Nghiên cứu khoa học " Ứng dụng chỉ số nhiệt thực vật cho việc đánh giá sa mạc hóa vùng bờ biển ở Việt Nam " doc

Tạp chí Khoa học Đất. 2007. Số 26, p: 143-149
Ứng dụng chỉ số nhiệt thực vật cho việc đánh giá sa mạc hóa
vùng bờ biển ở Việt Nam
Hoàng Việt Anh
1
, Meredith Williams
2
, David Manning
2
1. Trung Tâm Nghiên cứu Sinh thái và Môi trường rừng, Viện Khoa học Lâm nghiệp Việt
Nam
2. Đại học Tổng hợp Newcastle, UK
Tóm tắt: Đề tài đã xây dựng một phương pháp đánh giá sa mạc hóa sử dụng ảnh vệ tinh MODIS và ASTER. Chỉ số thực vật và nhiệt
độ mặt đất được lấy ra từ ảnh MODIS và ASTER thông qua các kênh trong giải phổ nhìn thấy và kênh hồng ngoại nhiệt. Mối liên hệ
giữa chỉ số thực vật, nhiệt độ mặt đất và mức độ sa mạc hóa được khảo sát và bước đầu được ứng dụng để xây dựng bản đồ vùng sa
mạc hóa ven biển.
Abstract: A desertification mapping approach is developed using MODIS, ASTER and ENVISAT ASAR products. Vegetation
density and thermal properties were extracted from MODIS and ASTER data while soil moisture was estimated from ENVISAT
ASAR. The relationship between vegetation density, soil moisture, and surface temperature, and the role of these parameters in the
desertification process are under investigation.
Keywords: remote sensing, desertification, monitoring, ASTER, MODIS

1 Tổng quan
Sau khi Công Uớc Quốc tế về sa mạc hóa chính thức đi vào hoạt động năm 1996, nhu cầu
đánh giá các đất thoái hóa và đất sa mạc hóa một cách toàn diện trở nên cấp thiết hơn bao
giờ hết (UNCCD, 2004). Các phương pháp khảo sát thực địa truyền thống vẫn là hết sức cần
thiết, nhưng cũng rất tốn kém và cần nhiều thời gian. Trong khi đó các hệ thống viễn thám
ngày càng chứng minh tính ưu việt của mình bởi khả năng đánh giá nhanh và liên tục trên
những vùng rộng lớn và giá thành hạ.
Việt Nam tuy không nằm trong vùng sa mạc hóa điển hình, nhưng do tác động của việc
phá rừng, canh tác không hợp lý, nhiều vùng của Việt Nam đã bị ảnh hưởng nghiêm trọng.

Theo số liệu thống kê, hiện Việt Nam có hơn 9 triệu ha đất hoang hóa, trong đó có 4 triệu ha
đất trống đồi núi trọc đã hoàn toàn mất sức sản xuất sinh học. Trong số 3.2 triệu ha đất ven
biển, có 1.6 triệu ha bị ảnh hưởng nặng nề bởi hiện tượng xói mòn và sa mạc hóa (UNCCD,
2002). Tại các vùng đất cát ven biển, mùa khô kéo dài cùng với mùa mưa ngắn với cường độ
cao đã dẫn đến những vấn đề sau:
- Cát di động do gió tại các vùng cát ven biển
- Mặn hóa các vùng đất cát
- Xói mòn đất do tác động của phá rừng và chăn thả gia súc
Hậu quả của quá trình này là những thay đổi nghiêm trọng trong hệ sinh thái, sự xói mòn
tiềm năng sinh học và khả năng sản xuất của đất. Ở những dạng đất bị thoái hóa nghiệm
trọng sẽ diễn ra quá trình biến đổi dần sang hoang mạc rất khó phục hồi, điển hình là những
vùng hoang mạc tại huyện Bắc Bình, tỉnh Bình Thuận. Để xây dựng và thực hiện thành công
các kế hoạch sử dụng bền vững đất đai, việc theo dõi đánh giá và xây dựng bản đồ cho các
quá trình sa mạc hóa là hết sức quan trọng và cần thiết.
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
2

