nghiên cứu ứng dụng công nghệ viễn thám và gis phục vụ giám sát trạng thái sinh trưởng, phát triển và dự báo năng suất lúa ở đồng bằng sông hồng

BTNMT
VKHKTTV&MT

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƯỢNG THUỶ VĂN VÀ MÔI TRƯỜNG
23/62 Nguyễn Chí Thanh, Đống Đa, Hà Nội

********


BÁO CÁO
TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU
KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ





ĐỀ TÀI:

NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM
VÀ GIS PHỤC VỤ GIÁM SÁT TRẠNG THÁI SINH TRƯỞNG,
PHÁT TRIỂN VÀ DỰ BÁO NĂNG SUẤT LÚA
Ở ĐỒNG BẰNG SÔNG HỒNG

Chủ nhiệm Đề tài: TS. Dương Văn Khảm









8837


HÀ NỘI, 4-2011

BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƯỢNG THUỶ VĂN VÀ MÔI TRƯỜNG
23/62 Nguyễn Chí Thanh, Đống Đa, Hà Nội

********

BÁO CÁO
TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU
KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ

ĐỀ TÀI:

NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM
VÀ GIS PHỤC VỤ GIÁM SÁT TRẠNG THÁI SINH TRƯỞNG,

PHÁT TRIỂN VÀ DỰ BÁO NĂNG SUẤT LÚA
Ở ĐỒNG BẰNG SÔNG HỒNG


Chỉ số đăng ký:
Chỉ số phân loại:
Chỉ số lưu trữ:
Cộng tác viên chính: CN. Nguyễn Hồng Sơn; KS. Nguyễn Hữu Quyền
CN. Đỗ Thanh Tùng; Th.S. Hoàng Thanh Tùng
CN. Trần Thị Tâm; KS. Trịnh Hoàng Dương


…., ngày…tháng…năm… …., ngày…tháng…năm… ………, ngày…tháng…năm…
CHỦ NHIỆM ĐỀ TÀI
(Ký và ghi rõ họ tên)
CƠ QUAN THỰC HIỆN
(Thủ trưởng đơn vị, đóng
dấu, nếu có)


CƠ QUAN CHỦ TRÌ
(Thủ trưởng đơn vị chủ trì ký
tên, đóng dấu






Hà Nội, ngày…tháng…năm… Hà Nội, ngày…tháng…năm…

HỘI ĐỒNG ĐÁNH GIÁ CHÍNH THỨC
CHỦ TỊCH HỘI ĐỒNG
(Ký và ghi rõ họ tên, h
ọc hàm, học vị)








TS. Nguyễn Lê Tâm
TS Nguy
ễnL
êT
CƠ QUAN QUẢN LÝ ĐỀ TÀI
(Cơ quan chủ quản ký tên, đóng dấu)
TL. BỘ TRƯỞNG
KT. VỤ TRƯỞNG
VỤ KHOA HỌC VÀ CÔNG NGHỆ
PHÓ VỤ TRƯỞNG





Nguyễn Lê Tâmguyễn Lê
Tâm

i
MỤC LỤC
MỞ ĐẦU 1
CHƯƠNG 1 6
TỔNG QUAN VỀ NGHIÊN CỨU GIÁM SÁT TRẠNG THÁI SINH
TRƯỞNG, PHÁT TRIỂN CỦA CÂY LÚA VÀ DỰ BÁO NĂNG SUẤT
LÚA BẰNG CÔNG NGHỆ VIỄN THÁM 6
1.1. Số liệu ảnh viễn thám và phương pháp tiền xử lý ảnh viễn thám 8
1.1.1. Nguyên lý hoạt động của vệ tinh TERRA, AQUA với đầu đo MODIS 8
1.1.2. Một số phương pháp tiền xử lý ảnh viễn thám 10
1. 2. Khái niệm về giám sát và dự báo năng suất lúa 10

1.2.1. Khái niệm về giám sát lúa 10

1.2.2. Khái niệm về dự báo năng suất lúa 12
1.3. Tình hình sử dụng công nghệ viễn thám trong giám sát và dự báo
năng suất lúa trong nước và trên thế giới 15

1.3.1. Tình hình sử dụng công nghệ viễn thám radar trong giám sát và dự
báo năng suất lúa 15

1.3.2. Tình hình sử dụng công nghệ viễn thám quang học trong giám sát và
dự báo năng suất lúa ở trong nước và trên thế giới 18

Nhận xét: 26
CHƯƠNG 2 28
ĐIỀU KIỆN TỰ NHIÊN VÀ ĐẶC ĐIỂM MÙA VỤ LÚA CỦA KHU VỰC
NGHIÊN CỨU 28

2.1. Điều kiện tự nhiên, tài nguyên thiên nhiên của Đồng bằng sông Hồng 28
2.2. Đặc điểm kinh tế - xã hội vùng Đồng bằng sông Hồng 31
a) Tình hình dân số và xã hội ở Đồng bằng sông Hồng 31
b) Tình hình phát triển kinh tế vùng Đồng bằng sông Hồng 32
2.3. Tình hình sản xuất lúa và đặc điểm mùa vụ lúa vùng Đồng bằng sông
Hồng 34

CHƯƠNG 3 38
ỨNG DỤNG CÔNG NGHỆ GIS VÀ VIỄN THÁM XÂY DỰNG BẢN ĐỒ
TRỒNG LÚA VÀ ĐÁNH GIÁ BIẾN ĐỘNG DIỆN TÍCH TRỒNG LÚA
VÙNG ĐỒNG BẰNG SÔNG HỒNG 38

3.1. Xây dựng bản đồ phân vùng trồng lúa ở Đồng bằng sông Hồng 38
3.1.1. Cơ sở toán học của các bản đồ 38


ii
3.1.2. Cơ sở trắc địa 38
3.1.3. Kích thước và bố cục bản đồ 39
3.1.4. Cơ sở dữ liệu nền 40
3.2. Bản đồ biến động lớp phủ và bản đồ sử dụng đất trồng lúa 40
3.2.1. Thuật toán và phương pháp xác định vùng trồng lúa 41
3.2.2. Các bước xây dựng bản đồ vùng trồng lúa 43
3.3. So sánh diện tích trồng lúa phân loại theo viễn thám và thống kê, và
đánh giá biến động sử dụng đất trồng lúa ở vùng nghiên cứu. 47

3.3.1. So sánh diện tích trồng lúa từ số liệu thống kê và tính toán bằng ảnh
viễn thám 47

3.3.2. Đánh giá biến động diện tích trồng lúa vùng Đồng bằng Sông Hồng 48

CHƯƠNG 4 51
SỬ DỤNG DỮ LIỆU ẢNH MODIS PHỤC VỤ NGHIÊN CỨU GIÁM SÁT
TRẠNG THÁI SINH TRƯỞNG VÀ PHÁT TRIỂN CÂY LÚA Ở ĐỒNG
BẰNG SÔNG HỒNG 51

4.1. Cơ sở dữ liệu 51
4.1.1. Dữ liệu ảnh MODIS 51
4.1.2. Dữ liệu thực địa 52
4.2. Các phương pháp nghiên cứu chỉ tiêu viễn thám để đánh giá trạng
thái sinh trưởng, phát triển và hình thành năng suất lúa 54

4.2.1. Chỉ số thực vật chuẩn hóa (Normalized Difference Vegetation Index
NDVI) 54

4.2.2. Chỉ số dị thường thực vật (Anomaly Vegetation Index-AVI) 55
4.2.3. Chỉ số trạng thái thực vật (Vegetation Condition Index-VCI) 56
4.3. Các bước thực hiện và một số kết quả tính toán đánh giá trạng thái
sinh trưởng phát triển cây lúa 56

4.3.1. Các bước thực hiện 56
4.3.2 Một số kết quả giảm sát 57
CHƯƠNG 5 68
XÂY DỰNG THỬ NGHIỆM PHƯƠNG PHÁP DỰ BÁO NĂNG SUẤT,
SẢN LƯỢNG LÚA Ở ĐỒNG BẰNG SÔNG HỒNG BẰNG DỮ LIỆU ẢNH
MODIS 68

