- Trang Chủ
- Môi trường
- Xây dựng bản đồ lũ lụt sử dụng ảnh vệ tinh Sentinel-1 SAR trường hợp nghiên cứu hạ lưu lưu vực Sông Cả
Xem mẫu
- XÂY DỰNG BẢN ĐỒ LŨ LỤT SỬ DỤNG ẢNH VỆ TINH SENTINEL-1
SAR TRƯỜNG HỢP NGHIÊN CỨU HẠ LƯU LƯU VỰC SÔNG CẢ
Nguyễn Tiến Quang
Trường Đại học Tài nguyên và Môi trường Hà Nội
Tóm tắt
Ảnh vệ tinh Sentinel-1 SAR của Cơ quan Vũ trụ châu Âu (ESA) trong Chương trình Copernicus
là dữ liệu nguồn mở cung cấp dữ liệu tốt để phát triển bản đồ lũ lụt. Lập bản đồ lũ lụt dựa trên việc
sử dụng hình ảnh vệ tinh Radar khẩu động tổng hợp (SAR). Phần mềm SNAP để xử lý trước và xử
lý hình ảnh SAR sử dụng phương pháp phân ngưỡng để tính mức độ lũ lụt. Mục tiêu của nghiên
cứu này là xây dựng bản đồ lũ lụt sử dụng ảnh vệ tinh Sentinel-1 SAR, dựa vào sự kiện mưa lũ
tháng 10 năm 2020 để xác định phạm vi vùng lũ lụt ở hạ lưu Sông Cả. Kết quả cho thấy, diện tích
mặt nước từ ngày 06/10/2020 đến 18/10/2020 đã tăng từ 293,35 km2 lên 581,4 km2.
Từ khóa: Bản đồ lũ lụt; Sentinel-1; SAR; SNAP; Phương pháp ngưỡng.
Abstract
Flood mapping using Sentinel-1 SAR imagery: Case study in Ca River basin downstream
The Sentinel-1 SAR image by the Europe Space Agency (ESA) in the Copernicus Programme
is open-source data that offer good data to develop flood mapping. Flood mapping is based on the
use of Synthetic Aperture Radar (SAR) satellite. SNAP software for pre-processing and processing
of SAR imagery using a threshold method for deriving the flood extent. Google Earth is used
to visualize the results of the image processing. The objective of this study is to develop a flood
mapping using Sentinel-1 SAR imagery on October 2020 event to determine the extent of flooded
areas in Ca River basin downstream. The results showed that the water surface area from October
6, 2020 to October 18, 2020 increased from 293.35 square kilometers to 581.4 square kilometers.
Keywords: Food mapping; Sentinel-1; SAR; SNAP; Threshold method.
1. Giới thiệu
Gần đây, việc tích hợp các kỹ thuật Hệ thống Thông tin địa lý (GIS) và dữ liệu viễn thám
(RS), đã hoạt động rất hiệu quả để đối phó với sự phức tạp của mô hình lũ lụt theo không gian.
Hệ thống viễn thám đã được biết đến rộng rãi như một nguồn lực hữu ích để cung cấp nhận thức
tình huống, hiệu quả về chi phí và thời gian trên các khu vực rộng lớn, trong trường hợp có thiên
tai [2]. Số lượng ngày càng tăng của các vệ tinh quan sát Trái đất (EO) và các công nghệ cảm biến
mới cung cấp một lượng lớn dữ liệu có thể được sử dụng hiệu quả cho việc lập bản đồ lũ lụt. Chủ
yếu có hai loại cảm biến khác nhau được sử dụng để lập bản đồ và giám sát lũ: thụ động (quang
học) và chủ động (microwave). Mặc dù các cảm biến quang học đã được sử dụng để theo dõi lũ
từ lâu nhưng chúng không thể cung cấp dữ liệu trong các trận lũ do mây bao phủ và cả vào ban
đêm. Cảm biến SAR có thể được ưu tiên để phát hiện và theo dõi các sự kiện lũ lụt vì chúng cung
cấp dữ liệu trong mọi kiểu thời tiết vào cả ban đêm [3]. Ngoài ra, chúng ít bị ảnh hưởng bởi hiện
tượng tán xạ khí quyển. Do những đặc điểm này, dữ liệu SAR ngày càng được sử dụng nhiều hơn
trong các nghiên cứu lập bản đồ lũ lụt [4, 7]. Vệ tinh Sentinel-1, được điều hành bởi Chương trình
Copernicus của ESA bao gồm hai cảm biến vệ tinh (Sentinel-1A/B) với một chu kỳ lặp lại 6 ngày.