1.1 Mục tiêu
Đề tài nhằm mục tiêu phát triển một phương pháp xây dựng bản đồ vùng sa mạc hóa phù
hợp với điều kiện Việt Nam và có khả năng ứng dụng cho vùng Đông Nam Á. Mục tiêu cụ
thể là:
- Đánh giá định lượng quá trình sa mạc hóa bở biển ở Việt Nam
- Xây dựng một phương pháp đánh giá sa mạc hóa có khả năng kết hợp ưu điểm của nhiều
nguồn dữ liệu viễn thám
2 Vùng nghiên cứu
Địa điểm nghiên cứu được chọn là tỉnh Bình Thuận. Tại vùng này có nhiều diện tích đất cát
chạy dọc bờ biển hàng trăm km. Do điều kiện địa hình có dẫy Trường Sơn chạy theo hướng
Đông Bắc – Tây Nam chắn hầu hết lượng mưa đến từ vịnh Thái Lan nên vùng này có khí
hậu đặc biệt khô hạn. Tỉnh Bình Thuận có thể chia ra 4 dạng địa hình chính:

- Cồn các ven biển: 143780 ha chiếm 18.2% diện tích
- Vùng đồng bằng: 74260 ha, chiếm 9.4% diện tích
- Vùng đồi thấp: 249640 ha, chiếm 31.6% diện tích
- Vùng núi nối với dẫy Trường Sơn: 322320 ha chiếm 40.8% diện tích
Bình Thuận là tỉnh có khí hậu khô và nóng nhất Việt nam với nhiệt độ trung bình năm
27°C; nhiệt độ trung bình mùa đông 20.8°C, nhiệt độ trung bình mùa hè 32.3°C. Vùng này
cũng là nơi nhận được nhiều bức xạ mặt trời nhất với 2900 giờ nắng hàng năm, tương đương
với gần 8 giờ mỗi ngày. Lượng mưa rất thấp và phân bố không đều. Mưa trung bình năm
1024 mm. Tại một số địa địa điểm, lượng mưu bình quân năm chỉ có 550 mm. Mùa khô kéo
dài từ tháng 11 đến tháng 4, mùa mưa từ tháng 5 đến tháng 10 với nhiều trận mưa lớn trong
thời gian ngắn.
3 Nguồn dữ liệu
3.1 Các dữ liệu cần thiết cho việc đánh giá sa mạc hóa
Sa mạc hóa là một quá trình phức tạp bao gồm cả các tác nhân thiên nhiên lẫn tác động của
con người. Tùy theo các cấp độ quản lý khác nhau, ví dụ cấp chiến lược, cấp chính sách, cấp
ra quyết định, cấp quản lý sử dụng đất, mà yêu cầu về thông tin sa mạc hóa cũng khác nhau.
Dự án DESERTLINKS của cộng đồng châu Âu đã đưa ra danh sách 150 chỉ tiêu về sinh
thái, kinh tế, xã hội, hành chính để đánh giá sa mạc hóa (Brandt et al., 2002). Tuy nhiên để
xây dựng bản đồ sa mạc hóa, có 3 yếu tố rất quan trọng là nhiệt độ mặt đất, thực vật che phủ,
và độ ẩm đất.
Hiện tại trên thế giới có nhiều cách tiếp cận đánh giá sa mạc hóa khác nhau. Trong đó 2
cách tiếp cận phổ biến là điều tra thực địa và giải đoán ảnh viễn thám (visual interpretation).
Tuy có khác nhau về kỹ thuật, nhưng cả 2 cách tiếp cận này đều dựa vào kiến thức chuyên
gia, khả năng phân tích bằng thị giác các dạng địa hình và tập hợp chúng vào một số nhóm
cho trước. Cách tiếp cận thứ 3, dựa vào phân loại ảnh viễn thám (image classification). Kỹ
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
3

thuật và các thuật toán của cách tiếp cận thứ 3 rất đa dạng nhưng đều dựa trên sự đồng dạng

