SỬ DỤNG ẢNH VIỄN THÁM MODIS THEO dõi DIỄN TIẾN lũ VÙNG lưu vực SÔNG MEKONG PHỤC vụ CHO dự báo các VÙNG đất NGẬP lũ ở ĐỒNG BẰNG SÔNG cửu LONG

SỬ DỤNG ẢNH VIỄN THÁM MODIS THEO DÕI DIỄN TIẾN LŨ VÙNG LƯU
VỰC SÔNG MEKONG PHỤC VỤ CHO DỰ BÁO CÁC VÙNG ĐẤT NGẬP
LŨ Ở ĐỒNG BẰNG SÔNG CỬU LONG
1. ĐẶT VẤN ĐỀ
Cùng với hạn hán, cháy rừng thì lũ lụt là một trong những hiện tượng môi trường có
tính phá hoại nghiêm trọng, gây nên sự sụt giảm sản lượng nông nghiệp, thiệt hại nhiều về
tài sản và tính mạng của con người. Những năm gần đây do ảnh hưởng của Biến đổi khí
hậu và sự ấm lên toàn cầu, đã có những trận lũ lụt lớn chưa từng thấy xảy ra tại vùng
đồng bằng sông Cửu Long (ĐBSCL). Đặc biệt là cơn lũ lụt từ tháng 9 đến tháng 11 năm
2000 được gọi cơn lũ thế kỷ. Cơn lũ này đã làm gần 1000 người thiệt mạng và tổn thất về
tài sản và mùa màng. Hiện nay mực nước sông Cửu Long đang ở trong tình trạng báo
động. Lũ lụt là một hiện tượng thiên nhiên xảy ra hàng năm tại vùng ĐBSCL. Các cơn lũ
bắt đầu khi nước sông Mê Kông dâng cao làm ngập vùng Savannakhet và Pakse ở miền
Nam nước Lào rồi đến vùng Kratie ở miền Đông Campuchia. Nước lũ từ thượng lưu theo
sông Tiền và sông Hậu chảy vào nước ta rồi thoát ra biển Đông. Mùa lũ thường kéo dài từ
cuối tháng 6 cho đến cuối tháng 12 và được chia ra ba giai đoạn. Trong giai đoạn 1, từ
tháng 7 đến tháng 8, nước lũ chảy vào các kinh và các mương rạch thiên nhiên vùng Đồng
tháp Mười và Tứ Giác Long Xuyên. Cao điểm lũ lụt xảy ra trong giai đoạn 2 khi mực
nước sông Tiền ở Tân Châu cao hơn 4,2 m, và mực nước sông Hậu ở Châu Đốc cao hơn
3,5 m. Đây là những tiêu chuẩn của Ủy ban Quốc tế Sông Mê Kông (Mekong River
Commission) dùng để định nghĩa mỗi khi ĐBSCL bị lụt. Giai đoạn 3 bắt đầu từ tháng 10
khi mực nước hạ thấp dần cho đến cuối tháng 12.
Trước tình hình đó các cơ quan dự báo khí tượng thủy văn cần phải có những giải
pháp thiết thực, đưa ra những dự báo chính xác, kịp thời về khả năng ngập lũ, giúp người
dân có thể tránh được những thiệt hại về người và tài sản. Công nghệ sử dụng ảnh viễn
thám để theo dõi, đánh giá và dự báo ngập lũ đã và đang được nghiên cứu nhằm đưa ra
những giải pháp hữu hiệu nhất trong đề phòng lũ lụt. Nhiều nghiên cứu chỉ ra rằng ảnh
viễn thám MODIS có thể đáp ứng những yêu cầu trong nghiên cứu theo dõi và dự báo
khả năng ngập lũ. Ngoài ra ảnh MODIS còn được ứng dụng vào rất nhiều lãnh vực như
ngành Khí tượng-Thủy văn dùng để dự báo thời tiết, dự báo thiên tai liên quan đến biến
đổi khí hậu hạn hán, cháy rừng.