Mỗi vệ tinh Sentinel-1 có một cảm biến C - Band SAR, hoạt động với tốc độ 5,405 GHz. Chúng
có 4 chế độ hoạt động với các phạm vi, phân cực, góc tới và độ phân giải khác nhau: chế độ chụp
dải (SM), chế độ chụp quét rộng giao thoa (IW), chế độ chụp quét rất rộng (EW) và chế độ chụp
Giải pháp kết nối và chia sẻ hệ thống cơ sở dữ liệu phục vụ công tác đào tạo, 219
quản lý lĩnh vực tài nguyên môi trường
- sóng [1]. Theo mặc định, chúng cung cấp dữ liệu ở chế độ IW là dữ liệu SAR phân cực kép với
phân cực VV và VH [5].
Lưu vực Sông Cả nằm ở vùng Bắc Trung
Bộ, có toạ độ địa lý từ 18015’ đến 20010’30’’ vĩ độ
Bắc; 103045’20’’ đến 105015’20’’ kinh độ Đông.
Điểm đầu của lưu vực nằm ở toạ độ 20010’30’’
độ vĩ Bắc và 103045’20’’ kinh độ Đông. Cửa
ra của lưu vực nằm ở toạ độ 18045’27” độ vĩ
Bắc; 105046’40” kinh độ Đông [6]. Lũ lụt miền
Trung năm 2020 được xem là một đợt lũ lụt lịch
sử mới, được đặt mức báo động IV, thuộc về cấp
bậc thiên tai nguy hiểm, rủi ro rất lớn của Việt
Nam, ảnh hưởng sâu rộng và tác động gây tổn
thất, thiệt hại toàn khu vực. Các cơn bão xảy ra
kết hợp với lượng mưa lớn làm tăng diện tích lũ.
Vùng hạ lưu lưu vực Sông Cả cũng là một trong
những khu vực bị ảnh hưởng lớn của những trận
lũ lụt này.
Hình 1: Khu vực nghiên cứu
2. Dữ liệu và Phương pháp
2.1. Dữ liệu
Trong nghiên cứu này, hai bộ dữ liệu ảnh Sentinel-1 SAR được thu thập ở 2 thời điểm khác
nhau để phân định diện tích lũ trên khu vực, một là hình ảnh được thu vào 06/10/2020. Đây là thời
điểm chưa xảy ra lũ. Ảnh thứ hai là hình ảnh thu vào 18/10/2020 - thời điểm xảy ra hoạt động lũ
lớn. Phạm vi khu vực nghiên cứu là hạ lưu lưu vực Sông Cả, được xác định từ huyện Đô Lương
về phía hạ lưu lưu vực Sông Cả.