về quang phổ giữa các pixel ảnh với một bộ khóa phân loại cho trước.
Cách tiếp cận thứ 4 hướng đến việc mô hình hóa các quá trình diễn ra trên trái đất sử dụng
các chỉ số địa vật lý được tính toán trên nền ảnh viễn thám. Một vài chỉ số địa vật lý thông
dụng có thể lấy từ ảnh viễn thám là: nhiệt độ, ẩm độ, thành phần khoáng vật, từ trường,
thành phần khí quyển. Việc sử dụng các chỉ số địa vật lý giúp đánh giá các vấn đề một cách
khách quan hơn, định lượng hơn và cho phép so sánh kết quả giữa các vùng địa lý khác
nhau.
Như đã nói ở trên, có rất nhiều yếu tố có thể sử dụng để đánh giá, và xây dựng bản đồ quá
trình sa mạc hóa. Tuy nhiên trong viễn thám, chúng ta cần phải khái quát hóa vấn đề về một
số yếu tố quan trọng nhất. Để chuẩn hóa quá trình xây dựng bản đồ, chúng tôi đưa ra “chỉ số
sa mạc hóa” (desertification index) dựa trên 2 chỉ tiêu có liên quan chặt chẽ với quá trình sa
mạc hóa. Đó là: nhiệt độ mặt đất (land surface temperature - LST) và độ che phủ thực vật.
Nhiệt độ mặt đất (LST) có mối liên hệ chặt chẽ với các quá trình biến đổi của môi trường
đất, đồng thời cũng phản ánh sự thay đổi của thực vật. Trong điều kiện khô hạn, nhiệt độ lá
cây tăng cao là một chỉ số phản ánh sự thiếu nước của thực vật (Mcvicar, 1998).
Thực vật là lớp phủ có tác dụng quan trọng trong việc bảo vệ đất khỏi các quá trình xói
mòn do gió và nước. Tình trạng của thực vật phản ánh các thay đổi về thủy văn, khí hậu
trong hệ sinh thái vùng khô hạn. Sự suy giảm của thực vật cả về diện tích và thành phần loài
là tiêu chí rõ rệt nói lên sự suy thoái đất đai (Haboudane et al., 2002).
3.2 Tách chiết các dữ liệu cần thiết từ ảnh viễn thám
Nhiệt độ mặt đất có thể đo được từ kênh hồng ngoại nhiệt của ảnh viễn thám bằng cách áp
dụng công thức Plank trong đó nhiệt độ là hàm số của quang phổ phát xạ và bức xạ nhiệt.

Trong đó

R(λ,T): quang phổ phát xạ của non-black body tại bước sóng λ
B(λ,T): quang phổ phát xạ của black body tại bước sóng λ
Λ: bước sóng (μm)
ε(λ): bức xạ nhiệt tại bước sóng λ
T: nhiệt độ (K)

c1, c2: hằng số

Bằng cách nghịch đảo phương trình này chúng ta có thể tính được nhiệt độ mặt đất với điều
kiện 2 yếu tố quang phổ phát xạ và bức xạ nhiệt có thể đo được từ ảnh viễn thám. Nhiều
thuật toán tiêu chuẩn đã được phát triển để đơn giản hóa quá trình tính toán này, ví dụ thuật
toán Split windows và TES (Dash et al., 2002).
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
4

Độ che phủ thực vật có thể tính được từ dữ liệu viễn thám sử dụng các phép phân loại ảnh
hoặc chỉ số thực vật. Dạng đơn giản và được ứng dụng phổ biến nhất là chỉ số thực vật tiêu
chuẩn (NDVI).
R
IR
RIR
NIVI
+
−
=