5.1. Phương pháp và số liệu sử dụng 68
5.1.1. Phương pháp hồi quy từng bước 68
5.1.2. Số liệu sử dụng 73

iii
b. Dữ liệu khí tượng 73
c. Bản đồ phân bố vùng trồng lúa 74
d. Dữ liệu MODIS chỉ số thực vật NDVI tổ hợp 16 ngày 75
5.1.3. Quy trình các bước xây dựng mô hình dự báo năng suất 77
5.2. Kết quả và đánh giá kết quả 77
5.2.1. Kết quả 77
5.2.2. Kiểm nghiệm và đánh giá kết quả dự báo năng suất lúa 84
5.2.3. Ước lượng sản lượng lúa vụ đông xuân và mùa. 88
KẾT LUẬN VÀ KIẾN NGHỊ 92
TÀI LIỆU THAM KHẢO 95
PHỤ LỤC 99


iv
DANH MỤC BẢNG
Bảng 2.1. Dân số và diện tích các tỉnh Đồng bằng sông Hồng 31
Bảng 2.2. Tình hình sản xuất lúa vùng Đồng bằng sông Hồng năm 2007 35
Bảng 3.1: Đánh giá sai số diện tích trồng lúa từ ảnh MODIS và 48
số liệu thống kê vùng Đồng bằng sông Hồng 48
Bảng 4.1. Bảy kênh phổ đầu tiên của MODIS 51
Bảng 4.2. Các chỉ tiêu đánh giá trạng thái lớp phủ bề mặt 56
B
ảng 4.3. Chỉ tiêu phân cấp trạng thái sinh trưởng của cây lúa vùng Đồng
bằng sông Hồng theo chỉ tiêu chênh lêch giá trị NDVI 59
Bảng 4.4 So sánh trạng thái sinh trưởng của cây lúa theo chỉ số NDVI
và số liệu quan trắc năm 2009 vùng Đồng bằng sông Hồng 63
Bảng 4.5. Các chỉ số viễn thám và số liệu thực địa 64
Bảng 5.1. Dữ liệu khí tượng 74

Bảng 5.2. Các kênh ảnh trong dữ liệu MODIS tổ hợp 16 ngày MOD13Q1 75
Bả
ng 5.3. Phương trình dự báo năng suất lúa đông xuân 82
Bảng 5.4. Phương trình dự báo năng suất lúa vụ mùa 82
Bảng 5.5. Khoảng hoạt động của các yếu tố trong dự báo năng suất vụ
đông xuân 83
Bảng 5.6 Khoảng hoạt động của các yếu tố trong dự báo năng suất vụ mùa 83
Bảng 5.7. Đánh giá sai số dự báo vụ đông xuân tỉnh Bắc Ninh 84
Bảng 5.8. Đánh giá sai số d
ự báo vụ mùa tỉnh Bắc Ninh 85
Bảng 5.9 . Kết quả kiểm chứng dự báo năng suất lúa vụ đông xuân của các
tỉnh trên cơ sở số liệu phụ thuộc 86
Bảng 5.10 . Kết quả kiểm chứng dự báo năng suất lúa vụ mùa của các
tỉnh trên cơ sở số liệu phụ thuộc 86
Bảng 5.11 Kết quả kiểm ch
ứng dự báo năng suất lúa vụ đông xuân năm
2009 của các tỉnh trên cơ sở số liệu độc lập 87
Bảng 5.12. Kết quả kiểm chứng chất lượng dự báo năng suất lúa vụ mùa
năm 2009 của các tỉnh trên cơ sở số liệu độc lập 87
Bảng 5.13. Kết qủa ước lượng sản lượng lúa đông xuân vùng Đồng bằng
sông Hồ
ng 89
Bảng 5.14. Kết qủa ước lượng sản lượng lúa mùa vùng Đồng bằng sông Hồng 89
Bảng 5.15. Kết quả kiểm nghiệm ước lượng sản lượng vụ đông xuân 90
Bảng 5.16. Kết quả kiểm nghiệm ước lượng sản lượng vụ đông xuân 91


v
DANH MỤC HÌNH
Hình 1.1. Sự biến đổi của chỉ số thực vật NDVI qua các kỳ sinh trưởng của lúa 12

Hình 1.3. Quá trình xây dựng bản đồ lúa bằng dữ liệu SAR (ERS-2) 17
tỉnh Sóc Trăng 17
Hình 1.5. Quan sát vùng lũ và lúa mới cấy sử dụng dữ liệu VGT 20
tổ hợp 10 ngày 20
Hình 1.7. Một số bản đồ trạng thái thời gian mùa vụ ở Đồng bằng sông Hồng 23
Hình 1.8. Sự biến động của các chỉ số thực v
ật (NDVI, EVI) và chỉ số nước bề mặt (LSWI)
trong 1 pixel đất trồng lúa chọn làm mẫu ở Indonesia 24
Hình 1.9. Mô hình đánh giá năng suất dựa trên dữ liệu ảnh MODIS 25
Hình 2.2. Cơ cấu mùa vụ lúa ở Đồng bằng sông Hồng 36
Hình 3.1. Sơ đồ khối thành lập bản đồ chuyên đề 41
Hình 3.2. Các bước xây dựng bản đồ vùng trồng lúa 44
Hình 3.3. Quá trình lọc mây cho dữ liệu [11] 45
Hình 3.5 Bản đồ phân bố diện tích lúa chiêm 2009 tính từ dữ liệu MODIS vùng
Đồng bằng
sông Hồng 46
Hình 3.6 Bản đồ phân bố diện tích lúa mùa 2009 tính từ dữ liệu MODIS vùng Đồng bằng
sông Hồng 47
Hình 3.7. Đồ thị thế biến động diện tích đất trồng lúa vùng Đồng bằng sông Hồng qua các
năm từ ảnh MODIS 48
Hình 3.8. Đồ thị biến động diện tích đất trồng lúa từng tỉnh qua các năm từ ảnh MODIS 49
Ghi chú: 49
- Diện tích trồng lúa của Hà Nội từ n
ăm 2000-2007: bao gồm diện tích trồng lúa của Hà
Nội + Hà Tây 49
- Diện tích trồng lúa của Hà Nội từ năm 2008-2009: bao gồm diện tích trồng lúa của Hà
Nội + Hà Tây + huyện Mê Linh (tỉnh Vĩnh Phúc) + 3 xã huyện Lương Sơn (tỉnh Hoà Bình) 49
Hình 4.1. Sơ đồ khu vực thực địa 53
Hình 4.3. Mô phỏng chỉ số NDVI 55
Hình 4.5 Diễn biến chỉ số NVDI theo các giai đoạn sinh trưởng, phát triển và hình thành

năng suất lúa 58
Hình 4.10. Lược đồ phân bố
sinh khối năm 2009 trong các thời kỳ sinh trưởng của lúa 66
Hình 5.1. Sơ đồ mô tả các hợp phần của năng suất lúa theo mô hình thống kê 69
Hình 5.4. Diễn biến chỉ số APAR trong vụ Đông xuân và Mùa năm 2009 vùng Đồng bằng
sông Hồng 79
Hình 5.5. Sơ đồ quan hệ giữa chỉ số APAR và năng suất lúa vụ Đông Xuân tỉnh Vĩnh Phúc 80
Hình 5.6. Sơ đồ quan hệ giữa chỉ số APAR và năng suất lúa vụ Đông Xuân t
ỉnh Nam Định 81


vi
DANH MỤC CÁC CHỮ VIẾT TẮT
ĐBSH Đồng bằng sông Hồng
EVI Chỉ số thực vật tăng cường (Enhanced Vegetaion Index)
FAO Tổ chức lương thực và nông nghiệp Liên Hợp Quốc (Food and
Agricultural Organization of the United Nations)
GIS Hệ thống thông tin địa lý (Geographic Information System)
KTNN Khí tượng nông nghiệp
KTTV Khí tượng Thuỷ văn
LSWI Chỉ số nước bề mặt (Land Surface Water Index)
MODIS Đầu đo ảnh viễn thám độ phân giải trung bình gắn trên 2 vệ tinh
TERRA và AQUA (Moderate Resolution Imaging
Spectroradiometer)
NDVI Chỉ số khác bi
ệt thực vật chuẩn hoá (Normalized Difference
Vegetation Index) – hay gọi tắt là chỉ số thực vật
NDWI Chỉ số khác biệt nước chuẩn hoá (Normalized Difference Water
Index)
SAR Radar ống mở tổng hợp (Synthetic Aperture Radar)

