Nghiên cứu nhiệt độ bề mặt bằng tư liệu ảnh MODIS phục vụ cảnh báo hạn hán khu vực tây nguyên

Cơ sở ứng dụng tư liệu ảnh MODIS trong tính toán nhiệt độ bề mặt và chỉ số khô hạn nhiệt độ - thực vật .... Nhiệt độ bề mặt đất được tính toán trên cơ sở sự phát xạ của các đối tượng bề

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

NGUYỄN THỊ QUỲNH TRANG

NGHIÊN CỨU NHIỆT ĐỘ BỀ MẶT ĐẤT BẰNG TƯ LIỆU ẢNH MODIS

PHỤC VỤ CẢNH BÁO HẠN HÁN KHU VỰC TÂY NGUYÊN

LUẬN VĂN THẠC SĨ KHOA HỌC

HÀ NỘI – 2013

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

NGUYỄN THỊ QUỲNH TRANG

NGHIÊN CỨU NHIỆT ĐỘ BỀ MẶT ĐẤT BẰNG TƯ LIỆU ẢNH MODIS

PHỤC VỤ CẢNH BÁO HẠN HÁN KHU VỰC TÂY NGUYÊN

Chuyên ngành: QUản lý tài nguyên môi trường

Mã số: 60850101

LUẬN VĂN THẠC SĨ KHOA HỌC

HÀ NỘI – 2013

MỤC LỤC

MỞ ĐẦU 1

1 Tính cấp thiết của đề tài 1

2 Mục tiêu và nhiệm vụ của đề tài 2

3 Giới hạn phạm vi nghiên cứu 3

4 Cấu trúc luận văn 4

CHƯƠNG 1 5

TỔNG QUAN NGHIÊN CỨU ỨNG DỤNG ẢNH MODIS TRONG TÍNH TOÁN NHIỆT ĐỘ BỀ MẶT VÀ CẢNH BÁO KHÔ HẠN 5

1.1 Một số khái niệm liên quan đến nội dung nghiên cứu 5

1.1.1 Nhiệt độ bề mặt đất 5

1.1.2 Hạn hán, chỉ số khô hạn 7

1.2 Giới thiệu chung về dữ liệu ảnh MODIS 9_Toc377308318 1.3 Cơ sở ứng dụng tư liệu ảnh MODIS trong tính toán nhiệt độ bề mặt và chỉ số khô hạn nhiệt độ - thực vật 14

1.3.1 Sử dụng tư liệu ảnh MODIS cho tính toán nhiệt độ bề mặt 14

1.3.1.1 Cơ sở lý thuyết tính toán nhiệt độ bề mặt 14

1.3.1.2 Tính toán chỉ số nhiệt độ bề mặt đất từ ảnh MODIS 18

1.3.2 Sử dụng tư liệu ảnh MODIS cho tính toán chỉ số khô hạn 23

1.3.2.1 Mối quan hệ giữa nhiệt độ bề mặt đất LST và chỉ số thực vật NDVI 23

1.3.2.2 Cơ sở tính toán chỉ số khô hạn nhiệt độ - thực vật 29

1.4 Các phương pháp nghiên cứu 36

CHƯƠNG 2 37

CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NHIỆT ĐỘ BỀ MẶT VÀ NGUY CƠ HẠN HÁN Ở TÂY NGUYÊN 37

2.1 Các nhân tố tự nhiên 37

2.1.1 Vị trí địa lý 37

2.1.2 Địa chất 37

2.1.3 Địa hình - địa mạo 39

2.1.4 Khí hậu 43

2.1.5 Thủy văn 49

2.1.6 Thổ nhưỡng 53

2.2 Các hoạt động kinh tế xã hội 58

2.2.1 Dân tộc và chính sách phát triển kinh tế xã hội 58

2.2.2 Phát triển nông – lâm nghiệp: 60

CHƯƠNG 3 65

3.1 Cơ sở dữ liệu và mô hình tính toán 65

3.1.1 Cơ sở dữ liệu 65

3.1.3 Quy trình tính toán 69

3.2 Tính toán nhiệt độ bề mặt khu vực Tây Nguyên 70

3.3 Tính toán chỉ số khô hạn khu vực Tây Nguyên 75

3.3.1 Tính toán chỉ số NDVI từ MOD09A1 75

3.3.2 Tính TVDI từ LST và NDVI 78

3.4 Cảnh báo nguy cơ hạn hán khu vực Tây Nguyên 83

KẾT LUẬN 90

TÀI LIỆU THAM KHẢO 92

DANH MỤC HÌNH

Hình 1 Sơ đồ khu vực nghiên cứu

Hình 1.1 Sơ đồ phân phối các sản phẩm MODIS theo hệ thống mắt lưới sinusoidal Hình 1.2 Bức xạ điện từ của vật đen tuyệt đối ở các bước sóng

Hình 1.3 Định luật Wien và quan hệ bước sóng/ cường độ nhiệt độ bức xạ

Hình 1.4 So sánh phát xạ của thạch anh với vật đen tuyệt đối

Hình 1.5 Công suất bức xạ của kim loại theo các bước sóng

Hình 1.6 Cửa số khí quyển và các vùng phát xạ nhiệt

Hình 1.7 Sơ đồ không gian của nhiệt độ bề mặt - chỉ số thực vật và mối quan hệ với

sự bay hơi (evaporation), sự thoát hơi nước của cây (transpiration) và phần trăm lớp phủ thực vật

Hình 1.8 Mô phỏng về các yếu tố ảnh hưởng tới nhiệt độ bề mặt đất Các biến trong đường tròn có thể nhận được từ dữ liệu viễn thám

Hình 1.9 Chỉ số TVDI của một pixel ảnh (Ts, NDVI) được xác định như một tỷ lệ giữa đường A = (T sT smin) và B = (T smaxT smin)

Hình 1.10 Ví dụ về không gian đặc trưng tiêu chuẩn Ts- NDVI

Hình 2.1 Bản đồ địa hình và bản đồ vờn bóng địa hình Tây Nguyên

Hình 2.2 Bản đồ địa mạo Tây Nguyên

Hình 2.3 Nhiệt độ trung bình tháng và lượng mưa tháng của trạm Đà Lạt và Buôn Ma Thuột năm 2012

Hình 2.4 Sơ đồ các trạm khí tượng khu vực Tây Nguyên

Hình 2.5 Bản đồ thủy văn Tây Nguyên

Hình 2.6 Bản đồ đất của Tây Nguyên

Hình 2.7 Hiện trạng lớp phủ rừng Tây Nguyên năm 2010

Hình 3.1 Quy trình tính toán chỉ số khô hạn TVDI

Hình 3.2 Bản đồ nhiệt độ bề mặt đất khu vực Tây Nguyên tổ hợp 8 ngày từ 26/02/2012 đến 5/03/2012

Hình 3.3 Nhiệt độ bề mặt đất tổ hợp theo tháng cho tháng 1/2013(a), 2/2013(b), 3/2013(c)

Hình 3.4 Nhiệt độ bề mặt đất tính từ ảnh MODIS và nhiệt độ bề mặt đất trung bình tháng 2/2012 và 11/2012 tại các trạm khi tượng

Hình 3.5 Bản đồ chỉ số thực vật NDVI khu vực Tây Nguyên ngày 09/01/2013

Hình 3.6 Chỉ số TVDI của một pixel ảnh (Ts, NDVI) được xác định như một tỷ lệ giữa đường A = (T sT smin) và B = (T smaxT smin)

Hình 3.7 Lấy mẫu trên ảnh LST để xác định rìa ướt của tam giác TVDI

Hình 3.8 Phân ngưỡng NDVI

Hình 3.9 Thống kê LST min cho từng lớp NDVI sau khi phân ngưỡng

Hình 3.10 Giá trị rìa khô được sử dụng cho việc tính toán chỉ số TVDI ngày 09/01/2013 (trái) và ngày 2/12/2012 (phải)

Hình 3.11 Chuỗi bản đồ TVDI tổ hợp tháng năm 2011

Hình 3.12 Chuỗi bản đồ TVDI tổ hợp tháng năm 2012

Hình 3.13 Chuỗi bản đồ TVDI tổ hợp tháng cho 11 tháng/ 2 cho mùa khô 2011-2012

DANH MỤC BẢNG

Bảng1 Số liệu hành chính các tỉnh vùng Tây Nguyên

Bảng 1.1 Các đặc tính kỹ thuật của ảnh MODIS

Bảng 1.2 36 kênh phổ của ảnh MODIS

Bảng 1.3 Các kênh ảnh MODIS đƣợc sử dụng để tính nhiệt độ bề mặt đất

Bảng 1.4 Hệ số phát xạ trung bình của 11 loại cây trên kênh 31, 32 của MODIS Bảng 2.1 Nhiệt độ trung bình và lƣợng mƣa tại các trạm khí tƣợng của Tây Nguyên Bảng 2.2 Danh sách và tọa độ các trạm khí tƣợng của Tây Nguyên

