BTNMT
VKHKTTV&MT
BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG
VIỆN KHOA HỌC KHÍ TƯỢNG THUỶ VĂN VÀ MÔI TRƯỜNG
23/62 Nguyễn Chí Thanh, Đống Đa, Hà Nội
******** BÁO CÁO
TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU
KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ ĐỀ TÀI:
NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM
VÀ GIS PHỤC VỤ GIÁM SÁT TRẠNG THÁI SINH TRƯỞNG,
PHÁT TRIỂN VÀ DỰ BÁO NĂNG SUẤT LÚA
Ở ĐỒNG BẰNG SÔNG HỒNG
PHÁT TRIỂN VÀ DỰ BÁO NĂNG SUẤT LÚA
Ở ĐỒNG BẰNG SÔNG HỒNG Chỉ số đăng ký:
Chỉ số phân loại:
Chỉ số lưu trữ:
Cộng tác viên chính: CN. Nguyễn Hồng Sơn; KS. Nguyễn Hữu Quyền
CN. Đỗ Thanh Tùng; Th.S. Hoàng Thanh Tùng
CN. Trần Thị Tâm; KS. Trịnh Hoàng Dương …., ngày…tháng…năm… …., ngày…tháng…năm… ………, ngày…tháng…năm…
CHỦ NHIỆM ĐỀ TÀI
(Ký và ghi rõ họ tên)
CƠ QUAN THỰC HIỆN
(Thủ trưởng đơn vị, đóng
dấu, nếu có) CƠ QUAN CHỦ TRÌ
(Thủ trưởng đơn vị chủ trì ký
tên, đóng dấu
Hà Nội, ngày…tháng…năm… Hà Nội, ngày…tháng…năm…
i
MỤC LỤC
MỞ ĐẦU 1
CHƯƠNG 1 6
TỔNG QUAN VỀ NGHIÊN CỨU GIÁM SÁT TRẠNG THÁI SINH
TRƯỞNG, PHÁT TRIỂN CỦA CÂY LÚA VÀ DỰ BÁO NĂNG SUẤT
LÚA BẰNG CÔNG NGHỆ VIỄN THÁM 6
1.1. Số liệu ảnh viễn thám và phương pháp tiền xử lý ảnh viễn thám 8
1.1.1. Nguyên lý hoạt động của vệ tinh TERRA, AQUA với đầu đo MODIS 8
1.1.2. Một số phương pháp tiền xử lý ảnh viễn thám 10
1. 2. Khái niệm về giám sát và dự báo năng suất lúa 10
1.2.1. Khái niệm về giám sát lúa 10
1.2.2. Khái niệm về dự báo năng suất lúa 12
1.3. Tình hình sử dụng công nghệ viễn thám trong giám sát và dự báo
năng suất lúa trong nước và trên thế giới 15
1.3.1. Tình hình sử dụng công nghệ viễn thám radar trong giám sát và dự
báo năng suất lúa 15
1.3.2. Tình hình sử dụng công nghệ viễn thám quang học trong giám sát và
dự báo năng suất lúa ở trong nước và trên thế giới 18
Nhận xét: 26
CHƯƠNG 2 28
ĐIỀU KIỆN TỰ NHIÊN VÀ ĐẶC ĐIỂM MÙA VỤ LÚA CỦA KHU VỰC
NGHIÊN CỨU 28
CHƯƠNG 4 51
SỬ DỤNG DỮ LIỆU ẢNH MODIS PHỤC VỤ NGHIÊN CỨU GIÁM SÁT
TRẠNG THÁI SINH TRƯỞNG VÀ PHÁT TRIỂN CÂY LÚA Ở ĐỒNG
BẰNG SÔNG HỒNG 51
4.1. Cơ sở dữ liệu 51
4.1.1. Dữ liệu ảnh MODIS 51
4.1.2. Dữ liệu thực địa 52
4.2. Các phương pháp nghiên cứu chỉ tiêu viễn thám để đánh giá trạng
thái sinh trưởng, phát triển và hình thành năng suất lúa 54
4.2.1. Chỉ số thực vật chuẩn hóa (Normalized Difference Vegetation Index
NDVI) 54
4.2.2. Chỉ số dị thường thực vật (Anomaly Vegetation Index-AVI) 55
4.2.3. Chỉ số trạng thái thực vật (Vegetation Condition Index-VCI) 56
4.3. Các bước thực hiện và một số kết quả tính toán đánh giá trạng thái