1
2. TỔNG QUAN VỀ MODIS
Dữ liệu ảnh MODIS thu được từ vệ tinh TERRA và AQUA bao gồm 36 kênh trong
các dải phổ nhìn thấy, hồng ngoại gần và sóng ngắn và kênh nhiệt với độ phân giải không
gian từ 250 m, 500m và 1000 m. MODIS có chu kỳ chụp lặp lại cao và 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. 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.
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). Quỹ 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 bổi 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 quỹ
đạo bay. Tại Việt Nam, việc kết hợp thông tin đa kênh phổ và đa thời gian của dữ liệu
MODIS cho phép giám sát dài hạn một cách hiệu quả sự thay đổi của lớp phủ thực vật,
theo dõi mức khô hạn nhiệt độ - thực vật và
theo dõi hiện tượng đảo nhiệt…như trong
một số nghiên cứu gần đây (Nguyễn Đình
Dương, 2003; Trần Hùng và Yasuoka, 2005;
Trần Hùng, 2007). Với sự thu nhận dữ liệu trực

tiếp (Direct Broadcast) tại trạm thu,
MODIS rất có ích cho các ứng dụng cảnh báo thiên tai
yêu cầu thời gian thực và tính tác
nghiệp cao.
2. VÙNG NGHIÊN CỨU
Vùng lưu vực sông Mê Kông bao gồm 6 nước là Trung Quốc, Lào, Myanma, Thái
Lan, Campuchia và Việt Nam. Lưu lượng trung bình 13.200 m³/s, vào mùa nước lũ có thể
lên tới 30.000 m³/s. Lưu vực của nó rộng khoảng 795.000 km² (theo số liệu của Ủy ban
sông Mê Kông ) hoặc hơn 810.000 km² (theo số liệu của Encyclopaedia Britannica 2004).
Những con lũ lớn nhiều năm qua đã gây ra rất nhiều thiệt hại về người và của đối với
người dân các nước dọc theo chiều dài sông gây ảnh hưởng nghiêm trọng đến đời sống và
sản xuất và tài sản của họ.
2
Tuy nhiên, mức độ ngập lụt này đôi khi trở nên nghiêm trọng và gây thiệt hại cho
cơ sở hạ tầng, cây trồng, hệ thống thông tin liên lạc. Lũ lụt trong năm 2009 và năm 2010
gần đây cũng là những trận lũ lớn và gây hậu quả nghiêm trọng. Các hiệu quang phổ thay
đổi đối với các kiểu sử dụng đất khác nhau và do đó, nghiên cứu về những dấu hiệu này là
rất quan trọng để phân loại các khu vực ngập nước từ ảnh vệ tinh.
3. MỤC TIÊU ĐỀ TÀI
Đánh giá khả năng khai thác dữ liệu ảnh viễn thám MODIS trong nghiên cứu phòng
chống các hiện tượng môi trường do nguyên nhân biến đổi khí hậu và sự ấm lên toàn cầu.
4. MỤC ĐÍCH NGHIÊN CỨU
- Nghiên cứu khả năng khai thác dữ liệu ảnh viễn thám MODIS cho việc theo dõi diễn
tiến lũ vùng lưu vực sông MêKông.
- Xây dựng mô hình dự báo lũ cho những vùng đất ngập lũ của Đồng Bằng Sông Cửu
Long.
5. PHƯƠNG TIỆN VÀ PHƯƠNG PHÁP NGHIÊN CỨU
5.1. PHƯƠNG TIỆN
5.1.1. Trang thiết bị
- Máy vi tính có kết nối internet

- Máy in
- Máy định vị toàn cầu GPS…
5.1.2. Phần mềm
- Phần mềm Envi 4.7
- MapINFO Professional 7.5
- Google Earth
- Phần mềm Microsoft Word, Exel
5.1.3. Dữ liệu

Dữ liệu ảnh MODIS/Terra đa thời gian
Nghiên cứu này sử dụng hình ảnh vệ tinh MODIS/ TERRA có thể được tự do tải
về thông qua hệ thống dữ liệu quan sát Trái đất (EOS, 2006) trong khoảng thời gian từ
năm 2009 đến 2010. Các nghiên cứu này bao gồm việc phân tích dữ liệu 8-days composite
của MODIS trong năm 2009 và 2010. Tên của sản phẩm này là MODIS/TERRA
3
SURFACE REFLECTANCE 8-DAY L3 GLOBAL 500 M SIN GRID V005. Để theo dõi
tiến độ ngập lũ của khu vực nghiên cứu người viết sử dụng 3 Band của ảnh MODIS bao
gồm Band 1,2 và 7 (đỏ hồng ngoại gần và sóng ngắn hồng ngoại). Độ phân giải không
gian khoảng 500 m và sự hiệu chỉnh khí quyển đã được thực hiện (Vermote và
Vermeulen, 1999). Dữ liệu trung bình 8 ngày này được phân phối như một sản phẩm tổng
hợp gọi là MOD09 khi mà quang phổ phản xạ bề mặt tốt nhất trong thời điểm với sự tác
động ít nhất của hạt nhân ngưng tụ và các thành phần khí quyển khác.