Bảng 2.3 Các loại đất chính vùng Tây Nguyên

Bảng 2.4 Hiện trạng lớp phủ rừng Tây Nguyên năm 2010

Bảng 3.1 Các đặc tính kỹ thuật của MOD11A2

Bảng 3.2 Bộ dữ liệu sản phẩm của MOD11A2

Bảng 3.3 Nhãn đánh giá chất lƣợng sản phẩm cho MOD11A2

Bảng 3.4 Các đặc tính kỹ thuật của MOD09A1

Bảng 3.5 Bộ dữ liệu sản phẩm của MOD09A1

Lời cảm ơn

Trước tiên, em xin bày tỏ lòng biết ơn chân thành tới PGS TS Nguyễn Hiệu, thầy đã tận tình hướng dẫn em hoàn thành luận văn Nhờ có sự giúp đỡ của thầy, em thấy mình trưởng thành hơn rất nhiều sau luận văn thạc sỹ này

Em xin gửi lời cảm ơn chân thành tới các anh chị đồng nghiệp thuộc phòng Công nghệ Viễn thám, GIS và GPS, Viện Công nghệ Vũ trụ, Viện Hàn lâm khoa học Việt Nam Các anh chị đã chỉ bảo tận tình, định hướng và tạo điều kiện cho em hoàn thành luận văn Sau luận văn thạc sỹ, em học hỏi được rất nhiều điều cũng như kinh nghiệm nghiên cứu, làm việc Em xin chân thành cảm ơn đề tài TN3/T16 thuộc chương trình Khoa học và Công nghệ phục vụ phát triển kinh tế - xã hội vùng Tây Nguyên đã hỗ trợ kinh phí và tư liệu để em thực hiện luận văn

Em xin gửi lời cảm ơn tới các thầy cô trong khoa Địa lý và phòng Sau Đại học trường Đại học Tự nhiên Hà Nội đã tạo điều kiện thuận lợi cho em trong thời gian học tập và nghiên cứu

Xin gửi lời cảm ơn tới gia đình, người thân và bạn bè đã giúp đỡ, động viên khích lệ và chia sẻ cùng em trong quá trình thực hiện luận văn

Hà Nội, tháng 12 năm 2013

Tác giả

Nguyễn Thị Quỳnh Trang

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Tây Nguyên là vùng cao nguyên ở Nam Trung Bộ Việt Nam có đất đai màu mỡ với đất đỏ bazan đặc trưng, diện tích rừng còn lại lớn với thảm sinh vật đa dạng, có trữ lượng khoáng sản phong phú hầu như chưa được khai thác và tiềm năng du lịch cao Tuy nhiên hiện nay, vùng đất này đang phải đối mặt với không ít nguy cơ về suy thoái rừng cũng như suy thoái chất lượng đất, kéo theo những hậu quả như sụt giảm năng suất cây trồng và nguy cơ hạn hán, nạn khô hạn đang ngày một mở rộng diện tích Tính đến tháng 3/2013, các tỉnh Tây Nguyên đã có trên 73.773 ha/600.000 ha cây trồng các loại bị hạn, chủ yếu là lúa nước và cà phê Dự báo, diện tích khô hạn các tỉnh Tây Nguyên sẽ còn tiếp tục tăng thêm 73.000 ha Trong những năm gần đây, Tây Nguyên liên tục là một trong những khu vực chịu hạn hán và thiếu nước trầm trọng nhất cả nước Từ đó có thể thấy những nghiên cứu về cảnh báo hạn hán là rất cần thiết cho công tác ứng phó, cũng như quy hoạch sử dụng đất hợp lý nói riêng, và sử dụng hợp lý tài nguyên thiên nhiên của Tây Nguyên nói chung

Nhiệt độ lớp phủ bề mặt (Land surface temperature - LST) là một trong các chỉ

số về quá trình cân bằng năng lượng trên bề mặt Trái đất, là kết quả của các tương tác, trao đổi năng lượng giữa mặt đất – khí quyển Nhiệt độ bề mặt đất được tính toán trên

cơ sở sự phát xạ của các đối tượng bề mặt (đất đai, lớp phủ thực vật, bề mặt của nhà cửa…) và có mối liên quan mật thiết với các quá trình biến đổi của môi trường đất, đồng thời cũng phản ánh sự thay đổi của lớp phủ thực vật, đóng vai trò quan trọng với các chỉ số cảnh báo hạn hán, ví dụ như trong điều kiện khô hạn, nhiệt độ lá cây tăng cao là một chỉ số phản ánh sự thiếu nước của thực vật Mối quan hệ giữa nhiệt độ bề mặt và các loại thực phủ sẽ góp phần tìm ra câu trả lời tốt nhất để cải thiện những vấn

đề như nạn hạn hán, sâu bệnh, cải thiện chất lượng môi trường, từ đó làm cơ sở khoa học cho công tác cảnh báo hạn và quy hoạch sử dụng đất

Trong điều kiện hiện nay ở Tây Nguyên, sử dụng các lực lượng hiện có chưa thể đáp ứng những yêu cầu của công tác nghiên cứu, nên một hệ thống có khả năng cung cấp kịp thời, liên tục các thông tin giám sát và quản lý rừng trên diện rộng là hết sức cần thiết Cùng với sự phát triển của công nghệ vệ tinh quan sát Trái đất, khả năng ứng dụng công nghệ viễn thám kết hợp với hệ thông tin địa lý trong nghiên cứu lớp phủ thực vật cho thấy có nhiều ưu thế với điều kiện đặc thù của Tây Nguyên Và việc ứng dụng ảnh viễn thám, đặc biệt là ảnh MODIS (có khả năng chụp 1 – 4 ảnh/ngày) hiện nay đáp ứng được các yêu cầu này Ưu điểm của ảnh MODIS là thể thu nhận được hàng ngày, với tần suất quan sát lãnh thổ cao, độ phủ trùm lớn, giúp thu thập thông tin nhanh chóng, đồng bộ, khách quan rất phù hợp cho công tác giám sát lớp phủ và phát triển của rừng Đây là ưu điểm vượt trội của dữ liệu này so với ảnh vệ tinh độ phân giải cao Ngoài ra, ảnh MODIS cũng cung cấp những chỉ số quan trọng

về hiện trạng lớp phủ rừng như các chỉ số sinh trưởng thực vật, chỉ số diện tích lá, độ bốc hơi nước bề mặt Trong đó, các thông số về nhiệt độ bề mặt – LST (Land Surface Temperature) hay chỉ số khô hạn hoàn toàn có thể tính được từ ảnh vệ tinh MODIS phục vụ cho công tác cảnh báo hạn hán Bên cạnh đó, trong các loại dữ liệu

vệ tinh, ảnh MODIS được đánh giá là có thể cung cấp các thông tin về nhiệt độ cho độ chính xác cao nhất hiện nay

Vì những lý do trên, học viên chọn đề tài : “Nghiên cứu nhiệt độ bề mặt bằng tư

liệu ảnh MODIS phục vụ cảnh báo hạn hán khu vực Tây Nguyên” cho luận văn tốt

nghiệp thạc sỹ của mình

2 Mục tiêu và nhiệm vụ của đề tài

Tính được nhiệt độ bề mặt và chỉ số khô hạn khu vực Tây Nguyên bằng tư liệu ảnh MODIS phục vụ quản lý tài nguyên, môi trường và cảnh báo hạn hán

Để đạt được mục tiêu, đề tại thực hiện các nhiệm vụ và nội dung sau:

1) Tổng quan nghiên cứu tính toán nhiệt độ bề mặt đất, và chỉ số khô hạn nhiệt độ - thực vật từ dữ liệu ảnh MODIS;

2) Phân tích và đánh giá các nhân tố tự nhiên, kinh tế xã hội ảnh hưởng đến nhiệt

độ bề mặt và chỉ số khô hạn khu vực Tây Nguyên;

3) Tính toán và lập bản đồ chỉ số nhiệt độ bề mặt đất, chỉ số khô hạn khu vực Tây Nguyên;

4) Đánh giá nguy cơ hạn hán cho khu vực Tây Nguyên

3 Giới hạn phạm vi nghiên cứu

Khu vực nghiên cứu có tọa độ địa lý: 11015' đến 15030' vĩ độ Bắc 107010' đến

109005' kinh độ Đông, thuộc phạm vi hành chính của các tỉnh, xếp theo thứ tự vị trí địa lý từ bắc xuống nam là: Kon Tum, Gia Lai, Đắk Lắk, Đắk Nông và Lâm Đồng

(hình 1)

Hình 1 Sơ đồ khu vực nghiên cứu

Tây Nguyên có phần lớn diện tích lãnh thổ thuộc về phía Tây dãy Trường Sơn Tây Nguyên là một tiểu vùng, cùng với vùng Duyên hải Nam Trung Bộ hợp thành vùng Nam Trung Bộ, thuộc Trung Bộ Việt Nam Phía Bắc khu đo giáp tỉnh Quảng Nam và một phần tỉnh Quảng Ngãi, phía Đông giáp một phần Quảng Ngãi, Bình Định, Phú Yên, Khánh Hoà, Ninh Thuận, phía Nam giáp Bình Thuận, Đồng Nai,