sinh trưởng phát triển cây lúa 56
4.3.1. Các bước thực hiện 56
4.3.2 Một số kết quả giảm sát 57
CHƯƠNG 5 68
XÂY DỰNG THỬ NGHIỆM PHƯƠNG PHÁP DỰ BÁO NĂNG SUẤT,
SẢN LƯỢNG LÚA Ở ĐỒNG BẰNG SÔNG HỒNG BẰNG DỮ LIỆU ẢNH
MODIS 68
5.1. Phương pháp và số liệu sử dụng 68
5.1.1. Phương pháp hồi quy từng bước 68
5.1.2. Số liệu sử dụng 73
Bảng 5.2. Các kênh ảnh trong dữ liệu MODIS tổ hợp 16 ngày MOD13Q1 75
Bả
ng 5.3. Phương trình dự báo năng suất lúa đông xuân 82
Bảng 5.4. Phương trình dự báo năng suất lúa vụ mùa 82
Bảng 5.5. Khoảng hoạt động của các yếu tố trong dự báo năng suất vụ
đông xuân 83
Bảng 5.6 Khoảng hoạt động của các yếu tố trong dự báo năng suất vụ mùa 83
Bảng 5.7. Đánh giá sai số dự báo vụ đông xuân tỉnh Bắc Ninh 84
Bảng 5.8. Đánh giá sai số d
ự báo vụ mùa tỉnh Bắc Ninh 85
Bảng 5.9 . Kết quả kiểm chứng dự báo năng suất lúa vụ đông xuân của các
tỉnh trên cơ sở số liệu phụ thuộc 86
Bảng 5.10 . Kết quả kiểm chứng dự báo năng suất lúa vụ mùa của các
tỉnh trên cơ sở số liệu phụ thuộc 86
Bảng 5.11 Kết quả kiểm ch
ứng dự báo năng suất lúa vụ đông xuân năm
2009 của các tỉnh trên cơ sở số liệu độc lập 87
Bảng 5.12. Kết quả kiểm chứng chất lượng dự báo năng suất lúa vụ mùa
năm 2009 của các tỉnh trên cơ sở số liệu độc lập 87
Bảng 5.13. Kết qủa ước lượng sản lượng lúa đông xuân vùng Đồng bằng
sông Hồ
ng 89
Bảng 5.14. Kết qủa ước lượng sản lượng lúa mùa vùng Đồng bằng sông Hồng 89
Bảng 5.15. Kết quả kiểm nghiệm ước lượng sản lượng vụ đông xuân 90
Bảng 5.16. Kết quả kiểm nghiệm ước lượng sản lượng vụ đông xuân 91 v
DANH MỤC HÌNH
Hình 1.1. Sự biến đổi của chỉ số thực vật NDVI qua các kỳ sinh trưởng của lúa 12
năng suất lúa 58
Hình 4.10. Lược đồ phân bố
sinh khối năm 2009 trong các thời kỳ sinh trưởng của lúa 66
Hình 5.1. Sơ đồ mô tả các hợp phần của năng suất lúa theo mô hình thống kê 69
Hình 5.4. Diễn biến chỉ số APAR trong vụ Đông xuân và Mùa năm 2009 vùng Đồng bằng
sông Hồng 79
Hình 5.5. Sơ đồ quan hệ giữa chỉ số APAR và năng suất lúa vụ Đông Xuân tỉnh Vĩnh Phúc 80
Hình 5.6. Sơ đồ quan hệ giữa chỉ số APAR và năng suất lúa vụ Đông Xuân t
ỉnh Nam Định 81 vi
DANH MỤC CÁC CHỮ VIẾT TẮT
ĐBSH Đồng bằng sông Hồng
EVI Chỉ số thực vật tăng cường (Enhanced Vegetaion Index)
FAO Tổ chức lương thực và nông nghiệp Liên Hợp Quốc (Food and
Agricultural Organization of the United Nations)
GIS Hệ thống thông tin địa lý (Geographic Information System)
KTNN Khí tượng nông nghiệp
KTTV Khí tượng Thuỷ văn
LSWI Chỉ số nước bề mặt (Land Surface Water Index)
MODIS Đầu đo ảnh viễn thám độ phân giải trung bình gắn trên 2 vệ tinh