Trong đó R là giá trị của giải phổ đỏ, IR là giá trị của giải phổ hồng ngoại. Do thực vật hấp
thụ hầu hết ánh sáng đỏ, cho nên khi đo quang phổ phát xạ của thực, ta thấy có sự khác biệt
lớn giữa giá trị của giải phổ đỏ và giải phổ hồng ngoại. Chỉ số thực vật NDVI có giá trị từ -1
đến 1, với những vùng có NDVI cao đặc trưng cho độ che phủ thực vật cao, và những vùng
đất trống có NDVI thấp.
3.3 Lựa chọn loại dữ liệu viễn thám
Trong nghiên cứu này, nguồn dữ liệu phù hợp là từ những vệ tinh có khả năng cung cấp
thông tin về nhiệt độ và chỉ số thực vật, như đã đề cập trong mục 3.1. Trong việc lựa chọn
loại dữ liệu phù hợp, chúng ta không những cần quan tâm đến độ phân giải của ảnh, mà còn

cần chú ý tới số băng tần, giá thành, diện tích của ảnh, các tiêu chuẩn lọc nhiễu, và tuổi thọ
của vệ tinh.
Sa mạc hóa là một quá trình lâu dài, vì thế những nghiên cứu về nó cần dựa trên những vệ
tinh có khả năng cung cấp dữ liệu lâu dài và ổn định trong một vài thập kỷ. Vì những lý do
trên, chúng tôi đã chọn những vệ tinh phi thương mại thuộc các chương trình quốc gia của
Mỹ, những chương trình chắc chắn sẽ kéo dài trong vài chục năm nữa. Ngoài ra giá tiền mua
ảnh cũng là một vấn đề cần quan tâm, về quan điểm chúng tôi ưu tiên những loại ảnh miễn
phí hoặc có giá thành hạ để phù hợp với điều kiện Việt Nam và các nước đang phát triển
trong khu vực
Với độ phân giải trung bình, chúng tôi lựa chọn ảnh MODIS. So với ảnh MERIS thì
MODIS có độ phân giải quang phổ lớn hơn, và được lọc nhiễu tốt hơn. Ảnh MODIS cung
cấp những sản phẩm sau đây phù hợp cho nghiên cứu sa mạc hóa: ảnh phản xạ bề mặt
(surface reflectance), nhiệt độ bề mặt, chỉ số thực vật.
Với dữ liệu có độ phân giải cao chúng tôi chọn ảnh ASTER. So với các sensor có tính
năng tương tự, ASTER có một số ưu điểm rõ rệt. ASTER có nhiều băng ở vùng hồng ngoại
sóng ngắn (SWIR) và hồng ngoại nhiệt (TIR) hơn Landsat 7 ETM+. Các băng ảnh trong giải
hồng ngoại nhiệt được lọc nhiễu tốt hơn cho phép giải đoán nhiệt độ mặt đất chính xác tới
0.3
o
C. Ngoài ra về mặt giá thành ảnh ASTER cũng tương đối hợp lý. Một ảnh ASTER level
1 diện tích 60 x 60 km có giá USD 50, ảnh level 2 hiện được cung cấp miễn phí.
3.3.1 Dữ liệu viễn thám sử dụng
Trong quá trình nghiên cứu, chúng tôi thu thập 2 bộ dữ liệu viễn thám một cho mùa khô và
một cho mùa mưa. Bộ dữ liệu cho mùa khô được thể hiện trong bảng 4.
Bảng 4: Ả nh viễn thám sử dụng trong nghiên cứu

Thời gian Sensor Level/ Image mode
19 Jan 2005 ENVISAT ASAR Level 2B/ ASAR IMG
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.