WFCP Phép lọc xác định trạng thái cây trồng dựa trên hàm sóng
(Wavelet based Filter for determining Crop Phenology)
WMO Tổ chức khí tượng thế giới (World Meteorological Organization)


1
MỞ ĐẦU
1. Tính cấp thiết của đề tài
Lúa là loại cây lương thực chủ yếu thứ hai trên thế giới, được canh tác
không chỉ ở các nước Châu Á mà còn được trồng ở nhiều nước khác trên thế
giới. An toàn lương thực đã trở nên quan trọng do sự phát triển nhanh của dân số
thế giới đặc biệt là các nước Châu Á. Từ vấn đề lương thực, lúa gạo được coi là
mặ
t hàng thiết yếu của người dân nên nó liên quan mật thiết đến các vấn đề quan
trọng khác của nền kinh tế - xã hội. Để khống chế và cân bằng giữa nhu cầu
lương thực và sản lượng lúa cung cấp, cần có một chương trình theo dõi lúa hiệu
quả ở cấp vùng, quốc gia và toàn cầu. Trong bối cảnh hội nhập toàn cầu, nhất là
khi nước ta đã gia nhập Tổ chức Thương mại Thế gi
ới (WTO) và với tiềm lực
của một nước xuất khẩu gạo đứng hàng thứ 2 - 3 trên thế giới thì những thông
tin dự báo về năng suất cây trồng càng trở nên cấp thiết.
Hiện nay các hiện tượng thời tiết bất thường như hạn hán, ngập úng, nắng
nóng, rét hại đối với cây trồng ngày càng gia tăng và mức độ gây tổn hại ngày
càng lớn, nguy cơ mất mùa ngày càng cao nếu không kịp th
ời đánh giá, giám sát
và dự báo để khắc phục và giảm nhẹ thiệt hại do chúng gây ra. Việc sử dụng các
thông tin từ các trạm quan trắc khí tượng thuỷ văn, khí tượng nông nghiệp và
các báo cáo từ các địa phương để phân tích đánh giá và giám sát và dự báo
những bất thường này của thời tiết là không kịp thời và đầy đủ.
Ngoài việc dự báo năng suất lúa để củng cố thông tin đảm bảo cho công

tác an ninh lương thự
c, việc giám sát và thành lập bản đồ lúa một cách hiệu quả
và kịp thời cũng vô cùng quan trọng trong quản lý môi trường, cụ thể là trong
việc quản lý tài nguyên nước và quản lý việc phát thải khí nhà kính, đặc biệt là
trong bối cảnh biến đổi khí hậu toàn cầu đang diễn ra phức tạp, đe dọa tới sự
phát triển bền vững của nhân loại. Theo thống kê của FAO (2001), các quốc gia
châu Á sử dụng hơ
n 80% nguồn nước sạch cho tưới tiêu, thậm chí là hơn 95% ở
một số quốc gia. Lúa nước cũng là một nguồn phát thải khí Metan lớn, theo một
số nghiên cứu của Prather và Ehhalt (2001) đất trồng lúa nước đóng góp 10%
trong tổng lượng Metan phát thải vào khí quyển, ảnh hưởng lớn đến thành phần
hóa học của khí quyển.
Cùng với sự phát triển nhanh và mạnh của công nghệ vũ trụ, rất nhiều
nước trên th
ế giới đã ứng dụng công nghệ viễn thám trong nghiên cứu khí tượng
nông nghiệp đặc biệt là trong việc giám sát và dự báo năng suất cây trồng. Việc
ứng dụng công nghệ viễn thám phục vụ khí tượng nông nghiệp (KTNN) và nông
nghiệp (NN) là một trong những lĩnh vực thành công ở trên thế giới. Với kỹ
thuật viễn thám hiện đại, đặc biệt là sự phát triển của viễn thám quang học với
độ phân gi
ải cao 30 mét LandSat/MSS, TM thậm chí 2,5 mét như SPOT có thể


2
cho những số liệu điều tra, phân tích và đánh giá một cách rất chi tiết và chính
xác bề mặt lục địa. Vệ tinh NOAA/AVHRR, MODIS có độ quét rộng, độ phân
giải thời gian cao đáp ứng nhanh chóng và kịp thời các thông tin cho các vùng
lớn, viễn thám radar cho phép quan sát độc lập với mọi điều kiện thời tiết là
nguồn dữ liệu thích hợp cho mục đích lập bản đồ và dự báo năng suất cây trồng.
Nhi

ều nghiên cứu đã cho rằng viễn thám và GIS đã làm thay đổi chất và lượng
của những nghiên cứu khoa học về KTNN, thay đổi về phạm vi nghiên cứu, nội
dung nghiên cứu, tính chất và phương pháp luận KTNN. Điều đó đã khẳng định
viễn thám và GIS là một cuộc cách mạng trong nghiên cứu khoa học KTNN nói
chung và trong công tác giám sát, dự báo năng suất lúa nói riêng.
Trước những ưu thế rõ rệt của công nghệ Viễn thám và nhu cầu cấ
p bách
của xã hội về việc giám sát và dự báo năng suất cây lúa nhằm bảo đảm an ninh
lương thực và tăng cường vị thế xuất khẩu gạo của Việt Nam. Từ những phân
tích về Công nghệ Viễn thám ở trên Thế giới và ở Việt Nam, căn cứ vào thực tế
công tác nghiên cứu Công nghệ Viễn thám ở Viện Khí tượng Thủy văn và Môi
trường, đề tài đã xác định mụ
c tiêu nghiên cứu như sau:
2. Mục tiêu và nhiệm vụ nghiên cứu
*) Mục tiêu:
 Xây dựng phương pháp giám sát trạng thái sinh trưởng, phát triển của cây
lúa và đánh giá biến động diện tích trồng lúa ở Đồng bằng sông Hồng bằng
các thông tin viễn thám và công nghệ GIS.
 Xây dựng thử nghiệm phương pháp dự báo năng suất, sản lượng lúa ở các
tỉnh Đồng bằng sông Hồng bằng công nghệ viễn thám, GIS.
*) Nhi
ệm vụ nghiên cứu: Để đạt được các mục tiêu trên, trong quá trình thực
hiện đề tài cần giải quyết các nhiệm vụ sau đây
- Thu thập, hệ thống hoá, tổng hợp và đánh giá nguồn tài liệu, số liệu từ các dự
án, đề tài, báo cáo trước đây về giám sát, cảnh báo và dự báo năng suất cây
trồng để tìm các phương pháp tối ưu cho việc đồng hoá số liệu và tính toán các
thành phần năng su
ất tại khu vực nghiên cứu.
- Đánh giá khả năng đáp ứng của các ảnh vệ tinh với mục tiêu nghiên cứu của đề
tài. Ngày nay với sự phát triển của khoa học công nghệ và để đáp ứng nhu cầu

ngày càng cao của thực tiễn, ảnh vệ tinh không ngừng được đa dạng hóa và hoàn
thiện theo hướng công nghệ xử lý. Tuy ảnh vệ tinh có nhiều ưu việt, nhưng khả
năng
ứng dụng vào lập các bản đồ hiện trạng, biến động sử dụng đất phụ thuộc
vào nhiều yếu tố, như độ chính xác hình học, khả năng chiết tách thông tin về
các loại hình sử dụng đất nông nghiệp có ý nghĩa quyết định đến phương pháp