TERRA và AQUA (Moderate Resolution Imaging
Spectroradiometer)
NDVI Chỉ số khác bi
ệt thực vật chuẩn hoá (Normalized Difference
Vegetation Index) – hay gọi tắt là chỉ số thực vật
NDWI Chỉ số khác biệt nước chuẩn hoá (Normalized Difference Water
Index)
SAR Radar ống mở tổng hợp (Synthetic Aperture Radar)
tác an ninh lương thự
c, việc giám sát và thành lập bản đồ lúa một cách hiệu quả
và kịp thời cũng vô cùng quan trọng trong quản lý môi trường, cụ thể là trong
việc quản lý tài nguyên nước và quản lý việc phát thải khí nhà kính, đặc biệt là
trong bối cảnh biến đổi khí hậu toàn cầu đang diễn ra phức tạp, đe dọa tới sự
phát triển bền vững của nhân loại. Theo thống kê của FAO (2001), các quốc gia
châu Á sử dụng hơ
n 80% nguồn nước sạch cho tưới tiêu, thậm chí là hơn 95% ở
một số quốc gia. Lúa nước cũng là một nguồn phát thải khí Metan lớn, theo một
số nghiên cứu của Prather và Ehhalt (2001) đất trồng lúa nước đóng góp 10%
trong tổng lượng Metan phát thải vào khí quyển, ảnh hưởng lớn đến thành phần
hóa học của khí quyển.
Cùng với sự phát triển nhanh và mạnh của công nghệ vũ trụ, rất nhiều
nước trên th
ế giới đã ứng dụng công nghệ viễn thám trong nghiên cứu khí tượng
nông nghiệp đặc biệt là trong việc giám sát và dự báo năng suất cây trồng. Việc
ứng dụng công nghệ viễn thám phục vụ khí tượng nông nghiệp (KTNN) và nông
nghiệp (NN) là một trong những lĩnh vực thành công ở trên thế giới. Với kỹ
thuật viễn thám hiện đại, đặc biệt là sự phát triển của viễn thám quang học với
độ phân gi
ải cao 30 mét LandSat/MSS, TM thậm chí 2,5 mét như SPOT có thể 2
cho những số liệu điều tra, phân tích và đánh giá một cách rất chi tiết và chính
xác bề mặt lục địa. Vệ tinh NOAA/AVHRR, MODIS có độ quét rộng, độ phân
giải thời gian cao đáp ứng nhanh chóng và kịp thời các thông tin cho các vùng
lớn, viễn thám radar cho phép quan sát độc lập với mọi điều kiện thời tiết là
nguồn dữ liệu thích hợp cho mục đích lập bản đồ và dự báo năng suất cây trồng.
Nhi
ngày càng cao của thực tiễn, ảnh vệ tinh không ngừng được đa dạng hóa và hoàn
thiện theo hướng công nghệ xử lý. Tuy ảnh vệ tinh có nhiều ưu việt, nhưng khả
năng
ứng dụng vào lập các bản đồ hiện trạng, biến động sử dụng đất phụ thuộc
vào nhiều yếu tố, như độ chính xác hình học, khả năng chiết tách thông tin về
các loại hình sử dụng đất nông nghiệp có ý nghĩa quyết định đến phương pháp 3
và tỉ lệ bản đồ thành lập. Do vậy cần thiết phải đánh giá khả năng của từng loại
ảnh để lựa chọn được loại ảnh đáp ứng yêu cầu đặt ra.