5

19 Jan 2005 ENVISAT ASAR Level 2B/ ASAR IMP
14 June 2005 ASTER Level 1B/ AST_1B
14 June 2005 ASTER Level 2/ ASTER_08
Jan 2005 MODIS Level 3G/MOD09A1
Feb 2005 MODIS Level 3G/MOD09A1
4 Phương pháp
4.1 Xử lý ảnh
Ảnh MODIS được lọc nhiễu khí quyển (amospheric corrected) tại trung tâm NASA. Toàn bộ
dữ liệu ảnh MODIS được chuyển từ hệ tọa độ ISIN về UTM WGS 84 để phù hợp với dữ liệu
địa lý của Việt Nam, và nắn chỉnh vào lưới toạ độ quốc gia. Ảnh ASTER level 2, được đăng
ký tọa độ và nắn chỉnh hình học sử dụng bản đồ địa hình 1:50.000 với độ chính xác dưới 1
pixel.
4.1.1 Nhiệt độ mặt đất (LST)
Nhiệt độ mặt đất được tính toán từ 2 nguồn dữ liệu. Ở tỷ lệ nhỏ, chúng tôi sử dụng
MOD11A2. Đây là ảnh nhiệt tính trung bình cho 8 ngày, được tính toán từ kênh hồng ngoại
nhiệt của ảnh MODIS với độ phân giải 1 km. Việc tính toán này dựa trên một cơ sở dữ liệu
về các loại vật liệu với độ phát xạ nhiệt đã được biết trước. Ảnh nhiệt MOD11A2 đã được
kiểm nghiệm độ với độ chính xác 1 độ K trong điều kiện trời quang mây (Wan, 1999).
Với độ phân giải trung bình, chúng tôi sử dụng AST_08. Đây là ảnh nhiệt độ mặt đất được
tính toán từ kênh hồng ngoại nhiệt của ảnh ASTER với độ phân giải 90 m sử dụng thuật toán
TES (Gillespie et al., 1998).
4.1.2 Chỉ số thực vật
Ở độ phân giải thấp, chúng tôi sử dụng MYD_13Q, ảnh chỉ số thực vật NDVI tính trung
bình cho 16 ngày từ vệ tinh MODIS. Sử dụng các dữ liệu chuẩn từ nhà cung cấp giúp tiết
kiệm thời gian xử lý ảnh và đồng bộ hóa quá trình tính toán. Một lợi điểm nữa của việc sử
dụng dữ liệu tiêu chuẩn là những dữ liệu này được nắn chỉnh bằng các thuật toán tiêu chuẩn
do đó giúp đơn giản hóa quá trình xây dựng bản đồ, và cho phép so sánh kết quả tại những
vùng địa lý khác nhau trong những khoảng thời gian khác nhau.

Ở độ phân giải trung bình, chúng tôi sử dụng chỉ số NDVI và SAVI (Soil Adjusted
Vegetation Index) để ước lượng độ che phủ thực vật. SAVI là chỉ số thực vật được biến đổi
từ công thức tính NDVI với tham số L được thêm vào để tăng độ chính xác cho những vùng
có độ che phủ thấp. Nhiều tác giả ủng hộ việc sử dụng chỉ số SAVI cho các cùng thực vật
thưa thớt, như vùng savan hoặc hoang mạc (Huete, 1998, Terrill, 1994).

)1( L
L
RED
NIR
REDNIR
SAVI +
++
−
=

(3)

Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
6

4.1.3 Chỉ số nhiệt thực vật (Vegetation Temperature Condition Index - VTCI)
Chỉ số nhiệt thực vật (VTCI) được phát triển bởi Wan (2004) (Wan et al., 2004). VTCI là tỷ
số về sự chênh lệch nhiệt độ giữa các pixel có cùng một chỉ số NDVI. Trong công thức tính
VTCI, tử số là độ chênh lệch giữa nhiệt độ cực đại và nhiệt độ của 1 pixel nhất định; mẫu số
là độ chênh lệch giữa nhiệt độ cực đại và nhiệt độ cực tiểu của những pixel có cùng 1 giá trị
NDVI.

VTCI = (LST

NDVIi.max
-

LST
NDVIi
) / (LST
NDVIi.max
-

LST
NDVIi.min
) (4)
Với:

LST
NDVIi.max
= a + b NDVI
i
(5)

LST
NDVIi.min
= a’ + b’ NDVI
i

Trong đó LST
NDVIi.max
and LST
NDVIi.min
là nhiệt độ cực đại và cực tiểu của những pixel

có cùng 1 giá trị NDVI.
LST
NDVIi


là nhiệt độ của 1 pixel nhất định với giá trị NDVI
i
. Các hệ số a, b, a’, b’ có
thể tính được trong một vùng đủ rộng để độ ẩm đất biến đổi từ điểm bão hòa đến độ ẩm
đồng ruộn. Trong thực tế các hệ số này được ước lượng từ scatter plot của nhiệt độ và chỉ số
thực vật
Hình 1. Mô hình mối quan hệ vật lý giữa các chỉ số của VTCI (Nguồn Wan
2004)

