Ảnh vệ tinh miễn phí cho nghiên cứu môi trường: Sentinel, Landsat

Hai nguồn ảnh vệ tinh miễn phí dùng nhiều nhất cho nghiên cứu môi trường là Sentinel-2 của chương trình Copernicus châu Âu, với các kênh độ phân giải 10 mét, và Landsat của Mỹ, độ phân giải 30 mét nhưng có kho ảnh lưu từ nhiều thập kỷ. Bạn tải ảnh, lọc mây, tính chỉ số rồi phân tích.

Nghiên cứu rừng ngập mặn, biến động đất nông nghiệp, xâm nhập mặn, đô thị hoá đều cần nhìn cùng một vùng qua nhiều thời điểm. Ảnh vệ tinh miễn phí cho phép làm điều đó mà không cần kinh phí mua ảnh. Khó khăn thật sự ở Việt Nam là mây: nhiều vùng có mùa mưa dài, ảnh quang học bị che phần lớn thời gian. Bài này đi qua nguồn ảnh, cách xử lý mây và cách tính chỉ số thực vật.

So sánh Sentinel-2 và Landsat

Hai chương trình bổ sung cho nhau; nhiều nghiên cứu dùng cả hai:

Muốn nghiên cứu biến động dài hạn, như rừng ngập mặn từ những năm 1990, chỉ Landsat có ảnh. Muốn chi tiết hơn cho vài năm gần đây, Sentinel-2 cho ảnh nét hơn và dày hơn. Khi ghép hai nguồn, chú ý khác biệt kênh phổ và độ phân giải. Thông số cụ thể của từng kênh nên tra trong tài liệu chính thức của mỗi chương trình.

Tải ảnh: nơi nào, chọn mức xử lý nào

Cổng dữ liệu Copernicus Data Space (CDSE)

Từ cuối năm 2023, ảnh Sentinel được cung cấp qua cổng dữ liệu Copernicus Data Space (CDSE), thay cho Copernicus Open Access Hub trước đây. Đăng ký tài khoản miễn phí, vẽ vùng quan tâm, chọn khoảng thời gian, lọc theo tỷ lệ mây, rồi tải.

USGS EarthExplorer

Ảnh Landsat tải qua EarthExplorer của USGS, cũng cần tài khoản miễn phí. Chọn bộ dữ liệu Landsat Collection 2, mức xử lý đã hiệu chỉnh khí quyển nếu phân tích bề mặt.

Chọn mức xử lý

Ảnh Sentinel-2 mức L1C là phản xạ đỉnh khí quyển; mức L2A đã hiệu chỉnh khí quyển thành phản xạ bề mặt và có lớp phân loại cảnh. Với phân tích chỉ số thực vật qua nhiều thời điểm, dùng ảnh phản xạ bề mặt để các thời điểm so được với nhau.

Khi tải nhiều cảnh, ghi lại mã cảnh và ngày chụp vào một bảng ngay lúc tải. Tên tệp ảnh vệ tinh thường chứa sẵn ngày chụp và ô lưới, nên giữ nguyên tên gốc, đừng đổi thành tên tự đặt.

Mây che: vấn đề lớn nhất ở Việt Nam

Lọc mây theo điểm ảnh

Lọc theo tỷ lệ mây của cả cảnh chỉ là bước thô. Hãy dùng lớp chất lượng đi kèm ảnh: Sentinel-2 mức L2A có lớp phân loại cảnh (SCL) đánh dấu mây, bóng mây; Landsat Collection 2 có lớp đánh giá chất lượng điểm ảnh. Che bỏ điểm ảnh bị mây, giữ phần còn lại.

Ghép ảnh nhiều thời điểm

Với vùng nhiều mây, ghép các ảnh trong một khoảng thời gian (một mùa, một năm), lấy giá trị trung vị hoặc ảnh ít mây nhất cho mỗi điểm ảnh. Kết quả là một ảnh tổng hợp gần như không mây, nhưng mất độ chính xác về ngày chụp; ghi rõ khoảng thời gian ghép.

Ảnh radar xuyên mây

Sentinel-1 là vệ tinh radar khẩu độ tổng hợp, chụp được qua mây và cả ban đêm. Ảnh radar khó đọc hơn ảnh quang học nhưng rất hữu ích cho ngập lụt, mặt nước, theo dõi lúa. Nếu nghiên cứu vào mùa mưa, cân nhắc radar ngay từ đầu.