- Phân tích, phân loại ảnh số nhằm chiết xuất thông tin sử dụng đất trồng lúa
theo 2 phương pháp: phân loại có kiểm định và không kiểm định.
- Điều tra, khảo sát, thí nghiệm, thực nghiệm
đồng ruộng làm cơ sở số liệu phục
vụ xử lý giải đoán ảnh viễn thám, so sánh đánh giá số liệu trong quá trình nghiên
cứu.
- Tiền xử lý ảnh, xây dựng khóa giải ảnh viến thám (SPOT, ENVISAT,
MODIS), phân loại các đối tượng bề mặt trên ảnh viễn thám theo phương pháp
đã chọn phục vụ cho việc xây dựng bản đồ, đánh giá biến động sử dụng đất
trồng lúa.
- Nghiên cứ
u phương pháp giám sát trạng thái sinh trưởng, phát triển của cây lúa
- Xây dựng thử nghiệm phương pháp dự báo năng suất, sản lượng lúa
3. Phạm vi nghiên cứu
*) Phạm vi không gian: Vùng Đồng bằng sông Hồng.
*) Phạm vi thời gian: Giám sát quá trình sinh trưởng, phát triển và dự báo
năng suất lúa của khu vực nghiên cứu từ năm 2000 đến năm 2009.
4. Ý nghĩa khoa học và thực tiễn của đề tài
*) Ý nghĩa khoa học: Góp ph
Phương pháp xử lý ảnh giải đoán
ảnh viễn thám số bằng các phần mềm chuyên
dụng (ENVI) nâng cao chất lượng và khả năng giải đoán của tư liệu ảnh.
Kết hợp phương pháp phân tích ảnh bằng mắt và phân tích ảnh số trong giải
đoán các đối tượng lớp phủ, đánh giá trạng thái sinh trưởng, phát triển và
hình thành năng suất cây lúa.
Phương pháp thống kê áp dụng trong khí hậu, khí hậu nông nghiệp.
Lồng ghép dữ li
ệu khí tượng thủy văn, khí tượng nông nghiệp và các chỉ tiêu
viễn thám trong mô hình đánh giá trạng thái sinh trưởng, phát triển và dự báo
năng suất, sản lượng lúa.
Phương pháp điều tra khảo sát, nghiên cứu mẫu phục vụ giải đoán ảnh viễn
thám.
Công nghệ GIS (ArcView, ArcInfor) trong việc chuyển đổi lưới toạ độ,
thành lập cơ sở dữ liệu, các bản đồ số hoá, chồng ghép thông tin viễ
n thám
và thông tin địa lý bổ trợ.
Phương pháp chuyên gia, tư vấn
6. Bố cục của đề tài
Mở đầu
Chương 1. Tổng quan về nghiên cứu giám sát trạng thái sinh trưởng, phát triển
của cây lúa và dự báo năng suất lúa bằng công nghệ viễn thám.
Chương 2. Tổng quan về khu vực nghiên cứu và đặc điểm mùa vụ lúa của khu
vực nghiên cứu.
Chương 3. Ứng dụng công nghệ GIS và viễn thám xây dựng bả
n đồ trồng lúa và
đánh giá biến động diện tích trồng lúa vùng Đồng bằng sông Hồng.
Chương 4. Sử dụng dữ liệu ảnh MODIS phục vụ nghiên cứu giám sát trạng thái
sinh trưởng và phát triển cây lúa ở Đồng bằng sông Hồng.
Chương 5. Xây dựng thử nghiệm phương pháp dự báo năng suất, sản lượng lúa
Vệ tinh TERRA và AQUA (còn được gọi là vệ tinh EOS-AM-PM) được
phóng lên quỹ đạo lần lượt ngày 18 tháng 12 năm 1999 và ngày 4 tháng 5 năm
2002 tại Caliofrnia (Hoa Kỳ).