Sử dụng VTCI, ta có thể giải thích được cả sự thay đổi của thảm thực vật lẫn sự biến động
về nhiệt độ của những vùng có cùng độ che phủ thực vật. Trong hình 1, LST
max
được coi như
đường “biên nóng” đại diện cho những nơi có độ ẩm thấp và thực vật đang bị khô hạn;
NDVI
LST (
o
C)
LST (
NDVIi)
Numerator
LST
min
(
NDVIi)

LST
min
Denominator
0 0.2 0.4 0.6 0.8 1
5 10 15 20 25 30 35 40 45
LST
max
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
7

LST
min
được coi như đường biên “lạnh”, đại diện cho những nơi mát hơn và có đủ nước cho
thực vật phát triển (Gillies et at. 1997, Wang et al. 2002). Giá trị của VTCI chạy từ 0 đến 1;
chỉ số này càng thấp thì khả năng xẩy ra khô hạn càng cao hơn.
4.2 Phương pháp thực địa
Để thu thập số liệu cần thiết cho việc xây dựng mẫu (training data), chúng tôi đã thực hiện
hai đợt khảo sát thực địa vào mùa khô và mùa mưa. Tổng cộng đã khảo sát 150 điểm mẫu.
Việc phân vùng được thực hiện trên cơ sở phân loại ảnh ASTER tháng 1 năm 2003. Kết quả
phân loại ảnh cho ta một cái nhìn khái quát về vị trí, diện tích và các dạng sa mạc hóa ở
vùng nghiên cứu gồm 7 nhóm đất: đồi cát, đồi cát thấp, trảng cỏ cây bụi trên đất cát, ruộng
lúa, đất chăn thả, rừng khộp trên đất thấp và rừng khộp trên núi cao.
Tại mỗi điểm mẫu, chúng tôi đo đạc những chỉ số sau:

- Độ che phủ thực vật %
- Thành phần cơ giới (5cm)
- pH, EC
- Độ ẩm đất (0-10 cm)
-

Nhiệt độ mặt đất

-
Lấy mẫu đất để đo các chỉ tiêu dinh dưỡng cơ bản

5 Kết quả
5.1 Phân tích mối quan hệ giữa nhiệt độ mặt đất và độ che phủ thực vật
Để tìm hiểu mối quan hệ giữa nhiệt độ mặt đất và chỉ số thực vật, chúng tôi đã chập 2 ảnh
LST và NDVI được tính toán từ ảnh ASTER 2003 và tạo ra một scatter plot với trục hoành
biểu thị NDVI và trục tung biểu thị nhiệt độ. Hình 2 cho thấy hai yếu tố LST và NDVI có
mối quan hệ tuyến tính với R
2
= 0.7. Những vùng có rừng che phủ có NDVI cao (0.3-0.5) và
nhiệt độ mặt đất tương đối thấp (20-26
o
C). Trong khi đó, các vùng đụn cát có chỉ số NDVI
thấp nhất (-0.15 đến -0.2) và nhiệt độ mặt đất rất cao (40 – 50
o
C). Kết quả này cũng phù hợp
với số liệu thực địa, với nhiệt độ giữa nắng của các đụn cát lên đến 65
o
C.


Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
8

Hình 2. Mối quan hệ giữa nhiệt độ và chỉ số thực vật (ảnh ASTER 22/01/2003). (A) đại diện cho vùng sa mạc, (B) đại diện cho vùng
rừng

5.2 Chỉ số nhiệt thực vật (VTCI) cho ảnh ASTER và MODIS.
Ở độ phân giải cao, ảnh ASTER được sử dụng để tính chỉ số VTCI cho vùng nghiên cứu.
Chỉ số thực vật NDVI được tính từ băng 3 và băng 1 (băng hồng ngoại và băng đỏ). Nhiệt độ
mặt đất LST được lấy từ ảnh AST_08 như đã trình bầy trong mục 4.1.1. Để giảm thiểu sai số
hình học, ảnh NDVI được nắn từ độ phân giải 15m xuống còn 90m để phù hợp với độ phân
giải của kênh ảnh nhiệt. Trong hình 3 (đồ thị scatter plot giữa LST và NDVI) ta thấy đường
chéo phía trên đại diện cho “biên nóng” (LST
max
), còn đường thẳng nằm duới scatter plot đại
diện cho “biên lạnh” (LST
min
).