Bản đồ ngập lũ dựa trên ảnh RADASAT
Bản đồ ngập lụt được tạo bởi Trung tâm Dịch vụ thông tin địa lý môi trường
(CEGIS) được sử dụng như là một tài liệu tham khảo để đánh giá tính chính xác của dữ
liệu MODIS. Bản đồ khu vực này được xây dựng dựa trên dữ liệu kỹ thuật số độ cao
Model (DEM), dữ liệu thuỷ văn, và ảnh RADARSAT. Các sóng cực ngắn Band C có thể
xuyên qua đám mây che phủ và dễ dàng phân biệt nước trên cơ sở dữ liệu hệ số tán xạ ở
độ phân giải cao (50m). Bản đồ ngập lụt dựa trên những hình ảnh RADARSAT phát hiện

ra các chi tiết của lũ lụt phân bố ở độ phân giải không gian thỏa đáng, thậm chí dưới đám
mây bao phủ. Các khu vực bị ngập trong bản đồ này được tổng hợp trong mỗi lưới toạ độ
ở độ phân giải 500m để cho phép so sánh với kết quả thu được từ dữ liệu MODIS.
5.1.4. Tư liệu khác
- Bản đồ ranh giới hành chính, bản đồ hiện trạng sử dụng đất các tỉnh khu vực Đồng
Bằng Sông Cửu Long.
- Tài liệu, số liệu khí tượng thủy văn thu thập từ các trung tâm khí tượng thủy văn
trong khu vực nghiên cứu.
- Tư liệu về cao trình và độ sâu ngập tại các vùng đất ngập lũ của các tỉnh ĐBSCL.
5.2. PHƯƠNG PHÁP
5.2.1. Phát hiện mặt nước liên quan bằng cách sử dụng dữ liệu MODIS
Trong các nghiên cứu trước đây, chỉ số khác biệt thực vật (NDVI) và chỉ số khác
biệt nước (NDWI) được sử dụng để xác định bề mặt nước liên quan (Rogers và Kearney,
2004). Lý do chính của việc sử dụng NDWI là sóng ngắn hồng ngoại (SWIR) rất nhạy
cảm với độ ẩm trong đất và tán của các thảm thực vật. Một số nghiên cứu đã được thực
hiện trong việc sử dụng các đặc tính quang phổ của SWIR để phát hiện hàm lượng nước
4
(Gao, 1996, Jackson và cộng sự, 2004;. McFeeters năm 1996; Rogers và Kearney, năm
2004; Tông et al, 2004.). Xiao et al. (2002b) cho thấy NDWI trong các cánh đồng lúa
vượt quá NDVI bắt nguồn từ dữ liệu SPOT với cùng thời điểm ngập lũ và lúa trồng ở
miền đông tỉnh Giang Tô, Trung Quốc.
Trong những năm gần đây, Xiao et al. (2005, 2006) sử dụng chỉ số nước bề mặt
lớp phủ (LSWI) và chỉ số thực vật (NDVI hoặc EVI) trong một thuật toán để ước lượng
sự phân bố của cánh đồng lúa ở Nam Trung Quốc và Nam và Đông Nam Á. Trong Bảng
1, mô tả chi tiết về các chỉ số bắt nguồn từ dữ liệu MODIS cùng với số lượng band phổ và
quang phổ mặt trời đã được trình bày. Phương pháp được sử dụng trong nghiên cứu này
được phát triển đầu tiên từ al Sakamoto và cộng sự (2007).
Bảng 1. Các chỉ số thu được từ MODIS sử dụng để phát hiện phân bố không gian và
thời gian của lũ lụt.
Bước 1. Để phát hiện các pixel của ảnh bị che phủ bởi đám mây. Nếu phản xạ màu