MODIS là một đầu
đo viễn thám chủ yếu của vệ tinh TERRA và AQUA.
Trong khoảng thời gian một ngày đêm, các đầu đo của vệ tinh sẽ quét gần hết
Trái đất. Trong mỗi phiên thu sẽ thu được dữ liệu tại 36 băng phổ
Bảng 1.1. Các kênh phổ và các ứng dụng cơ bản của đầu đo MODIS
Kênh
Khoảng phổ
m
µ
Phân giải
không gian
Các đối tượng ứng dụng điển hình
1 0.620-0.670 0.25 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
2 0.841-0.876 0.25 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
3 0.459-0.479 0.5 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
4 0.545-0.565 0.5 km
Các loại mây và các loại đối tượng bao phủ
bề mặt Trái đất
5 1.230-1.250 0.5 km
Các loại mây và các loại đối tượng bao phủ
của đại dương
15 0.743-0.753 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
16 0.863-0.877 1 km
Màu sắc thực vật phù du và sinh địa hoá
của đại dương
17 0.890-0.920 1 km Hơi nước trong khí quyển
18 0.931-0.941 1 km Hơi nước trong khí quyển
19 0.915-0.965 1 km Hơi nước trong khí quyển
20 3.66-3.84 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
21 3.929-3.989 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
22 3.929-3.989 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
23 4.02-4.08 1 km
Nhiệt độ của mây và các đối tượng bao
phủ bề mặt Trái đất
24 4.433-4.498 1 km Nhiệt độ của khí quyển
25 4.482-4.549 1 km Nhiệt độ của khí quyển
26 1.36-1.39 1 km Mây ti (Cirrus cloud)
27 6.535-6.895 1 km Hơi nước
28 7.175-7.475 1 km Hơi nước
29 8.400-8.700 1 km Hơi nước
Phương pháp của AWG (Đức):
Đặt:
() ()
[]
θθ
coscos5.0
1
1cp
+
=
;
()
θ
cos
1
3cp =
;
(
)
(
)
3cp
18
cos25
11cp
18
cos25
2cp
mặt trời, khi đó bề mặt gần như sáng trắng, phản chiếu hình ảnh của mặt trời lên
mặt nước. Đây gọi là hiện tượng lóe sáng do mặt trời – (Sun glint), gọi tắt là
hiện tượng lóe sáng.
- Hiệu chỉnh số liệu bị nhiễu do lóe sáng (deglint algorithms)
Hiệu chỉnh số liệu nhiễu do lóe sáng thường các phương pháp sau: Hiệu
chỉnh thống kê (không gian và thời gian) bằng việc sử dụng các ảnh liền kề; Sử
dụng quan hệ tuyến tính giữa kênh cận hồng ngoại và kênh thị phổ; Mô hình của
Cox và Munk đánh giá đóng góp của hiệu ứng lóe sáng mặt trời tới các hiện
tượng của đại dương.
b) Hiệu chỉnh khí quyển
Phương pháp sử dụng hàm truyền khí quyển
Hàm truyền khí quyển là giải pháp gần đúng hay được sử dụng. Mọi
thông tin dựa trên trạng thái trung bình của khí quyển kể cả hàm lượng các bụi
lơ lửng (aerosol) và hơi nước.
Phương pháp sử dụng các số liệu quan trắc thực địa
Phương pháp này được tiến hành đo đạc bức xạ các đối tượng cần nghiên
cứu ngay trong thời điểm bay chụp. Sau đó dựa trên sự khác biệt cường độ bức
xạ thu được trên vệ tinh và giá trị đo được để thực hiện việc hiệu chỉnh bức xạ.