Bảng 1. Cơ sở dữ liệu nghiên cứu
No. Time Imagery file name Imagery source
S1A_IW_GRDH_1SDV_20201006T110532_ https://scihub.coperni
1 06/10/2020
20201006T110557_034675_0409F4_2C0E cus.eu/dhus/#/home
S1A_IW_GRDH_1SDV_20201018T110532_ https://scihub.coperni
2 18/10/2020
20201018T110557_034850_041018_E503 cus.eu/dhus/#/home
2.2. Phương pháp
Sentinel-1, sản phẩm của ESA được sử dụng để phát hiện hình dạng lũ lụt. Sự đóng góp của
Sentinel-1 vào ứng dụng lập bản đồ lũ xuất phát từ độ nhạy của tín hiệu tán xạ ngược đối với vùng
nước mở. Hình ảnh vệ tinh Sentinel-1 có bốn cách phân cực bao gồm VV, VH, HH và HV. Các sản
phẩm SM, IW và EW có sẵn ở dạng phân cực đơn (HH hoặc VV) hoặc phân cực kép (HH + HV
hoặc VV + VH). WV chỉ là phân cực đơn (HH hoặc VV). Tuy nhiên, khi tính toán để phát hiện lũ,
băng tần VV hoặc VH sẽ được sử dụng.
220 Giải pháp kết nối và chia sẻ hệ thống cơ sở dữ liệu phục vụ công tác đào tạo,
quản lý lĩnh vực tài nguyên môi trường
- Phương pháp phân ngưỡng là một phương pháp
đơn giản nhưng được sử dụng rộng rãi và hiệu quả để
tạo ảnh nhị phân. Ở đây, phương pháp ngưỡng được sử
dụng để phân định nước với không phải nước. Đối với
điều này, biểu đồ của hệ số tán xạ ngược được lọc cho
thấy khu vực nghiên cứu và môi trường xung quanh nó
đã được phân tích.
Subset: Bước dung để cắt vùng nghiên cứu, giảm
tính toán pixel.
Apply - Orbit - File: Bước nhằm hiệu chỉnh và
chọn lựa loại quỹ đạo phù hợp tương ứng với loại ảnh.
Calibration: Chuyển đổi hình ảnh thô thành hệ số
tán xạ ngược của radar.
Speckle - Filter: Để giảm nhiễu hạt và làm mịn dữ
liệu tán xạ ngược.
Terrain - Correction: Hiệu chỉnh hình học cho khu
vực nghiên cứu về đúng với thực tế so với cách bắt giữ
hình ảnh của vệ tinh. Hình 2: Sơ đồ thực hiện trên SNAP
LinearToFromdB: Để chuyển đổi các giá trị tán
xạ ngược từ cường độ sang dB.
3. Kết quả
Hình ảnh sau quá trình xử lý trên phần mềm SNAP sẽ được sử dụng để lập bản đồ ngập lụt
bằng cách sử dụng công cụ QGIS.
Hình 3: Quá trình xử lý dữ liệu trên SNAP
Giải pháp kết nối và chia sẻ hệ thống cơ sở dữ liệu phục vụ công tác đào tạo, 221
quản lý lĩnh vực tài nguyên môi trường
- Bộ dữ liệu ảnh Sentinel-1 SAR
của 2 đợt là ngày 06/10/2020 và ngày
18/10/2020, tương ứng với thời điểm
xuất hiện lũ và thời điểm hoạt động lũ
mạnh ở miền Trung.
Dữ liệu ngày 06 tháng 10 năm
2020, thời điểm chưa xuất hiện lũ trên
khu vực. Lượng nước thời điểm này
chủ yếu được tích tụ trên sông hồ,
ao,... Diện tích mặt nước tính toán
được là 292,35 km2. Dữ liệu ngày 18
tháng 10 năm 2020, diện tích ngập lụt
của khu vực thời điểm này tăng cao.
Do từ ngày 16 đến ngày 19/10, một số
khu vực ở Nghệ An, tỉnh Hà Tĩnh đón
lượng mưa lớn (do áp thấp nhiệt đới
Ofel). Diện tích mặt nước tính toán
được thời điểm này là 581,4 km2.
