Nghiên cứu giám sát mức độ phú dưỡng của một số hồ tại quận hoàng mai, hà nội sử dụng dữ liệu ảnh vệ tinh landsat

MỤC LỤC
MỞ ĐẦU ................................................................................................................................ 1
CHƯƠNG 1. TỔNG QUAN VỀ VÙNG NGHIÊN CỨU VÀ LỊCH SỬ NGHIÊN CỨU.......... 3
1.1. TỔNG QUAN VỀ VÙNG NGHIÊN CỨU......................................................................... 3
1.1.1. Vị trí địa lý vùng nghiên cứu ....................................................................................... 3
1.1.2. Các yếu tố ảnh hưởng đến sự phân bố TSI tại vùng nghiên cứu ..................................... 3
1.1.2.1. Các yếu tố tự nhiên ............................................................................................. 3
1.1.2.2. Các yếu tố kinh tế - xã hội ................................................................................... 3
1.2. LỊCH SỬ NGHIÊN CỨU ................................................................................................. 3
1.2.1. Trên thế giới .............................................................................................................. 3
1.2.2. Tại Việt Nam ............................................................................................................. 4
CHƯƠNG 2. PHƯƠNG PHÁP NGHIÊN CỨU...................................................................... 6
2.1. THU THẬP VÀ TỔNG HỢP TÀI LIỆU ............................................................................. 6
2.2. PHƯƠNG PHÁP KHẢO SÁT THỰC ĐỊA ......................................................................... 6
2.3. PHƯƠNG PHÁP XÁC ĐỊNH HÀM LƯỢNG CHLOROPHYLL-A
SỐ TSI

VÀ CHỈ

6

2.4. DỮ LIỆU ẢNH VỆ TINH SỬ DỤNG................................................................................. 6
2.5. PHƯƠNG PHÁP XỬ LÝ ẢNH .......................................................................................... 6
2.6. PHƯƠNG PHÁP ĐÁNH GIÁ TÌNH TRẠNG PHÚ DƯỠNG .............................................. 6
2.7. PHƯƠNG PHÁP PHÂN TÍCH THỐNG KÊ VÀ BẢN ĐỒ .................................................. 6
CHƯƠNG 3. KẾT QUẢ VÀ THẢO LUẬN............................................................................ 7
3.1. KẾT QUẢ......................................................................................................................... 7
3.1.1. Hiện trạng phú dưỡng tại các hồ nghiên cứu tại quận Hoàng Mai................................... 7
3.1.2. Mối quan hệ giữa chỉ số TSI với phổ mặt nước tại các hồ nghiên cứu ............................ 7
3.1.3. Diến biến TSI trong các hồ nghiên cứu từ năm 2013 đến nay......................................... 7
3.1.3.1. Phương trình tính toán chỉ số TSI......................................................................... 7

3.1.3.2. Diễn biến TSI trong các hồ nghiên cứu từ năm 2013 đến nay................................. 8
3.2. THẢO LUẬN...................................................................................................................10
3.2.1. Mối quan hệ giữa trình đô thị hóa và TSI của hồ..........................................................10
3.2.2. Đề xuất giải pháp giám sát tình trạng phú dưỡng các hồ

thuộc

quận Hoàng Mai sử dụng dữ liệu ảnh vệ tinh .............................................................................11
3.2.2.1. Tích hợp viễn thám và các phương pháp quan trắc truyền thống ...........................11

i


3.2.2.2. Hoàn thiện hệ thống văn bản pháp quy, đưa công nghệ viễn thám thành một cấu
phần của hệ thống giám sát tài nguyên môi trường ....................................................................11
KẾT LUẬN .......................................................................................................................... 12
TÀI LIỆU THAM KHẢO..................................................................................................... 13

ii


KÍ HIỆU VIẾT TẮT

TSI

Chỉ số phú dưỡng

BOD

Nhu cầu oxy sinh hóa

DO

Nồng độ oxy hòa tan

DOM

Các chất hữu cơ hòa tan

CDOM

Các chất hữu cơ hòa tan có màu

TSS

Tổng chất rắn lơ lửng

SDD

Độ sâu đĩa Secchi

P

Phot pho

N

Nitro

TP

Tổng Photpho

iii


MỞ ĐẦU
Phú dưỡng là hiện tượng thường gặp trong các hồ đô thị, các sông và kênh dẫn nước thải.
Biểu hiện phú dưỡng của các hồ đô thị là nồng độ chất dinh dưỡng Nitro (N), Photpho (P) cao, tỷ lệ
P/N cao do sự tích luỹ tương đối P so với N, sự yếm khí và môi trường khử của lớp nước đáy thuỷ
vực, sự phát triển mạnh mẽ của tảo và nở hoa tảo, sự kém đa dạng của các sinh vật nước, đặc biệt là
cá, nước có màu xanh đen hoặc đen, có mùi khai thối do thoát khí hidro sunfua (H2 S)... Nguyên
nhân gây phú dưỡng là sự thâm nhập một lượng lớn N, P từ nước thải sinh hoạt của các khu dân cư,
sự đóng kín và thiếu đầu ra của môi trường hồ. Sự phú dưỡng nước hồ đô thị và các sông kênh dẫn
nước thải gần các thành phố lớn đã trở thành hiện tượng phổ biến ở hầu hết các nước trên thế giới.
Hiện tượng phú dưỡng hồ đô thị và kênh thoát nước thải tác động tiêu cực tới hoạt động văn hoá
của dân cư đô thị, làm biến đổi hệ sinh thái nước hồ, tăng thêm mức độ ô nhiễm không khí của đô
thị..[164].
Các hồ đô thị hầu hết đóng vai trò quan trọng trong việc tiếp nhận, điều hòa nước và khí
hậu, tạo cảnh quan, và là nơi vui chơi giải trí của cộng đồng. Quận Hoàng Mai - thành Phố Hà Nội
nằm ở vùng địa hình thấp của đồng bằng sông Hồng nên phần lớn các hồ thuộc địa bàn quận có
nguồn gốc từ các vùng trũng hoặc từ các nhánh sông. Sự hình thành và biến đổi của các hồ đều gắn
liền với sự phát triển đô thị. Các hồ đô thị tạo thành một hệ thống kết nối với các sông tiêu thoát
nước của thủ đô Hà Nội. Quận Hoàng Mai có khoảng 14 hồ, ao vừa và lớn [1]. Trong đó có 3 hồ
lớn nhất là hồ Linh Đàm (75 ha), hồ Yên Sở (130 ha); hồ Định Công (25 ha) và một số hồ nhỏ khác
như hồ Đền Lừ (4 ha), một số hồ điều hòa nước cho các khu vực nhỏ, hỗ trũng thuộc địa bàn các
phường Định Công, Giáp Bát, đặc biệt là khu vực ao hồ thuộc phường Hoàng Văn Thụ, Thịnh Liệt,
Yên Sở, Trần Phú, Lĩnh Nam, Hoàng Liệt. Tổng diện tích các ao hồ, ruộng trũng nêu trên khoảng
trên 400 ha [17]. Hệ thống hồ lớn trên địa bàn quận có một bề dày lịch sử và đã trở thành biểu
tượng, niềm tự hào của quận, đồng thời đóng vai trò quan trọng trong đời sống cộng đồng, ngoài

việc tiếp nhận trực tiếp nước thải, nước mưa của lưu vực thoát nước xung quanh sau đó tiêu thoát
qua các mương thoát nước của thành phố Hà Nội, chúng còn được sử dụng cho mục đích cảnh
quan du lịch phục vụ vui chơi giải trí, nuôi cá của quận.
Hầu hết các hồ đô thị đều chịu sự tác động của các yếu tố tự nhiên và nhân sinh nên quá trình
lão hoá diễn ra nhanh. Trong những năm gần đây, khi tốc độ đô thị hoá tăng lên rõ rệt, hệ thống thoát
nước không được xây dựng theo kịp tốc độ đô thị hoá dẫn đến độ sâu của hồ giảm rõ rệt do các vật
liệu bị nước mưa cuốn trôi, do xả nước thải và san lấp, lấn chiếm không gian của người dân sống
xung quanh. Điều này cũng dẫn đến việc diện tích hồ bị thu hẹp rất nhiều so với ban đầu. Bên cạnh
đó, việc xả nước chưa qua xử lý, chứa một lượng rất lớn chất hữu cơ, các chất dinh dưỡng như N, P
và các chất độc hại khác vào hồ làm cho hồ nhiễm bẩn. Hiện tượng phú dưỡng gây “tảo nở hoa” và cá
chết hàng loạt làm cho hệ sinh thái trong hồ bị nhiễm độc và khi lắng xuống cùng với cặn trong nước
thải tạo nên lớp trầm tích đọng ở đáy hồ, làm cho hồ nông dần theo thời gian, nhất là tại nơi trực tiếp
đón nhận nước thải; kéo theo đó là sự đổi màu của nước, nước có mùi hôi thối khiến cho hệ thống hồ
không thể thực hiện được các chức năng của mình. Do vậy, để có thể kịp thời bảo vệ hệ sinh thái các
hồ, việc đánh giá và dự báo sự phú dưỡng là vô cùng cần thiết.

1


Đã có nhiều công trình nghiên cứu với nhiều phương pháp để xác định tình trạng phú
dưỡng của hồ trên địa bàn thành phố Hà Nội, trong đó có một số hồ tại quận Hoàng Mai bằng cách
dựa vào các nhóm sinh vật chỉ thị cho sự phú dưỡng hoặc giám sát các thông số đánh giá độ phú
dưỡng thứ cấp như N và P [4-6,11]. Tuy nhiên, các phương pháp quan trắc, giám sát truyền thống
chất lượng nước các hồ đô thị thường gây tốn kém về mặt thời gian và kinh phí, đặc biệt không
giúp đánh giá nhanh được hiện trạng môi trường của hồ để có giải pháp kịp thời. Điều này dẫn đến
thực trạng thiếu dữ liệu trong việc quản lý các hồ ở đô thị hiện nay. Trong khi đó trên thế giới, việc
sử dụng viễn thám vào giám sát, đánh giá mức độ phú dưỡng của các hồ thông qua tính toán hàm
lượng chlorophyll-a (Chl-a) - chỉ số trực tiếp phản ánh sức khỏe hệ sinh thái trong hồ, đã trở nên
phổ biến, hiệu quả và mang độ chính xác cao.
Xuất phát từ thực tiễn trên, đề tài “Nghiên cứu giám sát mức độ phú dưỡng của một số

hồ tại quận Hoàng Mai, Hà Nội sử dụng dữ liệu ảnh vệ tinh Landsat” được tiến hành nghiên cứu
với mục tiêu nghiên cứu như sau:
-

Xác định mối quan hệ giữa chỉ số phú dưỡng (TSI) của nước tại một số hồ thuộc quận Hoàng
Mai, Hà Nội và các thông số thu được của ảnh Landsat 8;

-

Sử dụng dữ liệu ảnh Landsat 8 để tính toán, mô hình hóa sự phân bố không gian và thời gian

-

của TSI trong nước tại một 3 hồ lớn của quận Hoàng Mai là Linh Đàm, Yên Sở, Định Công;
Xác định mối quan hệ giữa quá trình đô thị hóa và sự gia tăng dân số khu vực xung quanh 3 hồ
(Linh Đàm, Yên Sở, Định Công) với diễn biến của TSI trong các hồ;

-

Đề xuất một số giải pháp giám sát hiện tượng phú dưỡng tại 3 hồ (Linh Đàm, Yên Sở, Định
Công).
Trong luận văn, đối tượng và phạm vi nghiên cứu là TSI và sự biến động của TSI theo

không gian và thời gian ở 3 hồ lớn tại quận Hoàng Mai là Yên Sở, Linh Đàm và Định Công.
Nội dung của luận văn được trình bày trong 3 chương, không kể phần mở đầu và kết luận
như sau:
Chương 1: Tổng quan về vùng nghiên cứu và lịch sử nghiên cứu
Chương 2: Phương pháp nghiên cứu
Chương 3: Kết quả và thảo luận
Luận văn được thực hiện tại bộ môn Địa chất Môi trường, Khoa Địa chất, Trường Đại học

Khoa học Tự nhiên - ĐHQGHN dưới sự hướng dẫn của TS. Nguyễn Thị Thu Hà. Luận văn là kết
quả nghiên cứu của học viên cao học thuộc ngành đào tạo thí điểm Địa chất môi trường.