xanh (Band 3 của MODIS) bằng hoặc lớn hơn 0,2 nó được coi như điểm ảnh đục
(Thenkabail et al, 2005;. Xiao et al, 2006.) và cũng sẽ được gỡ bỏ khỏi từ ảnh.
Bước 2. Tính toán các giá trị EVI, LSWI và các DVEL khác nhau của chúng đối
với mỗi loại đối tượng che phủ lớp đất. Trong nghiên cứu này, sự phân biệt của pixel liên
quan đến nước (Water-relate pixel)và pixel không lũ (Non-flood) được thực hiện theo
phương pháp phát triển bởi Xiao et al. (2005, 2006). Các chỉ số EVI, LSWI và DVEL
được sử dụng một cách chuyên biệt để phân biệt lũ (Flood), hỗn hợp (Mixed), không lụt
(Non flood) và các pixel có liên quan đế nước (Water-related pixels).
5
Nếu EVI > 0.3, nó có thể được phân loại như là Non-flood related pixels. Các
đường cong EVI của kiểu sử dụng đất Rừng nhận một giá trị > 0,3 suốt trong năm ngoại
trừ mùa lũ. Giá trị EVI của các kiểu sử dụng đất liên quan đến nước thường xuyên như
sông và Biển < 0.05 hoặc thậm chí giá trị âm trong suốt cả năm. Chỉ số DVEL của kiểu sử
dụng đất Sông và Biển có giá trị DVEL ít hơn 0.05. Nó có thể được hồng ngoại mà pixel
nước liên quan nên có DVEL ít hơn 0.05.
Nhưng đối với kiểu sử dụng đất Hồ, giá trị DVEL không phải luôn luôn nhỏ hơn
0.05. Để khắc phục vấn đề này, tiêu chí khác được thiết lập để xác định các điểm ảnh liên
quan đến nước. Trong trường hợp này, nếu EVI là nhỏ hơn hoặc bằng 0.05 và LSWI nhỏ
hơn hoặc bằng 0, điểm ảnh sẽ được xác định là pixel nước liên quan.
6
Hình 1: Biểu đồ các bước xây dựng bản đồ ngập lụt bằng cách sử dụng dữ liệu MODIS.
Sau khi xác định điểm ảnh nước liên quan, nó là điều cần thiết để phân loại nơi nào
là pixel lũ hoặc các đối tượng ngập nước dài hạn hoặc một loại pixel hỗn hợp. Do độ phân
giải vừa phải (500m) của bộ cảm biến MODIS / TERRA, một pixel ảnh có thể được bao
gồm nhiều kiểu hỗn hợp khác nhau của bề mặt đất. Thật khó để xác định thực vật trộn với
nước và thực vật hoàn toàn bị ngập lụt bởi nước. Ta chỉ có thể phân biệt căn cứ vào chỉ số
EVI, khi đó EVI của Biển, Hồ hay Sông là dưới 0,1 và chỉ tiêu này có thể được sử dụng
để phân loại các pixel liên quan đến nước.
Nếu pixel có liên quan đến nước có EVI ít hơn 0.1, nó sẽ được coi là pixel lũ. Nếu
EVI lớn hơn 0.1 nhưng dưới 0.3, pixel liên quan đến nước được xác định là điểm ảnh hỗn