Bình Phước, phía tây giáp với các tỉnh Attapeu (Lào)và Ratanakirivà Mondulkiri (Campuchia) Trong khi Kon Tum có biên giới phía tây giáp với cả Lào và Campuchia, thì Gia Lai, Đắk Lắk và Đắk Nông chỉ có chung đường biên giới với Campuchia Còn Lâm Đồng không có đường biên giới quốc tế

Bảng1: Số liệu hành chính các tỉnh thuộc Tây Nguyên năm 2010

Tỉnh Tỉnh lỵ Thành phố Thị

xã Huyện Dân số Diện tích Mật độ dân số

Đắk Lắk Thành phố Buôn Ma Thuột 1 1 13 1.733.100 13.125,4 km² người/km² 132

Đắk Nông Thị xã Gia Nghĩa 1 7 492.000 6.515,6 km² 76 người/km²

Gia Lai Thành phố Pleiku 1 2 14 1.277.600 15.536,9 km² 82 người/km²

Kon Tum Thành phố Kon

Lâm

Đồng Thành phố Đà Lạt 2 10 1.189.300 9.772,2 km² người/km² 122

Nguồn: Tổng Cục Thống kê Việt Nam

4 Cấu trúc luận văn

Ngoài phần Mở đầu, kết luận và tài liệu tham khảo, luận văn được cấu trúc thành

CHƯƠNG 1 TỔNG QUAN NGHIÊN CỨU ỨNG DỤNG ẢNH MODIS TRONG TÍNH

TOÁN NHIỆT ĐỘ BỀ MẶT VÀ CẢNH BÁO KHÔ HẠN

1.1 Một số khái niệm liên quan đến nội dung nghiên cứu

1.1.1 Nhiệt độ bề mặt đất

Nhiệt độ bề mặt đất (Land surface temperature - LST) được định nghĩa là nhiệt

độ bề mặt trung bình bức xạ của một khu vực Nhiệt độ bề mặt là một trong các chỉ số vật lý về quá trình cân bằng năng lượng trên bề mặt trái đất, là yếu tố cơ bản, quyết định các hiện tượng nhiệt trên mặt đất Nó là kết quả tổng hợp của sự tương tác và trao đổi năng lượng giữa khí quyển và mặt đất, và sự cân bằng giữa bức xạ nhiệt mặt trời với thông lượng khí quyển – mặt đất quy mô khu vực và trên toàn cầu Nhiệt độ

bề mặt là một chỉ thị quan trọng của sự cân bằng năng lượng trên bề mặt Trái đất cũng như của hiệu ứng nhà kính Thông số này quyết định nhiệt độ không khí trên bề mặt đất và các bức xạ sóng dài giữa mặt đất và khí quyển, cũng như ảnh hưởng tới các hiện tượng khác trên mặt đất, như lượng giáng thủy và suất phản chiếu albedo Ngoài

ra, nó còn ảnh hưởng đến phân vùng năng lượng trên mặt đất, các thông lượng nhiệt

bề mặt và thông lượng nhiệt ngầm LST có mối liên hệ chặt chẽ với các quá trình biến đổi của môi trường đất, đồng thời cũng phản ánh sự thay đổi của thực vật Ví dụ, trong điều kiện khô hạn, nhiệt độ lá cây tăng cao là một chỉ số phản ánh sự thiếu nước

của thực vật (Mcvicar T R và Jupp D.L.B 1998)

Nhiệt độ không khí trên bề mặt đất thường khác đáng kể so với LST trên thực tế

Sự khác biệt này, phụ thuộc vào điều kiện thời tiết và các loại lớp phủ Mặc dù vậy vẫn có mối quan hệ chặt chẽ giữa nhiệt độ không khí và LST LST khác với nhiệt độ không khí, vì LST liên quan chặt chẽ hơn tới các hoạt động sinh lý của lá cây trong các thảm thực vật, cũng như liên quan tới độ ẩm đất trong các vùng thưa thớt cây Nhiệt độ không khí thường không biến đổi theo không gian như LST nên có thể đo được dễ dàng hơn, điều này rất hữu ích trong việc nghiên cứu mối quan hệ giữa nhiệt

độ không khí và dữ liệu LST thu nhận từ dữ liệu vệ tinh Độ chênh lệch khi đo đồng thời LST và nhiệt độ không khí có thể lên đến 20 độ K, do LST liên quan đến những chu trình năng lượng ngày đêm trên mặt đất và chịu ảnh hưởng bới các yếu tố cảnh quan Do độ nhạy của LST với độ ẩm đất và lớp phủ thực vật, nên nó là thành phần quan trọng trong rất nhiều ứng dụng nghiên cứu về khí hậu, thuỷ văn, sinh thái học và sinh địa hoá… [29] Các nghiên cứu [11] đã cho thấy các yếu tố ảnh hưởng đến sự thay đổi LST là:

- Loại lớp phủ thực vật/ loại hình sử dụng đất

- Các điều kiện sinh lý

- Mật độ hoạt động của con người: như sản xuất nông nghiệp, khai thác lớp phủ đất, khai thác rừng…

- Loại cảnh quan

Với bề mặt đất trống, LST là nhiệt độ mặt đất, với thảm thực vật dày, LST có thể được xem như là nhiệt độ bề mặt tán của thực vật và với thảm thực vật thưa thớt, nó là nhiệt độ trung bình của tán thực vật, thân cây và lớp đất nằm dưới thảm thực vật Với

độ phân giải không gian khác nhau của các loại dữ liệu viễn thám, LST trong viễn

thám có thể được định nghĩa là nhiệt độ bề mặt trung bình của mặt đất trên quy mô mỗi pixel là một hỗn hợp trộn lẫn giữa các loại lớp phủ khác nhau tại thời điểm chụp ảnh

LST được tính toán trên cơ sở phát xạ của các đối tượng bề mặt (đất đai, lớp phủ thực vật, bề mặt của nhà cửa…) quan sát bởi bộ cảm tại các góc nhìn tức thời và năng lượng điện từ đo được trên băng nhiệt hồng ngoại của các bộ cảm đặt trên vệ tinh Từ

đó, nó được mô hình hóa dựa trên các đặc tính vật lý của khí quyển và các chỉ số kỹ thuật của bộ cảm [30] Tính toán LST từ dữ liệu viễn thám là tính toán tổng hợp giữa các hợp phần của cán cân năng lượng và bốc hơi trên bề mặt đất Các sản phẩm tính toán từ LST được sử dụng để hỗ trợ các nghiên cứu về thay đổi bề mặt đất như quá trình đô thị hóa, sa mạc hóa và nạn phá rừng

Sự so sánh trực tiếp giữa các dữ liệu từ thực địa với LST thường không có ý nghĩa mấy vì bề mặt đất thường không đồng nhất mà LST là giá trị đại diện cho một điểm ảnh, với phạm vi bao trùm lớn Điều này gây khó khăn trong việc phát triển các phương pháp tính toán LST từ dữ liệu viễn thám và việc đánh giá các phương pháp này [21]

Ứng dụng của LST trong nghiên cứu khoa học và thương mại rất đa dạng, như : biến đổi khí hậu, nhiệt độ đô thị, kiểm định các mô hình, quan trắc mùa vụ, quản lý nước, cảnh báo cháy rừng, các ứng dụng về địa nhiệt …Nghiên cứu này sẽ tập trung vào mối quan hệ giữa LST với hiện trạng lớp phủ rừng, và ứng dụng của nó trong giám sát lớp phủ rừng

1.1.2 Hạn hán, chỉ số khô hạn

Hạn hán được nhìn nhận là một trong những hiện tượng môi trường có tính phá hoại nghiêm trọng, gây ra sự sụt giảm sản lượng nông nghiệp và tăng đáng kể khả năng cháy rừng Thông thường, hạn hán thường xảy ra trên diện rộng, nên việc quan trắc bằng các phương pháp truyền thống rất khó khăn, đặc biệt ở những nước đang phát triển, với nhiều hạn chế trong việc đầu tư cho hệ thống quan trắc các tham số môi trường Hạn hán gây ra nhiều tác hại rất nặng nề, hơn cả lũ lụt, vì nếu với lũ lụt, các tác động chỉ xảy ra trong phạm vi thời gian ngắn, thì hạn hán bắt đầu trên 1 khu vực

từ vài tháng đến vài năm, sau đó kéo dài lâu hơn và chậm hơn so với lũ lụt, và rất khó nhận biết ở giai đoạn đầu mới xuất hiện Bản chất diễn ra âm thầm và khó quan sát trực quan của hạn hán gây ra nhiều khó khăn trong việc đánh giá, xem xét về loại thiên tai này Thông thường, có 4 loại hạn hán: hạn hán khí tượng, hạn hán nông nghiệp, hạn hán thủy văn học và hạn hán kinh tế xã hội [23]