Phương pháp hiệu chỉnh trên vệ tinh
Một số vệ tinh được trang bị các bộ cảm đặc biệt chuyên thu nhận các
tham số trạng thái khí quyển đồng thời với các bộ cảm thu nhận ảnh và việc hiệu
chỉnh được thực hiện ngay trong quá trình bay.
c) Hiệu chỉnh hình học
Các trình tự cơ bản của hiệu chỉnh hình học như sau:
Phương pháp được lựa chọn phải dựa trên bản chất sự méo hình của tư
liệu nghiên cứu và số lượng điểm khống chế có thể có được. 10
a.
và giám sát lúa nói riêng theo phương pháp truyền thống được xây dựng dựa
theo những bước sau đây:
1)
Thu thập các số liệu KTNN thời gian thực ở mặt đất, bao gồm các số
liệu khí tượng và vật hậu của cây trồng theo tuần, tháng hoặc theo từng giai
đoạn. Dữ liệu đầu vào bao gồm số liệu khí tượng (bốn yếu tố thời tiết chính ảnh
hưởng đến năng suất nông nghiệp là: ẩm, nhiệt, gió, ánh sáng), được thu thập
bởi mạng lưới các trạm khí tượng đị
a phương và quốc gia, và số liệu vật hậu học
thu thập ở các mảnh ruộng thực địa theo từng thời kì sinh trưởng của cây trồng;
2)
Tính toán và đánh giá điều kiện KTNN theo các kịch bản về mức độ
thuận lợi và bất thuận lợi của các điều kiện thời tiết đối với sự sinh trưởng, phát
triển và hình thành năng suất trên cơ sở số liệu KTNN theo tuần, tháng hoặc giai
đoạn; 11
3)
Đánh giá tổng hợp và phân loại mức độ thuận lợi của điều kiện khí
tượng nông nghiệp đối với cây trồng theo theo tuần, tháng hoặc giai đoạn thông
qua các chỉ số;
4)
Đưa ra nhận định hàng tháng về khả năng được mùa và mất mùa đối
với cây trồng;
5)
Đưa ra các kiến nghị về các giải pháp cần áp dụng nhằm khai thác các
điều kiện thuận lợi và khắc phục các điều kiện KTNN bất lợi đối với cây trồng
trong tháng.
Tóm tại, giám sát lúa là theo dõi và đánh giá các điều kiện kiện thuận lợi
như NDVI, EVI và chỉ số nước bề mặt LSWI [36].
12
Thời kì sạ cấy Lúa xanh Lúa chín Kỳ thu hoạch Hình 1.1. Sự biến đổi của chỉ số thực vật NDVI qua các kỳ
sinh trưởng của lúa
Khi có được chuỗi dữ liệu viễn thám đa thời gian trong suốt thời kì mùa
vụ, sự sinh trưởng và hình thành năng suất lúa hoàn toàn có thể được nghiên cứu
và đánh giá thông qua sự biến đổi có quy luật của các thông tin viễn thám (hình
1.1).
Thông thường, các nghiên cứu giám sát về quá trình sinh trưởng phát triển
của lúa bao gồm hai kết quả chính: Kết quả thứ nhất là thành lập bản đồ vùng
trồng lúa dựa trên sự khác biệt rõ rệt ở dữ li
ệu viễn thám của vùng trồng lúa so
với các loại hình sử dụng đất khác trong thời gian mùa vụ; Kết quả thứ hai là
xác định được một số thông số sinh lý của cây như kỳ sinh trưởng, sinh khối, tán
lá, trạng thái sinh trưởng và phát triển của cây lúa… trong từng thời kỳ dựa vào
mối tương quan giữa số liệu vật hậu học mặt đất và tư liệu viễn thám ở cùng một
(Nguyễn Thị Hà, 2008). Mô hình thống kê thời tiết – cây trồng sẽ được trình bày
chi tiết trong chương 4.