2


CHƯƠNG 1 TỔNG QUAN VỀ VÙNG NGHIÊN CỨU VÀ LỊCH SỬ NGHIÊN CỨU
TỔNG QUAN VỀ VÙNG NGHIÊN CỨU

1.1.

1.1.1. Vị trí địa lý vùng nghiên cứu
Quận Hoàng Mai nằm ở phía nam thủ đô Hà Nội. Tọa độ địa lý của quận vào khoảng
20o 53’ - 21o 35’ độ vĩ Bắc và 105o 44’ - 106o 02’ độ kinh Đông. Phía bắc của quận giáp với quận Hai
Bà Trưng, phía nam giáp với huyện Thanh Trì, phía đông giáp với sông Hồng và huyện Gia Lâm,
phía tây giáp với huyện Thanh Trì và quận Thanh Xuân.
1.1.2. Các yếu tố ảnh hưởng đến sự phân bố TSI tại vùng nghiên cứu
1.1.2.1.
Các yếu tố tự nhiên
a. Đặc điểm địa hình, địa chất
b. Đặc điểm thời tiết, khí hậu
c. Đặc điểm thủy văn
1.1.2.2.

Các yếu tố kinh tế - xã hội

a. Dân số
b. Tình hình phát triển kinh tế
1.2.

LỊCH SỬ NGHIÊN CỨU

1.2.1. Trên thế giới
Từ những năm 1970, ứng dụng các kỹ thuật viễn thám trong đánh giá chất lượng nước đã
được thực hiện trên toàn thế giới và ngày càng phát triển cho tới ngày nay [19,2930,48,57,70,75,84-85,100,113,130,136,143,156,159]. Trong nghiên cứu của Matthews và Kutser
[87,103], đã đưa ra những đánh giá chi tiết về các công cụ trong viễn thám có thể sử dụng được để
đánh giá chất lượng nước các hồ nội địa. Bên cạnh việc khai thác thành công dữ liệu ảnh ALI,
ALOS [88], SPOT [42]; các dữ liệu ảnh LANDSAT xứng đáng được mô tả chi tiết hơn với một hệ
thống có thể nói là hệ thống vệ tinh mang tính chất quốc tế với 8 vệ tinh trong chương trình này.
Đã có rất nhiều các nghiên cứu sử dụng ảnh vệ tinh LANDSAT để tính toán và giám sát nước hồ
[120,148], mật độ thực vật phù du [154], vật chất lơ lửng [163] CDOM [36], sự bùng nổ của tảo
xanh [156] và macrophyte [18]. Ngày 30/5/2013, dữ liệu từ vệ tinh Landsat-8 đã tiếp tục thúc đẩy
các nghiên cứu về chất lượng nước hồ. Hơn thế nữa, các kênh phổ Landsat còn cung cấp thêm dải
sóng vùng hồng ngoại nhiệt (TIR) cho phép tính toán nhiệt độ bề mặt nước [118,160]. Việc tính
toán nồng độ Chl-a là một trong những ứng dụng mang tính khoa học được sử dụng phổ biến nhất
trong giám sát chất lượng nước [138]. Các vùng nước nội địa thường được đặc trưng bởi nồng độ
sinh khối phytoplankton cao với khoảng dao động tương đối rộng (thông thường là từ 1-100 µg/L
và cũng có thể lên đến 350 µg/L thậm chí cao hơn nữa, đặc biệt là trong trường hợp “tảo nở hoa”)
[132]. Các thành phần khác của nước nội địa như các hạt khoáng, mùn hữu cơ và CDOM thường
không biến đổi theo không gian và thời gian, ngay cả trong các thể nước. Những vấn đề này đã làm
cho việc phát triển các thuật toán của các vùng nước nội địa trở nên phức tạp hơn và khả năng ứng
dụng của chúng bị hạn chế giữa các thủy vực nước khác nhau [124].
Mức độ phú dưỡng của hồ được đánh giá thông qua chỉ số TSI. Carlson (1997) [37] đã đề
xuất công thức tính toán TSI thông qua nồng độ TP, hàm lượng Chl-a và SDD. Trong đó Chl-a là
chỉ số chính vì nó đóng vai trò tạo mối quan hệ giữa nồng độ chất dinh dưỡng và việc sinh sản của

3


tảo, liên quan trực tiếp đến hiện tượng phú dưỡng [112], nó phản ánh trực tiếp sức khỏe hệ sinh thái

vùng nước, bên cạnh đó Chl-a có mối liên kết chặt chẽ với hàm lượng các chất dinh dưỡng, đặc
biệt là P và là yếu tố chính sản sinh ra tảo. Trong nước, Ch-a là chỉ thị đặc trưng cho sự có mặt và
số lượng của tảo, chính vì vậy, nó thường được dùng như một chỉ số sơ cấp để đánh giá sinh khối
trong nước. Ở các quốc gia như Hoa Kỳ, Canada, Úc, New Zealand, Chl-a được dùng như một chỉ
số cơ bản để đánh giá độ phú dưỡng hay chất lượng nước của các thủy vực nội địa [50] vì nó phản
ánh trực tiếp sức khỏe của hệ sinh thái thủy sinh hơn là các chỉ số thứ cấp như tỉ số của Nitơ tổng
(TN) số với TP số.
Đã có rất nhiều thuật toán sử dụng các tỷ số kênh phổ từ dữ liệu vệ tinh đa phổ khác nhau
tính toán Chl-a, hay TP, TN trong nước, SDD, từ đó tính toán hàm lượng phú dưỡng (TSI) trong hồ
[52,65,130,159] tuy nhiên do sự phức tạp về thành phần và đặc tính của nước hồ nội địa mà các
ứng dụng này còn nhiều vấn đề tồn tại như mô hình tính toán thông số nước từ dữ liệu viễn thám
chưa thống nhất, các phương pháp xử lý ảnh cho các vùng khác nhau cần được làm rõ, các mô hình
đã có cần được so sánh, đánh giá và ứng dụng cho nhiều hồ nội địa. Để góp phần cùng giải quyết
vấn đề còn tồn tại này, các nghiên cứu ứng dụng viễn thám cho các hồ nội địa cần được tiến hành ở
nhiều nơi khác nhau.
1.2.2. Tại Việt Nam
Ảnh vệ tinh đã được một số cơ quan sử dụng để khảo sát, thành lập bản đồ biến động lòng
sông ở các tỉ lệ khác nhau, từ 1: 100.000 đến 1: 25.000 cho hệ thống sông Cửu Long, một số sông ở
miền Trung và sông Hồng. Ảnh vệ tinh hiện nay có khả năng sử dụng để điều tra giám sát chất
lượng nước như độ mặn, mức độ ô nhiễm do chất thải công nghiệp và để điều tra, quản lí tổng hợp
các lưu vực sông. Trong nghiên cứu Ứng dụng ảnh vệ tinh SPOT-5 thành lập bản đồ chất lượng
nước mặt vùng cửa sông ven biển khu vực Quảng Ninh - Hải Phòng do Trung tâm viễn thám quốc
gia nay là Cục Viễn thám quốc gia [3] thực hiện đã cho thấy với việc sử dụng ảnh vệ tinh SPOT5,
cũng như trong tương lai gần sử dụng ảnh vệ tinh VNRedsat-1 của Việt Nam, chúng ta có điều kiện
chủ động giám sát chất lượng nước mặt của những dòng hợp lưu sông, hồ, cửa biển. Nghiên cứu
của Nguyễn Quốc Phi và cộng sự [9] với mục tiêu ứng dụng tư liệu viễn thám để đánh giá hiện
trạng môi trường nước biển ven bờ tại cửa Đáy phục vụ công tác giám sát môi trường. Nghiên cứu
đã sử dụng dữ liệu ảnh vệ tinh Landsat để trích lọc thông tin về chất lượng nước thông qua việc
tính toán các chỉ số phản xạ phổ, áp dụng các chỉ số kinh nghiệm và phân tích các đặc trưng phản
xạ phổ để xác định và phân vùng khu vực cửa Đáy qua các thông số TSS, Chl-a, chỉ số trầm tích lơ

lửng, SDD. Đáng chú ý trong nghiên cứu là TSS được tính toán theo chỉ số thực nghiệm, theo đó
TSS tính bằng phương trình hồi quy đa biến của 4 kênh ảnh Landsat TM, Nguyễn Văn Thảo và nnk
(2016) [13] đã có nghiên cứu “Xây dựng thuật toán xử lý dữ liệu viễn thám xác định hàm lượng vật
chất lơ lửng tại vùng biển ven bờ châu thổ sông Hồng”. Nghiên cứu này đã sử dụng hai loại ảnh vệ
tinh có độ phân giải cao là Landsat 8 và VNRESAT-1 chứng minh mối quan hệ giữa phổ phản xạ
rời mặt nước với hàm lượng vật chất lơ lửng.
Ngoài ra, có thể kể đến các nghiên cứu nổi bật liên quan đến ứng dụng công nghệ viễn
thám trong quản lý chất lượng môi trường nước như là: các nghiên cứu liên quan đến giám sát/quan

4


trắc hàm lượng Chl-a và TSS trong nước biển Đông [10,14-15] và vùng vịnh ven biển [67-68]. Về
các nghiên cứu hiện nay có đề tài nghiên cứu hợp tác giữa Trung tâm Viễn thám quốc gia và Viện
Vật Lý (Viện Khoa học và Công nghệ Việt Nam) đã và đang tiến hành liên quan đến thử nghiệm
ứng dụng ảnh vệ tinh MODIS để tính toán nhiệt độ nước biển và hàm lượng Chl-a trên biển Đông.
Gần đây, Hà và Koike [67] đã xây dựng phương pháp ứng dụng viễn thám và địa thống kê trong
quan trắc chất lượng nước biển ven bờ, áp dụng nghiên cứu vịnh Tiên Yên và làm sáng tỏ rằng ảnh
MODIS có khả năng cung cấp dữ liệu nhằm đánh giá hiệu quả chất lượng các vùng nước ven biển.
Năm 2016, Hà và nnk [12] đã nghiên cứu thử nghiệm mô hình hóa sự phân bố không gian của hàm
lượng Chl-a và chỉ số trạng thái phú dưỡng nước Hồ Tây sử dụng ảnh Sentinel - 2A, kết quả bước
đầu cho thấy hàm lượng Chl-a trong nước hồ có quan hệ chặt chẽ với tỷ số kênh 5 trên kênh 4 của
ảnh Sentinel-2A bằng phương trình hàm mũ. Qua nghiên cứu này, ảnh Sentinel-2A với độ phân
giải không gian của các kênh đa phổ 10m, thiết kế các kênh phổ hợp lý hoàn toàn phù hợp cho
giám sát chất lượng nước ở các hồ nội địa có diện tích nhỏ. Năm 2017, Thảo và nnk [150] đã sử
dụng dữ liệu ảnh vệ tinh Landsat ETM+ và OLI để xác định hàm lượng Chl-a và đánh giá tình
trạng phú dưỡng của hồ Hoàn Kiếm, kết quả nghiên cứu cho thấy, tỷ lệ phổ phản xạ giữa kênh
xanh lam/xanh lục tương quan rất chặt chẽ với hàm lượng Chl-a bằng hàm mũ, tương ứng với ảnh
Landsat ETM+ là kênh phổ 2 trên kênh 1, ảnh Landsat OLI là kênh 3 trên kênh 2, đồng thời nghiên
cứu cũng chỉ ra phương pháp này hoàn toàn có thể áp dụng đối với các hồ nước nội địa khác có