* Hạn hán khí tượng học

Loại hạn hán này thể hiện hoàn toàn trên cơ sở sự khô hạn và khoảng thời gian khô hạn Cường độ và khoảng thời gian là hai yếu tố quan trọng nhất trong nghiên cứu loại hạn hán này Hạn hán khí tượng nên được định nghĩa theo từng khu vực vì điều

kiện khí quyển, yếu tố dẫn đến sự thiếu hụt lượng mưa, lại phụ thuộc khí hậu từng vùng

* Hạn hán nông nghiệp

Loại hạn hán này kết hợp các tính chất khác nhau của hạn hán khí tượng với ảnh hưởng của nông nghiệp và lượng mưa, sự khác nhau giữa lượng hơi nước thoát ra thực tế và tiềm năng, là sự thiếu hụt nước trong đất và các yếu tố sinh lý khác của đất

và thực vật Nghiên cứu hạn hán nông nghiệp thường được tiến hành trên cơ sở khác biệt về độ nhạy của các loại cây trồng trong các giai đoạn phát triển khác nhau Khu vực nông nghiệp là rất quan trọng trong nghiên cứu loại hạn hán này vì nó là khu vực đầu tiên bị ảnh hưởng nghiêm trọng bởi hạn hán

*Hạn hán thủy văn

Loại hạn hán này liên quan đến ảnh hưởng của những thời kỳ thiếu hụt lượng mưa trên bề mặt hoặc dưới bề mặt cung cấp nước hơn là thiếu hụt lượng mưa Hạn hán thủy văn thường xảy ra đồng thời hoặc sau hạn hán khí tượng và hạn hán nông nghiệp Không giống như hai loại hạn hán đã kể trên, hạn hán thủy văn cần nhiều thời gian diễn ra hơn trước khi sự thiếu hụt lượng mưa được nhận diện trong các thành phần khác của hệ thống thủy văn (như hồ chứa và lượng nước ngầm)

*Hạn hán kinh tế- xã hội

Loại hạn hán này liên quan đến nguồn cung và cầu của một số hàng hóa kinh tế hoặc dịch vụ với các yếu tố của hạn hán khí tượng, hạn hán thủy văn và hạn hán nông nghiệp Để minh họa, có thể coi nguồn cung của 1 số loại hàng hóa kinh tế như nước

và thủy điện, những yếu tố phụ thuộc thời tiết Nhu cầu đối với những hàng hóa này luôn luôn tăng do sự tăng lên của dân số, mức tiêu thụ bình quân đầu người cũng tăng Hạn hán kinh tế - xã hội sẽ xuất hiện nếu cầu vượt quá cung

Trong nghiên cứu này, học viên sẽ chỉ đề cập đến việc quan trắc và đánh giá hạn hán nông nghiệp

Theo phương pháp quan trắc hạn hán theo điểm truyền thống, lượng mưa ngắn hạn và dài hạn thường được áp dụng đồng thời để đưa ra các miêu tả kỹ lưỡng về mật

độ, chu kỳ, và phân bố không gian của hạn hán Với dữ liệu viễn thám hiện nay, cung cấp phương pháp kết hợp các phát xạ từ bề mặt đất và các thông tin về nhiệt là cách tiếp cận phù hợp và đáp ứng được yêu cầu cập nhật, và nhiều yêu cầu khác của quan trắc hạn hán

Dựa trên mối quan hệ giữa nhiệt độ bề mặt đất và thực trạng lớp phủ, các nhà nghiên cứu đã sử dụng tư liệu ảnh viễn thám để tính toán các chỉ số phục vụ cảnh bảo khô hạn và hạn hán như chỉ số VCI (Vegetation Condition Index – chỉ số điều kiện thực vật), TCI (Temperature Condition Index – chỉ số điều kiện nhiệt độ), CWSI (Crop Water Stress Index – chỉ số thiếu hụt nước cho mùa vụ), TVDI (Temperature Vegetation Dryness Index – chỉ số khô hạn nhiệt độ thực vật) hay VTCI (Vegetation Temperature Condition Index – chỉ số điều kiện thực vật – nhiệt độ) Mỗi loại chỉ số khô hạn đều có những ưu điểm riêng, đã và đang được áp dụng để nghiên cứu khô hạn

ở một số khu vực trên thế giới

1.2 Giới thiệu chung về dữ liệu ảnh MODIS

Ảnh MODIS được thu từ 2 vệ tinh do NASA phóng lên quỹ đạo là vệ tinh Terra (phóng vào tháng 12/1999) và vệ tinh Aqua (vào tháng 6/2002) Với độ phủ chụp lên đến hơn 2.330 km, trong khoảng thời gian một ngày đêm, các đầu đo của các vệ tinh này sẽ quét gần hết Trái đất trừ một số dải hẹp ở vùng xích đạo Các dải này sẽ được phủ hết vào ngày hôm sau Các ứng dụng tiêu biểu của ảnh MODIS có thể kể đến là: nghiên cứu khí quyển, mây, thời tiết, lớp phủ thực vật, biến động về nông nghiệp và lâm nghiệp, cháy rừng, nhiệt độ mặt nước biển và màu nước biển, v.v Bên cạnh đó,

dữ liệu MODIS đóng một vai trò rất quan trọng trong việc xây dựng các mô hình tương tác cho các hiện tượng xảy ra trên toàn bộ Trái đất Các mô hình này cũng có thể được sử dụng để dự báo trước những biến động của môi trường

Ảnh MODIS gồm có 36 kênh phổ, bao gồm các kênh kế thừa từ vệ tinh LandSat cộng thêm các kênh trong vùng cận hồng ngoại và hồng ngoại dài Trong số bảy kênh phổ chủ yếu được sử dụng cho lập bản đồ bề mặt đất, các kênh từ 3-7 (với độ phân giải không gian 500 m) có bước sóng trung tâm tại 648, 858, 470, 555, 1240, 1640, và

2130 nm Kênh 1 và 2 có độ phân giải không gian 250 m được tập trung vào màu đỏ (620-670 nm) và hồng ngoại (841-876 nm) được thiết kế để phục vụ việc tính toán sản phẩm chỉ số thực vật chuẩn hóa (NDVI) toàn cầu Các dải phổ trải dài từ vùng ánh sáng nhìn thấy (VIS) đến khu vực sóng hồng ngoại dài (LWIS) của ảnh MODIS cho phép đo một số lượng lớn (40-50) các thông số địa vật lý

Ảnh MODIS có độ phân giải thời gian khá cao (trong một ngày đêm có thể thu được 2 ảnh bên ngày và 2 ảnh ban đêm), cung cấp dữ liệu ảnh toàn cầu 2 ngày một lần

và dữ liệu được lưu trữ ở dạng 12 bit Ngoài ra, ảnh MODIS có đặc tính chỉnh hình học và phổ Phương pháp chỉnh phổ kênh đối với kênh được tham chiếu cho 36 kênh cho ra sai số ½ pixel hoặc cao hơn

Tư liệu ảnh MODIS được cung cấp miễn phí trên các hệ thống máy chủ của NASA và một số tổ chức khác trên thế giới Để đảm bảo chất lượng của sản phẩm, các điểm kiểm chứng được sử dụng để tiến hành việc kiểm chứng độ chính xác Điều cần lưu ý khi sử dụng các sản phẩm MODIS là chất lượng mỗi pixel và được lưu trữ dưới dạng số nhị phân Vì lý do này, việc chuyển đổi giá trị điểm ảnh của metadata từ

số thập phân sang số nhị phân và giải đoán chúng dựa trên hướng dẫn sử dụng cho mỗi dòng sản phẩm trước khi sử dụng nó là rất cần thiết ( Nugroho , 2006)

Bảng 1.1 Các đặc tính kỹ thuật của ảnh MODIS[31]

Quỹ đạo ở độ cao 705km, đồng bộ mặt trời, gần cực

Tuổi thọ hoạt động 6 năm

29 8.400 - 8.700 9.58(300K) Nghiên cứu các đặc tính của mây

30 9.580 - 9.880 3.69(250K) Nghiên cứu tầng ozon

31 10.780 - 11.280 9.55(300K) Nghiên cứu nhiệt độ bề mặt/ mây

10h30’ giờ địa phương, thời gian bay hết một vòng quanh trái đất xấp xỉ 1h40’ Vệ tinh Aqua có chiều bay ngược với chiều bay của Terra, thời gian bay qua xích đạo là 1h40 chiều, giờ địa phương Còn về ban đêm thì chiều bay của vệ tinh ngược lại Do

có độ phân giải thời gian và độ phân giải phổ cao cùng với độ phân giải không gian ở mức trung bình nên dữ liệu ảnh MODIS nên được ứng dụng rộng rãi trong nhiều nghiệp vụ

Hầu hết các sản phẩm chính thức của MODIS đều được phân phối theo hệ thống lưới ô vuông như hình minh họa Các ô được chia theo đơn vị 10 độ, bắt đầu từ