Hình 3. Scatter plot giữa LST và NDVI (ảnh ASTER 16/01/2005).

Từ độ dốc của đường “biên nóng” và “biên lạnh” chúng ta tính được các tham số a, b, a’, b’:
LST
NDVIi.max
= 43.3 – 29.75(NDVI
i
) (6)
LST
NDVIi.min
= 25.2 + 0(NDVI
i
)

Áp dụng công thức (6) và (4), chúng ta tính được chỉ số VTCI của vùng nghiên cứu. Trong
hình 4, những vùng đồi cát ở phía nam được thể hiện bằng mầu trắng, và có giá trị gần với 0.
Tron khi các vùng đất nông nghiệp ở giữa có mầu tối hơn với khoảng giá trị từ 0.5 đến 1.
Trong chỉ số VTCI, giá trị càng nhỏ (càng gần 0) càng biểu hiện sự khô hạn và thiếu nước
đối với thực vật. Vùng có mầu sáng ở phía bắc ảnh đại diện cho khu vực rừng khộp vốn rất
khô hạn trong mùa khô.

Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
9



Hình 4. VTCI tính từ ảnh ASTER (tháng 1/2005). Độ phân giải 90m. Một số pixel trắng hoàn toàn là hồ nước và những vùng bị mây che
phủ.


Ở độ phân giải thấp, VTCI được tính toán từ ảnh MODIS. Ưu điểm của ảnh MODIS là
diện tích bao phủ lớn, chỉ 1 ảnh MODIS là có thể phủ hơn 80% diện thích Việt Nam. Hai
yếu tố đầu vào là: i) ảnh NDVI trung bình 16 ngày (MYD_13Q1); và ii) ảnh nhiệt
MOD_11A2. Tất cả các ảnh được đăng ký tọa độ về lưới tọa độ quốc gia và nắn chỉnh về độ
phân giải 1 km. Từ scatter plot giữa LST và NDVI (hình 5) chúng ta tính được hệ số a, b, a’,
b’.

LST
NDVIi.max
= 47.45 – 22.18(NDVI
i
) (7)
LST

NDVIi.min
= 18.74 + 0(NDVI
i
)


Hình 5. Scatter plot giữa LST và NDVI (ảnh MODIS 12 Jan. 2005).

Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
10

Áp dụng công thức (7) và (4) chúng ta tính được chỉ số VTCI cho ảnh MODIS. Trong
hình 6 có thể thấy hầu hết các vùng đất cát của Việt Nam đều có chỉ số VTCI thấp thể hiện
sự khô hạn và thiếu nước cho cây trồng, trong đó vùng Phan thiết có chỉ số VTCI thấp nhất
tương ứng với mức khô hạn nghiêm trọng. Vùng Tây Nguyên cũng có chỉ số VTCI tương
đối thấp và được thể hiện bằng mầu trắng. Dãy Trường Sơn có mầu đậm hơn trên ảnh thể
hiện chỉ số VTCI cao do có thực vật che phủ và lượng mưa nhiều hơn. Một diện tích lớn ở
miền Trung và miền Bắc bị mây che phủ nên không có số liệu.

Hình 6. Chỉ số VTCI of tính toán từ ảnh MODIS (tháng 1/2005). Độ phân giải 1 km. Khu vực có mầu trắng ở giữa ảnh là những vùng
không có dữ liệu nhiệt độ do bị mây che phủ.