3
và tỉ lệ bản đồ thành lập. Do vậy cần thiết phải đánh giá khả năng của từng loại
ảnh để lựa chọn được loại ảnh đáp ứng yêu cầu đặt ra.
- Phân tích, phân loại ảnh số nhằm chiết xuất thông tin sử dụng đất trồng lúa
theo 2 phương pháp: phân loại có kiểm định và không kiểm định.
- Điều tra, khảo sát, thí nghiệm, thực nghiệm
đồng ruộng làm cơ sở số liệu phục
vụ xử lý giải đoán ảnh viễn thám, so sánh đánh giá số liệu trong quá trình nghiên
cứu.
- Tiền xử lý ảnh, xây dựng khóa giải ảnh viến thám (SPOT, ENVISAT,
MODIS), phân loại các đối tượng bề mặt trên ảnh viễn thám theo phương pháp
đã chọn phục vụ cho việc xây dựng bản đồ, đánh giá biến động sử dụng đất
trồng lúa.
- Nghiên cứ
u phương pháp giám sát trạng thái sinh trưởng, phát triển của cây lúa
- Xây dựng thử nghiệm phương pháp dự báo năng suất, sản lượng lúa
3. Phạm vi nghiên cứu
*) Phạm vi không gian: Vùng Đồng bằng sông Hồng.
*) Phạm vi thời gian: Giám sát quá trình sinh trưởng, phát triển và dự báo
năng suất lúa của khu vực nghiên cứu từ năm 2000 đến năm 2009.
4. Ý nghĩa khoa học và thực tiễn của đề tài
*) Ý nghĩa khoa học: Góp ph

ần xây dựng phương pháp mới vào quy trình
truyền thống trong công tác giám sát và dự báo năng suất lúa.
*) Ý nghĩa thực tiễn: Góp phần khẳng định và mở rộng khả năng ứng
dụng phương pháp viễn thám vào việc giám sát mùa vụ và dự báo năng suất lúa
phục vụ công tác xuất khẩu lúa gạo và công tác an ninh lương thực cho ngành
nông nghiệp.
5. Quan điểm và phương pháp nghiên cứu
*) Quan điểm nghiên cứu:
-
Quan điểm hệ thống: Đối tượng nghiên cứu (cây lúa) sẽ được coi là một
chỉnh thể tự nhiên, các hiện tượng chịu ảnh hưởng của một tập hợp các yếu
tố tự nhiên.
- Quan điểm tổng hợp: Là nền tảng hiện đại để quản lý thống nhất các hợp
phần tự nhiên và trạng thái sinh trưởng, phát triển và hình thành năng suất
-
Quan điểm tiếp cận ứng dụng công nghệ hiện đại: Công nghệ hiện đại đang
phát triển nhanh và mạnh, đặc biệt là công nghệ viễn thám và GIS và các ứng
dụng của nó trong phát triển của các chuyên ngành.
- Quan điểm kế thừa các tài liệu đã có: Tài liệu đã có bao gồm các cơ sở dữ
liệu về điều kiện tự nhiên, điều kiện KTTV, KTNN, đấ
t đai, diện tích và


4
năng suất lúa. Các kết quả nghiên cứu của các đề tài, dự án đã được tiến
hành. Cách tiếp cận này cho phép tận dụng nhiều số liệu tốt đã có, giảm chi
phí và giúp cho so sánh tài liệu lịch sử trong quá trình nghiên cứu.
- Quan điểm mô hình hoá các hiện tượng vật lý của các đối tượng để đưa vào
các mô hình tự động hoá tính toán.
*) Phương pháp nghiên cứu:

 Phương pháp xử lý ảnh giải đoán
ảnh viễn thám số bằng các phần mềm chuyên
dụng (ENVI) nâng cao chất lượng và khả năng giải đoán của tư liệu ảnh.
 Kết hợp phương pháp phân tích ảnh bằng mắt và phân tích ảnh số trong giải
đoán các đối tượng lớp phủ, đánh giá trạng thái sinh trưởng, phát triển và
hình thành năng suất cây lúa.
 Phương pháp thống kê áp dụng trong khí hậu, khí hậu nông nghiệp.
 Lồng ghép dữ li
ệu khí tượng thủy văn, khí tượng nông nghiệp và các chỉ tiêu
viễn thám trong mô hình đánh giá trạng thái sinh trưởng, phát triển và dự báo
năng suất, sản lượng lúa.
 Phương pháp điều tra khảo sát, nghiên cứu mẫu phục vụ giải đoán ảnh viễn
thám.
 Công nghệ GIS (ArcView, ArcInfor) trong việc chuyển đổi lưới toạ độ,
thành lập cơ sở dữ liệu, các bản đồ số hoá, chồng ghép thông tin viễ
n thám
và thông tin địa lý bổ trợ.
 Phương pháp chuyên gia, tư vấn
6. Bố cục của đề tài
Mở đầu
Chương 1. Tổng quan về nghiên cứu giám sát trạng thái sinh trưởng, phát triển
của cây lúa và dự báo năng suất lúa bằng công nghệ viễn thám.
Chương 2. Tổng quan về khu vực nghiên cứu và đặc điểm mùa vụ lúa của khu
vực nghiên cứu.
Chương 3. Ứng dụng công nghệ GIS và viễn thám xây dựng bả
n đồ trồng lúa và
đánh giá biến động diện tích trồng lúa vùng Đồng bằng sông Hồng.
Chương 4. Sử dụng dữ liệu ảnh MODIS phục vụ nghiên cứu giám sát trạng thái
sinh trưởng và phát triển cây lúa ở Đồng bằng sông Hồng.
Chương 5. Xây dựng thử nghiệm phương pháp dự báo năng suất, sản lượng lúa

ở Đồng bằng sông Hồng bằng dữ liệu ảnh MODIS.
Kết luận và kiến nghị
Tài liệu tham khảo
Phụ lục


5
Trong quá trình thực hiện, chủ nhiệm đề tài cùng đội ngũ cộng tác viên đã
nhận được sự chỉ đạo, động viên và tạo điều kiện thuận lợi của lãnh đạo Viện
Khoa học Khí tượng Thủy văn và Môi trường, các Vụ Khoa học và Công nghệ,
Kế hoạch, Tài chính, Bộ Tài nguyên và Môi trường, lãnh đạo các đơn vị trong
và ngoài Viện cùng với sự cộng tác, giúp đỡ nhiệt tình của các đơn vị
bạn như:
Cục Khí tượng Thủy văn và Biến đổi Khí hậu, Trung tâm Khí tượng Thuỷ văn
Quốc gia, Trung tâm Viễn thám, Trung tâm Nghiên cứu ứng dụng Công nghệ
Vũ trụ, Viện Khoa học và Công nghệ Việt Nam, Trung tâm Viễn Thám và GIS ,
Đại học Khoa học Tự nhiên Chúng tôi xin trân trọng cảm ơn sự chỉ đạo, giúp
đỡ và sự hợp tác quý báu đó.
Hà Nội, tháng 4 năm 2011
CHỦ NHIỆM ĐỀ TÀI



6
CHƯƠNG 1
TỔNG QUAN VỀ NGHIÊN CỨU GIÁM SÁT TRẠNG THÁI SINH
TRƯỞNG, PHÁT TRIỂN CỦA CÂY LÚA VÀ DỰ BÁO NĂNG SUẤT
LÚA BẰNG CÔNG NGHỆ VIỄN THÁM
1.1. Số liệu ảnh viễn thám và phương pháp tiền xử lý ảnh viễn thám
1.1.1. Nguyên lý hoạt động của vệ tinh TERRA, AQUA với đầu đo MODIS

Vệ tinh TERRA và AQUA (còn được gọi là vệ tinh EOS-AM-PM) được
phóng lên quỹ đạo lần lượt ngày 18 tháng 12 năm 1999 và ngày 4 tháng 5 năm
2002 tại Caliofrnia (Hoa Kỳ).
MODIS là một đầu
đo viễn thám chủ yếu của vệ tinh TERRA và AQUA.
Trong khoảng thời gian một ngày đêm, các đầu đo của vệ tinh sẽ quét gần hết
Trái đất. Trong mỗi phiên thu sẽ thu được dữ liệu tại 36 băng phổ
Bảng 1.1. Các kênh phổ và các ứng dụng cơ bản của đầu đo MODIS
Kênh
Khoảng phổ
m
µ