tính năng quang học tương tự như hồ Hoàn Kiếm.
Đối với vùng hồ nội địa có nghiên cứu “Tính toán hàm lượng trầm tích lơ lửng trong nước
mặt hồ Trị An sử dụng ảnh Landsat đa phổ” của tác giả Trịnh Lê Hùng và Vũ Danh Tuyến [153].
Đáng chú ý, đề tài “Nghiên cứu tài nguyên nước mặt khu vực Hà Nội bằng phương pháp viễn thám
và GIS”, mã số QT-00-22 của Nguyễn Đình Minh và nnk [8] đã phân tích biến động theo không
gian và thời gian các lưu vực sông trong khu vực Hà Nội trên cơ sở phân tích dữ liệu viễn thám vệ
tinh và GIS.
Tuy nhiên, để góp phần đưa ứng dụng công nghệ viễn thám vào đánh giá chính xác chất
lượng môi trường các hồ tại quận Hoàng Mai thì vẫn chưa có nghiên cứu nào được thực hiện ngoại
trừ nghiên cứu của nhóm tác giả về hồ Linh Đàm [66]. Theo kết quả nghiên cứu của nhóm tác giả
này, hàm lượng TSI có trong hồ Linh Đàm tương quan rất chặt chẽ với tỷ lệ kênh phổ 3 trên kênh 2
của ảnh Landsat 8 bằng hàm tuyến tính, nghiên cứu cũng chỉ ra phương pháp này hoàn toàn có thể
áp dụng để giám sát tình trạng phú dưỡng cho các hồ đô thị tương tự.
Các nghiên cứu kể trên đã góp phần làm sáng tỏ điều kiện tự nhiên, môi trường, chất lượng
nước các hồ Hà Nội cũng như một số hồ thuộc quận Hoàng Mai, tuy nhiên để thực hiện được các
nghiên cứu này đã tốn kém nhiều thời gian và kinh phí cho công tác khảo sát, lấy mẫu, đo đạc,
quan trắc… và không đánh giá được xu thế biến động chất lượng nước trong một thời gian dài và
liên tục, do vậy cần có một công cụ mới bằng việc giải đoán các ảnh viễn thám đa thời gian để góp
phần đánh giá hiện trạng môi trường hồ, cung cấp cơ sở khoa học cho các nhà quản lý thực hiện
các kế hoạch, quy hoạch phát triển kinh tế song song với sử dụng bền vững tài nguyên thiên nhiên.

5


CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU
2.1. THU THẬP VÀ TỔNG HỢP TÀI LIỆU
Phương pháp thu thập, tổng hợp và phân tích tài liệu là phương pháp được sử dụng ở
những bước đầu tiên của nghiên cứu khoa học. Nguồn tài liệu thu thập sẽ là cơ sở giúp cho người
thực hiện đánh giá tổng quan về khu vực nghiên cứu từ đó xác định được các yếu tố góp phần gây
ảnh hưởng đến chất lượng nước các hồ.

2.2. PHƯƠNG PHÁP KHẢO SÁT THỰC ĐỊA
Đây là phương pháp quan trọng trong nghiên cứu nhằm bổ sung và hiệu chỉnh các thông
tin có được từ các tài liệu thu thập và tiến hành lấy mẫu nước phân tích hàm lượng Chl-a tại các vị
trí khác nhau, để có cơ sở xây dựng mối tương quan giữa Chl-a cũng như TSI của nước và phổ
phản xạ thu được từ xử lý ảnh viễn thám Landsat. Đồng thời để có được những đánh giá khách
quan và thực tế về các yếu tố ảnh hưởng đến TSI tại khu vực nghiên cứu.
2.3. PHƯƠNG PHÁP XÁC ĐỊNH HÀM LƯỢNG CHLOROPHYLL-A VÀ CHỈ SỐ TSI
Việc phân tích chỉ số Chl-a được thực hiện trong phòng thí nghiệm theo phương pháp
chuẩn APHA, sử dụng máy so màu Hach DR 5000. Phương pháp được sử dụng là phương pháp
chiết suất bởi acetone 90%.
Chỉ số TSI cho nước hồ được tính toán dựa trên hàm lượng Chl-a được đề xuất bởi
Carlson và Simpson theo phương trình như sau: 𝑇𝑆𝐼 = 9,81 ln(𝐶ℎ𝑙) + 30,6
2.4. DỮ LIỆU ẢNH VỆ TINH SỬ DỤNG
Trong nghiên cứu này, dữ liệu ảnh vệ tinh Landsat 8 được sử dụng để xây dựng phương
trình tính toán TSI từ phổ phản xạ chiết xuất từ ảnh trong nước hồ.
2.5. PHƯƠNG PHÁP XỬ LÝ ẢNH
Các ảnh sau khi download về được xử lý theo các bước hiệu chỉnh bức xạ, hiệu chỉnh khí
quyển và chiết tách các giá trị phổ phản xạ.
2.6. PHƯƠNG PHÁP ĐÁNH GIÁ TÌNH TRẠNG PHÚ DƯỠNG
Hồ và hồ chứa có thể xếp loại theo mức độ phú dưỡng thành 4 loại: dinh dưỡng ít, dinh
dưỡng trung bình, phú dưỡng và siêu phú dưỡng. Phương pháp đánh giá chất lượng nước hồ thông
qua chỉ số trạng thái phú dưỡng TSI được phát triển bởi Carlson và Simpson (1996) [36].
2.7. PHƯƠNG PHÁP PHÂN TÍCH THỐNG KÊ VÀ BẢN ĐỒ
Các phép phân tích hồi quy, thống kê cơ bản, tính toán độ lệch, độ sai số trong nghiên cứu
được thực hiện sử dụng phần mềm IBM SPSS Statistics 20. Hệ số tương quan được tính toán trong
nghiên cứu là hệ số Pearson. Các phép phân tích đều dựa trên 95% phân bố của các chuỗi số
Bản đồ phân bố chỉ số trạng thái phú dưỡng (TSI) được thành lập dựa trên phương pháp
phân bố xác suất của biến ngẫu nhiên sử dụng modul phân mảnh mật độ (density slicing) trong
ENVI 5.3 và biên tập trong ArcGIS 10.2

6


CHƯƠNG 3 KẾT QUẢ VÀ THẢO LUẬN

3.1. KẾT QUẢ
3.1.1. Hiện trạng phú dưỡng tại các hồ nghiên cứu tại quận Hoàng Mai
Qua 6 đợt thực địa, kết quả phân tích cho thấy, hàm lượng Chl-a tại 3 hồ nghiên cứu đạt giá
trị trung bình tại 100,14 g/L, dao động trong khoảng rất rộng từ 28,5 đến 304,3 g/L. Giá trị TSI
tương ứng đạt trung bình tại 76 và dao động trong khoảng 63 đến 87. Như vậy, dựa theo chỉ số
trạng thái phú dưỡng của hồ được đề xuất bởi Carlson (1977) [37] và phân loại bởi Carlson và
Simpson (1996) [36] thì các hồ nước nghiên cứu có giá trị TSI ứng với mức từ phú dưỡng đến siêu
phú dưỡng. Trong 3 hồ nghiên cứu, TSI tại hồ Linh Đàm cho kết quả cao hơn so với hai hồ còn lại.
3.1.2. Mối quan hệ giữa chỉ số TSI với phổ mặt nước tại các hồ nghiên cứu
Tương quan của TSI ứng với các kênh phổ của ảnh Landsat 8 thể hiện rõ xu hướng tương
quan nghịch với phổ phản xạ từ kênh 1 đến kênh 5 với hệ số tương quan 0,05 đến 0,76. Trong khi
đó, tương quan của TSI với tỷ số 2 kênh phổ tương đối cao, với b5/b1 là 0,69; b5/b2 là 0,73; b5/b3
là 0,60; b5/b4 là 0,68; b4/b1 là 0,68; b4/b2 là 0,75; b3/b1 là 0,83; b3/b2 là 0,90; b3/b4 là 0,28 và
b2/b1 là 0,28. TSI cho kết quả chính xác nhất khi sử dụng tỷ số kênh 3 trên kênh 2 của ảnh Landsat
8 bằng hàm tuyến tính với hệ số xác định r2 = 0,78 sai số ước tính chuẩn của TSI là 2,2 (tương ứng
đến 2 - 3% tiêu chuẩn TSI đo lường).
3.1.3. Diến biến TSI trong các hồ nghiên cứu từ năm 2013 đến nay
3.1.3.1. Phương trình tính toán chỉ số TSI
Kết quả so sánh giữa tỷ số kênh 3 trên kênh 2 của các điểm ảnh Landsat ngày 01/04/2017
và tỷ lệ phổ mặt nước của bước sóng ứng với 2 kênh này (R(561)/R(482)) được đo cùng với ngày
chụp ảnh tại các hồ nghiên cứu thuộc quận Hoàng Mai cung cấp phương trình tính toán từ phổ ảnh
sang phổ mặt nước. Mối quan hệ giữa phổ phản xạ đo tại mặt nước và phổ ảnh sau khi đã hiểu
chỉnh khí quyển có hệ số tương quan rất chặt chẽ, với hệ số xác định r2 = 0,74, giá trị sai số trung
bình nhỏ, cho thấy phương pháp hiệu chỉnh khí quyển này có độ chính xác cao, phù hợp cho
nghiên cứu.

Dựa trên mối quan hệ giữa TSI và tỷ lệ kênh phổ của ảnh Landsat 8, TSI trong nước tại 3
hồ nghiên cứu được tính toán theo hàm tuyến tính và tỷ số kênh 3 trên kênh 2 của ảnh Landsat. Với
hệ số xác định tương đối cao (r2 = 0,76):
TSI = 74,7
Trong đó: TSI là chỉ số phú dưỡng,

𝑏3
𝑏2

b3
b2

+ 76,3

(6)

là tỷ số kênh phổ 3 và 2 được chiết tách từ ảnh

Landsat 8.
Áp dụng phương trình (6) để tính toán TSI đối với các ngày lấy mẫu và so sánh kết quả
giữa TSI tính toán từ Chl-a phân tích từ mẫu thu thập và TSI tính toán từ phương trình theo ảnh cho
thấy mối tương quan rất cao giữa TSI thực địa và TSI tính từ dữ liệu ảnh Landsat 8 với r2 = 0,86,
giá trị sai số chuẩn của phép tính tương đối nhỏ ứng với TSI xấp xỉ khoảng 9.77, cho thấy TSI
trong nước tại các hồ trên địa bàn quận Hoàng Mai có thể được tính tương đối chính xác từ tỷ số 2
kênh phổ ảnh nói trên theo phương trình (6).