0 (như hình) Mức độ xử lý của ảnh MODIS: ảnh MODIS được phân phối dưới nhiều mức độ xử lý khác nhau, hầu hết là miễn phí Mức độ này được chia thành: 0, 1A, 1B,

2, 2G, 3 và 4 Ảnh 0 và 1A là ảnh gốc, chưa được hiệu chỉnh địa lý và khí quyển, ảnh 1B đã được hiệu chỉnh địa lý, ở dạng gía trị số DN Ảnh ở mức độ 2 trở lên hầu hết đã được hiệu chỉnh khí quyển, người dùng có thể tải trực tiếp, sử dụng công cụ thích hợp

để nắn chỉnh địa lý và tách các băng khác nhau từ ảnh tải về

Hình 1.1 Sơ đồ phân phối các sản phẩm MODIS theo hệ thống mắt lưới

sinusoidal

1.3 Cơ sở ứng dụng tư liệu ảnh MODIS trong tính toán nhiệt độ bề mặt và chỉ số khô hạn nhiệt độ - thực vật

1.3.1 Sử dụng tư liệu ảnh MODIS cho tính toán nhiệt độ bề mặt

1.3.1.1 Cơ sở lý thuyết tính toán nhiệt độ bề mặt

Như ta đã biết mọi vật thể ở nhiệt độ lớn hơn 0K đều phát xạ Đặc điểm (cường

độ và phổ) của bức xạ phát xạ này phụ thuộc chặt chẽ vào nhiệt độ và hệ số phát xạ của đối tượng Trong vật lý học, vật đen tuyệt đối, hay ngắn gọn là vật đen, là vật hấp thụ hoàn toàn tất cả các bức xạ điện từ chiếu đến nó, bất kể bước sóng nào Điều này

có nghĩa là sẽ không có hiện tượng phản xạ hay tán xạ trên vật đó, cũng như không có dòng bức xạ điện từ nào đi xuyên qua vật

Năm 1879, Josef Stefan qua nhiều thí nghiệm về bức xạ nhiệt, kết hợp với những

cơ sở lý thuyết do Ludwig Boltzmann đưa ra sau đó ít lâu, đã tổng kết thành định lý Stefan- Boltzmann: Công suất bức xạ nhiệt của một vật thì tỷ lệ với lũy thừa bậc bốn của nhiệt độ tuyệt đối của vật bức xạ và diện tích bề mặt vật bức xạ

2

4 5

10670400

515

h c k



T: nhiệt độ tuyệt đối

Với vật đen tuyệt đối, bức xạ điện từ phát ra trong trạng thái cân bằng nhiệt ở nhiệt độ xác định được miêu tả mởi định luật Planck :

1

12

e c

h T

hay

1

12

e

hc T

B



(Đơn vị đo là Wm-2

sr-1m-1, tức Oát trên một mét vuông diện tích, một micromet độ dài bước sóng, đo trong góc khối một radian)

Trong đó

B: bức xạ điện từ bề mặt của vật đen tuyệt đối

T: nhiệt độ tuyệt đối của nó, ν là tần số của bức xạ phát ra

λ : bước sóng của nó, v: số lượng sóng trên mỗi đơn vị khoảng cách, v= 1/ λ

Hình 1.2 Bức xạ điện từ của vật đen tuyệt đối ở các bước sóng [4]

Hình 1.3 Định luật Wien và quan hệ bước sóng/ cường độ nhiệt độ bức xạ [4]

Đối với những vật không phải vật đen tuyệt đối, bức xạ điện từ đƣợc tính theo công thức: nhân hàm Plank với độ phát xạ ε (λ):

L(λ, T) = ε(λ) B(λ, Ts) (3)

Hình 1.4 So sánh phát xạ của thạch anh với vật đen tuyệt đối [4]

Trong đó, () là hệ số phát xạ đặc trƣng riêng cho mỗi đối tƣợng, có giá trị từ 0

đến 1 và liên hệ với hệ số phản xạ r() theo định luật Kirchhoff bởi công thức :

  1 r (4)

Nhƣ vậy, từ (2) và (3), có thể tính đƣợc nhiệt độ của vật thể phát xạ bằng công thức:

 

1 5 2,

)(2ln

Wien đã khảo sát công suất bức xạ của vật đen (=1) theo những bước sóng

khác nhau ở những nhiệt độ khác nhau, và vẽ được 3 đồ thị phát xạ của kim loại ở ba nhiệt độ khác nhau Từ đồ thị dưới đây, ta có thể thấy, công suất bức xạ phụ thuộc vào bước sóng và nhiệt độ tuyệt đối của vật bức xạ, giá trị cực đại của công suất bức xạ bị lệch về phía bước sóng ngắn (tần số cao gọi là vùng tử ngoại) khi nhiệt độ tuyệt đối của vật tăng lên

Hình 1.5 Công suất bức xạ của kim loại theo các bước sóng[5]

Trên cơ sở đó, năm 1984, Wien đã tìm ra quy luật xác định bước sóng (định luật dịch chuyển Wien) nội dung như sau: bước sóng max ứng với cực đại của hàm Plank của vật đen tuyệt đối biến thiên tỉ lệ nghịch với nhiệt độ tuyệt đối của nó:

b

T 

max

Trong đó : b = 2,897,768.5(51) nm·K

=> max = 0.2897/ T (cm) (6’)

Từ giới hạn về nhiệt độ tuyệt đối của các đối tượng trên mặt đất (dao động xung quanh gía trị 300o

K), cực đại của quang phổ bức xạ rơi vào quãng 9,6 m, vì thế theo

lý thuyết, bức xạ nhiệt của các đối tượng bề mặt có thể thu được bằng cách sử dụng các kênh thu được ở bước sóng khoảng 10 m Mặt khác, đặc điểm quang phổ của khí quyển cho thấy cửa sổ khí quyển trong vùng phổ 8-14 m (hình 1.6), nơi hấp thụ khí quyển ít nhất và thông qua đó các nguồn năng lượng của mặt đất có thể truyền qua với

ít thất thoát nhất Vì thế, vùng phổ này (gọi là bước sóng quang phổ nhiệt) thường được chọn để xác định nhiệt độ của các đối tượng mặt đất Tuy nhiên đây lại là vùng

mà hơi nước có khả năng hấp thụ rất lớn nên trong viễn thám người ta phải giới hạn vùng phổ sử dụng vào hai cửa sổ của khí quyển ở các dải sóng: 3,7-4,2m và 8,4-13,4m

Hình 1.6 Cửa số khí quyển và các vùng phát xạ nhiệt [4]

1.3.1.2 Tính toán chỉ số nhiệt độ bề mặt đất từ ảnh MODIS

Quang phổ phát xạ của mặt đất thường được đo bằng một bộ cảm được đặt trong một máy bay hoặc vệ tinh cách xa mặt đất, do đó, việc truyền tải quang phổ phát xạ qua khí quyển tới bộ cảm bị ảnh hưởng bởi một số yếu tố, khiến cho việc thu nhận

nhiệt độ bề mặt đất từ các dữ liệu viễn thám khá phức tạp

Ảnh MODIS cung cấp các kênh nhiệt hồng ngoại 20, 22, 23, 29, 31, và 32 trong 2 cửa sổ 3,7-4,2m và 8,4-13,4m để hiệu chỉnh các ảnh hưởng của khí quyển, tính toán phát xạ và nhiệt độ bề mặt (bảng 1.3) Kênh 21 mặc dù cũng nằm trong vùng này nhưng do được thiết kế riêng để phát hiện cháy nên có khoảng đo rộng, độ nhạy thấp không thích hợp cho nhiệm vụ xác định nhiệt độ bề mặt, kênh 30 thì rơi vào vùng hấp thụ của Ozon Vì thế, LST thường được tính từ nhiệt độ bức xạ của kênh 31, 32 (trong dải sóng 10.5 đến 12.5 µm) Có 7 sản phẩm về LST do ảnh MODIS cung cấp, khác nhau về quy mô không gian, thời gian, được tổ hợp hàng ngày, tám ngày và hàng tháng trên lưới quy chiếu toàn cầu [26] Để tính toán LST ở tỷ lệ nhỏ có thể dùng sản phẩm MOD11A2 của ảnh MODIS Đây là ảnh nhiệt tính trung bình cho 8 ngày, với

độ phân giải 1 km Việc tính toán này dựa trên một cơ sở dữ liệu về các loại vật liệu với độ phát xạ nhiệt đã được biết trước Ảnh nhiệt MOD11A2 đã được kiểm nghiệm

độ với độ chính xác 1oK trong điều kiện trời quang mây Bên cạnh đó, các chỉ số kỹ thuật đối với phát xạ bề mặt đất thu nhận từ dữ liệu MODIS là 0.02 cho kênh 29, 31

và 32, và 0.05 cho kênh 20, 22 và 23 (Wan, 1999) Sau khi hiệu chỉnh dữ liệu của

MODIS được kiểm chứng bởi các phép đo thực địa, nó có thể đạt tới độ chính xác cỡ 0,5°K đối với các bề mặt đồng nhất trong điều kiện không khí khô Bảng dưới đây thống kê các kênh được sử dụng để tính toán nhiệt độ bề mặt đất