Hình 4: Bản đồ lũ lụt hạ lưu Sông Cả
4. Kết luận và kiến nghị
Việc sử dụng hình ảnh vệ tinh SAR để lập bản đồ mức độ lũ lụt là một giải pháp khả thi để
xử lý hình ảnh một cách nhanh chóng, cung cấp thông tin lũ lụt gần thời gian thực cho các cơ quan
cứu trợ. Hơn nữa, thông tin về mức độ lũ lụt có thể được sử dụng để đánh giá thiệt hại và quản lý
rủi ro, tạo ra các kịch bản cho thấy dân số tiềm năng, các hoạt động kinh tế và môi trường có nguy
cơ tiềm ẩn do lũ lụt.
Một số khó khăn mà nhóm đã gặp phải trong việc xác định vùng lũ bằng cách sử dụng SAR
trong nghiên cứu, những tình huống gặp phải thường là bóng của đối tượng, bề mặt nhẵn và các
góc. Bóng của các đối tượng có thể gây nhầm lẫn cho các khu vực bị ngập nước vì các khu vực bị
bóng che không cung cấp được tính hiệu tán xạ ngược một cách chính xác. Nghiên cứu chỉ mới
xác định được diện tích ngập lụt của vùng hạ lưu, chưa xác định cụ thể chi tiết đối với từng vùng,
những tác động của lũ lụt đến những đối tượng bị ảnh hưởng.
TÀI LIỆU THAM KHẢO
[1]. Cazals C., Rapinel S., Frison P. L., Bonis A., Mercier G., Mallet C., Corgne S., Rudant J. P (2016).
Mapping and characterization of hydrological dynamics in a coastal marsh using high temporal resolution
Sentinel-1A images. Remote Sensing 8(7):570. DOI 10.3390/rs8070570.
[2]. Li Y, Martinis S and Wieland M (2019). Urban flood mapping with an active self-learning convolutional
neural network based on TerraSAR-X intensity and interferometric coherence. ISPRS J. Photogramm.
Remote Sens. 152 178-91.
[3]. Manavalan, R (2017). SAR image analysis techniques for flood area mapping - literature survey. Earth
Science Informatics, 10(1), 1 - 14. https://doi.org/10.1007/s12145-016-0274-2.
[4]. Tavus B., Kocaman S., Nefeslioglu H., Gokceoglu C (2018). Considerations on the use of Sentinel-1
data in flood mapping in urban areas: Ankara (Turkey) 2018 Floods. The International Archives of the
222 Giải pháp kết nối và chia sẻ hệ thống cơ sở dữ liệu phục vụ công tác đào tạo,
quản lý lĩnh vực tài nguyên môi trường
- Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLII-5, 2018. ISPRS TC V
Mid - term Symposium “Geospatial Technology - Pixel to People”, 20 - 23 November 2018, Dehradun,
India.
[5]. Torres R., P. Snoeij, D. Geudtner, D. Bibby, M. Davidson, E. Attema, P. Potin et al., (2012). GMES
Sentinel-1 mission. Remote sensing of environment 120: 9 - 24. https://doi:10.1016/j.rse.2011.05.028.
[6]. Trần Duy Kiều, Lê Đình Thành (2011). Nghiên cứu dấu hiệu lũ lớn và phân vùng khả năng gây lũ lớn
trên lưu vực Sông Lam. Tạp chí Khoa học kỹ thuật thủy lợi và Môi trường.
[7]. Zhang B., Wdowinski S., Oliver - Cabrera T., Koirala R., Jo M. J., Osmanoglu B (2018). Mapping the
extent and magnitude of sever flooding induced by hurricane IRMA with multitemporal Sentinel-1 SAR
and Insar observations. ISPRS International Archives of the Photogrammetry, Remote Sensing and Spatial
Information Sciences, pp. 2237 - 2244, https://doi.org/10.5194/isprs-archives-XLII-3-2237-2018.
Chấp nhận đăng: 10/12/2021; Người phản biện: PGS.TS. Trần Duy Kiều
Giải pháp kết nối và chia sẻ hệ thống cơ sở dữ liệu phục vụ công tác đào tạo, 223
quản lý lĩnh vực tài nguyên môi trường
nguon tai.lieu . vn