Phân giải
không gian
Các đối tượng ứng dụng điển hình
1 0.620-0.670 0.25 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
2 0.841-0.876 0.25 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
3 0.459-0.479 0.5 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
4 0.545-0.565 0.5 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
5 1.230-1.250 0.5 km
Các loại mây và các loại đối tượng bao phủ

bề mặt Trái đất
6 1.628-1.625 0.5 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
7 2.105-2.155 0.5 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
8 0.405-0.420 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
9 0.438-0.448 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương


7
10 0.483-0.493 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
11 0.526-0.536 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
12 0.546-0.556 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
13 0.662-0.627 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
14 0.673-0.683 1 km
Màu sắc thực vật phù du và sinh địa hoá

của đại dương
15 0.743-0.753 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
16 0.863-0.877 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
17 0.890-0.920 1 km Hơi nước trong khí quyển
18 0.931-0.941 1 km Hơi nước trong khí quyển
19 0.915-0.965 1 km Hơi nước trong khí quyển
20 3.66-3.84 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
21 3.929-3.989 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
22 3.929-3.989 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
23 4.02-4.08 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
24 4.433-4.498 1 km Nhiệt độ của khí quyển
25 4.482-4.549 1 km Nhiệt độ của khí quyển
26 1.36-1.39 1 km Mây ti (Cirrus cloud)
27 6.535-6.895 1 km Hơi nước
28 7.175-7.475 1 km Hơi nước
29 8.400-8.700 1 km Hơi nước

8
30 9.580-9.880 1 km Tầng ozone
31 10.780-11.280 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
32 11.770-12.270 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
33 13.185-13.485 1 km Nhiệt độ đỉnh mây
34 13.485-13.785 1 km Nhiệt độ đỉnh mây
35 13.785-14.085 1 km Nhiệt độ đỉnh mây
36 14.085-14.385 1 km Nhiệt độ đỉnh mây
Do độ rộng của ảnh chụp (2330 km) và đều mang đặc tính theo dõi đa
thời gian nên các nghiên cứu này đều được tiến hành ở quy mô khu vực. Với 36
băng phổ từ 0,4 đến 14
m
µ
và độ phân giải không gian từ 250 m (băng 1, 2), 500
m (băng 3 đến 7) và 1000 m (băng 8 đến 36) các dữ liệu MODIS đã được đưa
vào sử dụng theo dõi mây, chất lượng khí quyển, chỉ số thực vật, phân loại lớp
phủ, cháy rừng, hàm lượng diệp lục (chlorophyll) trong nước biển, nhiệt độ mặt
nước biển, nhiệt độ bề mặt lục địa, bốc thoát hơi bề mặt lớp phủ, di
ễn biến các
khối băng lục địa và đại dương.
1.1.2. Một số phương pháp tiền xử lý ảnh viễn thám
a) Hiệu chỉnh bức xạ
- Chuẩn hóa ảnh (normalization)
Phương pháp của KNMI (Hà Lan):
Nếu cos(θ) < 0.2 thì đặt cos(θ) = 0.2; bức xạ hiệu chỉnh bằng bức xạ gốc
chia cho cos(θ). Trong đó θ là góc quan trắc vệ tinh.

Phương pháp của AWG (Đức):
Đặt:

() ()
[]
θθ
coscos5.0
1
1cp
+
=
;
()
θ
cos
1
3cp =
;

(
)
(
)
3cp
18
cos25
11cp
18
cos25
2cp

⎥
⎦
⎤
⎢
⎣
⎡
−
−+
−
=
θθ
(2.1)
Trong đó:
Nếu (cos(θ) > 0.3 và cos(θ) <= 0.7) bức xạ hiệu chỉnh = cp1 * bức xạ gốc;
Nếu (cos(θ) > 0.7 và cos(θ) <=0.25) bức xạ hiệu chỉnh = cp2* bức xạ gốc;
Nếu (cos(θ) > 0.25) bức xạ hiệu chỉnh = cp3* bức xạ gốc còn lại cp = 1.;


9
Phương pháp của NWC-SAF (Tây ban Nha):
Nếu cos(θ) <= 0.87 bức xạ hiệu chỉnh = (bức xạ gốc 1023./255. - 50.) *
(1./ cos(θ)) * 0.25; cho ảnh với mức lượng tử là 1024.
2.1.2 Sai lệch do góc nhìn của vệ tinh do độ cong của bề mặt trái đất
Hiện tượng này xảy ra do độ cong của trái đất, làm sai lệch vị trí quan sát
vật thể của vệ tinh. Để hiệu chỉnh vấn đề này, ngoài việc sử dụng hệ tọa độ cho
hình dạng thật của trái đất, người ta có thể sử dụng số liệu vệ tinh dưới nhiều
góc nhìn khác nhau.

- Hiện tượng lóe sáng do chuyển động biểu kiến của Mặt trời (sun glint)
Nếu ta quan sát bề mặt nước dưới một góc nhìn trùng với góc chiếu của

mặt trời, khi đó bề mặt gần như sáng trắng, phản chiếu hình ảnh của mặt trời lên
mặt nước. Đây gọi là hiện tượng lóe sáng do mặt trời – (Sun glint), gọi tắt là
hiện tượng lóe sáng.
- Hiệu chỉnh số liệu bị nhiễu do lóe sáng (deglint algorithms)
Hiệu chỉnh số liệu nhiễu do lóe sáng thường các phương pháp sau: Hiệu
chỉnh thống kê (không gian và thời gian) bằng việc sử dụng các ảnh liền kề; Sử
dụng quan hệ tuyến tính giữa kênh cận hồng ngoại và kênh thị phổ; Mô hình của
Cox và Munk đánh giá đóng góp của hiệu ứng lóe sáng mặt trời tới các hiện
tượng của đại dương.
b) Hiệu chỉnh khí quyển
Phương pháp sử dụng hàm truyền khí quyển
Hàm truyền khí quyển là giải pháp gần đúng hay được sử dụng. Mọi
thông tin dựa trên trạng thái trung bình của khí quyển kể cả hàm lượng các bụi
lơ lửng (aerosol) và hơi nước.
Phương pháp sử dụng các số liệu quan trắc thực địa
Phương pháp này được tiến hành đo đạc bức xạ các đối tượng cần nghiên
cứu ngay trong thời điểm bay chụp. Sau đó dựa trên sự khác biệt cường độ bức
xạ thu được trên vệ tinh và giá trị đo được để thực hiện việc hiệu chỉnh bức xạ.
Phương pháp hiệu chỉnh trên vệ tinh
Một số vệ tinh được trang bị các bộ cảm đặc biệt chuyên thu nhận các
tham số trạng thái khí quyển đồng thời với các bộ cảm thu nhận ảnh và việc hiệu
chỉnh được thực hiện ngay trong quá trình bay.
c) Hiệu chỉnh hình học
Các trình tự cơ bản của hiệu chỉnh hình học như sau:
Phương pháp được lựa chọn phải dựa trên bản chất sự méo hình của tư
liệu nghiên cứu và số lượng điểm khống chế có thể có được.


10
a.