hợp. Cuối cùng, những khu vực ngập nước suốt qua các năm nên được tách ra từ các pixel
lụt và hỗn hợp. Sẽ có nhiều khu vực có thể được tìm thấy là ngập lụt hơn 6 tháng. Do đó,
pixel liên quan đến nước có thời gian ngập lụt hơn 120 ngày sẽ được phân loại là đối
tượng ngập nước dài hạn. Việc sử dụng phương pháp đề xuất này, sự thay đổi của mức độ
không gian với thời gian được phân tích và bản đồ ngập lũ được xây dựng cho năm 2009
và 2010.
5.2.2. So sánh kết quả với bản đồ từ dữ liệu RADASAT
Kỹ thuật này được đề xuất để xác định bề mặt nước từ chuỗi dữ liệu MODIS đa
thời gian và xác nhận nó với sản phẩm chuẩn.
So sánh kết quả giữa bản đồ ngập lụt được thành lập từ dữ liệu MODIS với kết quả
bản đồ ngập lụt được thành lập từ dữ liệu ảnh RADARSAT để thấy được sự tương thích
giữa hai loại dữ liệu. Một sự tương thích tốt nếu giá trị R
2
càng lớn và gần 1.00.
5.3. QUY TRÌNH THỰC HIỆN
5.2.1. Thu thập dữ liệu, ảnh viễn thám
Dữ liệu về ảnh viễn thám MODIS/TERRA, RADASAT và tài liệu liên quan như
đã nêu ở trên được tiến hành thu thập nhằm phục vụ cho việc nghiên cứu.
5.2.2. Xử lý ảnh
Bước 1: Chuyển đổi định dạng ảnh HDF về dạng GeoTIFF
Các dữ liệu MODIS mà NASA cung cấp đều được định dạng ở dạng (HDF-EOS).
HDF là một tập tin đa dạng chia sẻ dữ liệu khoa học cho nhiều đối tượng, phân phối trong
nhiều nhiều môi trường. Hình ảnh định dạng HDF-EOS được chuyển đổi về định dạng
GeoTIF bằng cách sử dụng phần mềm MODIS Reprojection Tool.
7
Sau khi chuyển đổi, tất cả các ảnh MODIS và RADASAT sẽ được đưa về cùng hệ
quy chiếu, đúng tọa độ thực với hệ tọa độ, lưới chiếu theo theo yêu cầu nghiên cứu
(UTM, WGS84, Zone: 48 N)
Bước 2: Ghép ảnh, cắt ảnh
Do khu vực nghiên cứu thuộc hai hay nhiều ảnh ảnh khác nhau nên ta phải ghép các

ảnh lại với nhau.
Ảnh MODIS có độ phủ rất lớn 2330 km với tổng số pixel của mỗi ảnh là 4800x4800.
Để giảm dung lượng ảnh và tập trung vào vùng nghiên cứu ta tiến hành cắt ảnh (MODIS
và RADASAT) bằng công cụ Basic Tools/Resize Data sau đó thực hiện thao thác ghép
hai ảnh lại với nhau.
Bước 3: Nắn ảnh, che ảnh
Đối với ảnh vệ tinh, trong quá trình chụp ảnh do sự thay đổi tốc độ quay của gương
nên thường dẫn đến sự méo mó hình ảnh, lệch tọa độ…Việc nắn chỉnh ảnh nhằm đưa ảnh
về đúng hình dạng thực tế, về tọa độ thực. Ảnh được nắn tọa độ dựa trên tọa độ thực bản
đồ số vùng lưu vực sông MêKông đã có tọa độ chuẩn với hệ tọa độ và lưới chiếu (WGS
84, UTM 48N). Công việc nắn ảnh cụ thể bao gồm các nội dung sau:
+ Chọn và xác định tọa độ 4 góc và trung tâm của mỗi ảnh hoặc chọn ít nhất 4
điểm khống chế tại các vị trí tương ứng giữa ảnh và bản đồ, khi đó ảnh sẽ không bị méo.
+ Xác định giá trị độ phân giải pixel trên ảnh: xác định lần lượt cho từng ảnh
theo công thức:
X
pixel
= (X
max
- X
min
)/ tổng số cột của ảnh
Y
pixe
l =(Y
max
- Y
min
)/ tổng số dòng của ảnh
Để có thể tách vùng nghiên cứu ra khỏi khu vực lớn này ta sẽ thực hiện thao tác che

ảnh. Tiến hành khoanh vùng nghiên cứu (Tool/ Region Of Interest/ ROI Tool), che ảnh
(Masking), đưa vùng ngoài khu vực nghiên cứu của ảnh về 1 giá trị DN chung.
Bước 4: Ảnh chỉ số thực vật và tạo chuỗi ảnh chỉ số thực vật đa thời gian