7


3.1.3.2. Diễn biến TSI trong các hồ nghiên cứu từ năm 2013 đến nay

- Phân bố TSI tại hồ Linh Đàm
Tháng 6/2013, bao phủ toàn hồ với TSI trong khoảng từ 50 đến 60, đến tháng 9/2013 đã
xuất hiện 4 vị trí có TSI trong khoảng 60 - 70, qua quá trình thực địa được biết tại những vị trí có
TSI cao là các cống thải ngầm từ khu vực bán đảo Linh Đàm xuống lòng hồ. Đến tháng 12/2013
những vị trí này TSI đã giảm xuống mức 50 - 60, tuy nhiên lại xuất hiện một vài vị trí TSI ở mức
60 - 70, bao gồm: vùng mặt hồ tiếp giáp với công viên phía bắc hồ Linh Đàm, bên kia bờ phía
nghĩa trang Hoàng Liệt và một phần nhỏ diện tích tại khu vực phía nam hồ. Tháng 5/2014, TSI
trong hồ chiếm một phần diện tích lớn vẫn là khoảng 50 - 60, tuy nhiên phần diện tích mặt hồ có
TSI trong khoảng 60 - 70 đã lan rộng hơn với nhiều vị trí hơn so với năm 2013 tại cùng thời điểm,
đặc biệt phân bố nhiều tại phần diện tích mặt hồ phía làng Tứ Kỳ - phường Hoàng Liệt và rải rác tại
một số vị trí cống ngầm khu vực phía nam bán đảo Linh Đàm. Tháng 6/2015, TSI trung bình toàn
hồ là 56,98, TSI dao động trong khoảng 60 - 70 phân bố rải rác khắp mặt hồ đặc biệt bên phần diện
tích mặt hồ phía khu đô thị Nam hồ Linh Đàm, còn lại phần lớn diện tích mặt hồ vẫn là TSI trong
khoảng 50 - 60. Tháng 5 và tháng 6/2016 bao phủ chủ yếu toàn mặt hồ vẫn là TSI trong khoảng 50
- 60, tuy nhiên đã xuất hiện những vị trí có TSI trong khoảng 70 - 80 với diện tích không đáng kể,
phân bố gần bờ hồ dọc phố Đại Từ và một phần nhỏ diện tích gần trạm cấp nước, phía tây nam bán
đảo Linh Đàm, vào thời điểm này, TSI trong khoảng 60 - 70 đã lan rộng dọc bờ hồ phía đường
Nguyễn Hữu Thọ và đường Giải Phóng. Tháng 10/2016 TSI trung bình toàn hồ là 58,94, phần diện
tích mặt hồ có TSI trong khoảng 70 - 80 đã tăng rõ rệt so với các tháng trước đó, phân bố rải rác tại
các cống ngầm dọc đường Nguyễn Hữu Thọ và đường Giải Phóng, cùng với các điểm phía bên
trong tiếp giáp bán đảo Linh Đàm tại khu vực làng Hoàng Liệt. Tháng 12/2016, TSI trung bình tại
hồ là 59,06, diện tích có TSI trong khoảng 70 - 80 đã xuất hiện tập trung rộng tại một vị trí, nổi bật
tại vùng hồ phía bắc phố Linh Đường - Phía Bắc làng Tứ Kỳ, phường Hoàng Liệt, dọc khu vực
đường Giải Phóng và một vài điểm tại mặt hồ phía đường Nguyễn Hữu Thọ; diện tích mặt hồ có
TSI trong khoảng 60 - 70 cũng tăng rõ rệt, phân bố rải rác khắp toàn hồ. Tháng 4/2017, TSI trung
bình trong hồ là 59,82, phần diện tích mặt hồ có TSI trong khoảng 70 - 80 đã lan thành vùng rộng,
tập trung chủ yếu tại phía bắc và tây bắc của hồ, ngoài ra còn xuất hiện tại một vài vị trí phân bố ở
vùng mặt hồ phía nam bán đảo Linh Đàm, phần diện tích có TSI trong khoảng 60 - 70 đã tăng hơn
so với tháng 12/2016, phân bố xung quanh khu vực đảo Cỏ và rải rác khắp hồ từ vị trí gần bờ rồi
lan rộng ra trung tâm hồ, còn lại là phần diện tích có TSI trong khoảng 50 - 60. Tháng 6/2017, TSI

trong hồ đạt giá trị trung bình tại 60,15, TSI trong khoảng 60 - 70 đã chiếm phần lớn diện tích mặt
hồ, phân bố khắp toàn hồ, đặc biệt tập trung nhiều tại khu vực xung quanh đảo Cỏ, phần mặt hồ
dọc đường Nguyễn Hữu Thọ lan rộng từ gần bờ ra đến trung tâm hồ, phần diện tích mặt hồ có TSI
trong khoảng 70 - 80 phân bố dọc mặt hồ phía công viên Bắc Linh Đàm, đặc biệt tập trung nhiều
tại mặt hồ phía đông và đông bắc bán đảo Linh Đàm, còn lại là phần diện tích mặt hồ với TSI trong
khoảng 50 – 60. Tháng 8/2017, TSI trong hồ đạt giá trị trung bình 61,09, phần diện tích mặt hồ có
TSI trong khoảng 70 - 80 tăng rõ rệt so với các tháng trước đó, phân bố chủ yếu dọc mặt hồ phía
đường Nguyễn Hữu Thọ, một phần diện tích tập trung tại mặt hồ phía làng Tứ Kỳ, phường Hoàng
Liệt và một phần nhỏ diện tích tập trung tại khu vực xung quanh đảo Cỏ, phần diện tích mặt hồ có

8


TSI trong khoảng 60 - 70 chiếm một diện tích lớn, phân bố khắp mặt hồ, lan rộng từ vị trí gần bờ ra
đến trung tâm, tập trung chủ yếu ở khu vực phía tây và tây bắc của hồ.
- Phân bố TSI tại hồ Yên Sở
Trong năm 2013, từ tháng 6 đến tháng 12, có thể nhận thấy rõ rệt bao phủ toàn mặt hồ Yên
Sở là TSI trong khoảng 50 - 60, chỉ xuất hiện một đến hai điểm với diện tích khá nhỏ tại khu vực
mặt mặt hồ xung quanh công viên Yên Sở có TSI trong khoảng 60 - 70. TSI trung bình tăng từ
tháng 6 đến tháng 12 và lần lượt là 50,36 - 51,47. So sánh với hồ Linh Đàm thấy rõ, hồ Yên Sở
trong thời gian này sạch hơn so với hồ Linh Đàm. Tháng 5/2014, TSI trung bình tại hồ Yên Sở đạt
52,98, chiếm phần lớn diện tích mặt hồ vẫn là TSI trong khoảng 50 - 60, vẫn thấy xuất hiện một vài
vị trí với diện tích khá nhỏ có TSI trong khoảng 60 - 70 phía mặt hồ xung quanh công viên Yên Sở
và phía đường Tam Trinh. Tháng 6/2015, TSI trung bình tại hồ Yên Sở đạt 53,41 tăng 0,85% so
với năm 2014. TSI trong khoảng 50 - 60 vẫn bao phủ hầu hết mặt hồ, đã xuất hiện nhiều vị trí gần
bờ xung quanh công viên Yên Sở, cùng với một vài điểm tại các vị trí cống thải ngầm rải rác phía
trên có TSI trong khoảng 60 - 70. Tháng 5 và 6/2016, TSI trung bình tại hồ Yên Sở lần lượt là
53,97 và 55,03, TSI phân bố tương đối đồng đều trong toàn hồ với hàm lượng chủ yếu trong
khoảng 50 - 60. Trong tháng 6 đã xuất hiện 3 vị trí có TSI cao trong khoảng 70 - 80, phân bố ở gần
bờ phía công viên Yên Sở, phía bắc và một điểm phía tây của hồ. TSI trong khoảng 60 - 70 đã tăng

rõ rệt so với cùng thời điểm vào năm 2015, phân bố chủ yếu xung quanh các vị trí gần bờ phía công
viên Yên Sở và dọc phía đường Tam Trinh. Tháng 10/2016, TSI trung bình tại hồ Yên Sở là 55,99.
Bao phủ hầu hết toàn mặt hồ vẫn là TSI trong khoảng 50 - 60, phần diện tích có TSI trong khoảng
60 - 70 đã lan rộng dọc khắp các bờ xung quanh hồ đặc biệt là khu vực bờ xung quanh công viên
Yên Sở và dọc bờ phía đông và đông bắc của hồ, theo đó phần diện tích có TSI trong khoảng 70 80 cũng đã tăng rõ rệt so với các tháng trước, lan rộng và chạy dọc cùng với các vị trí có TSI trong
khoảng 60 - 70. Tháng 12/2016, TSI trung bình tại hồ Yên Sở là 57,08, nhìn chung sự phân bố TSI
trong tháng này không có gì khác so với tháng 10, tuy nhiên phần diện tích có TSI trong khoảng 60
- 80, đặc biệt là phần diện tích có TSI trong khoảng 70 - 80 đã tăng lên rõ rệt so với tháng trước.
Tháng 4/2017, TSI trung bình tại hồ Yên Sở đạt 57,97, phân bố tương đối đồng đều khắp hồ với
TSI trong khoảng 50 - 60, chỉ riêng vùng ven gần bờ chạy dọc toàn hồ có hàm lượng cao hơn hẳn
so với các vùng khác, khu vực tập trung TSI cao trong khoảng 70 - 80 vẫn là vùng ven bờ xung
quanh công viên Yên Sở, đặc biệt bên phía khu đô thị Pháp Vân - Tứ Hiệp, dọc phía gần bờ ven
đường Tam Trinh và rải rác ven bờ khắp hồ, phần diện tích mặt hồ có TSI trong khoảng 60 - 70 đã
tăng và lan rộng vào trung tâm hồ, điển hình tại mặt hồ phía giáp khu quy hoạch của Gamuda và
một phần diện tích mặt hồ phía tiếp giáp với phường Giáp Nhị. Tháng 6/2017, TSI trung bình tại
hồ Yên Sở đạt 58,95, sự phân bố TSI trong tháng này không thay đổi mấy so với tháng 6, tuy nhiên
phần diện tích có TSI trong khoảng 60 - 70 và 70 - 80 đã tăng lên trông thấy, đặc biệt TSI trong
khoảng 70 - 80 đã lan rộng nhiều so với tháng trước đó. Tháng 8/2017, phần diện tích có TSI cao
đã lan khá rộng, bao phủ dọc khắp ven bờ hồ và lan ra cả phía trung tâm hồ, đặc biệt khu vực ven
bờ xung quanh công viên Yên Sở, vị trí cửa xả từ sông Sét và sông Kim Ngưu vào hồ và dọc ven
đường Tam Trinh, TSI cao hơn rõ rệt so với các vùng khác, nhìn chung mặt hồ phía tây và tây nam
có TSI cao hơn so với các vùng còn lại.

9


- Phân bố TSI tại hồ Định Công
Tháng 6 năm 2013, TSI trung bình trong hồ Định Công là 51,87, phân bố khá đồng đều
khắp mặt hồ, nhìn chung TSI bao phủ toàn hồ nằm trong khoàng 50 - 60, riêng có 3 vị trí có TSI
trong khoảng 60 - 70 phân bố rải ven bờ phía tây và tây nam của hồ. Tháng 9 và tháng 12/2013,

TSI trung bình lần lượt là 51,93 và 51,98, phân bố tương đối đồng đều với hàm lượng chủ yếu
trong khoảng 50 - 60, trong thời gian này đã xuất hiện nhiều vị trí có TSI trong khoảng 60 - 70,
phân bố rải rác ven bờ dọc khắp hồ. Nhìn chung, từ tháng 6 đến tháng 12/2013 TSI trong hồ đã
tăng lên tuy nhiên tăng với lượng không đáng kể, so sánh nhận thấy, hồ Định Công trong cùng thời
điểm sạch hơn so với hồ Linh Đàm, tuy nhiên phú dưỡng hơn so với hồ Yên Sở. Tháng 6/2015,
TSI trung bình toàn hồ Định Công là 55,58, cao hơn TSI trung bình vào cùng thời điểm năm 2013,
bao phủ toàn mặt hồ vẫn là TSI trong khoảng 50 - 60, tuy nhiên phần diện tích có TSI trong khoảng
60 - 70 đã tăng lên, phân bố tập trung thành vùng rộng, lan rộng từ ven bờ ra đến trung tâm của hồ,
điển hình mặt hồ bên phía đường Định Công, gần vị trí tiếp giáp với sông Lừ, ngoài ra còn một vài
điểm phân bố rải rác tại các vị trí cống ngầm phía tây hồ. Tháng 5 và 6/2016 có TSI trung bình lần
lượt là 55,63 và 56,36, phần diện tích mặt nước có TSI trong khoảng 50 - 60 vẫn chiếm chủ yếu
toàn mặt hồ, tuy nhiên phần diện tích mặt hồ có TSI trong khoảng 60 - 70 đã tăng rõ rệt so với các
tháng trước đó, phân bố rải rác khắp toàn hồ, đặc biệt tại vùng mặt hồ nơi có cống thông giữa hồ
với sông Lừ là nơi tập trung cao TSI trong khoảng 60 - 70, đặc biệt trong thời gian này đã xuất hiện
phần diện tích mặt hồ có TSI trong khoảng 70 - 80 phân bố ở phía bắc hồ và một phần diện tích
phía tây của hồ. Tháng 10/2016, TSI trung bình của hồ là 56,95, chiếm phần lớn diện tích mặt hồ
vẫn là TSI trong khoảng 50 - 60, phần diện tích có TSI cao trong khoảng 60 - 80 đã tăng lên rõ rệt,
trong đó phần diện tích 70 - 80 tăng đáng kể, phân bố dọc ven bờ bên phía Định Công Thượng rồi
lan rộng ra phía trung tâm hồ, qua đó thấy rõ được những vị trí có TSI cao là những vị trí cống thải
ngầm. Tháng 12/2016, TSI trung bình toàn hồ Định Công là 58,93, phần diện tích có TSI trong
khoảng 60 - 70 đã tăng lên, phân bố tập trung và lan rộng từ ven bờ ra ngoài trung tâm hồ, trải dải
dọc ven bờ khắp toàn hồ, phần diện tích 70 - 80 phân bố rải rác dọc ven bờ hồ, đặc biệt khu vực
song song với sông Lừ và một số vị trí tại các cống ngầm rải rác toàn hồ. Trong năm 2017, tháng 4,
tháng 6 và tháng 8 có TSI trung bình lần lượt là 59,06, 59,97 và 60,93. Phần diện tích có TSI cao
trong khoảng 60 - 70 chiếm một diện khá lớn, lan rộng từ ven bờ ra trung tâm hồ, phần diện tích có
TSI trong khoảng 70 - 80 tăng rõ rệt, phân bố thành các dải dọc ven bờ và lan rộng thành các đám ở
trung tâm hồ. Thấy rõ, phần bên phía Định Công Thượng có TSI cao hơn so với phía bên Định
Công. Đặc biệt, trong tháng 8 đã xuất hiện vị trí có TSI cao lớn hơn 80, phân bố tại cống thông
giữa sông Lừ với hồ. So sánh nhận thấy, trong cùng thời gian, hồ Định Công có TSI cao hơn so với
hồ Yên Sở, thấp hơn so với hồ Linh Đàm, tuy nhiên sự chênh lệch giữa các hồ là không đáng kể.