Lựa chọn phép chiếu thích hợp hoặc bản đồ tham khảo (reference map).
b.
Lựa chọn một lưới cân đối khớp với phép chiếu đưa ra (xác định vị trí và
khoảng cách của các điểm lưới).
c.
Lựa chọn một tập hợp các điểm điều khiển mặt đất (“groud control points”)
(GCP’s) – các pixel được định vị trên bản đồ nền (base map) phải được xác
định chính xác.
d.
Xác định phép biến đổi và tính toán các vị trí của các điểm lưới tham khảo
(reference grid) trong hệ tọa độ ảnh. Các phép biến đổi sao cho sự biến dạng
lưới theo khoảng cách trung bình giữa các pixel GCP và vị trí của chúng trên
bản đồ là nhỏ nhất.
e.
Lưu lại giá trị ảnh để gán các giá trị mức xám cho mỗi điểm lưới.
1. 2. Khái niệm về giám sát và dự báo năng suất lúa
1.2.1. Khái niệm về giám sát lúa
Sự ảnh hưởng mạnh mẽ của thời tiết và khí hậu đến quá trình sinh trưởng,
phát triển và hình thành năng suất, sản lượng lương thực của thế giới đã dẫn đến
sự quan tâm đặc biệt trong vấn đề theo dõi, đánh giá định kỳ (giám sát điều kiện
khí tượng nông nghiệp) đối với sự sinh trưởng, phát triển của các loại cây lương
thực ở các quốc gia trên th
ế giới. Với tầm quan trọng của công tác giám sát và
dự báo năng suất cây trồng, đã từ lâu ở các nước phát triển và một số nước khác
(Mỹ, các nước thuộc EU, Liên Xô cũ, Trung Quốc ) đã tiến hành công việc
giám sát khí tượng nông nghiệp (KTNN) đối với các loại cây trồng và từ những
năm 1974 – 1980 đến nay đã tiến hành xây dựng các phương pháp giám sát cây
trồng theo những giai đoạn khác nhau.
Theo nhiều nghiên cứu đi trướ
c [5, 12], giám sát nông nghiệp nói chung

và giám sát lúa nói riêng theo phương pháp truyền thống được xây dựng dựa
theo những bước sau đây:
1)
Thu thập các số liệu KTNN thời gian thực ở mặt đất, bao gồm các số
liệu khí tượng và vật hậu của cây trồng theo tuần, tháng hoặc theo từng giai
đoạn. Dữ liệu đầu vào bao gồm số liệu khí tượng (bốn yếu tố thời tiết chính ảnh
hưởng đến năng suất nông nghiệp là: ẩm, nhiệt, gió, ánh sáng), được thu thập
bởi mạng lưới các trạm khí tượng đị
a phương và quốc gia, và số liệu vật hậu học
thu thập ở các mảnh ruộng thực địa theo từng thời kì sinh trưởng của cây trồng;
2)
Tính toán và đánh giá điều kiện KTNN theo các kịch bản về mức độ
thuận lợi và bất thuận lợi của các điều kiện thời tiết đối với sự sinh trưởng, phát
triển và hình thành năng suất trên cơ sở số liệu KTNN theo tuần, tháng hoặc giai
đoạn;


11
3)
Đánh giá tổng hợp và phân loại mức độ thuận lợi của điều kiện khí
tượng nông nghiệp đối với cây trồng theo theo tuần, tháng hoặc giai đoạn thông
qua các chỉ số;
4)
Đưa ra nhận định hàng tháng về khả năng được mùa và mất mùa đối
với cây trồng;
5)
Đưa ra các kiến nghị về các giải pháp cần áp dụng nhằm khai thác các
điều kiện thuận lợi và khắc phục các điều kiện KTNN bất lợi đối với cây trồng
trong tháng.
Tóm tại, giám sát lúa là theo dõi và đánh giá các điều kiện kiện thuận lợi

và không thuận lợi của các yếu tố khí tượng thuỷ văn xảy ra trong thời gian sinh
trưởng, phát triển tới quá trình hình thành năng suất cây trồng.
Quy trình giám sát mùa màng theo phương pháp khí t
ượng nông nghiệp
truyền thống trình bày như trên tuy đã mang lại nhiều kết quả tương đối phù hợp
thực tế, tuy nhiên còn tồn tại một số vấn đề như sau: Thứ nhất, dữ liệu đầu vào
bao gồm dữ liệu khí tượng và dữ liệu vật hậu học là những giá trị thực đo tại
một điểm đặc trưng cho vùng nghiên cứu, vì vậy khi khu vự
c nghiên cứu có
phạm vi rộng luôn luôn nảy sinh những sai số đáng kể; Thứ hai, phương pháp
giám sát truyền thống còn khá phức tạp, đòi hỏi nhiều bước trong tính toán và
đánh giá; Thứ ba phương pháp giám sát và dự báo truyền thống chủ yếu căn cứ
vào các số liệu khí tượng thủy văn mà còn ít các số liệu đánh giá hiện trạng cây
trồng vì vậy còn mang nhiều tính chủ quan, định tính.
Khi công nghệ vũ trụ ra đời, cùng vớ
i sự phát triển của khả năng quan trắc
bề mặt, công nghệ viễn thám đã mang lại cho việc giám sát mùa màng những ưu
thế mới vượt trội so với phương pháp truyền thống.
Khái niệm giám sát lúa bằng công nghệ viễn thám có nhiều điểm khác
biệt so với quy trình giám sát nông nghiệp truyền thống. Ảnh viễn thám với hai
ưu thế đặc trưng, thứ nhất là thu nhận thông tin mặt đất với ph
ạm vi rộng, thứ
hai là ảnh vệ tinh có độ phân giải không gian và thời gian cao, chu kỳ quan trắc
lặp, liên tục, tạo điều kiện thuận lợi cho việc phát hiện những thay đổi trên bề
mặt lớp phủ cây trồng trong thời gian mùa vụ. Đối với dữ liệu viễn thám radar,
các kết quả nghiên cứu về mặt lý thuyết và thực nghiệm cho thấy các vùng lúa
có sự biến đổi lớn về c
ường độ tán xạ radar theo từng thời đoạn sinh trưởng. Đối
với dữ liệu quang học, các giai đoạn sinh trưởng và sự hình thành năng suất lúa
cũng liên quan chặt chẽ với sự biến đổi theo thời gian của các chỉ số thực vật

như NDVI, EVI và chỉ số nước bề mặt LSWI [36].




12
Thời kì sạ cấy Lúa xanh Lúa chín Kỳ thu hoạch








Hình 1.1. Sự biến đổi của chỉ số thực vật NDVI qua các kỳ
sinh trưởng của lúa

Khi có được chuỗi dữ liệu viễn thám đa thời gian trong suốt thời kì mùa
vụ, sự sinh trưởng và hình thành năng suất lúa hoàn toàn có thể được nghiên cứu
và đánh giá thông qua sự biến đổi có quy luật của các thông tin viễn thám (hình
1.1).
Thông thường, các nghiên cứu giám sát về quá trình sinh trưởng phát triển
của lúa bao gồm hai kết quả chính: Kết quả thứ nhất là thành lập bản đồ vùng
trồng lúa dựa trên sự khác biệt rõ rệt ở dữ li
ệu viễn thám của vùng trồng lúa so
với các loại hình sử dụng đất khác trong thời gian mùa vụ; Kết quả thứ hai là
xác định được một số thông số sinh lý của cây như kỳ sinh trưởng, sinh khối, tán
lá, trạng thái sinh trưởng và phát triển của cây lúa… trong từng thời kỳ dựa vào
mối tương quan giữa số liệu vật hậu học mặt đất và tư liệu viễn thám ở cùng một

thời
điểm thu nhận dữ liệu. Như vậy, giám sát lúa bằng công nghệ viễn thám là
việc phát hiện vùng trồng lúa và xác định trạng thái sinh lý của lúa ở từng giai
đoạn sinh trưởng dựa vào tư liệu viễn thám đa thời gian.
1.2.2. Khái niệm về dự báo năng suất lúa
Trong nghiên cứu mùa màng, công tác dự báo và công tác giám sát luôn
đi cùng với nhau. Phần lớn các kết quả của việc giám sát cây trồng là những yếu
tố đầu vào cho việc dự báo năng suất cây trồng và sản lượng của mùa vụ. Để
phân tích mối tương quan giữa năng suất các loại cây trồng nói chung và năng
suất lúa nói riêng với các điều kiện ngoại cảnh, trên cơ sở đó xây dựng các mô
hình dự báo năng suất [5, 12, 19, 29], trên thế gi
ới hiện nay có rất nhiều phương