Bảng 1.3 Các kênh ảnh MODIS được sử dụng để tính nhiệt độ bề mặt đất [31]

STT Kênh Độ rộng bước

sóng (µm)

Lưu trữ (bit)

giải không gian (m)

Ảnh hưởng của nhiệt độ và độ phát xạ liên quan chặt chẽ đến nhau, vì thế việc tách biệt chúng từ các phép đo là rất khó Nguyên nhân là do đa số các đối tượng tự nhiên có hệ số phát xạ phụ thuộc vào bước sóng, trên mỗi kênh ảnh ta có một hệ số phát xạ riêng của đối tượng, nên với N kênh ảnh, luôn có N phương trình với N+1 ẩn

số (gồm n hệ số phát xạ và LST) Nếu không có các thông tin biết trước, thì không thể tính được cả LST lẫn hệ số phát xạ một cách chính xác Hầu hết các nghiên cứu về tách biệt LST- hệ số phát xạ đều sử dụng thêm một phương trình thực nghiệm để N phương trình cũ cộng thêm 1 phương trình này sẽ tìm được N+1 ẩn số Nhiều thuật toán khác nhau đã được xây dựng để tách biệt LST với hệ số phát xạ [23]

Việc tính toán LST từ dữ liệu vệ tinh gặp rất nhiều khó khăn vì, bên cạnh những hiệu chỉnh về ảnh thông thường, còn cần phải hiệu chỉnh về phát xạ, hiệu chỉnh

về khí quyển và hiệu chỉnh về địa hình Cho đến nay, nhiều thuật toán để tính LST từ

dữ liệu vệ tinh đã được đề xuất, đó là:

- Thuật toán chia tách cửa sổ (Split-window)

- Thuật toán ngày/ đêm (day/ night LST algorithm)

- Thuật toán hệ số phát xạ suy giải alpha (Alpha-Derived Emissivity Method - ADE)

- Thuật toán hiệu giữa giá trị cực đại và cực tiểu (Maximum-Minimum Difference Method - MMD)

- Thuật toán hệ số phát xạ quy chuẩn (Normalized Emissivity Method – NEM)…

Các thuật toán này được kỳ vọng sẽ đưa ra được kết quả với độ chính xác 1° K Các phép đo hiện tại về phổ phát xạ từ các loại vật liệu che phủ bề mặt đất cho thấy phát xạ trung bình thu được từ các kênh 31, 32 là tương đối ổn định Hiện nay, hai thuật toán chia cửa sổ Split-window và thuật toán ngày/đêm-day/night LST algorithm được sử dụng nhiều nhất để tính toán LST

Một thuật toán LST tốt phải đảm bảo 2 yếu tố sau:

Thuật toán này được áp dụng cho các bề mặt có hệ số phát xạ đã biết, và hoạt động theo nguyên tắc thay vì xác định nhiệt độ một cách đơn giản, thì sử dụng thêm một kênh ảnh khác để loại bỏ ảnh hưởng của khí quyển theo cách thức như sau: chọn

sử dụng hai kênh ảnh chịu ảnh hưởng khác nhau của khí quyển, hiệu T giữa hai giá

trị nhiệt độ T 1 và T 2 có thể coi là một chỉ thị về trạng thái của khí quyển nên có thể sử dụng các số liệu đo đạc thực tế để xác định hàm hồi quy tuyến tính giữa nhiệt độ thực

đo T và các giá trị này T  fT1,T2, T Phương pháp này do đòi hỏi phải biết trước

hệ số phát xạ của đối tượng nên thường chỉ được áp dụng cho mục đích xác định nhiệt

độ bề mặt một môi trường đồng nhất, có hệ số phát xạ đã biết với độ chính xác cao [12]

Thuật toán chia cửa sổ được viết một cách khái quát như sau:

Thuật toán Split-window được xây dựng với mục đích hiệu chỉnh khí quyển và các ảnh hưởng phát xạ tới các loại che phủ đất với hệ số phát xạ đã biết Độ chính xác của thuật toán này phụ thuộc vào những hiểu biết về hệ số phát xạ 31 và 32 cho các

kênh 31, 32 đối với các loại lớp phủ đất Trong cùng một thảm thực vật, hệ số phát xạ của các loài khác nhau Các thí nghiệm thực tế đã cho thấy, thành phần lá khác nhau khiến hệ số phát xạ dao động từ 0,90 đến 1,0, quy mô tán khác nhau cũng khiến hệ số phát xạ dao động từ 0,96 đến 1,0 [Olioso, 1995] 11 loài với hệ số phát xạ trung bình trên các kênh 31, 32 là 0,989 và 0,988 với độ lệch chuẩn của 0,005 và 0,004 được liệt

kê trong bảng dưới đây Cấu trúc bề mặt và độ nhám cũng ảnh hưởng tới hệ số phát

xạ Thuật toán chia cửa sổ được xây dựng dựa trên những phân loại về hệ số phát xạ như vậy

Bảng 1.4 Hệ số phát xạ trung bình của 11 loại cây trên kênh 31, 32 của MODIS [25]

Cây thường xuân (Algerian ivy) 0.993 0.992 Hoa mộc lan (Magnolia) 0.993 0.991 Cây nguyệt quế (Laurel) 0.989 0.988 Cây nguyệt quế Ấn độ (Indian laurel) 0.984 0.984 Cây táo gai Ấn độ (Indian hawthorn) 0.989 0.988

Cây tuyết tùng (Cedar) 0.983 0.982 Cây bách (Cypress) 0.988 0.988 Cây tùng (Spruce) 0.991 0.990 Cây thông (Pine) 0.986 0.987 Cây gai (Fine thorn) 0.980 0.979

Cỏ xanh (Sod grass) 0.992 0.992

Sự phát xạ của hầu hết các loại lớp phủ trên kênh 31, 32 MODIS khả ổn định và

chỉ dao động trong khoảng nhất định

Một số thuật toán LST chỉ phù hợp với các pixels trong phạm vi góc nhìn 45 độ

vì với góc nhìn lớn hơn, độ chính xác sẽ thấp Vì góc nhìn cực đại của MODIS là 65

độ tính từ vùng tâm ảnh Dạng tuyến tính của thuật toán LST phụ thuộc vào góc nhìn, tương tự với thuật toán chia cửa sổ cho vùng của Beck và Li (1990) được đưa ra dưới dạng sau :

B B

B T

T A

A A

1

1 2

)

1 (

số Ai, Bi, C phụ thuộc góc nhìn (trong phạm vi 0-65o

), phụ thuộc vào phạm vi của nhiệt độ không khí bề mặt và cột hơi nước [25]

Sản phẩm mà MOD11A2 cung cấp là bức xạ bề mặt, để chuyển đổi sang nhiệt

độ bề mặt cần nhân với hệ số (0.02) và cần hiệu chỉnh đối với từng khu vực cụ thể: Nhiệt độ bề mặt (độ kenvin)= Giá trị pixel trên ảnh LST *0.02 [11]

Về cơ bản, việc tính toán LST từ ảnh viễn thám có 2 bước:

- Đưa bức xạ phổ về nhiệt độ bức xạ

- Hiệu chỉnh phát xạ phổ

1.3.2 Sử dụng tư liệu ảnh MODIS cho tính toán chỉ số khô hạn

1.3.2.1 Mối quan hệ giữa nhiệt độ bề mặt đất LST và chỉ số thực vật NDVI

Dựa trên mối quan hệ chặt chẽ giữa nhiệt độ bề mặt đất (LST) và chỉ số thực vật (NDVI) (Wang et al., 2003), chúng ta có thể tính toán được các chỉ số chỉ thị hạn hán cho các điều kiện lớp phủ thực vật khác nhau theo đặc trưng quang phổ phản xạ và nhiệt độ bề mặt đất Vì phát xạ nhiệt độ bề mặt là hàm số của sự thay đổi lớp phủ thực vật và hàm lượng nước trong đất Dựa vào các nghiên cứu trước đây, Lambin và Ehrlich (1996) [14] đã đưa ra mối tương quan về không gian của chỉ số thực vật và nhiệt độ bề mặt đất theo khái niệm của sự bay hơi, sự thoát hơi nước và hợp phần lớp phủ thực vật (Hình 1.7) Theo đó, các thay đổi về nhiệt độ bề mặt có mối tương quan

khá chặt chẽ với những thay đổi lớp phủ thực vật và hàm lượng nước trên bề mặt đất trống Đất trống khô – chỉ số thực vật thấp, nhiệt độ cao, đất trống ẩm – chỉ số thực vật thấp, nhiệt độ thấp Khi phần trăm lớp phủ thực vật tăng, nhiệt độ bề mặt giảm theo nhiều cơ cấu sinh lý [8]