Chỉ số thực vật
Các chỉ số thực vật được phân tác từ các băng nhìn thấy, 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 quan hợ các sản phẩm sinh khối
theo mùa. Những đặc tính đó có liên quan và phụ thuộc rất nhiều vào dạng thục vật bao
phủ và thời tiết, đặc tính sinh lý, sinh hoá và sâu bệnh. Chỉ số thực vật cũng là một chỉ
8
tiêu khá quan trong trong việc đánh giá khả năng hiện diện của nước, sự tồn tại của nước
đồng thời cùng với thảm thực vật và các đối tượng khác. Tuy nhiên, để có được kết quả
chính xác nhất về sự hiện diện của nước cũng như đánh giá tốt hơn về tình hình ngập lũ ta
cần có sự kết hợp của nhiều chỉ tiêu khác nhau.
1/ Chỉ số khác biệt thực vật NDVI (Normalized difference vegetation index):
Chỉ số khác biệt thực vật được trung bình hoá trong một chuỗi số liệu theo thời
gian sẽ là công cụ cơ bản để giám sát sự thay đổi trạng thái lớp phủ thực vật và biết được
tác động của thời tiết, khí hậu sinh quyển, qua đó có thể đánh giá được sự hiện diện của
nước trên bề mặt đất.
NDVI=(NIR-RED)/(NIR+RED)
Trong đó pNIR là giá trị phản xạ ở giải sóng cận hồng ngoại (Near Infrared), pRED
là giá trị phản xạ ở giải sóng đỏ (Red). Chỉ số thực vật được dùng rất rộng rãi để xác định
mật độ phân bố của thảm thực vật, đánh giá trạng thái sinh trưởng và phát triển của cây
trồng, làm cơ sở số liệu để dự báo sâu bệnh, hạn hán, diện tích, năng suất và sản lượng
cây trồng.
2/ Chỉ số chênh lệch chuẩn của nước NDWI (Normalized difference water index):
Uớc tính tình trạng nước, được tính từ tỷ số kênh đỏ và hồng ngoại sóng ngắn SWIR, vì
trên ảnh tính tỷ số chúng ta có thể thấy rõ các bề mặt nước dưới dạng pixel sáng hơn.
NDWI = (RED-SWIR)/( RED+SWIR)

2/ Chỉ số nước bề mặt lớp phủ LSWI (Land surface water index)
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, được xác định theo công thức:
LSWI=(NIR - SWIR)/(NIR + SWIR)
Trong đó NIR và SWIR là giá trị bức xạ ở các bước sóng 860 và 2130 nm.
3/ Chỉ số thực vật tăng cường EVI (The enhanced vegetation index)
Chỉ số thực vật tăng cường (EVI) đã được phát triển như là một chỉ số thực vật thay
thế để giải quyết một số hạn chế của các NDVI. Các EVI đã được phát triển nhằm:
- Nhạy cảm hơn với những thay đổi trong khu vực có sinh khối cao (một thiếu sót
nghiêm trọng của NDVI),
9
- Giảm các ảnh hưởng của điều kiện khí quyển trên những giá trị chỉ số thực vật
- Chính xác cho các tín hiệu nền tán.
EVI có xu hướng nhạy cảm hơn với cây trồng khác biệt tán giống như chỉ số diện
tích lá (LAI), cấu trúc tán cây, và thực vật khí hậu học cây trồng và căng thẳng hơn không
NDVI mà thường chỉ đáp ứng với lượng chất diệp lục hiện nay. Với sự ra mắt của bộ cảm
biến MODIS, NASA đã thông qua EVI như một sản phẩm MODIS tiêu chuẩn được phân
phối bởi USGS
DVEL = EVI – LSWI thể hiện sự khác nhau giữa EVI và LSWI
C
1
, C
2
và L là những hệ số chính xác trong điều kiện khí quyển. L=1, C
1
=6, and C
2
=7.5.
Trong đó:

• NIR là phản xạ của tia hồng ngoại gần (814-875 nm, MODIS Band 2)
• RED là phản xạ của tia hồng ngoại gần (621 – 670 nm, MODIS Band 1)
• BLUE là phản xạ của tia hồng ngoại gần (459 – 479, MODIS Band 3)
• NIR là phản xạ của tia hồng ngoại ngắn (1628–1652 nm, MODIS Band 6) của
quang phổ mặt trời.

