Nghiên cứu đột phá về công cụ tự động phân tích ảnh viễn thám đa thời gian và ứng dụng thực tiễn trong giám sát lũ quét tại Tây Ban Nha năm 2024

Tính năng nổi bật của RST

• Tự động hóa toàn bộ quy trình phân tích ảnh đa thời gian: Từ tiền xử lý (lọc mây, cắt vùng ảnh, chuẩn hóa dữ liệu), phát hiện và loại bỏ dữ liệu nhiễu, đến tính toán các chỉ số và phân tích chuỗi thời gian.

• Giao diện thân thiện, không yêu cầu kỹ năng lập trình: RST giúp mở rộng khả năng sử dụng cho các nhà nghiên cứu, kỹ sư và quản lý môi trường chưa có nền tảng lập trình.

• Khả năng tùy chỉnh cao: Người dùng có thể lựa chọn bộ chỉ số, khoảng thời gian phân tích, vùng nghiên cứu phù hợp với nhu cầu.

Ứng dụng thực tế trong giám sát lũ quét Tây Ban Nha 2024

Nhóm nghiên cứu đã áp dụng RST để phân tích chuỗi ảnh Sentinel-2 từ năm 2022 đến 2024 nhằm theo dõi biến động diện tích mặt nước thông qua chỉ số NDVI tại khu vực Tây Ban Nha xảy ra lũ quét nghiêm trọng cuối tháng 10/2024. Bằng cách kết hợp RST với mô hình dự báo chuỗi thời gian SARIMA, họ phát hiện được những bất thường đáng kể trong diện tích mặt nước, trùng khớp chính xác với thời điểm xảy ra lũ quét.

Việc tự động lập bản đồ mặt nước dựa trên NDVI trong chuỗi ảnh Sentinel-2 suốt 3 năm, kết hợp mô hình chuỗi thời gian SARIMA, đã giúp xác định và định lượng được ảnh hưởng của lũ. Mặc dù phương pháp NDVI phát hiện được cả những vùng ngập không có trong dữ liệu chính thức của CEMS, nó cũng tạo ra một số nhiễu. Kết quả này cho thấy giá trị của việc kết hợp hai phương pháp để có đánh giá toàn diện hơn về lũ lụt.

Kết quả và ý nghĩa

• Bản đồ ngập lụt được tạo ra từ RST cho thấy sự phù hợp cao với dữ liệu bản đồ chính thức của Copernicus Emergency Management Service (CEMS), một hệ thống hỗ trợ phản ứng nhanh trong các tình huống khẩn cấp.

• Nghiên cứu chứng minh rằng RST không chỉ giúp tiết kiệm thời gian và công sức xử lý dữ liệu mà còn có thể hỗ trợ hiệu quả trong việc giám sát, cảnh báo thiên tai như lũ quét, hạn hán hay cháy rừng.

• Đây là công cụ hữu ích cho các nhà quản lý môi trường, các cơ quan phản ứng thiên tai, cũng như cộng đồng nghiên cứu trong việc phân tích và dự báo hiện trạng sinh thái, khí hậu dựa trên dữ liệu vệ tinh.

Plugin Remote Sensing Toolkit (RST) mở ra một hướng tiếp cận mới trong lĩnh vực phân tích ảnh vệ tinh đa thời gian, kết hợp giữa tự động hóa, trí tuệ nhân tạo và mô hình dự báo để hỗ trợ quản lý tài nguyên và ứng phó thiên tai hiệu quả. Nghiên cứu này đã minh chứng tính khả thi và hiệu quả của RST qua ứng dụng thực tế giám sát lũ quét Tây Ban Nha 2024, góp phần nâng cao năng lực giám sát môi trường toàn cầu trong kỷ nguyên dữ liệu lớn.

Nguồn: https://pubmed.ncbi.nlm.nih.gov/40646394/