3.2. THẢO LUẬN
3.2.1. Mối quan hệ giữa quá trình đô thị hóa và TSI của hồ
Nguyên nhân gây phú dưỡng chính, theo nghiên cứu do nước thải sinh hoạt và một phần
rác thải từ gia đình hoặc cộng đồng tùy tiện thải xuống hồ. Các ô nhiễm này làm tăng nồng độ các
chất hữu cơ, vượt quá khả năng tự làm sạch của hồ, dẫn đến suy thoái chất lượng nước, thiếu hụt

10


oxy, tăng lượng trầm tích trong hồ, khiến cho nước ao hồ rất đục bẩn, có nhiều hồ, ao nước biến
thành màu đen, hệ thống sinh thái bị đe dọa và rối loạn nghiêm trọng. Hầu hết các hồ tại khu vực
nghiên cứu đều được hình thành trên nền đất trẻ và chịu sự tác động của các yếu tố tự nhiên nên
quá trình lão hóa diễn ra nhanh. Độ sâu của hồ giảm rõ rệt do xả chất thải rắn (có cả loại rác lớn
như đồ đạc cũ trong nhà, các đồ tế lễ, bát hương, bàn thờ cũ…), xả nước thải, san lấp và lấn chiếm
không kiểm soát của người dân xung quanh hồ. Do việc xả rác thải vô ý thức không bị kiểm soát và
ngăn chặn chặt chẽ, nên nhiều loại rác thải (túi ny lon, giấy kẹo, giấy bọc hàng, rác sinh hoạt các
gia đình xung quanh hồ) tích tụ dần thành đống dưới hồ. Thực trạng này vừa gây bẩn hồ, vừa dần
biến hồ thành ao tù, nước đọng, là nguồn phát sinh nhiều dịch bệnh. Hiện tượng đổ phế thải xây
dựng, đổ đất, lấn chiếm hồ… cũng làm giảm đáng kể diện tích, thậm chí nhiều hồ đang có nguy
cơ… biến mất.
3.2.2. Đề xuất giải pháp giám sát tình trạng phú dưỡng các hồ thuộc quận Hoàng Mai sử
dụng dữ liệu ảnh vệ tinh
3.2.2.1. Tích hợp viễn thám và các phương pháp quan trắc truyền thống
Phương pháp xử lý tích hợp viễn thám và các phương pháp quan trắc giám sát truyền thống
sẽ là giải pháp mang lại hiệu quả rất đáng mong đợi, nhất là khi chất lượng của ảnh vệ tinh được
cung cấp miễn phí đang ngày được cải thiện với độ phân giải cao hơn. Molly Reif viết trong báo
cáo cho Hiệp hội Kỹ sư Quân đội Hoa Kỳ [86] đã đề cập đến năm ưu điểm nổi bật nhất của cách
kết hợp này: (1) cung cấp cái nhìn tổng quát vùng quan trắc để theo dõi hiệu quả hơn những thay
đổi theo không gian và thời gian; (2) cung cấp đồng thời thông tin chất lượng nước tại nhiều vị trí
trên một diện tích lớn tại cùng một thời điểm; (3) cung cấp chuỗi số liệu toàn diện nhiều năm chỉ ra

xu hướng thay đổi của chất lượng nước theo thời gian; (4) cung cấp một công cụ hỗ trợ quyết định
mức độ ưu tiên các vị trí, thời gian thực hiện điều tra, khảo sát và lấy mẫu nước; (5) cung cấp một
ước tính chính xác các thành phần hoạt tính quang học mô tả chất lượng nước. Như vậy có thể
thấy, với việc phối hợp ưu thế của 2 phương pháp sẽ tạo điều kiện nâng cao hiệu quả giám sát tình
trạng phú dưỡng các hồ Hà Nội một cách thống nhất và đồng bộ, nhờ đó việc ra quyết định của các
nhà quản lý môi trường có cơ sở khoa học, tính chính xác, độ tin cậy được nâng lên..
3.2.2.2. Hoàn thiện hệ thống văn bản pháp quy, đưa công nghệ viễn thám thành một cấu phần
của hệ thống giám sát tài nguyên môi trường
Để tăng cường ứng dụng công nghệ viễn thám trong quan trắc, giám sát chất lượng nước
cũng như các loại tài nguyên môi trường khác cần đẩy nhanh việc xây dựng, trình Chính phủ ban
hành Nghị định về hoạt động viễn thám; các văn bản hướng dẫn áp dụng Nghị định, chính sách về
ứng dụng và phát triển công nghệ viễn thám, về sở hữu trí tuệ, tiêu chuẩn hóa các định dạng và
định chuẩn trong ứng dụng và phát triển công nghệ viễn thám; quy chế về quản lý, trao đổi và cung
cấp thông tin viễn thám, về sử dụng chung các cơ sở viễn thám liên ngành; về lưu trữ, quản lý, khai
thác và sử dụng những thông tin, số liệu điều tra nhằm nâng cao hiệu quả và tiết kiệm đầu tư cho
Nhà nước; các tiêu chuẩn về viễn thám, bao gồm các quy trình, quy phạm xử lý và sử dụng tư liệu
viễn thám vào các lĩnh vực chuyên ngành đồng thời đưa công nghệ viễn thám thành một cấu phần
của hệ thống giám sát tài nguyên và môi trường

11


KẾT LUẬN
Trong nghiên cứu, luận văn đã sử dụng dữ liệu ảnh vệ tinh Landsat 8 để tính toán TSI trong
nước tại các hồ Định Công, Yên Sở, Linh Đàm thuộc quận Hoàng Mai. Kết quả nghiên cứu đạt
được như sau:
1. Ảnh Landsat 8 phù hợp để nghiên cứu giám sát mức độ phú dưỡng của các hồ trên địa
bàn quận Hoàng Mai, cụ thể trong nghiên cứu là 3 hồ lớn: Định Công, Yên Sở, Linh Đàm;
2. TSI của các hồ lớn tại quận Hoàng Mai tương quan chặt chẽ với tỷ số giá trị phổ kênh
3 trên kênh 2 của ảnh Landsat 8 bằng phương hình hàm tuyến tính;

3. Kết quả tính toán TSI từ 2013 đến nay cho thấy 3 hồ lớn quận Hoàng Mai có TSI dao
dộng từ 41 đến 84 ứng với mức phú dưỡng từ trung bình đến siêu phú dưỡng. TSI có xu hướng
tăng theo thời gian. Theo không gian TSI biến động từ ven bờ ra đến trung tâm, TSI phân bố cao ở
các vị trí ven và gần bờ hồ, loang dần và giảm dần ra phía trung tâm mặt hồ;
4. Quá trình đô thị hóa thể hiện qua sự gia tăng đất xây dựng và mật độ dân số có mối
tương quan chặt chẽ với TSI (r = 0,77 - 0,81) chứng tỏ rằng quá trình đô thị hóa và sự gia tăng dân
số xung quanh các hồ là một trong những nguyên nhân dẫn đến suy giảm chất lượng nước hồ
5. Ứng dụng viễn thám trong quản lý và giám sát môi trường và tài nguyên thiên nhiên
nói chung và tài nguyên nước mặt nói riêng ở nước ta là một phương pháp mới nên vẫn còn gặp
nhiều khó khăn trong ứng dụng. Để nâng cao hiệu quả sử dụng dữ liệu ảnh vệ tinh trong giám sát
diện tích và tình trạng phú dưỡng các hồ nội địa cần đẩy mạnh công tác nghiên cứu khoa học, xây
dựng quy trình giám sát cụ thể và có kế hoạch chuyển giao cho các cơ quan chức năng tại địa
phương.

12


TÀI LIỆU THAM KHẢO
TIẾNG VIỆT

1.
2.
3.

Bách khoa toàn thư mở. Các hồ tại Hà Nội.
Chi cục thống kê quận Hoàng Mai, 2017. Niên giám thống kê quận Hoàng Mai năm 2016.
Cục viễn thám quốc gia, 2011. Ứng dụng ảnh vệ tinh SPOT-5 thành lập bản đồ chất lượng nước mặt
vùng cửa sông ven biển khu vực Quảng Ninh - Hải Phòng. Dự án: Sử dụng công nghệ viễn thám và GIS
xây dựng cơ sở dữ liệu thành lập bản đồ diễn biến vùng ô nhiễm nguồn nước thải từ các khu công
nghiệp, đô thị nhằm đưa ra cảnh báo các vùng có nguy cơ ô nhiễm thuộc vùng kinh tế trọng điểm miền

Bắc.

4.

Lê Thị Hiền Thảo, 1999. Nghiên cứu quá trình xử lý sinh học và ô nhiễm nước ở một số hồ Hà Nội.
Luận án tiến sỹ Sinh học, ĐH Khoa học Tự nhiên - ĐH Quốc gia Hà Nội.

5.

Lê Thu Hà, Bùi Thị Hoa, 2005. Hiện trạng các hồ Hà Nội. Lưu trữ tại Đại học Khoa học tự nhiên,
ĐHQGHN.

6.

Lê Thu Hà, Ngô Quang Dự và nnk, 2005. Báo cáo tóm tắt đề tài mã số QT-05-24: Áp dụng phương
pháp phân tích ma trận trong quan trắc và đánh giá chất lượng nước một số hồ Hà Nội. Lưu trữ Đại học
Khoa học tự nhiên, ĐHQGHN.

7.
8.

Nguyễn Địch Dỹ, 2006. Sông ngòi, hồ, đầm lầy Hà Nội xưa. Tuyển tập Kiến trúc, số 2, tr.17-19.
Nguyễn Đình Minh, Phạm Văn Quýnh và nnk, 2002. Báo cáo tóm tắt đề tài mã số QT-00-22: Nghiên
cứu tài nguyên nước mặt khu vực Hà Nội bằng phương pháp viễn thám và GIS. Lưu trữ tại Đại học
Khoa học tự nhiên, ĐHQGHN.

9.

Nguyễn Quốc Phi, Nguyễn Thị Hạnh Như, Nguyễn Đức Mạnh , Lê Phú Cường, Lê Văn Huy, Lê Hải
Hoàn, Nguyễn Thị Ánh Nguyệt, 2014. Nghiên cứu đánh giá chất lượng nước mặt khu vực ven biển Cửa

Đáy ứng dụng công nghệ viễn thám. Kỷ yếu Hội thảo Ứng dụng GIS toàn quốc 2014, NXB ĐH Cần
Thơ, p.633-643.

10.