Chuỗi ảnh chỉ số thực vật đa thời gian
Chuỗi ảnh chỉ số thực vật đa thời gian là rất cần thiết cho đề tài nghiên cứu. Đối
với mỗi chỉ số thực vật riêng biệt NDVI, NDWI, LSWI và EVI ta tiến hành tạo chuỗi ảnh
MODIS đa thời gian và một chuỗi ảnh được tạo nên bằng việc tổng hợp các chỉ số này lại
với nhau nhằm đánh giá một cách tổng quan hơn về mối tương quan của các đặc điểm ảnh
với nhau và với nước trên bề mặt và diễn biến của nó. Các chuỗi ảnh này sau đó dùng để
giải đoán giúp cho việc đánh giá sự hiện diện của thảm thực vật cũng như lớp nước trên
bề mặt đất.
Bước 5: Tăng cường chất lượng ảnh
+ Lọc ảnh: Lọc ảnh bằng phương pháp Median khắc phục hiện tượng muối và tiêu,
lọc nhiễu.
+ Tăng cường động tương phản: Sử dụng phương pháp biến đổi cấp độ xám, chuyển
đổi histogram, tổ hợp màu để tăng cường chất lượng ảnh. Cụ thể, thực hiện kéo dãn tương
10
phản tuyến tính trên biểu đồ Histogram (Enhance/ Interactive Streching). Điều chỉnh lần
lượt khoảng giá trị DN cần quân bình đầu vào (input histogram) đến khi nhận được
khoảng giá trị DN đầu ra (out histogram) được bố trí đều trong khoảng 0-255, biểu đồ
dạng hình chuông.
Bước 6: Phân loại không kiểm soát
Trên nguyên tắc gom nhóm những pixel có phổ tương đồng, sử dụng phân loại
không kiểm soát (Classification/ Unsupervised/ Issodata) với sự hiệu chỉnh số lần lặp lại
và số nhóm đố tượng cần phân loại lần lượt cho đến khi đạt kết quả có sự phân nhóm đối
tượng từ 5 – 10 đối tượng, có sự dao động khoảng giá trị DN, độ lệch chuẩn Stdev thấp.
Kết quả phân loại không kiểm soát là cơ sở để kiểm tra hoàn chỉnhvà thành lập bản đồ

hiện trạng.
Bước 7: Kiểm tra tính chính xác bằng các số liệu thực đo
Trên cơ sở đối chiếu các kết quả giải đoán với phương pháp phân loại không kiểm
soát với các số liệu thực đo thu thập từ các Trạm quan trắc, Trung tâm khí tượng thuỷ văn
trên địa bàn khu vực nghiên cứu. Chỉ tiêu để kiểm tra thực tế bao gồm độ sâu ngập, thời
gian ngập và sự phân bố không gian ngập có trên các bản đồ chuyên ngành của các năm
2009 và 2010 làm cơ sở để đánh giá sự tương thích nhằm có định sự điều chỉnh, bổ sung
hợp lý, làm cơ sở cho việc tiến hành phân loại có kiểm soát.
Bước 8: Xác định mối tương quan giữa các chỉ số với mức độ, sự hiện diện của nước
Tìm ra mối tương quan giữa các giá trị chỉ số thực vật NDVI, NDWI, EVI và
LSWI với mức độ và sự hiện diện của nước trên bề mặt đất. Từ các giá trị này ta vẽ được
biểu đồ thể hiện sự biến đổ theo thời gian của các giá trị này trong khu vực nghiên cứu
qua các ảnh chụp tại các thời điểm khác nhau. Từ đó theo dõi sự biến đổi theo thời gian
của NDVI, NDWI, EVI của lớp phủ nước trên bề mặt đất.
Bước 9: Phân loại có kiểm soát
Từ kết quả các nhóm đối tượng, tiến hành khoanh vùng mẫu cho từng nhóm đối
tượng, xác định các nhóm kiểm tra đại diện (ROI) từ kết quả khảo sát thực địa. Để đảm
bảo tính tập trung và tách biệt của từng vùng mẫu đặc trưng cho từng nhóm đối tượng, kết
quả khoanh vùng mẫu (ROI) cần đảm bảo các yếu tố:
- Stdev của từng vùng mẫu phải thấp
- Không bị chồng lắp khi quan sát dưới chế độ đa chiều n-D
11
- Kết quả phân tích tính phân cách (Separability) của từng cặp nhóm đối tượng
phải tương đối (rất tốt khi kết quả >= 1.9 và không tốt khi <=1.0)
Tiến hành phân loại có kiểm soát (Classification/ supervised/ Minimum distance)
với các vùng mẫu của từng nhóm đối tượng.
Kết quả phân loại được hiển thị dưới dạg thống kê theo từng nhóm đối tượng sau
phân loại với các thông số: tên đối tượng, số pixel, % pixel (Classification/ Post
classification/ Class Statistics).
Bước 10. Xây dựng bản đồ ngập lũ lưu vực sông MêKông