*) Loại mô hình dự báo năng suất cây trồng thứ hai là mô hình mô phỏng
(simulation models). Mô hình mô phỏng được xem như một kỹ thuật nghiên cứu
diễn biến mùa vụ có hệ th
ống bằng các phương pháp toán học nhằm đơn giản
hóa thể hiện của hệ thống. Trong công tác dự báo năng suất lúa, tất cả những
quá trình sinh thái cơ bản ví dụ như quá trình quang hợp, bốc thoát hơi…, những
quá trình chuyển giao và trao đổi năng lượng theo từng giai đoạn sinh trưởng
của lúa đều được mô phỏng bằng các phương trình toán học phức tạp và được
giải quyết bằng phần m
ềm máy tính. Do sự thể hiện rất chi tiết diễn biến những
giai đoạn sinh trưởng và tích lũy năng suất sinh học, mô hình mô phỏng cần
lượng thông tin đầu vào rất đa dạng, tất cả mọi yếu tố có liên quan đến sự hình
thành năng suất lúa đều phải được đưa vào mô hình. Cụ thể như các mô hình mô
phỏng CERES, DSSAT, CROPWATN đã bao quát một cách tổng hợp các yếu
tố có tác động đến n
ăng suất, trong đó có tính đến các đặc trưng địa lý ( kinh độ,
vĩ độ, độ cao), đặc trưng về đất đai (phân loại đất, các tính chất cơ lý hoá của
đất ), đặc trưng về cây trồng (giống, các kỳ sinh trưởng, phát triển ), các điều
kiện khí hậu, thời tiết (bức xạ mặt trời, điều kiện nhiệt độ ) và một số đặc điể
m
khác.
Vấn đề ứng dụng công nghệ viễn thám trong việc dự báo năng suất lúa
xuất hiện được đánh dấu bằng sự kiện vệ tinh viễn thám châu Âu 1 (ERS-1)
phóng vào năm 1991. Từ đó đến nay, rất nhiều các công trình nghiên cứu nghiên
cứu về theo dõi mùa vụ và dự báo năng suất lúa bằng dữ liệu radar được tiến
hành. Các nhà nghiên cứu đã trình bày kết quả chủ yếu theo các hướng bao gồm
phân tích dữ
liệu SAR là hàm của các thông số sinh lý của cây lúa và thay đổi
Nguồn: Ribbes & Le Toan, 1999
Hình 1.2. Mô hình dự báo năng suất lúa ORYZA
Tóm lại, dự báo năng suất lúa sử dụng dữ liệu viễn thám là việc đưa các
dữ liệu viễn thám một cách trực tiếp làm đầu vào của mô hình dự báo năng suất
lúa (ở mô hình thống kê) hoặc là sử dụng dữ liệu viễn thám để tính toán, xác
định những yếu tố đầu vào của mô hình dự báo (ở mô hình mô phỏng). Độ chính 15
xác của việc sử dụng tư liệu viễn thám dự báo năng suất lúa phụ thuộc vào nhiều
yếu tố như tính chính xác và chi tiết của dữ liệu viễn thám, tính phù hợp của mô
hình dự báo được lựa chọn với lãnh thổ nghiên cứu, sự biến đổi bất thường của
điều kiện khí tượng.
1.3. Tình hình sử dụng công nghệ viễn thám trong giám sát và dự báo năng
suất lúa trong nước và trên thế giới
Từ những năm 60 của thế kỷ 20 với sự xuất hiện của vệ tinh nhân tạo đầu
tiên, kỹ thuật không gian đã có sự phát triển vượt bậc. Từ đó đến nay một loạt
nước như Nga, Liên minh Châu Âu, Nhật Bản, Trung Quốc, Ấn Độ đã phóng
thành công rất nhiều các vệ tinh viễn thám của mình, kỹ thuật thám trắc bằng vệ
tinh đã phát triển nhanh chóng hình thành lên một hệ th
ống toàn cầu. Công nghệ
viễn thám đã cung cấp rất nhiều số liệu về lớp phủ mặt đất và các tầng khí
quyển, các vệ tinh nhân tạo đã được sử dụng rất rộng rãi trong các lĩnh vực thiên
văn, khí tượng, địa chất, địa lý, hải dương, nông nghiệp, lâm nghiệp, quân sự,
thông tin, hàng không, vũ trụ
Từ những ưu điểm nổi bật như đã nêu
ở phần trên, những ứng dụng dựa
trên công nghệ viễn thám về nông nghiệp nói chung và ứng dụng trong công tác
giám sát và dự báo năng suất lúa nói riêng ngày càng phát triển cả về chiều rộng
lẫn chiều sâu. Đã có nhiều nghiên cứu theo dõi mùa vụ lúa được tiến hành sử
độ cao, độ che phủ và độ
nhám của lá khác nhau, hoặc ruộng lúa chỉ có bề mặt nước, chưa có tán lá khi
mới cấy. Do đó, ở từng giai đoạn sinh trưởng, giá trị tán xạ ngược của ảnh radar
ở ruộng lúa là khác nhau rõ rệt. Đó là cơ sở của việc phát hiện vùng lúa và giám
sát lúa bằng ảnh viễn thám radar.