Chỉ số thực vật và các chỉ số khác

NDVI

Chỉ số thực vật chênh lệch chuẩn hoá NDVI bằng hiệu của kênh cận hồng ngoại và kênh đỏ, chia cho tổng của chúng. Thực vật khoẻ phản xạ mạnh cận hồng ngoại và hấp thụ đỏ, nên NDVI cao. Với Sentinel-2, kênh đỏ là B4, cận hồng ngoại là B8; với Landsat 8 và 9, đỏ là B4, cận hồng ngoại là B5.

Các chỉ số khác

Có nhiều chỉ số cho mục đích khác nhau, như chỉ số mặt nước, chỉ số đô thị, chỉ số cháy. Chọn chỉ số theo câu hỏi, dẫn tài liệu gốc của chỉ số, và kiểm công thức với đúng số kênh của vệ tinh bạn dùng, vì cùng tên kênh có thể mang số khác nhau giữa các vệ tinh.

Kiểm với thực địa

Chỉ số chỉ là con số phản xạ. Muốn nói “rừng ngập mặn suy giảm”, cần điểm kiểm thực địa hoặc ảnh độ phân giải cao để xác nhận. Ghi toạ độ, ngày, ảnh chụp tại các điểm kiểm.

Xử lý trên nền tảng đám mây

Google Earth Engine. Nền tảng có sẵn kho ảnh Landsat, Sentinel và nhiều bộ dữ liệu khác, cho phép viết mã JavaScript hoặc Python để lọc mây, ghép ảnh, tính chỉ số cho cả nước mà không phải tải về. Có chế độ dùng miễn phí cho nghiên cứu phi thương mại; điều kiện cụ thể xem trên trang của Google.

Dịch vụ của hệ sinh thái Copernicus. Cổng Copernicus Data Space cũng cung cấp công cụ xem, xử lý và giao diện lập trình để làm việc với ảnh mà không phải tải toàn bộ cảnh.

QGIS trên máy cá nhân. Với vài cảnh ảnh, tải về và xử lý trong QGIS là đủ: cắt theo vùng, tính chỉ số bằng Raster Calculator, phân loại. Phương án này dễ kiểm soát và không phụ thuộc mạng.

Ghi lại mã và tham số. Dù chạy ở đâu, lưu mã, danh sách ảnh dùng (mã cảnh, ngày), ngưỡng lọc mây để người khác làm lại được.

Đánh giá độ chính xác của bản đồ phân loại

Mẫu kiểm độc lập

Điểm dùng để huấn luyện phân loại không được dùng lại để đánh giá. Lấy một bộ điểm kiểm riêng, chọn ngẫu nhiên phân tầng theo lớp phủ, xác định lớp thật bằng thực địa hoặc ảnh độ phân giải cao. Ghi rõ cách chọn mẫu trong bài.

Ma trận nhầm lẫn

So lớp phân loại với lớp thật tại các điểm kiểm, lập ma trận nhầm lẫn. Từ đó tính độ chính xác tổng thể, độ chính xác của người sản xuất và của người dùng cho từng lớp. Một lớp hiếm như rừng ngập mặn có thể bị phân loại kém dù độ chính xác tổng thể cao.

Diện tích có điều chỉnh

Đếm điểm ảnh theo lớp cho diện tích thô, chứa sai số phân loại. Tài liệu phương pháp về viễn thám có hướng dẫn ước tính diện tích có điều chỉnh theo ma trận nhầm lẫn kèm khoảng tin cậy; nếu bài của bạn kết luận về diện tích biến động, nên áp dụng cách làm này và dẫn tài liệu gốc.

Quy trình mẫu cho một đề tài biến động thảm thực vật

Một luận văn về biến động rừng ngập mặn ở một huyện ven biển có thể đi theo các bước:

1. Xác định vùng nghiên cứu và giai đoạn, chọn nguồn ảnh theo giai đoạn đó.
2. Lọc ảnh mùa khô ít mây cho mỗi năm mốc, che mây theo điểm ảnh.
3. Ghép ảnh tổng hợp mỗi năm mốc nếu một ảnh không đủ.
4. Tính NDVI và các chỉ số cần thiết.
5. Phân loại lớp phủ, kiểm với điểm thực địa và ảnh độ phân giải cao.
6. Tính diện tích từng lớp mỗi năm, đánh giá độ chính xác phân loại.
7. Trình bày bản đồ và bảng, ghi đủ nguồn ảnh, mã cảnh và quy trình.

Câu hỏi thường gặp