13
pháp; tuy nhiên có thể phân chia chúng thành hai nhóm chính: 1) Các mô hình
phân tích thống kê và 2) Các mô hình mô phỏng (simulation models).
*) Các mô hình dự báo thống kê là nhóm mô hình diễn tả một cách khách
quan về lượng của mối quan hệ giữa năng suất cây trồng và các điều kiện ngoại
cảnh tác động lên cây lúa dựa trên lý thuyết thống kê toán học. Tuy còn một số
hạn chế như sự phân tích thống kê chỉ biểu hiện mối tương quan bề mặt giữa các
con số; không thể giải thích đầy
đủ mối quan hệ nhân quả giữa đối tượng dự báo
và những yếu tố dự báo; sự tồn tại sai số ngẫu nhiên nhưng mô hình thống kê
có ưu điểm lớn là đơn giản, dễ sử dụng và kết quả cao (Đỗ Thị Hồng Thuỷ,
2003; Phan Văn Tân, 2005). Đối với quy trình dự báo năng suất lúa truyền thống
của chuyên ngành khí tượng nông nghiệp, một số mô hình thống kê đượ
c sử
dụng phổ biến và mang lại kết quả cao, thậm chí cao hơn so với các mô hình mô
phỏng, đặc biệt là Mô hình thống kê thời tiết – cây trồng và mô hình trực giao

(Nguyễn Thị Hà, 2008). Mô hình thống kê thời tiết – cây trồng sẽ được trình bày
chi tiết trong chương 4.
*) Loại mô hình dự báo năng suất cây trồng thứ hai là mô hình mô phỏng
(simulation models). Mô hình mô phỏng được xem như một kỹ thuật nghiên cứu
diễn biến mùa vụ có hệ th
ống bằng các phương pháp toán học nhằm đơn giản
hóa thể hiện của hệ thống. Trong công tác dự báo năng suất lúa, tất cả những
quá trình sinh thái cơ bản ví dụ như quá trình quang hợp, bốc thoát hơi…, những
quá trình chuyển giao và trao đổi năng lượng theo từng giai đoạn sinh trưởng
của lúa đều được mô phỏng bằng các phương trình toán học phức tạp và được
giải quyết bằng phần m
ềm máy tính. Do sự thể hiện rất chi tiết diễn biến những
giai đoạn sinh trưởng và tích lũy năng suất sinh học, mô hình mô phỏng cần
lượng thông tin đầu vào rất đa dạng, tất cả mọi yếu tố có liên quan đến sự hình
thành năng suất lúa đều phải được đưa vào mô hình. Cụ thể như các mô hình mô
phỏng CERES, DSSAT, CROPWATN đã bao quát một cách tổng hợp các yếu
tố có tác động đến n
ăng suất, trong đó có tính đến các đặc trưng địa lý ( kinh độ,
vĩ độ, độ cao), đặc trưng về đất đai (phân loại đất, các tính chất cơ lý hoá của
đất ), đặc trưng về cây trồng (giống, các kỳ sinh trưởng, phát triển ), các điều
kiện khí hậu, thời tiết (bức xạ mặt trời, điều kiện nhiệt độ ) và một số đặc điể
m
khác.
Vấn đề ứng dụng công nghệ viễn thám trong việc dự báo năng suất lúa
xuất hiện được đánh dấu bằng sự kiện vệ tinh viễn thám châu Âu 1 (ERS-1)
phóng vào năm 1991. Từ đó đến nay, rất nhiều các công trình nghiên cứu nghiên
cứu về theo dõi mùa vụ và dự báo năng suất lúa bằng dữ liệu radar được tiến
hành. Các nhà nghiên cứu đã trình bày kết quả chủ yếu theo các hướng bao gồm
phân tích dữ
liệu SAR là hàm của các thông số sinh lý của cây lúa và thay đổi

14
theo thời gian của chúng, giải thích các quan sát bằng các mô hình lý thuyết, xác
định một số thông số sinh lý của lúa và kết hợp các mô hình tăng trưởng để dự
báo năng suất lúa bởi các modul phần mềm được xây dựng.
Đặc biệt, mô hình mô phỏng khí tượng nông nghiệp ORYZA được sử
dụng rất phổ biến trong nhiều nghiên cứu sử dụng dữ liệu radar dự báo năng suất
lúa [8, 9, 23]. Các tác giả đã tính được ngày gieo sạ và sinh khối cây t
ại thời
điểm thu nhận dựa vào chuỗi dữ liệu radar, hai yếu tố này sau đó được lấy làm
đầu vào cho mô hình dự báo năng suất lúa ORYZA (hình 1.2).
Bên cạnh mô hình mô phỏng, một phương pháp khác để dự báo năng suất
lúa là sử dụng mô hình thống kê
[15, 24].
Các tác giả đã thiết lập mô hình hồi quy
đa biến nhằm đưa ra mối quan hệ giữa hệ số tán xạ ngược giữa dữ liệu SAR đa
thời gian và năng suất lúa.
Đối với viễn thám quang học, các tác giả chủ yếu nghiên cứu theo hướng
sử dụng những ưu thế riêng của dữ liệu viễn thám quang học để tính toán các
thông số sinh lý của lúa nhằm tích hợp chúng vào các mô hình năng suấ
t cây
trồng [18, 34, 35]. Ưu thế của viễn thám quang học chính là phổ phản xạ bề mặt
phản ánh khách quan những thông tin của bề mặt lớp phủ theo các dải sóng bức
xạ điện từ. Qua đó có thể tính toán và đánh giá được những chỉ số thể hiện trạng
thái sinh trưởng của lúa như chỉ số diện tích lá LAI, chỉ số giá trị bức xạ quang
hợp hiệu dụ
ng - PAR, thành phần bức xạ quang hợp hiệu dụng được hấp thụ bởi
tán lá – FAPAR… nhằm đưa vào mô hình dự báo năng suất.

Nguồn: Ribbes & Le Toan, 1999
Hình 1.2. Mô hình dự báo năng suất lúa ORYZA
Tóm lại, dự báo năng suất lúa sử dụng dữ liệu viễn thám là việc đưa các
dữ liệu viễn thám một cách trực tiếp làm đầu vào của mô hình dự báo năng suất
lúa (ở mô hình thống kê) hoặc là sử dụng dữ liệu viễn thám để tính toán, xác
định những yếu tố đầu vào của mô hình dự báo (ở mô hình mô phỏng). Độ chính


15
xác của việc sử dụng tư liệu viễn thám dự báo năng suất lúa phụ thuộc vào nhiều
yếu tố như tính chính xác và chi tiết của dữ liệu viễn thám, tính phù hợp của mô
hình dự báo được lựa chọn với lãnh thổ nghiên cứu, sự biến đổi bất thường của
điều kiện khí tượng.
1.3. Tình hình sử dụng công nghệ viễn thám trong giám sát và dự báo năng
suất lúa trong nước và trên thế giới
Từ những năm 60 của thế kỷ 20 với sự xuất hiện của vệ tinh nhân tạo đầu
tiên, kỹ thuật không gian đã có sự phát triển vượt bậc. Từ đó đến nay một loạt
nước như Nga, Liên minh Châu Âu, Nhật Bản, Trung Quốc, Ấn Độ đã phóng
thành công rất nhiều các vệ tinh viễn thám của mình, kỹ thuật thám trắc bằng vệ
tinh đã phát triển nhanh chóng hình thành lên một hệ th
ống toàn cầu. Công nghệ
viễn thám đã cung cấp rất nhiều số liệu về lớp phủ mặt đất và các tầng khí
quyển, các vệ tinh nhân tạo đã được sử dụng rất rộng rãi trong các lĩnh vực thiên
văn, khí tượng, địa chất, địa lý, hải dương, nông nghiệp, lâm nghiệp, quân sự,
thông tin, hàng không, vũ trụ
Từ những ưu điểm nổi bật như đã nêu
ở phần trên, những ứng dụng dựa
trên công nghệ viễn thám về nông nghiệp nói chung và ứng dụng trong công tác
giám sát và dự báo năng suất lúa nói riêng ngày càng phát triển cả về chiều rộng
lẫn chiều sâu. Đã có nhiều nghiên cứu theo dõi mùa vụ lúa được tiến hành sử

