đánh giá biến động lớp phủ lúa
Công nghệ viễn thám hiện nay với khả năng cung cấp thông tin trên nhiều kênh phổ và đo chụp phủ vùng rộng lớn tại các thời điểm khác nhau đã và đang
được ứng dụng rộng rãi trong nông nghiệp như xác định thành phần, cơ cấu cây trồng và kiểm kê diện tích trồng trọt, dự báo sản lượng, nghiên cứu độẩm đất trồng và hiệu quả sử dụng nước trong nông nghiệp… Đối tượng chính để áp dụng Viễn thám trong nông nghiệp là các loại lớp phủ khác nhau như: thực vật, khu dân cư, đất trống và mặt nước có độ phản xạ khác nhau tại các kênh phổ nhìn thấy, kênh nhiệt và kênh sóng radar. Kỹ thuật xử lí ảnh sử dụng sụ khác biệt này trong phân loại, chiết tách các thông tin cần thiết đối với vùng đất nông nghiệp và đặc biệt là vùng trồng lúa để xác định: quy mô, diện tích, tình trạng sinh trưởng, sâu bệnh, khô hạn, ngập úng, năng suất; từ đó đưa ra các cảnh báo theo tần suất nhất định. Người ta lập bản đồ các vùng sản xuất lúa bằng sử dụng độ phản xạ dải phổ quang học, nhờ đó kiểm kê diện tích, ước tính và dự báo sản lượng, và đánh giá mức độ
thiệt hại(T. G. V. Niel and T. R. McVicar, 2001). Dải sóng radar là thích hợp cho việc giám sát sự tăng trưởng cây lúa, lập bản đồ và dự báo năng suất mùa vụ (Lâm
Đạo Nguyên, 2008). Người ta còn có thể dùng dải phổ nhiệt để xác định nhiệt độ
bề mặt (bao gồm các nhiệt độ mặt nước) và lập bản đồ độ ẩm bề mặt (T. Hùng,
2007). Hơn nữa, đất nông nghiệp có đặc tính chung là thời vụ và việc hiểu rõ chu kỳ
sinh trưởng cây trồng nói chung và của cây lúa nói riêng là đặc biệt quan trọng cho việc áp dụng thành công công nghệ viễn thám trong nông nghiệp. Do vậy, sử dụng dữ liệu viễn thám đa thời gian sẽ gia tăng khả năng nghiên cứu và theo dõi mùa màng nói chung và mùa vụ lúa nói riêng. Những năm qua, trên thế giới cũng nhưở
30
trong theo dõi mùa màng nói chung và mùa vụ lúa nói riêng. Tùy vào yêu cầu về
mức độ chi tiết của nghiên cứu mà dữ liệu viễn thám với độ phân giải không gian khác nhau có thể được lựa chọn. Các tư liệu viễn thám quang học độ phân giải cao như Landsat và SPOT và siêu cao như IKONOS và Quickbird có thể sử dụng để
theo dõi chi tiết từng thửa ruộng. Tuy nhiên với giá thành cao và phần lớn thời gian mà mùa vụ lúa trồng ở miền nhiệt đới là vào mùa mưa, thời gian mà hiếm khi có
được ảnh quang học không bị mây che phủ nên tư liệu viễn thám độ phân giải cao hiện thường được sử dụng cho khu vực nông nghiệp quy mô nhỏ. Đối với việc giám sát vùng trồng lúa rộng lớn, thì những tư liệu viễn thám có độ phân giải không gian trung bình hoặc thấp (250 – 1000 m) và chu kỳ lặp lại nhanh (hàng ngày) như ảnh NOAA/AVHRR hoặc MODIS thường được sử dụng cho việc theo dõi sự tăng trưởng của mùa vụ lúa.