6 Thảo luận
Việc phân tích chỉ số thực vật NDIV và nhiệt độ mặt đất từ ảnh ASTER cho thấy, 2 yếu tố
này có mối quan hệ chặt (R
2
=0.7) và có thể giải thích được các cấp độ sa mạc hóa khác
nhau. Tuy nhiên, trong quá trình xử lý ảnh, chúng tôi nhận thấy rằng sự khác biệt về độ phân
giải giữa các băng trong giải phổ nhìn thấy (VNIR, 15 m) sử dụng để tính NDVI, và các

băng trong vùng hồng ngoại nhiệt (TIR, 90 m) sử dụng để tính nhiệt độ mặt đất, có thể dẫn
tới những sai lệch đáng kể về hình học và quang học. Việc nắn chỉnh ảnh chính xác là rất
quan trọng để giảm thiểu những sai lệch này.
Kết quả tính toán ban đầu cho thấy, ảnh MODIS và ASTER có nhiều tiềm năng để theo
dõi và xây dựng bản đồ sa mạc hóa cho tỷ lệ nhỏ và tỷ lệ trung bình. Tới thời điểm này,
chúng tôi mới chỉ thử nghiệm trên dữ liệu của mùa khô. Bước tiếp theo chúng tôi sẽ tiến
hành phân tích ảnh và dữ liệu thu thập trong mùa mưu để có một cái nhìn toàn diện hơn về
mỗi quan hệ giữa chỉ số thực vật, nhiệt độ, và sự biến động của sa mạc hóa.
7 Lời cảm ơn
Đề tài này được sự hỗ trợ của Đại học tổng hợp Newcastle, và Trung tâm nghiên cứu Sinh
thái Môi trường rừng (RCFE), Viện Khoa học Lâm nghiệp Việt nam (FSIV). Chúng tôi xin
Study
area
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
11

gửi lời cảm ơn tới anh Phùng Văn Khen, Trung tâm Thực nghiệm Phú Hải về sự giúp đỡ
trong khảo sát thực địa, và chị Nguyễn Minh Châu, RCFEE trong việc phân tích mẫu đất.
8 Tài liệu tham khảo.
BRANDT, J., GEESON, N., and IMESON, A., 2002, A desertification indicator system for
Mediterranean Europe, DesertLink.
CONGALTON, R. G., 1991, A review of assessing the accuracy of classification of
remotely sensed data: Remote Sensing of Environment, v. 37, p. 35-46.
DASH, P., TSCHE, F. M. G., OLESEN, F. S., and FISCHER, H., 2002, Land surface
temperature and emissivity estimation from passive sensor data: theory and practice–
current trends: International Journal of Remote Sensing, v. 23, p. 2563–2594.
GILLESPIE, A., ROKUGAWA, S., MATSUNAGA, T., COTHERN, J. S., HOOK, S., and
KAHLE, A. B., 1998, A temperature and emissivity separation algorithm for
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER)

images: IEEE Transactions on Geoscience and Remote Sensing, v. 36, p. 1113 -
1126.
HABOUDANE, D., BONN, F., and ROYER, A., 2002, Land degradation and erosion risk
mapping by fusion of spectrallybased information and digital geomorphometric
attributes: International Journal of Remote Sensing, v. 23, p. 3795–3820.
MCVICAR, T. R., JUPP, D.L.B., 1998, The current and potential operational use of remote
sensing to aid decisions on drought exceptional circumstances in Australia: a review.:
Agricultural Systems, v. 57, p. 399-468.
ROUSE, J. W., HAAS,R.H., SCHELL,J.A., DEERING, D.W., 1973, Monitoring vegetation
systems in the great plains with ERTS, Third ERTS Symposium, NASA, p. 309-317.
STEHMAN, S. V., 1999, Basic probability sampling designs for thematic map accuracy
assessment: International Journal of Remote Sensing, v. 20, p. 2423-2441.
UNCCD, 2002, Vietnam report on the UNCCD implementation, UNCCD.
-, 2004, UNCCD 10 years on, United Nation.
WAN, Z., 1999, MODIS Land-Surface Temperature Algorithm Theoretical Basis
Document, Institute for Computational Earth System Science. University of
California, Santa Barbara.
WAN, Z., WANG, P., and L, X., 2004, Using MODIS Land surface temperature and
Normalized Diference Vegetation index products for monitoring dought in the
southern Great Plains, USA.: International Journal of remote sensing,, v. 25, p. 61-72.

Generated by Foxit PDF Creator © Foxit Software
For evaluation only.