cụ thể hoặc chế độ tồn vùng. Kết quả phát thải khí nhà kính được mơ phỏng từ các địa điểm sau đó được so sánh với quan sát thực địa [10].
Với chế độ tính tốn cho từng địa điểm cụ thể, mơ hình DNDC u cầu các số liệu đầu vào chi tiết, bao gồm nhiệt độ và lượng mưa hàng ngày, các tính chất đất (dung trọng, pH, hàm lượng chất hữu cơ và thành phần cơ giới), và các biện pháp canh tác (loại cây trồng, làm đất, phân bón hữu cơ và hóa học, làm cỏ, tưới tiêu, ngập úng...). Số liệu đầu ra gồm: sơ lược thông tin của đất theo ngày về nhiệt độ, độ ẩm, Eh, pH; số liệu về chất hữu cơ tổng số trong đất, các số liệu về CO2, NO, NO2, CH4 và NH3.
Với chế độ tồn vùng, để chạy mơ hình DNDC cho một vùng thì dữ liệu đầu vào phải được biên tập trong một cơ sở dữ liệu GIS tùy vào mục tiêu của khu vực nghiên cứu. Để chuẩn bị dữ liệu thì ta phải chia vùng nghiên cứu của chúng ta ra thành từng polygon hay từng grid cell theo từng loại khí hậu và loại đất khác nhau. Độ phân giải của từng polygons hay grid cell phụ thuộc vào dữ liệu đầu vào. Các thông số đầu ra bao gồm: Nhiệt độ hàng ngày, độ ẩm, pH, Eh, tổng lượng cacbon hữu cơ, nitrate, nitrite, ammonium, urea, ammonia, cũng như các chất khử tạp chất hàng ngày CO2, NO, NO2, CH4 và NH3. Đối với các chế độ khu vực, kết quả mô phỏng được ghi nhận về mặt địa lý rõ ràng trong một cơ sở dữ liệu GIS [21]. Tóm lại, 4 yếu tố chính của hệ sinh thái, khí hậu, tính chất vật lý của đất, thuộc tính cây trồng, và các hoạt động canh tác của con người và các dữ liệu đầu vào chính xác sẽ đảm bảo được kết quả mơ phỏng