Nguyễn Tác An và nnk, 2001. Sử dụng kỹ thuật hệ thông tin địa lý (GIS) để xây dựng các bản đồ phân
vùng và đánh giá hiện trạng chất lượng môi trường vùng ven bờ vịnh Nha Trang. Tuyển tập Nghiên cứu
biển, tập XI, tr, 241-255, NXB Khoa học và Kỹ thuật, Hà Nội.

11.

Nguyễn Thị Hưởng. 2011. Đánh giá diễn biến chất lượng nước các hồ Hà Nội giai đoạn 2006-2010.
Luận văn Thạc sỹ Khoa Học Môi Trường, ĐH Khoa học Tự nhiên - ĐH Quốc gia Hà Nội.

12.

Nguyễn Thị Thu Hà, Bùi Đình Cảnh, Nguyễn Thiên Phương Thảo, Bùi Thị Nhị, 2016. Thử nghiệm mô
hình hóa sự phân bố không gian của hàm lượng Chlorophyll-a và chỉ số trạng thái phú dưỡng nước hồ
Tây sử dụng ảnh Sentinel-2A. Tạp chí Khoa học Đại học Quốc Gia Hà Nội, Các khoa học Trái đất và
Môi trường, 33, 123-132.

13.

Nguyễn Văn Thảo, Vũ Duy Vĩnh, Nguyễn Đắc Vệ, Phạm Xuân Cảnh, 2016. Xây dựng thuật toán xử lý
dữ liệu viễn thám xác định hàm lượng vật chất lơ lửng tại vùng biển ven bờ châu thổ sông Hồng. Tạp chí
Khoa học và Công nghệ Biển, 16(2), tr. 129 - 135.

14.

Phan Minh Thụ, Nguyễn Tác An, 2005. Mô hình hóa phân bố hàm lượng Chlorophyll-a của thực vật nổi

trong Biển Đông. Hội nghị Những vần đề nghiên cứu cơ bản trong Khoa học Sự sống 2005, Hà Nội,
1078-1080.

13


15.

Phan Minh Thụ, Nguyễn Tác An, 2011. Mô hình hóa phân bố chlorophyll-a ở vùng biển Nam Trung bộ
trong khuôn khổ dự án hợp tác Việt Đức. Tuyển tập báo cáo Hội thảo Quốc tế về Hợp tác quốc tế trong
điều tra, nghiên cứu tài nguyên và môi trường biển. Hà Nội, 15-16/9/2011: 413-419

16.
17.

UNBD quận Hoàng Mai, 2017. Báo cáo kinh tế xã hội năm 2016 của quận Hoàng Mai.
Viện Quy hoạch Xây dựng Hà Nội, 2007. Thuyết minh tổng hợp quy hoạch chi tiết quận Hoàng Mai - tỉ
lệ 1/2000.

TIẾNG ANH

18.

Albright TP, Ode DJ, 2011. Monitoring the dynamics of an invasive emergent macrophyte community
using operational remote sensing data. Hydrobiologia 661:469-474.

19.

Alparslan, E., Aydöner, C., Tufekci, V., Tüfekci, H., 2007. Water quality assessment at ömerli dam
using remote sensing techniques. Environ. Monit. Assess, 135, 391-398.

20.

Alparslan, E., Coskun, H.G., Alganci, U., 2009. Water quality determination of Küçükçekmece Lake,
Turkey by using multispectral satellite data. Sci. World J., 9, 1215-1229.

21.

Ammenberg, P., Flink, P., Lindell, T., Pierson, D., & Strombeck, N., 2002. Bio -optical modelling
combined with remote sensing to assess water quality. International Journal of Remote Sensing, 23,
1621-1638.

22.

Anding, D., Kauth, R., 1970. Estimation of sea surface temperature from space. Remote Sens, Environ,
1, 217-220.

23.

Baban, S., 1993. Detecting Water-Quality Parameters in the Norfolk Broads, Uk, using Landsat Imagery.
International Journal of Remote Sensing, 14, 1247-1267.

24.

Batzli,

S.,

2014.

Mapping

Lake

Clarity:

About

the

Map.

Available

online:

/>
25.

Bhatti, A., Rundquist, D., Schalles, J., Ramirez, L., 2010. Application of hyperspectral remotely sensed
data for water quality monitoring: Accuracy and limitation. In Proceedings of the accuracy symposium,
Leicester, UK, 20-23 July 2010.

26.

Binding, C.E., Greenberg, T.A., Watson, S.B., Rastin, S., & Gould, J., 2015. Long term water clarity
changes in North America's Great Lakes from multi-sensor satellite observations. Limnology and
Oceanography, 60, 1976-1995.

27.

Binding, C.E., Jerome, J.H., Bukata, R.P., & Booty, W.G., 2010. Suspended particulate matter in Lake
Erie derived from MODIS aquatic colour imagery. International Journal of Remote Sensing, 31, 52395255.

28.

Bistani, L.F.C., 2009. Identifying Total Phosphorus Spectral Signal in a Tropical Estuary Lagoon Using
an Hyperspectral Sensor and Its Applicaton to Water Quality Modeling. University of Puerto Rico
Mayagüez Campus: Mayagüez, Spain.

29.

Braga, C.Z.F., Setzer, A.W., de Lacerda, L.D., 1993. Water quality assessment with simultaneou s
Landsat-5 TM data at guanabara bay, Rio de Janeiro, Brazil. Remote Sens, Environ, 45, 95-106

30.

Brando, V.E., Dekker, A.G., 2003. Satellite hyperspectral remote sensing for estimating estuarine and
coastal water quality. IEEE Trans, Geosci, Remote Sens, 41, 1378-1387.

14


31.

Brezonik, P., Menken, K.D., Bauer, M., 2005. Landsat-based remote sensing of lake water quality
characteristics, including chlorophyll and colored dissolved organic matter (CDOM). Lake Reserv,
Manag, 21, 373-382.

32.

Brivio, P., Giardino, C., Zilioli, E., 2001. Determination of chlorophyll concentration changes in lake
garda using an image-based radiative transfer code for Landsat TM images. Int. J. Remote Sens, 22, 487502.

33.

Brivio, P.A., Giardino, C., Zilioli, E., 2001. Validation of satellite data for quality assurance in lake
monitoring applications. Sci. Total Environ, 268, 3-18.

34.

Bukata, R.P., Jerome, J.H., Kondratyev, A.S., Pozdnyakov, D.V., 1995. Optical Properties and Remote
Sensing of Inland and Coastal Waters, CRC Press: Boca Raton, FL, USA.

35.

Carder, K.L., Chen, F.R., Cannizzaro, J.P., Campbell, J.W., Mitchell, B.G., 2004. Performance of the
MODIS semi-analytical ocean color algorithm for chlorophyll-a. Adv. Space Res., 33, 1152-1159.

36.

Carlson, R.E. and J. Simpson., 1996. A Coordinator’s Guide to Volunteer Lake Monitoring Methods.
North American Lake Management Society, Madison, WI

37.
38.

Carlson, R.E., 1977. A trophic state index for lakes. Limnology and Oceanography, 22(2), 361-369.
Chipman, J.W., Olmanson, L.G., Gitelson, A.A., 2009. Remote Sensing Methods for Lake Management:
A Guide for Resource Managers and Decision-Makers. North American Lake Management Society:

Madison, WI, USA.

39.

Choe, E.Y., Lee, J.W., Lee, J.K., 2011. Estimation of chlorophyll-a concentrations in the nakdong river
using high-resolution satellite image. Korean J, Remote Sens, 27, 613-623.

40.

Choubey, V., 1998. Laboratory experiment, field and remotely sensed data analysis for the assessment of
suspended solids concentration and secchi depth of the reservoir surface water. Int. J, Remote Sens, 19,
3349-3360.

41.

Choubey, V. & Subramanian, V., 1992. Estimation of Suspended -Solids using Indian Remote-Sensing
Satellite-1a Data - a Case-Study from Central India. International Journal of Remote Sensing, 13, 14731486.

42.

Dekker, A.G., Vos, R.J., Peters, S.W.M., 2002. Analytical algorithms for lake water TSM estimation for
retrospective analyses of TM and SPOT sensor data. Int. J., Remote Sens, 23:15-35.

43.

Dekker, A., Peters, S., 1991. The use of the Thematic Mapper for the analysis of eutrophic lakes: A case
study in the Netherlands. Int. J., Remote Sens, 14, 799-821.

44.

Dekker, A.G., Malthus, T.J., Seyhan, E., 1999. Quantitative modeling of inland water quality for high resolution MSS systems. IEEE Trans, Geosci, Remote Sens, 29, 89-95.

45.

Dewidar, K., Khedr, A., 2001. Water quality assessment with simultaneous Landsat -5 TM at Manzala
Lagoon, Egypt. Hydrobiologia, 457, 49-58.

46.

Doerffer, R., & Schiller, H., 2007. The MERIS case 2 water algorithm. International Journal of Remote
Sensing, 28, 517-535.

47.

Ekercin, S., 2007. Water quality retrievals from high resolution IKONOS multispectral imagery: A case
study in Istanbul, Turkey. Water Air Soil Pollut, 183, 239-251

48.

El-Din, M.S., Gaber, A., Koch, M., Ahmed, R.S., Bahgat, I., 2013. Remote sensing application for water
quality assessment in lake timsah, suez canal, egypt. J. Remote Sens, Technol.

15


49.

Eleveld, M.A., 2012. Wind-induced resuspension in a shallow lake from Medium Resolution Imaging
Spectrometer (MERIS) full-resolution reflectances. Water Resour,Res, 48:W04508.

50.

EPA, 2010. Chapter 5: Trophic State of Lakes, In: National Lakes Assessment A collaborative Survey of
the Nation’s Lakes. EPA 841-R-09-001, April 2010, pp. 44-46.

51.

Feng, L., Hu, C., Han, X., Chen, X., Qi, L., 2014. Long-term distribution patterns of chlorophyll-a
concentration in China’s largest freshwater lake: MERIS full-resolution observations with a practical
approach. Remote Sens, 7, 275-299.

52.

Fuller, L.M., and Jodoin, R.S., 2016. Estimation of a Trophic State Index for selected inland lakes in
Michigan, 1999-2013: U.S. Geological Survey Scientific Investigations Report 2016-5023, 16 p.

53.

Fuller, L.M., Aichele, S.S., Minnerick, R.J., 2004. Predicting Water Quality by Relating Secchi-Disk
Transparency and Chlorophyll a Measurements to Satellite Imagery for Michigan Inland Lakes, August
2002. US Department of the Interior, US Geological Survey: Denver, CO, USA.

54.

George, D., 1993. Physical and Chemical-Scales of Pattern in Fresh-Water Lakes and Reservoirs.
Science of the Total Environment, 135, 1-15.

55.

George, D., 1997. The airborne remote sensing of phytoplankton chlorophyll in the lakes and tarns of the

English Lake District. Int. J., Remote Sens, 18, 1961-1975.

56.

George, D., & Malthus, T., 2001. Using a compact airborne spectrographic imager to monitor
phytoplankton biomass in a series of lakes in north Wales. Science of the Total Environment, 268, 215226.

57.

Giardino, C., Bresciani, M., Cazzaniga, I., Schenk, K., Rieger, P., Braga, F., Matta, E., Brando, V.E.,
2014. Evaluation of multi-resolution satellite sensors for assessing water quality and bottom depth of
lake garda. Sensors, 14, 24116-24131.

58.

Gilerson, A.A., Gitelson, A.A., Zhou, J., Gurlin, D., Moses, W., Ioannou, I., et al., 2010. Algorithms for
remote estimation of chlorophyll-a in coastal and inland waters using red and near infrared bands. Optics
Express, 18, 24109-24125.

59.

Gitelson, A., 1992. The peak near 700 nm on radiance spectra of algae and water: Relationships of its
magnitude and position with chlorophyll concentration. In t. J., Remote Sens, 13, 3367-3373.

60.

Gitelson, A.A., Gurlin, D., Moses, W.J., & Barrow, T., 2009. A bio-optical algorithm for the remote
estimation of the chlorophyll-a concentration in case 2 waters. Environmental Research Letters, 4,
045003.