Từ các kết quả trên ta khoanh được các vùng ngập lũ đồng thời cũng xác định được
thời gian và mức độ ngập các khu vực của vùng nghiên cứu. từ đó ta xây dựng được bản
đồ ngập lũ từ ảnh viễn thám mà mỗi đơn vị trên bản đồ là các vùng có cùng các đặc điểm
về thời gian và mức độ ngập.
Tiến hành chồng lấp bản đồ xây dựng được từ dữ liệu MODIS với bản đồ ngập lụt
xây dựng từ dữ liệu ảnh RADASAT để thấy được mức độ tương thích giữa hai sản phẩm
này. Trên cơ sở chồng lấp, xác định phần trăm (%) tương thích và không tương thích giữa
hai kết quả đồng thời so với bản đồ ngập lụt của Trung tâm khí tượng thủy văn để đánh
giá một cách chính xác hơn về độ tin cậy cũng như đưa ra đánh giá về tính khả thi của
nghiên cứu sử dụng dữ liệu MODIS.
Bước 11. Dự báo về khả năng ngập lũ vùng Đồng bằng Sông Cửu Long
Trên cơ sở bản đồ ngập lũ vùng lưu vực sông Mêkông đã được xây dựng, căn cứ
kết quả giải đoán, biểu đồ thể hiện quy luật diễn tiến ngập lũ vùng lưu vực theo thời gian
người viết có thể đưa ra dự báo cơ bản nhất về khả năng cũng như diễn biến lũ mà khu
vực Đồng Bằng Sông Cửu Long phải đối mặt từ đó có thể đề ra các giải pháp đối phó,
tránh những thiệt hại lớn về người và tài sản.
5.4. DỰ KIẾN KẾT QUẢ ĐẠT ĐƯỢC
Trên cơ sở đối chiếu kết quả giải đoán từ hai nguồn dữ liệu ảnh viễn thám MODIS
và RADASAT kết hợp với các tư liệu thực đo từ các Trạm quan trắc làm cơ sở nhằm mục
đích theo dõi diễn biến lũ vùng lưu vực sông MeKong, người viết dự kiến các kết quả có
thể đạt được từ đề tài nghiên cứu này:
- Xây dựng được bản đồ ngập lũ vùng lưu vực sông Mê Kông trong năm 2009-
2010.
12
- Đưa ra những dự báo cơ bản nhất về khả năng, mức độ ngập lũ, phân bố không
gian và thời gian ngập lũ khu vực Đồng Bằng Sông Cửu Long.

13
THU THẬP DỮ LIỆU
- Số liệu thủy văn

(không gian, thời
gian, mức độ ngập )
- Bản đồ ngập lũ của
TTKT Thủy văn
Ảnh MODIS/TERRA
- Bản đồ hành chính,
hiện trạng
- Tài liệu viễn thám
liên quan
Xử lý ảnh
(Chuyển đổi định dạng, ghép,
cắt, nắn, che ảnh)
Biến đổi ảnh
(Tăng cường độ tương phản và
lọc ảnh)
Phân loại không kiểm soát
Kiểm tra bằng số liệu thực đo
(Độ sâu ngập, thời gian ngập )
Xác định mối tương quan giữa
sự hiện diện của nước với
NDVI, NDWI, LSWI và EVI
Phân loại có kiểm soát
Xây dựng bản đồ ngập lũ khu
vực nghiên cứu
Hoàn chỉnh bản đồ ngập lũ vùng lưu vực sông MêKông
Ảnh viễn thám RADASAT
Xử lý ảnh
(Ghép, cắt, nắn, che ảnh)
Biến đổi ảnh
(Tăng cường độ tương phản và

lọc ảnh)

Phân loại không kiểm soát
Kiểm tra bằng số liệu thực đo
(Độ sâu ngập, thời gian ngập )
Xác định mối tương quan giữa
sự hiện diện của nước với đặc
điểm ảnh viễn thám
Phân loại có kiểm soát
Xây dựng bản đồ ngập lũ khu
vực nghiên cứu
ĐỐI CHIẾU
Đánh giá khả năng tương thích
bằng cách chồng lấp các bản đồ
Thành lập bản đồ hiện trạng
Tạo chuỗi ảnh NDVI, NDWI,
LSWI, EVI đa thời gian
Hình 2. Sơ đồ các bước thực hiện
DỰ BÁO KHẢ NĂNG NGẬP LŨ VÙNG ĐỒNG BẰNG SÔNG CỬU LONG