Sign In

Giám sát nhanh ngập lụt tại thành phố Thái Nguyên từ số liệu chiết xuất bằng ảnh SENTINEL-1

16:02 18/12/2024

Chọn cỡ chữ A a  

Theo tin từ VTVONLINE

      Thái Nguyên: Nhiều tuyến đường ngập sâu sau trận mưa lớn

VTV.vn - Tối 22/8, nhiều khu vực của Thái Nguyên mưa to đến rất to, tại thành phố Thái Nguyên nhiều tuyến đường và các vùng trũng thấp ngập sâu trong nước.

Theo Hệ thống đo mưa chuyên dùng Vrain, khoảng gần 19-21h ngày 22/8 thành phố Thái Nguyên có mưa to đến rất to. Tại xã Phúc Trìu 124 mm, Phường Đồng Quang 71 mm. 

Mưa rất lớn dồn dập trong 2-3 tiếng đã gây ngập úng nhiều tuyến đường trong thành phố như: Minh Cầu, Hoàng Văn Thụ, ngã tư Hoàng Gai, khu vực Bệnh viện Đa khoa Thái Nguyên, Đại học Sư phạm,....Nhiều khu vực ngập sâu, nước chảy cuồn cuộn khiến các phương tiện không thể lưu thông. Một số khu vực trũng thấp nước ngập cả vào nhà dân.

Hình ảnh ngập lớn tại Thành phố Thái Nguyên

Đáp ứng kịp thời về tình hình ngập lụt, Đài Viễn thám Trung Ương – Cục Viễn thám Quốc gia đã sử dụng ảnh Sentinel-1 để xác định vị trí và tính toán diện tích ngập tại Thành Phố Thái Nguyên.

 

Ảnh Sentinel-1 chụp ngày 10 – 08 -2024, trước khi ngập


Ảnh Sentinel-1 chụp ngày 22 – 08 -2024, sau khi ngập

 

Phương pháp giám sát nhanh diện tích ngập bằng ảnh Sentinel-1 trên nền tảng Google Earth Engine

Sử dụng ngôn ngữ lập trình JavaScript soạn thảo thuật toán chạy trực tiếp trên nền tảng GEE (https://developers.google.com/earth-engine). Bao gồm các công việc khai báo lệnh để đưa dữ liệu ảnh vào nền tảng, xử lý ảnh, phân tích ảnh, hiển thị kết quả và xuất kết quả. Tùy theo mục tiêu mà có những phân tích ảnh khác nhau. Trong phương pháp này, ngưỡng giá trị của những pixel sau (pixel có lũ) được so sánh với giá trị của những pixel trước (pixel không lũ). Sự khác biệt này sẽ tách ra được những pixel ngập thường xuyên (sông rạch, vùng đất ngập nước), và những pixel bị ngập thật sự do lũ. Trong GEE Code Editor, dữ liệu raster có thể được thể hiện dưới hai dạng đối tượng là đối tượng ảnh và tập hợp ảnh: 

- Ảnh: dữ liệu raster được biểu diễn dưới dạng đối tượng ảnh trong Earth Engine. Một đối tượng ảnh thể hiện một ảnh raster độc lập, ví dụ một cảnh ảnh Sentinel-1 được thu nhận trong một ngày nhất định. 

- Tập hợp ảnh: là một tập hợp hoặc nhóm các ảnh. Ví dụ tập hợp ảnh Sentinel-1 có dạng mã ID: 'COPERNICUS/S1_GRD' gồm toàn bộ các ảnh Sentinel-1 được thu nhận được tới thời điểm hiện tại. Những tập ảnh rất có ích cho phân tích theo thời gian. 

 

Hình ảnh và diện tích ngập lụt chiết xuất từ ảnh Sentinel-1 chụp vào ngày ngập 22/08/2024

Tham khảo: Tạp chí Khoa học Trường Đại học Cần Thơ, Tập 54, Số 9A (2018): 29-36

Đài Viễn thám Trung ương

Ý kiến

Sử dụng chuỗi ảnh vệ tinh sentinel-2 trích xuất đường bờ biển trên nền tảng google earth engine

Sử dụng chuỗi ảnh vệ tinh sentinel-2 trích xuất đường bờ biển trên nền tảng google earth engine

Khu vực ven biển là nơi chịu tác động mạnh mẽ của các quá trình biển như xói lở, bồi tụ và ô nhiễm môi trường. Trong bối cảnh biến đổi khí hậu và mực nước biển dâng, việc giám sát biến động đường bờ ngày càng trở nên cấp thiết nhằm phục vụ công tác quy hoạch, phòng chống thiên tai và phát triển bền vững. Theo WRI, khoảng 39% dân số thế giới sống cách bờ biển không quá 100 km, và ước tính đến cuối thế kỷ XXI, có thể có đến 17.000 km² bị xói lở toàn cầu. Đường bờ biển - ranh giới giữa đất liền và mặt nước - là một chỉ số quan trọng trong nghiên cứu môi trường. Sự biến động của nó chịu ảnh hưởng bởi cả yếu tố tự nhiên (thủy triều, bão, nước biển dâng) và nhân sinh (xây dựng cảng, đê, nuôi trồng thủy sản). Trong những năm gần đây, ảnh vệ tinh và kỹ thuật viễn thám đã được sử dụng rộng rãi để trích xuất đường bờ nhờ ưu điểm như bao phủ rộng, chi phí thấp, không cần khảo sát thực địa và khả năng thu nhận dữ liệu liên tục. Các nghiên cứu trước đây chủ yếu sử dụng ảnh Landsat kết hợp chỉ số NDWI/MNDWI, phương pháp ngưỡng hóa hoặc phân loại đối tượng để xác định đường bờ. Một số nghiên cứu còn sử dụng công cụ DSAS để tính tốc độ xói lở/bồi tụ bằng các thuật toán EPR, LRR hoặc WLR. Trong nghiên cứu này, nhóm tác giả sử dụng chuỗi ảnh Sentinel-2 với độ phân giải cao trên nền tảng Google Earth Engine (GEE) để trích xuất đường bờ vịnh Chabahar. Hai phương pháp phân loại giám sát là Random Forest và SVM được so sánh nhằm đánh giá độ chính xác phân loại. Sau đó, công cụ DSAS được áp dụng trong phần mềm ArcMap để tính toán tốc độ biến đổi đường bờ theo thời gian.