MODIS là thiết bị chủ lực được gắn vào 2 vệ tinh TERRA (còn gọi là vệ tinh EOS AM) và vệ tinh AQUA (còn gọi là vệ tinh EOS PM). Quĩ đạo của Terra là vòng quanh trái đất từ Bắc xuống Nam, ngang qua xích đạo vào một giờ nhất định của buổi sáng, trong khi đó, Aqua đi ngược lại, từ Nam lên Bắc và ngang qua xích
đạo vào buổi chiều, cũng vào 1 giờ nhất định. Terra MODIS và Aqua MODIS ghi nhận dữ liệu trong 36 dải quang phổ và các nhóm sóng (spectral bands or groups of wavelengths) có độ dài sóng từ 0.4μm đến 14.4μ m và độ phân giải không gian là 250m (dải 1, 2), 500m (dải 3 đến dải 7) và 1000m (dải 8 đến dải 36) trên toàn bộ
mặt đất. MODIS có chu kỳ chụp lặp lại cao, trong một ngày đêm có thể thu nhận
được 2 ảnh ban ngày và 2 ảnh ban đêm đối với mọi vùng trên trái đất. Vệ tinh TERRA và AQUA bay qua lãnh thổ Việt Nam 4 lần trong một ngày vào khoảng 1giờ 30 phút, 10h 30 phút, 13 giờ 30 phút, 20 giờ 30 phút tuỳ theo quỹđạo bay.
31
Bảng 2.1: Đặc trưng của các band phổảnh MODIS và ứng dụng
Ứng dụng trước đây Kênh phổ Bước sóng Độ phân giải (m)
Ranh giới đất/mây/ Aerosols 1 620 – 670 nm 250 2 841 – 876 nm 250 Thuộc tính đất/mây/Aerosols 3 459 – 479 nm 500 4 545 – 565 nm 500 5 1230 – 1250 nm 500 6 1628 – 1652 nm 500 7 2105 – 2155 nm 500 Màu sắc, thực vật phù du, sinh địa hóa của biển 8 405 – 420 nm 1000 9 438 – 448 nm 1000 10 483 – 493 nm 1000 11 526 – 536 nm 1000 12 546 – 556 nm 1000 13 662 – 672 nm 1000 14 673 – 683 nm 1000 15 743 – 753 nm 1000 16 862 – 877 nm 1000 Hơi nước trong khí quyển 17 890 – 920 nm 1000 18 931 – 941 nm 1000 19 915 – 965 nm 1000 Nhiệt độ của bề mặt và của mây 20 3.660 - 3.840 µm 1000 21 3.929 - 3.989 µm 1000 22 3.929 - 3.989 µm 1000
32 23 4.020 - 4.080 µm 1000 Nhiệt độ của khí quyển 24 4.433 - 4.498 µm 1000 25 4.482 - 4.549 µm 1000 Mây li ti Hơi nước 26 1.360 - 1.390 µm 1000 27 6.535 - 6.895 µm 1000 28 7.175 - 7.475 µm 1000 Tính chất mây 29 8.400 - 8.700 µm 1000 Ozone 30 9.580 - 9.880 µm 1000 Nhiệt độ của bề mặt và của mây 31 10.780 - 11.280 µm 1000 32 11.770 - 12.270 µm 1000 Nhiệt độ của đỉnh các đám mây 33 13.185 - 13.485 µm 1000 34 13.485 - 13.785 µm 1000 35 13.785 - 14.085 µm 1000 36 14.085 - 14.385 µm 1000
Đặc tính chụp phủ vùng rộng lớn, độ phân giải thời gian cao cộng với nhiều kênh thiết kế chuyên để tính hiệu chỉnh ảnh hưởng khí quyển đã làm tăng khả năng sử dụng ảnh MODIS trong nghiên cứu những vùng nhiệt đới nhiều mây như Việt Nam. Nhiều nghiên cứu đã sử dụng thành công chuỗi ảnh đa thời gian của tư liệu NOAA/AVHRR và MODIS trong việc phân loại hệ thống mùa màng vụ lúa tại các nước và tại Việt Nam (T. Hùng, 2007, T. Sakamoto, 2009, Z. Xia, et al., 2005). Chỉ
số thực vật chuẩn NDVI hoặc (VI, EVI, RVI, DVI…) kết hợp thông tin trong kênh phổ màu đỏ và kênh hồng ngoại gần đã được sử dụng một cách hiệu quả trong quan trắc tình trạng lớp phủ thực vật và phân biệt giữa các loại lớp phủ thực vật và các lớp phủ khác. Các thuật toán phân loại đối với dữ l iệu chuỗi thời gian NDVI (từ ảnh NOAA/AHVRR và MODIS) sử dụng chỉ số tương tự tổng TSS, hoặc phân tích
33
phổ Fourier và sử dụng Linear Mixture Model LMM (I. Savin and B. Baruth, 2009)… đã cho những kết quả khả quan.