dụng dữ liệu viễn thám quang học và cả dữ liệu viễn thám radar. Trong đó một
vài công trình nghiên cứu tiêu biểu có thể được tóm tắt như sau.
1.3.1. Tình hình sử dụng công nghệ viễn thám radar trong giám sát và dự báo
năng suất lúa
Dữ liệu viễn thám radar cho phép quan sát độc lập với điều kiện thời tiết
và sự chiếu sáng của mặt trời và là nguồn dữ liệu tiềm năng rất thích hợp cho
mục đích lập bản đồ, theo dõi quá trình sinh trưởng phát triển và dự báo năng
suất lúa. Trước đây, trên thế giới đã có nhiều nghiên cứu theo dõi mùa vụ lúa
được tiến hành sử dụng dữ liệu viễn thám radar kể
từ khi vệ tinh viễn thám ERS-
1 được phóng vào năm 1991, một số nghiên cứu tiêu biểu được kể đến như
những nghiên cứu tại Nhật: Kurosu et al., 1995 [22]; Trung Quốc: Bingbai et al.,
2005 [14]; Việt Nam: Lâm Đạo Nguyên và Le-Toan, 2003 [9]; Ấn Độ:
Choudhury et al., 2006 [16]… Nhìn chung, các công trình nghiên cứu trước đây
đã tập trung giải quyết một số vấn đề sau:
- Nghiên cứu các mô hình tán xạ ngược của sóng radar chủ yếu trong
ruộng lúa bao gồm: 1 - tán xạ gương khi tia tới gặp một bề
mặt phẳng (mặt nước
lặng…vv), phần lớn năng lượng không quay về ăng ten và tín hiệu đo tại đó gần
như bằng 0; 2 - Tán xạ ngược dạng khối, khi tia tới của sóng radar gặp tán lá và
bị khúc xạ trong tán lá trước khi quay lại ăng ten; 3 - tán xạ ngược góc, khi tia


16
tới của sóng radar chạm một mặt phẳng, chuyển hướng vào thân cây rồi mới
quay trở lại ăng ten. Trên thực tế, tại các ruộng lúa các mô hình này có thể bị kết
hợp lại, tùy thuộc vào hình thái cây lúa và điều kiện môi trường xung quanh, tạo
nên một giá trị tán xạ ngược “tích hợp”.
- Đánh giá sự biến đổi tán xạ ngược SAR theo chu kỳ sinh trưởng của cây
lúa: tại mỗi giai đoạn sinh trưởng khác nhau, lúa có

độ cao, độ che phủ và độ
nhám của lá khác nhau, hoặc ruộng lúa chỉ có bề mặt nước, chưa có tán lá khi
mới cấy. Do đó, ở từng giai đoạn sinh trưởng, giá trị tán xạ ngược của ảnh radar
ở ruộng lúa là khác nhau rõ rệt. Đó là cơ sở của việc phát hiện vùng lúa và giám
sát lúa bằng ảnh viễn thám radar.
- Ứng dụng của tính phân cực (polarization) của radar.
- Dự báo năng suất lúa: cốt lõi của vấn
đề dự báo năng suất lúa là kết hợp
thông tin thu nhận được từ tư liệu radar và mô hình sinh trưởng cây lúa để dự
báo năng suất.
Một số nghiên cứu tiêu biểu trên thế giới được trình bày dưới đây:
*) Trước tiên, những nghiên cứu được coi là tiên phong về vấn đề theo
dõi lúa bằng viễn thám radar chủ yếu của tác giả Lê Toàn Thuỷ vào những năm
giữa của thập niên 90. Theo nghiên cứu năm 1997 của Lê Toàn Thuỷ
, phép
nghịch đảo dữ liệu SAR (của vệ tinh ERS-1) thành các bản đồ thông số lúa như
độ cao và sinh khối, đã mang lại nhiều kết quả khả quan. Ribbes và Lê Toàn
Thuỷ (1999) đã tính được ngày gieo sạ và sinh khối lúa tại thời điểm thu nhận
ảnh dựa trên chuỗi dữ liệu radar, đồng thời kết hợp giữa dữ liệu SAR với mô
hình khí tượng nông nghiệp ORYZA đã cung cấp chính xác kết quả đánh giá
n
ăng suất lúa.
*) Do Việt Nam là quốc gia xuất khẩu gạo thứ 2 thế giới nên các nhà khoa
học rất quan tâm đến vấn đề dự báo năng suất lúa ở nước ta, đặc biệt là ở vựa lúa
đồng bằng Sông Cửu Long. Nghiên cứu của Lâm Đạo Nguyên (2003) là một
trong những nghiên cứu đầu tiên sử dụng viễn thám radar giám sát và dự báo
năng suất lúa ở Việt Nam, với dữ liệu được sử dụng là
ảnh radar ERS-2. Điểm
mấu chốt trong việc xây dựng bản đồ lúa của nghiên cứu này là lấy ngưỡng tỉ số
thay đổi giá trị hệ số tán xạ ngược (tỉ số MTC – Maximum temporal change) của

hai ảnh trong hai thời kì sinh trưởng của lúa là 3dB để phân loại ra vùng trồng
lúa (hình 1.3). Kết hợp chuỗi số liệu SAR đa thời gian trong một năm dựa trên
phương pháp này ta sẽ thành lập được bản đồ cơ c
ấu mùa vụ lúa. Trong nghiên
cứu tiếp theo của Lâm Đạo Nguyên và Lê Toàn Thuỷ (2007), dữ liệu SAR –
ERS 2 được kết hợp với mô hình sản xuất lúa ORYZA nhằm mô phỏng quá
trình phát triển của lúa và dự báo năng suất lúa ở vùng đồng bằng Sông Cửu
Long.


17


Nguồn: Lâm Đạo Nguyên và Lê Toàn Thuỷ, 2007
Hình 1.3. Quá trình xây dựng bản đồ lúa bằng dữ liệu SAR (ERS-2)
tỉnh Sóc Trăng
*) Trong những nghiên cứu gần đây, các nhà khoa học đã sử dụng dữ liệu
ENVISAT ASAR - một loại dữ liệu SAR cải tiến trong dự án “Dragon project”
ở Trung Quốc năm 2005 [14], các tác giả đã đạt được nhiều kết quả rất khả
quan. Dữ liệu ASAR có những
cải tiến đáng kể so với những
dữ liệu radar trước đó, độ phân
giải thời gian của dữ liệ
u
ASAR cao hơn và đặc biệt đầu
đo ASAR là đầu đo radar đầu
tiên có thể chụp 2 ảnh phân cực
cùng một lúc.
Cặp phân cực của ảnh
ASAR APP mang lại nhiều ưu

thế trong trong quá trình xây
dựng bản đồ trồng lúa. Những nghiên cứu thí nghiệm và trên lý thuyết chỉ ra
rằng ở vùng đất trồng lúa, cường độ tán xạ phản hồi phân cực HH cao hơn rõ rệt
so với cường độ tán xạ
phản hồi phân cực VV ở băng C. Nguyên nhân do sự suy
giảm mạnh của sóng VV khi tiếp xúc với đất trồng lúa với cấu trúc thẳng đứng.
Đây là điểm đặc trưng riêng của đất trồng lúa để có thể dễ dàng phân loại được
vùng trồng lúa và các loại thảm phủ thực vật khác trên ảnh ASAR dựa trên tỉ số
hai kênh phân cực HH/VV (hình 1.4).

Nguồn: Bingbai, 2005
Hình 1.4. Tỉ số HH/VV của các loại thảm phủ
MTCi,j = Max(i,j,k) / Min(i,j,k) > 3dB
(ERS2-SAR)

MTC: Maximum Temporal Change
i, j là tọa độ hàng cột pixel
k là số hi
ệ
u ảnh