Hình 1.7: Sơ đồ không gian của nhiệt độ bề mặt - chỉ số thực vật và mối quan hệ với sự bay hơi (evaporation), sự thoát hơi nước của cây (transpiration) và phần trăm

vì thực vật vẫn xanh ở giai đoạn đầu hạn hán Và NDVI thường chỉ cho biết chỉ số về lượng thực vật và thành phần chlorophyll trong thực vật chứ không nói lên trạng thái nước của khu vực nghiên cứu Vì thế, cần dùng chỉ số nhạy cảm với thanh phần nước hơn khi quan trắc hạn hán [18] Trong khi, nhiệt độ bề mặt Trái đất thu được từ các kênh nhiệt lại là một chỉ thị tốt cho dòng nhiệt ẩn Nhiệt độ bề mặt có thể tăng lên rất

Không bay hơi

Bay hơi cực đại

Rìa khô

Không bay hơi

nhanh khi thực vật thiếu nước và lớp phủ thực vật có tác động đáng kể đến việc xác định nhiệt độ bề mặt Do đó, nhiệt độ bề mặt đất (LST) từ dữ liệu các kênh nhiệt TIR

là nguồn cung cấp thông tin quan trọng và hữu ích về tình trạng bề mặt đất và được ứng dụng rộng rãi để nghiên cứu về nguồn nước và nguồn năng lượng tương tác trên lớp khí quyển bề mặt (Gutman 1990) Vì thế, LST cũng được sử dụng như một chỉ số

để đánh giá mức độ bốc hơi nước, mức độ hạn hán, độ ẩm của đất và quán tính nhiệt (Moran et al 1994; Ottle và Vidalmadjar 1994; Moran et al 1996; Sobrino et al 1998; Gupta et al 2002; Narasimhan et al 2003; Jang et al 2006, Anderson et al 2007) Trong trường hợp hạn hán, LST có thể được sử dụng như một chỉ thị về đất và ước tính mức độ thiếu nước của thực vật vì điều kiện khô hạn phụ thuộc trực tiếp vào

sự thiếu hụt độ ẩm đất, sự thiếu hụt này sẽ khiến nhiệt độ lá cây và nhiệt độ bề mặt cùng tăng lên [18]

Do đó, mối quan hệ LST – NDVI cho thấy nhiều thông tin hơn so với từng chuỗi

số liệu NDVI hay LST riêng biệt vì các nhà nghiên cứu đã chỉ ra rằng: LST và NDVI kết hợp với nhau có thể cung cấp thông tin về điều kiện sức khỏe thực vật và độ ẩm trên bề mặt trái đất (Sandholt et al, 2002) Và mô hình không gian thời gian của sự thay đổi thực vật có thể liên quan đồng thời đến sự biến đổi của lượng mưa và hàm nhiệt độ nên kết hợp các chỉ số khác nhau để nghiên cứu hạn hán sẽ tốt hơn là nghiên cứu riêng lẻ từng chỉ số nào đó như chỉ nghiên cứu về NDVI [24] Để giải quyết vấn

đề này, phương pháp kết hợp giữa chỉ số thực vật NDVI và LST được để xuất để xác định trạng thái trữ nước của lớp phủ

Sự biến thiên theo không gian và thời gian của mối quan hệ LST-NDVI trên phạm vi lục địa hay trên toàn cầu đã được nhiều nhà khoa học nghiên cứu trước đây Tiềm năng về việc thu nhận thông tin về năng lượng và nguồn nước của bề mặt đất hoặc các loại che phủ đất thông qua LST và NDVI cũng được nhiều nhà khoa học quan tâm Nghiên cứu của Goetz (1997) đã cho thấy mối quan hệ nghịch giữa LST và NDVI, ở các tỷ lệ khác nhau (25m2

đến 1.2km2), phần lớn là do những thay đổi về độ

che phủ thảm thực vật và độ ẩm của đất, và chỉ ra rằng, nhiệt độ bề mặt có thể tăng lên nhanh chóng theo mức độ thiếu nước Sử dụng đồ thị phân bố LST-NDVI, Price (1990) đã phân biệt được khu vực được che phủ kín bởi thực vật, với khu vực đất khô, đất ẩm Hope và McDowell (1992) cũng sử dụng mối quan hệ LST-NDVI để phân biệt khu vực cháy rừng và khu vực chưa bị cháy Đồ thị phân bố LST-NDVI đã được chứng minh là có liên quan đến địa hình cũng như lớp phủ thực vật (Nemani et al 1993) Đồ thị LST-NDVI được sử dụng trong rất nhiều các ứng dụng liên quan đến nước và cân bằng năng lượng, những ứng dụng liên quan đến độ ẩm đất, cho biết tình trạng hạn hán (Nemani and Running 1989; Carlson et al 1994; Gillies và Carlson năm 1995; Gillies et al năm 1997; Goetz 1997) Goward et al (2002) đã sử dụng NDVI và LST để dự đoán về nhiệt độ lớp không khí sát bề mặt đất [10] Đường dốc trong đồ thị LST - NDVI cho biết các thông tin liên quan đến độ ẩm đất trung bình Đồ thị này thường có dạng hình tam giác (Price, 1990, Carlson et al, 1994) hoặc hình thang (Moran, Clarke et al 1994), nếu biểu diễn một phạm vi rộng các phân nhóm lớp phủ thực vật và độ ẩm đất [14] Đồ thị phân tán LST-NDVI được sử dụng để mô hình hóa mối quan hệ đất – thực vật – khí quyển (mô hình SVAT) trong mối tương tác với sự bốc hơi nước bề mặt (Carlson và cộng sự năm 1994; Moran và cộng sự năm 1994; Gillies và Carlson 1995; Moran và cộng sự 1996; Gillies et al 1997; Sandholt et al 2002; Jang và cộng sự 2006; Stisen et al 2007)

Đồ thị phân bố LST/NDVI được nghiên cứu cho những loại lớp phủ khác nhau dưới những điều kiện khí hậu khác nhau, phạm vi cũng khác nhau, vì thế đồ thị biểu diễn cũng rất khác nhau Hình dáng đồ thị LST/NDVI được xây dựng trên giả thiết chỉ

số thực vật có quan hệ tuyển tính với phân đoạn lớp phủ thực vật (Fractional vegetation cover) và sự biến thiên của nhiệt độ bề mặt – nhiệt độ không khí là hàm của chỉ số thực vật, trong đó cân bằng năng lượng trên bề mặt là nhân tố kiểm soát Những yếu tố ảnh hưởng tới vị trí các pixel trong không gian LST/ NDVI là:

1 Phân đoạn lớp phủ thực vật (Fractional vegetation cover)

2 Sự bốc hơi nước

3 Các đặc tính nhiệt của bề mặt

4 Bức xạ ròng

5 Áp suất khí quyển và độ gồ ghề bề mặt

6 Các nhân tố tương tác khác: Không có mối liên hệ trực tiếp nào giữa nhiệt độ

bề mặt và độ ẩm bề mặt đất nhưng độ ẩm bề mặt đất đóng vai trò quan trọng trong cơ chế tương tác dưới đây

Hình 1.8 Mô phỏng về các yếu tố ảnh hưởng tới nhiệt độ bề mặt đất Các biến trong đường tròn có thể thu nhận được từ dữ liệu viễn thám [14]

Trong đó :

Sn: Cân bằng bức xạ ròng sóng ngắn

Rn: Cân bằng bức xạ ròng

GLAI: Chỉ số diện tích lá còn xanh

Fc: Phân đoạn lớp phủ thực vât

ET: Bốc hơi nước

Sự chênh lệch nhiệt độ giữa đất và tán lá Các đặc

tính nhiệt

tách

và vĩ độ cao, mối tương quan này là thuận (Schultz and Halpert 1995; Churkina and Running 1998; Nemani et al 2003; Julien and Sobrino 2009) [10] Các nghiên cứu trước đây đã cho thấy khi nước là nhân tố quyết định quá trình sinh trưởng (những vùng vĩ độ thấp và vào giữa các mùa) của thực vật, mối quan hệ LST-NDVI là nghịch đảo Tuy nhiên, khi năng lượng là nhân tố quyết định quá trình sinh trưởng của thực vật (những vùng ở vĩ độ cao, ở độ cao lớn, đặc biệt ở giai đoạn đầu mùa sinh trưởng), mối quan hệ này lại là thuận [17]