- Ứng dụng của tính phân cực (polarization) của radar.
- Dự báo năng suất lúa: cốt lõi của vấn
đề dự báo năng suất lúa là kết hợp
thông tin thu nhận được từ tư liệu radar và mô hình sinh trưởng cây lúa để dự
báo năng suất.
Một số nghiên cứu tiêu biểu trên thế giới được trình bày dưới đây:
*) Trước tiên, những nghiên cứu được coi là tiên phong về vấn đề theo
dõi lúa bằng viễn thám radar chủ yếu của tác giả Lê Toàn Thuỷ vào những năm
giữa của thập niên 90. Theo nghiên cứu năm 1997 của Lê Toàn Thuỷ
, phép
nghịch đảo dữ liệu SAR (của vệ tinh ERS-1) thành các bản đồ thông số lúa như
độ cao và sinh khối, đã mang lại nhiều kết quả khả quan. Ribbes và Lê Toàn
Thuỷ (1999) đã tính được ngày gieo sạ và sinh khối lúa tại thời điểm thu nhận
ảnh dựa trên chuỗi dữ liệu radar, đồng thời kết hợp giữa dữ liệu SAR với mô
hình khí tượng nông nghiệp ORYZA đã cung cấp chính xác kết quả đánh giá
n
ăng suất lúa.
*) Do Việt Nam là quốc gia xuất khẩu gạo thứ 2 thế giới nên các nhà khoa
học rất quan tâm đến vấn đề dự báo năng suất lúa ở nước ta, đặc biệt là ở vựa lúa
đồng bằng Sông Cửu Long. Nghiên cứu của Lâm Đạo Nguyên (2003) là một
trong những nghiên cứu đầu tiên sử dụng viễn thám radar giám sát và dự báo
năng suất lúa ở Việt Nam, với dữ liệu được sử dụng là
ảnh radar ERS-2. Điểm
mấu chốt trong việc xây dựng bản đồ lúa của nghiên cứu này là lấy ngưỡng tỉ số
thay đổi giá trị hệ số tán xạ ngược (tỉ số MTC – Maximum temporal change) của
thế trong trong quá trình xây
dựng bản đồ trồng lúa. Những nghiên cứu thí nghiệm và trên lý thuyết chỉ ra
rằng ở vùng đất trồng lúa, cường độ tán xạ phản hồi phân cực HH cao hơn rõ rệt
so với cường độ tán xạ
phản hồi phân cực VV ở băng C. Nguyên nhân do sự suy
giảm mạnh của sóng VV khi tiếp xúc với đất trồng lúa với cấu trúc thẳng đứng.
Đây là điểm đặc trưng riêng của đất trồng lúa để có thể dễ dàng phân loại được
vùng trồng lúa và các loại thảm phủ thực vật khác trên ảnh ASAR dựa trên tỉ số
hai kênh phân cực HH/VV (hình 1.4).
Nguồn: Bingbai, 2005
Hình 1.4. Tỉ số HH/VV của các loại thảm phủ
MTCi,j = Max(i,j,k) / Min(i,j,k) > 3dB
(ERS2-SAR)
MTC: Maximum Temporal Change
i, j là tọa độ hàng cột pixel
k là số hi
ệ
u ảnh
Copyright: Tài liệu đại học ©