61.

Gitelson, A.A., Dall’Olmo, G., Moses, W., Rundquist, D.C., Barrow, T., Fisher, T.R., Gurlin, D., Holz,
J., 2008. A simple semi-analytical model for remote estimation of chlorophyll-a in turbid waters:
Validation.
Remote Sens, Environ, 112, 3582-3593.

62.

Gons, H., Rijkeboer, M., & Ruddick, K., 2002. A chlorophyll-retrieval algorithm for satellite imagery
(Medium Resolution Imaging Spectrometer) of inland and coastal waters. Journal of Plankton Research,
24, 947-951.

63.

Gons, H., Rijkeboer, M., & Ruddick, K., 2005. Effect of a waveband shift on chlorophyll retrieval from
MERIS imagery of inland and coastal waters. Journal of Plankton Research, 27, 125-127.

64.

Grim, J.A., Knievel, J.C., & Crosman, E.T., 2013. Techniques for Using MODIS Data to Remotely
Sense Lake Water Surface Temperatures. Journal of Atmospheric and Oceanic Technology, 30, 24342451.

16


65.

Duan, H., Zhang, Y., Zhang, B., Song, K., Wang, Z., Liu, D., & Li, F., 2007. Estimation of chlorophyll‐
a concentration and trophic states for inland lakes in Northeast Chin a from Landsat TM data and field

spectral measurements. International Journal of Remote Sensing, 29, 767-786.

66.

Ha, N.T.T., Han, V.T., Thao, N.T.P., Khanh, D.T.M., 2017. Monitoring the trophic state index of Lake
Linh

Dam

using

Landsat

8

Imagery. Journal of Mining and Earth Sciences, 58, 3, 42-50.

67.

Ha, N. T. T. and Koike, K., 2011. Integrating satellite imagery and geostatistics of point samples for
monitoring spatio-temporal changes of total suspended solids in bay waters: application to Tien Yen Bay
(Northern Vietnam). Frontiers of Earth Science, V.5 (3): 305-316.

68.

Ha, N. T. T., Koike, K. and Nhuan, M.T., 2014. Improved Accuracy of Chlorophyll-a Concentration
Estimates from MODIS Imagery Using a Two-Band Ratio Algorithm and Geostatistics: As Applied to
the Monitoring of Eutrophication Processes over Tien Yen Bay (Northern Vietnam). Remote Sens, 421442, doi:10.3390/rs6010421.

69.

Hadjimitsis, D., Toulios, L., Clayton, C., Spanos, K., 2004. Dam trophic state evaluation using satellite
remote sensing techniques: A case study of Asprokremmos Dam in paphos, Cyprus. In Proceedings of
the International Conference on Protection and Restoration VI, Thassos, Greece, 28 June -1 July 2004.

70.

Hadjimitsis, D.G., Clayton, C., 2009. Assessment of temporal variations of water quality in inland water
bodies using atmospheric corrected satellite remotely sensed image data. Environ, Monit, Assess, 159,
281-292.

71.

Han, L., Jordan, K.J.,2005. Estimating and mapping chlorophyll-a concentration in Pensacola Bay,
Florida using Landsat ETM+ data. Int. J., Remote Sens, 6, 5245-5254.

72.

Härmä, P.,Vepsäläinen, J., Hannonen, T., Pyhälahti, T., Kämäri, J., Kallio, K., Eloheimo, K., Koponen,
S., 2001. Detection of water quality using simulated satellite data and semi-empirical algorithms in
Finland. Sci, Total Environ, 268, 107-121.

73.

Harrington, J., Schiebe, F., & Nix, J., 1992. Remote-Sensing of Lake Chicot, Arkansas - Monitoring
Suspended Sediments, Turbidity, and Secchi Depth with Landsat Mss Data. Remote Sensing of
Environment, 39, 15-27.

74.

Harrington, J., Repic, R., 1995. Hyperspectral and video remote sensing of o klahoma lakes. In Papers
and Proceedings of Applied Geography Conferences, Applied Geography Conferences, Inc.: Denton,
TX, USA, pp. 79-86.

75.

Hellweger, F., Schlosser, P., Lall, U., Weissel, J., 2004. Use of satellite imagery for water quality studies
in new york harbor. Estuar, Coast, Shelf Sci, 61, 437-448.

76.

Hoogenboom, H., Dekker, A., Althuis, I.A., 1998. Simulation of aviris sensitivity for detecting
chlorophyll over coastal and inland waters. Remote Sens, Environ, 65, 333-340.

77.

Hunter, P.D., Tyler, A.N., Carvalho, L., Codd, G.A., & Maberly, S.C., 2010. Hyperspectral remote
sensing of cyanobacterial pigments as indicators for cell populations and toxins in eutrophic lakes.
Remote Sensing of Environment, 114, 2705-2718.

78.

Hurley, P., Payzant, L., Topliss, J., 1988. Monitoring offshore water quality from space. IGARSS’ 88,
Remote Sensing, Moving Towards the 21st Century, In Proceedings of the 1988 International
Geoscience and Remote Sensing Symposium, Edinburgh, UK, 12-16.

17


79.

Kay, J., Kampf, S., Handcock, R., Cherkauer, K., Gillespie, A., & Burges, S., 2005. Accuracy of lake
and stream temperatures estimated from thermal infrared images. Journal of the American Water
Resources Association, 41, 1161-1175.

80.

Kim, S.I., Kim, H.C., Hyun, C.U., 2014. High resolution ocean color products estimation in Fjord of
Svalbard, arctic sea using Landsat-8 oli. Korean J., Remote Sens, 30.

81.

Kloiber, S.M., Anderle, T.H., Brezonik, P.L., Olmanson, L., Bauer, M.E., Brown, D.A., 2000. Trophic
state assessment of lakes in the Twin Cities (Minnesota, USA) region by satellite imagery. Adv, Limnol,
Stuttg, 55, 137-151.

82.

Kloiber, S.M., Brezonik, P.L., Bauer, M.E., 2002. Application of Landsat imagery to regional-scale
assessments of lake clarity. Water Res, 36, 4330-4340.

83.

Kloiber, S.M., Brezonik, P.L., Olmanson, L.G., Bauer, M.E., 2002. A procedure for regional lake water
clarity assessment using Landsat multispectral data. Remote Sens. Environ, 82, 38-47.

84.

Kondratyev, K.Y., Pozdnyakov, D., Pettersson, L., 1998. Water quality remote sensing in the v isible
spectrum. Int. J., Remote Sens, 19, 957-979.

85.

Koponen, S., Pulliainen, J., Kallio, K., & Hallikainen, M., 2002. Lake water quality classification with
airborne hyperspectral spectrometer and simulated MERIS data. Remote Sensing of Environment, 79,
51-59.

86.

Kratzer, S., Håkansson, B., Sahlin, C., 2003. Assessing Secchi and photic zone depth in the Baltic Sea
from satellite data. Ambio 32:577-585.

87.

Kutser, T., 2009. Passive optical remote sensing of cyanobacteria and other intense phytoplankton
blooms in coastal and inland waters. Int. J., Remote Sens, 30:4401-4425.

88.

Kutser, T., Paavel, B., Metsamaa, L., 2009. Mapping coloured dissolved organic matter concentration in
coastal waters. Int. J., Remote Sens, 30:5843-5849.

89.

Kutser, T., 2004. Quantitative detection of chlorophyll in cyanobacterial blooms by satellite remote
sensing. Limnology and Oceanography, 49, 2179-2189.

90.

Kutser, T., Pierson, D., Kallio, K., Reinart, A., & Sobek, S., 2005a. Mapping lake CDOM by satellite

remote sensing. Remote Sensing of Environment, 94, 535-540.

91.

Kutser, T., Pierson, D., Tranvik, L., Reinart, A., Sobek, S., & Kallio, K., 2005b. Using satellite remote
sensing to estimate the colored dissolved organic matter absorption coefficient in lakes. Ecosystems, 8,
709-720.

92.

Lathrop, R., 1992. Landsat Thematic Mapper monitoring of turbid inland water quality. Photogramm,
Eng, Remote Sens, (United States), 58, 465-470.

93.

Lathrop, R., Lillesand, T., & Yandell, B., 1991. Testing the Utility of Simple MultiDate Thematic
Mapper Calibration Algorithms for Monitoring Turbid Inland Waters. International Journal of Remote
Sensing, 12, 2045-2063.

94.

Lee, Z., Shang, S., Hu, C., Du, K., Weidemann, A., Hou, W., Lin, J., Lin, G., 2015. Secchi disk depth: A
new theory and mechanistic model for underwater visibility. Remote Sens, Environ, , 169, 139-149.

95.

Li, L., Li, L., & Song, K., 2015. Remote sensing of freshwater cyanobacteria: An extended IOP
Inversion Model of Inland Waters (IIMIW) for partitioning absorption coefficient and estimating
phycocyanin. Remote Sens ing of Environment, 157, 9-23.

18


96.

Lillesand, T., Kiefer, R.W., Chipman, J., 2014. Remote Sensing and Image Interpretation. John Wiley &
Sons: New York, NY, USA.

97.

Lim, J., Choi, M., 2015. Assessment of water quality based on Landsat 8 operational land imager
associated with human activities in Korea. Environ, Monit, Assess, 187, 1-17.

98.

Lindell, L., Steinvall, O., Jonsson, M., Claesson, T., 1985. Mapping of coastal-water turbidity using
Landsat imagery. Int. J., Remote Sens, 6, 629-642.

99.

Liu, Y., Islam, M.A., Gao, J., 2003. Quantification of shallow water quality parameters by means of
remote sensing. Prog, Phys, Geogr, 27, 24-43.

100.

Maillard, P., Santos, N.A.P., 2008. A spatial-statistical approach for modeling the effect of non-point
source pollution on different water quality parameters in the velhas river watershed—brazil. J., Environ,
Manag, 86, 158-170.

101.

Mancino, G., Nolè, A., Urbano, V., Amato, M., Ferrara, A., 2009. Assessing water quality by remote
sensing in small lakes: The case study of monticchio lakes in southern Italy. iFor, Biogeosci, For, 2, 154161.

102.

Mannheim, S., Segl, K., Heim, B., Kaufmann, H., 2004. Monitoring of lake water quality using
hyperspectral chris-proba data. In Proceedings of the 2nd CHRIS/PROBA Workshop, ESA/ESRIN,
Frascati, Italy, pp. 28-30.

103.

Matthews, M.W., 2011. A current review of empirical procedures of remote sensing in inland and nearcoastal transitional waters. Int. J., Remote Sens, 32:21:6855-6899.

104.

Matthews, M.W., Bernard, S., & Robertson, L., 2012. An algorithm for detecting trophic status
(chlorophyll-a), cyanobacterial-dominance, surface scums and floating vegetation in inland and coastal
waters. Remote Sensing of Environment, 124, 637-652.

105.

Membrillo-Abad, A.S., Torres-Vera, M.A., Alcocer, J., Prol-Ledesma R.S., Oseguera L.A., RuizArmenta, J.R., 2016. Trophic State Index estimation from remote sensing of lake Chapala, México.
Revista Mexicana de Ciencias Geológicas, 33 (2), 183-191.

106.

Mishra, S., & Mishra, D.R., 2012. Normalized difference chlorophyll index: A novel model for remote
estimation of chlorophyll-a concentration in turbid productive waters. Remote Sensing of Environment,
117, 394-406.

107.

Mishra, S., & Mishra, D.R., 2014. A novel remote sensing algorithm to quantify phycocyanin in
cyanobacterial algal blooms. Environmental Research Letters, 9, 114003.

108.

Mishra, S., Mishra, D.R., & Schluchter, W.M., 2009. A Novel Algorithm for Predicting Phycocyanin
Concentrations in Cyanobacteria: A Proximal Hyperspectral Remote Sensing Approach. Remote
Sensing, 1, 758-775 .

109.

Mishra, S., Mishra, D.R., Lee, Z., & Tucker, C.S., 2013. Quantifying cyanobacterial phycocyanin
concentration in turbid productive waters: A quasi-analytical approach. Remote Sensing of Environment,
133, 141-151.