Nhiều nghiên cứu đã được thực thiện để giải thích mối quan hệ này theo các biến

về sinh học và địa lý (như loại che phủ đất và loại hình sử dụng đất, phân đoạn thảm

thực vật, điều kiện độ ẩm và địa hình) Và các nhà khoa học đã chứng minh được rằng vào thời điểm bắt đầu và kết thúc mùa sinh trưởng, bức xạ năng lượng mặt trời là yếu

tố chủ yếu thúc đẩy các mối tương quan giữa LST và NDVI, trong khi các biến sinh lý khác đóng vai trò nhỏ Còn những thời điểm vào giữa các mùa, khi thông lượng bức

xạ đủ lớn để không hạn chế sự sinh trưởng của thực vật, thì bức xạ mặt trời lại đóng vai trò nhỏ hơn các biến sinh lý trong mối tương quan LST – NDVI Và khi năng lượng là yếu tố hạn chế sinh trưởng thực vật, hay những nơi điều kiện nhiệt độ bị hạn chế như ở các khu vực vĩ độ cao và nơi có độ cao lớn, mối quan hệ giữa LST và NDVI là tỷ lệ thuận Vì thế, ở những nơi này, việc LST tăng không thể được xem là dấu hiệu của hạn hán Các nghiên cứu trước đây thường giả thiết rằng mối quan hệ giữa LST và NDVI là nghịch đảo, nhưng ở những khu vực mà nước là yếu tố hạn chế

sự sinh trưởng của thực vật qua thời gian, giả thiết này mới đúng Mà hạn hán thì chủ yếu xảy ra ở các vĩ độ thấp, một vài chỉ số chỉ thị hạn hán cũng được xây dựng dựa trên giả thiết rằng tồn tại mối quan hệ nghịch đảo mạnh mẽ giữa LST và NDVI, nên khi áp dụng mối quan hệ LST/NDVI trong quan trắc hạn hán, cần sử dụng mối quan

hệ thực nghiệm giữa LST-NDVI một cách thận trọng, cần kiểm tra lại giả thiết trên và hạn chế việc áp dụng phương pháp này chỉ trong các khu vực và thời điểm mà mối tương quan LST/NDVI là nghịch đảo, cụ thể, nước là yếu tố chính quyết định tăng trưởng của thực vật, chứ không phải năng lượng [10]

Dựa trên không gian tam giác cơ bản cho mối quan hệ của LST và NDVI, chỉ số điều kiện thực vật nhiệt độ VTCI đã được Wang et al 2001 xây dựng, ứng dụng cho quy mô vùng Năm 2002, Sandholt et al đã đề xuất chỉ số khô hạn nhiệt độ - thực vật TVDI cho đánh giá trạng thái độ ẩm bề mặt đất [28] Về thực chất, hai loại chỉ số này

có cùng bản chất và được xây dựng trên cùng một cơ sở khoa học, dựa vào đặc trưng của khu vực nghiên cứu, cũng như đặc trưng của dữ liệu ảnh MODIS, trong nghiên cứu của mình, học viên sẽ sử dụng chỉ số TVDI

1.3.2.2 Cơ sở tính toán chỉ số khô hạn nhiệt độ - thực vật

Đồ thị phân bố (Ts, NDVI) sẽ cung cấp thông tin hữu ích về điều kiện thực vật

và độ ẩm bề mặt Vị trí của pixel trong đồ thị này bị ảnh hưởng bởi rất nhiều yếu tố như nhiệt độ, độ phủ thực vật, độ ẩm, độ bay hơi và những đường đồng mức của các yếu tố chính (độ ẩm, độ bay hơi) có thể vẽ được trong tam giác xác định nên đồ thị phân tán (Ts, NDVI) Dựa trên đồ thị phân bố (Ts, NDVI), chỉ số TVDI được xây dựng để xác định độ ẩm đất (Sandholt et al, 2002) Sau khi quan sát mối quan hệ giữa NDVI và LST, để lượng hóa quan hệ giữa NDVI và LST, Sandholt (2002) đã đề xuất

sử dụng chỉ số khô hạn nhiệt độ - thực vật TVDI xác định theo công thức sau:

Ở đây, Ts min là nhiệt độ bề mặt cực tiểu trong tam giác xác định để rìa ướt, Ts

là nhiệt độ quan sát tại điểm ảnh cần tính, Ts max là nhiệt độ bề mặt cực đại quan sát được cho mỗi khoảng giá trị của NDVI Tham số a và b của đường “rìa khô” cho mỗi

1 cảnh MODIS được xác định bằng hàm hồi quy bình phương tối thiểu của các giá trị cực đại Ts đối với những khoảng giá trị NDVI Hệ số a và b được xác định từ khu vực

đủ lớn để thể hiện phạm vi trọn vẹn của các nội dung độ ẩm bề mặt Với Tmin, a và b xác định không đổi cho từng ảnh MODIS, giá trị TVDI cho từng pixel ảnh được tính theo công thức (9) khi thay vào các giá trị của Ts và NDVI tương ứng) Vì TVDI có thể được tính cho từng pixel, điều này cho phép giữ nguyên kích thước sản phẩm ảnh ban đầu [14]

Chỉ số TVDI được xây dựng trên giả thiết [14]:

- Độ ẩm đất là nguồn gốc chính cho những thay đổi về Ts

- TVDI liên quan đến độ ẩm bề mặt đất vì những thay đổi trong quan tính nhiệt

và kiểm soát bay hơi trên phân vùng bức xạ ròng

Trong đồ thị phân bố (Ts, NDVI), TDVI được biểu diễn dưới dạng đường thằng Dạng đồ thị phân bố (Ts, NDVI) có thể được so sánh với mô phỏng của độ ẩm

Hình 1.9 Chỉ số TVDI của một pixel ảnh (Ts, NDVI) được xác định như một tỷ lệ

giữa đường A = (T s T smin) và B = (T smaxT smin) [14]

Trong đồ thị phân tán (Ts, NDVI), độ dốc của đường biên phía trên liên quan đến mức bay hơi của bề mặt, đến kháng trở của lá và độ ẩm trung bình của đất [18] Với cùng điều kiện khí hậu thì nhiệt độ bề mặt sẽ nhỏ nhất tại những nơi có độ bay hơi cực đại do lượng nước bão hòa, tạo nên đường đáy “rìa ướt” của tam giác không gian (Ts, NDVI), hay nói cách khác, nó được mô hình hóa thành đường nằm ngang, trái với “rìa khô” dốc Tại những nơi có độ bay hơi cực tiểu do bề mặt rất khô (dù có hay không có phủ thực vật) thì nhiệt độ bề mặt sẽ tăng cực đại – tạo nên đường giới hạn trên “rìa khô” Như vậy, điểm mấu chốt để tính được TDVI là xác định được đường rìa khô đối với ảnh đang nghiên cứu và đường rìa khô được mô hình hóa như một xấp xỉ tuyến tính (T smax= a+b*NDVI) và từ các khoảng giá trị NDVI sẽ tính ra được những pixel với nhiệt độ bề mặt cực đại tương ứng để tính tham số a và b Hay nói cách khác, để xác định hệ số quyết định “rìa khô”, nhiệt độ cực đại quan trắc được

Không bay hơi

Bay hơi cực đại

Bay hơi cực đại Không bay hơi

Nhiệt độ bề mặt đất

Chỉ số thực vật

Chỉ số khô hạn nhiệt độ - thực vật

cho khoảng thời gian nhỏ của NDVI được chiết tách trong không gian Ts/NVDI Việc xác định các hệ số TVDI gặp nhiều khó khăn nhất là trong mùa khô và hiện nay vẫn chưa có cách giải quyết triệt để nào để tìm những hệ số này [14]

TDVI có giá trị là 1 tại “rìa khô” và 0 tại “rìa ướt” Xu hướng chung cho TVDI

là đạt giá trị cao trong mùa khô và giá trị thấp trong mùa mưa, thay đổi nhiều trong mùa khô [14] Không có phương pháp cụ thể nào để xác định rìa khô và rìa ướt, phương pháp thường được dùng có 2 cách Cách thứ nhất, các điểm được trích xuất từ

dữ liệu cả khu vực nghiên cứu, cách thứ hai, các điểm mẫu được chia thành các nhóm theo loại lớp phủ và cho mỗi nhóm, mối quan hệ LST-NDVI lại được tính riêng lẻ (Verbesselt et al 2007)

Rìa khô và rìa ướt có thể nhận biết một cách trực quan, rõ ràng, có thể xử lý và biểu diễn nhanh chóng Nhưng đôi khi, các pixel của các rìa bị phân tán và hình dạng

sẽ không theo lối thông thường Từ đó, chúng ta có thể xem xét việc sử dụng đồ thị phân tán để khắc phục các vấn đề với rìa khô và rìa ướt Hình dáng bất thường của các rìa có thể là do các hệ số được lựa chọn chưa tốt Từ đó, chúng ta thiết lập một không gian đặc trưng tiêu chuẩn làm nền theo mối quan hệ giữa rìa khô và rìa ướt Nó có thể được sử dụng để hiệu chỉnh và chỉnh sửa các hệ số của rìa khô và rìa ướt Không gian đặc trưng tiêu chuẩn trước đây chia LST thành các khoảng thời gian thích hợp, và rồi thành lập phương trình của tất cả các rìa khô tương ứng Phương pháp này có thể bao gồm sai số, nhưng khoảng thời gian chia càng nhỏ, sai số sẽ càng nhỏ Các hệ số của rìa khô được thay thế bằng các đường viền tương ứng trong ảnh tham khảo về không gian đặc trưng tiêu chuẩn như hình mình họa dưới đây [16]