Ở Việt Nam, Cục Kiểm lâm đã lắp đặt Trạm thu TeraScan và đã vận hành, thu nhận dữ liệu MODIS trên 2 vệ tinh TERRA và AQUA và cung cấp dữ liệu cháy rừng từ tháng 1/2007. Hệ thống này theo dõi cháy rừng trực tuyến (FireWatch Việt Nam), tiếp nhận, xử lý, cập nhật thường xuyên và đưa kết quả các điểm cháy (hotspots) trên toàn lãnh thổ Việt Nam cùng các thông tin kèm theo, nhằm truyền tải thông tin cảnh báo cháy rừng một cách sớm nhất đến các địa phương.
Một loạt nghiên cứu của Xiao và cộng sự (S. Xiao, et al., 2005) đều sử dụng dữ liệu VGT tổ hợp 8 ngày để khảo sát sự biến thiên của chỉ số thực vật NDVI và chỉ số nước NDWI (Normalized Difference Water index) nhằm đưa ra phương pháp phân loại mùa vụ và phân biệt đất ngập nước và đất sạ cấy lúa. Biến động theo thời gian của chỉ số nước NDWI có liên quan chặt chẽ với sự tăng giảm vật chất của bề
mặt nước ở vùng ngập lũ và vùng mới cấy lúa. Đây là tiền đề cho các nghiên cứu sử
dụng MODIS phát hiện vùng trồng lúa của Xiao sau này (D. V. Khảm, 2010).Trên cơ sở phân tích mối quan hệ giữa các chỉ số NDVI, EVI và LSWI với sự biến đổi của các vùng đất trồng lúa qua các quá trình sinh trưởng. Tùy vào từng vùng nghiên cứu mỗi loại cây trồng có khoảng giá trị NDVI dao động trong một khoảng giới hạn nhất định (do trên mỗi loại đất có đặc tính khác nhau, trên những vùng đất màu mỡ
thì cây trồng phát triển tốt giái trị NDVI sẽđạt cao và ngược lại). Nhưng nhìn chung quy luật biến động của chúng giống nhau. Dựa trên kết quả nghiên cứu của B.R. Parida (B. R. Parida, et al., 2008) ở bang Gujarat của Ấn Độ có thể đề xuất khoảng dao động NDVI cho một sốđối tượng sau: (adsbygoogle = window.adsbygoogle || []).push({});
34
Bảng 2.2 : Tiêu chuẩn sử dụng để phân loại sử dụng đất
Khoảng biến động Loại
NDVI >0,74 Rừng (forest)
0,74<NDVI>0,46 Cây mùa vụ có tưới (Irrigated crops) 0,46<NDVI>0,20 Cây mùa vụ nước trời (Rainfed crops) 0,20<NDVI>0,15 Đất hoang (Fallow land)
0,15<NDVI>0,05 Đất trống (Bare soils) 0,05<NDVI>0,001 Đất làm muối (Salt pans) NDVI<-0,001 Nước (Water)
(B.R> Parida et al, 2008)