110.

Mittenzwey, K.H., Gitelson, A.A., & Kondratiev, K.Y., 1992. Determination of Chlorophyll-a of Inland
Waters on the Basis of Spectral Reflectance. Limnology and Oceanography, 37, 147-149.

111.

Mobley, C.D., 1994. Light and Water: Radiative Transfer in Natural Waters. Academic Press: New
York, NY, USA.

19

112.

Montanaro, M.,

Lunsford, A., Tesfaye, Z., Wenny, B., Reuter, D., 2014. Radiometric calibration

methodology of the Landsat 8 thermal infrared sensor. Remote Sensing, 6(9), 8803-8821.

113.
114.
115.

Morel, A., Prieur, L., 1977. Analysis of variations in ocean color. Limnol, Oceanog, 22, 709-722.
Mulhearn, P., 1995. Landsat reflectivities versus Secchi disc depths. Remote Sens, 16, 257-268.
Nas, B., Karabork, H., Ekercin, S., Berktay, A., 2007. Assessing water quality in the Beysehir Lake
(Turkey) by the application of GIS, geostatistics and remote sensing. In Proceedings of the 12th World
Lake Conference, Taal 2007, Jaipur, India, p. 646.

116.

Natural Environment Research Council, 2009. Post-processing field spectra in MATLAB (for GER 1500
only), Online at:
Post_processing_field_spectra_in_MAT
LAB.pdf.

117.

Nellis, M., Harrington, J., & Wu, J., 1998. Remote sensing of temporal and spatial variations in pool
size, suspended sediment, turbidity, and Secchi depth in Tuttle Creek Reservoir, Kansas: 1993.

Geomorphology, 21, 281-293.

118.

Oesch, D., Jaque,t J.M., Klaus, R., Schenker, P., 2008). Multi-scale thermal pattern monitoring of a large
lake (Lake Geneva) using a multi-sensor approach. Int. J., Remote Sens, 29:5785-5808.

119.

Ogashawara, I., Mishra, D.R., Mishra, S., Curtarelli, M.P., & Stech, J.L., 2013. A Performance Review
of Reflectance Based Algorithms for Predicting Phycocy anin Concentrations in Inland Waters. Remote
Sensing, 5, 4774-4798.

120.

Olmanson, L.G., Bauer, M.E., Brezonik, P.L., 2008. A 20-year Landsat water clarity census of
Minnesota’s 10,000 lakes. Remote Sens, Environ, 112, 4086-4097.

121.

Olmanson, L.G., Kloiber, S.M., Bauer, M.E., Brezonik, P.L., 2001. Image Processing Protocol for
Regional Assessments of Lake Water Quality. University of Minnesota: St, Paul, MN, USA.

122.

O'Reilly, J.E., S. Maritorena, B.G., Mitchell, D.A., Siegel, K.L., Carder, S.A., Garver, M., Kahru, and
McClain, C., 1998. Ocean color chlorophyll algorithms for SeaWiFS. Journal of Geophysical Research,
103:24, 937-24, 953.

123.

Östlund, C., Flink, P., Strömbeck, N., Pierson, D., Lindell, T., 2001. Mapping of the water quality of
Lake Erken, Sweden, from imaging spectrometry and Landsat Thematic Mapper. Sci, Total Environ,
268, 139-154.

124.

Palmer, S.C.J., Tiit K., Peter, D., Hunter, K., 2014. Remote sensing of inland waters: Challenges,
progress

and

future

directions.

Remote

Sensing

of

Environment,

/>
125.

Pattiaratchi, C., Lavery, P., Wyllie, A., Hick, P., 1994. Estimates of water quality in coastal waters using
multi-date Landsat Thematic Mapper data. Int. J., Remote Sens, 15, 1571-1584.

126.

Pierson, D., Kratzer, S., Strömbeck, N., Håkansson, B., 2008. Relationship between the attenuation of
downwelling irradiance at 490 nm with the attenuation of PAR (400nm- 700nm) in the Baltic Sea.
Remote Sens, Environ, 112:668-680.

127.

Politi, E., Cutler, M.E.J., & Rowan, J.S., 2012. Using the NOAA Advanced Very High Resolution
Radiometer to characterise temporal and spatial trends in water temperature of large European lakes.
Remote Sensing of Environment, 126, 1-11.

20


128.

Powell, R., Brooks, C., French, N., Shuchman, R., 2008. Remote Sensing of Lake Clarity. Michigan
Tech Research Institute: Ann Arbor, MI, USA, 2008.

129.

Pozdnyakov, D., Shuchman, R., Korosov, A., Hatt, C., 2005. Operational algorithm for the retrieval of
water quality in the great lakes. Remote Sens, Environ, 97, 352-370.

130.

Patra, P.P., Dubey, S.K., Trivedi, R.K., Sahu, S.K., Rout, S.K., 2017. Estimation of chlorophyll‐a
concentration and trophic states in Nalban Lake of East Kolkata Wetland, India from Landsat 8 OLI
data. Spatial Information Research,25, 75-87.

131.

Qi, L., Hu, C., Duan, H., Barnes, B.B., Ma, R., 2014. An EOF-based algorithm to estimate chlorophyll a
concentrations in Taihu Lake from MODIS land-band measurements: Implications for near real-time
applications and forecasting models. Remote Sens, 6, 10694-10715.

132.

Quibell, 1992. The Feasibility of Managing the Nitrogen to Phosphorus Ratio in the Hartbeespoort Dam
as a Means of Controlling Microcystis Scums. Institute for Water Quality Studies Report No.
N/A210/02/DEQ0492, Department of Water Affairs and Forestry, Pretoria.

133.

Reed-Andersen, T., Carpenter, S.R., Lathrop, R.C., 2000. Phosphorus flow in a watershed -lake
ecosystem. Ecosystems, 3, 561-573.

134.

Ritchie, J.C., Cooper, C.M., Schiebe, F.R., 1990. The relationship of MSS and TM digital data with
suspended sediments, chlorophyll, and temperature in Moon Lake, Mississippi. Remote Sens, Environ,
33, 137-148.

135.

Ritchie, J.C., Zimba, P.V., Everitt, J.H., 2003. Remote sensing techniques to assess water quality.
Photogramm, Eng, Remote Sens, 69, 695-704.

136.

Ruiz-Verdú, A., Simis, S.G.H., de-Hoyos, C., Gons, H.J., PeñaMartínez, R., 2008. An evaluation of
algorithms for the remote sensing of cyanobacterial biomass. Remote Sens, Environ, 112:3996 -4008.

137.

Sawaya, K.E., Olmanson, L.G., Heinert, N.J., Brezonik, P.L., Bauer, M.E., 2003. Extending satellite
remote sensing to local scales: Land and water resource monitoring using high -resolution imagery.
Remote Sens, Environ, 88, 144-156

138.

Schalles J. F., 2009. Optical remote sensing techniques to estimate phytoplankton c hlorophyll - a
concentrations in coastal waters with varying suspended matter and CDOM concentrations. In:
Richardson, L. L., and LeDew, E.F., editors. Remote sensing of Aquatic Coastal Ecosystem Processes:
Science and Management Application, Netherlands: Springer, 27-78.

139.

Schalles, J.F., & Yacobi, Y.Z., 2000. Remote detection and seasonal patterns of phycocyanin, carotenoid
and chlorophyll pigments in eutrophic waters. Ergebnisse der Limnologie, 153-168.

140.

Schiebe, F., Harrington, J., & Ritchie, J., 1992. Remote-Sensing of Suspended Sediments - the Lake
Chicot, Arkansas Project. International Journal of Remote Sensing, 13, 1487-1509.

141.

Schlichter, D., Kampmann, H., Conrady, S., 1997. Trophic potential and photoecology of endolithic

algae living within coral skeletons. Mar, Ecol, 18, 299-317.

142.

Seyhan, E., Dekker, A., 1986. Application of remote sensing techniques for water quality monitoring.
Hydrobiol, Bull, 20, 41-50.

143.

Shafique, N.A., Fulk, F., Autrey, B.C., Flotemersch, J., 2003. Hyperspectral Remote Sensing of Water
Quality Parameters for Large Rivers in the Ohio River Basin. In Proceedings of the 1st Interagency
Conference on Research in the Watersheds, Benson, AZ, USA.

21


144.

Simis, S., Peters, S., & Gons, H., 2005. Remote sensing of the cyanobacterial pigment phyco cyanin in
turbid inland water. Limnology and Oceanography, 50, 237-245.

145.

Simis, S., Ruiz-Verdú, A., Domínguez-Gómez, J.A., Peña-Martinez, R., Peters, S.W.M., & Gons, H.J.,
2007. Influence of phytoplankton pigment composition on remote sensing of cyanobacte rial biomass.
Remote Sensing of Environment, 106, 414-427.

146.

Song, K., Wang, Z., Blackwell, J., Zhang, B., Li, F., Zhang, Y., Jiang, G., 2011. Water quality

monitoring using Landsat Themate Mapper data with empirical algorithms in Chagan Lake, China. J.
Appl, Remote Sens, 5.

147.

Song, K.S., Li, L., Tedesco, L., Duan, H.T., Li, L.H., & Du, J., 2014. Remote Quantification of Total
Suspended Matter through Empirical Approaches for Inland Waters. Journal of Environmental
Informatics, 23, 23-36.

148.

Stadelmann, T.H., Brezonik, P.L., Kloiber, S.M., 2001. Seasonal patterns of chlorophyll-a and Secchi
disk transparency in lakes of east-central Minnesota: implications for design of groundand satellite-based
monitoring programs. Lake Reserv, Manage, 17:299-314.

149.

Swanson, H., Zurawell, R., 2006. Steele Lake Water Quality Monitoring Report, Monitoring and
Evaluation Branch. Environmental Assurance Division, Alberta Environment: Edmonton, AB, Canada.

150.

Thao, N.T.P., Ha, N.T.T., Linh, N.T., 2017. Integrating satellite imagery and geost atistics for estimating
Chl-a concentration in Hoan Kiem lake. Geo-spatial Technologies and Earth Resource, Science and
Technology, VietNam, ISBN 978-604-913-618-4.

151.

Thiemann, S., Kaufmann, H., 2002. Lake water quality monitoring using hyperspectral airborne data-A
semiempirical multisensor and multitemporal approach for the Mecklenburg Lake District, Germany.

Remote Sens, Environ, 81, 228-237.

152.

Torbick, N., Hession, S., Hagen, S., Wiangwang, N., Becker, B., & Qi, J., 2013. Mapping inland lake water
quality across the Lower Peninsula of Michigan using Landsat TM imagery. International Journal of
Remote Sensing, 34, 7607-7624.

153.

Hung, T.L., Tuyen, V.D., 2014. Estimating suspended sediment concentrations in surface water of Tri
An Lake (Vietnam) using Lands at multispectral images. Vestnik OrelGAU 3(48), UDC 528.854.2,
66.974.434

154.

Tyler, A.N, Svab, E., Preston, T., Présing, M., Kovács, W.A., 2006. Remote sensing of the water quality
of shallow lakes: A mixture modeling approach to quantifying phytoplankton in water characterized by
high-suspended sediment. Int. J., Remote Sens, 27:1521-1537.

155.

Usali, N., Ismail, M.H., 2010. Use of remote sensing and gis in monitoring water quality. J., Sustain,
Dev, 3, 228-238.

156.

Vincent, R.K., Qin, X., McKay, R.M.L., Miner, J., Czajkowski, K., Savino, J., Bridgemanet, T., 2004.
Phycocyanin detection from LANDSAT TM data for mapping cyanobacterial blooms in Lake Erie. Remote
Sens, Environ, 89:381-392.

157.

Wang, F., Han, L., Kung, H.T., Arsdale, R., 2006. Applications of Landsat -5 TM imagery in assessing
and mapping water quality in Reelfoot Lake, Tennessee. Int. J., Remote Sens, 27, 5269-5283.

158.

Wang, X., Ma, T., 2001. Application of remote sensing techniques in monitoring and assessing the water
quality of Taihu Lake. Bull. Environ, Contam, Toxicol, 67, 863-870.

22