Truy cập dữ liệu Mục đích của quy trình từng bước này là tạo ra một bản đồ phạm vi lũ lụt để đánh giá các khu vực bị ảnh hưởng. Phạm vi lũ lụt được tạo ra bằng cách sử dụng phương pháp phát hiện thay đổi trên dữ liệu Sentinel-1 (SAR). Để đánh giá số lượng dân cư có khả năng bị ảnh hưởng, đất trồng trọt và khu vực đô thị bị ảnh hưởng, các bộ dữ liệu bổ sung sẽ được tích hợp vào phạm vi khu vực có lũ và được trực quan hóa. Quy trình từng bước sau đây sử dụng Google Earth Engine, một nền tảng web mạnh mẽ để xử lý dữ liệu viễn thám dựa vào lưu trữ đám mây trên quy mô lớn. Ưu điểm chủ yếu nằm ở tốc độ tính toán của nó, vì quá trình xử lý được thực hiện trên các máy chủ của Google. Nền tảng này cung cấp nhiều bộ dữ liệu được cập nhật liên tục có thể được truy cập trực tiếp trong trình chỉnh sửa mã mà không cần tải xuống hình ảnh gốc. Mặc dù miễn phí, nhưng cần có tài khoản Google kích hoạt bằng Google Earth Engine. Xác nhận thường đến trong vòng 2-3 ngày làm việc. Để có định hướng nhanh xung quanh trình soạn thảo mã, hãy nhấp vào đây: https://earthengine.google.com/platform/. Mã cho thực hành được đề xuất này có thể được nhập bằng cách lấy trực tiếp từ liên kết dưới đây: Link f5c2f984c053c8ea574bfcd4040d084e - Earth Engine Code Editor (google.com) Hình. 1: Truy cập tập lệnh Google Earth Engine bằng cách sử dụng liên kết. Ở đây người dùng sẽ tìm thấy các hướng dẫn chi tiết cùng với mã từng dòng. Ngoài ra, người dùng có thể tạo một tệp mới trong trình chỉnh sửa mã bấm vào New chọn File đặt tên cho File vừa tạo, sau đó Copy + Paste đoạn mã. Hình 2: Truy cập tập lệnh Google Earth Engine bằng cách sao chép và dán tệp văn bản. Nội dung: Bước 1: Lựa chọn khu vực nghiên cứu 1.1: Khoanh vi khu vực nghiên cứu 1.2: Tệp hình dạng 1.3: Các đặc điểm ranh giới quốc gia đang xây dựng Bước 2: Lựa chọn khung thời gian và thông số cảm biến Bước 3: Chạy tập lệnh Bước 4: Trực quan hóa kết quả trong GEE Bước 5: Xuất bản sản phẩm 1: Lọc dữ liệu 2: Tiền xử lý 3: Thay đổi tính năng phát hiện 4: Tinh chỉnh lớp phạm vi lũ 5: Tính toán diện tích phạm vi lũ 6: Mật độ dân số tiếp xúc 7: Đất trồng trọt bị ảnh hưởng 8: Khu đô thị bị ảnh hưởng Chuẩn bị/Tiền xử lý dữ liệu Bước 1: Lựa chọn khu vực nghiên cứu Trong phần sau sẽ trình bày ba cách khác nhau để chỉ định vị trí của khu vực nghiên cứu. Thông tin này là cần thiết để hạn chế mức độ xử lý của phân tích và tránh các tính toán dư thừa. Người dùng có thể vẽ một khu vực quan tâm bằng tay, tải lên thông tin vị trí từ một tệp hoặc nhập ranh giới quốc gia được cung cấp dưới dạng GEE FeatureCollection. 1.1: Khoanh vi khu vực nghiên cứu Ranh giới có thể được tạo ra một cách tương tác. Đây là tùy chọn nhanh nhất và dễ dàng nhất, phù hợp để khám phá và thử nghiệm kịch bản ở các khu vực khác nhau. Công cụ khoanh vi có thể được kích hoạt ở góc trên cùng bên phải của công cụ bản đồ. Các đỉnh được tạo bằng các nhấp chuột trái và đa giác được hoàn thành bằng cách nhấp đúp. Một khu vực nghiên cứu có thể bao gồm nhiều hơn một đa giác. Nhấn 'Exit' khi đã hoàn tất việc thiết lập khu vực nghiên cứu của mình. Hình học sẽ được liệt kê dưới 'Imports' ở đầu của đoạn mã. Hình 3: Vẽ một đa giác của khu vực quan tâm (aoi) bằng tay. 1.2: Shapefile Xác định phạm vi xử lý không gian bằng Shapefile (.shp) là giải pháp chính xác nhất. Điều này được khuyến nghị khi nghiên cứu một khu vực nghiên cứu rất khác biệt (ví dụ: lưu vực sông). Bắt đầu nhập qua mục 'Assets' ở góc trên cùng bên trái. Trên 'New' menu thả xuống chọn 'Table upload', sau đó chọn tệp cần tải lên. Lưu ý: đảm bảo dữ liệu tải lên bao gồm các tệp .dbf và .shx, vì tệp hình dạng dựa trên chúng. Hình 4: Tải lên tệp shapefile để chỉ định khu vực quan tâm. Quá trình tải tệp lên thường mất vài phút. Có thể quan sát tiến trình trong mục 'Tasks’ ở trên cùng bên phải. Một khi 'Asset ingestion' Nhiệm vụ đã hoàn thành (chuyển sang màu xanh lam), có thể nhập hình dạng vào tập lệnh. Dưới 'Assets' Nhấp vào biểu tượng 'Import' do vậy bảng đã được liệt kê trong phần nhập dữ liệu. Để tập lệnh nhận dạng bảng mới này, hãy đổi tên thành 'geometry'. Hình 5: Nhập tệp hình dạng đã tải lên vào tập lệnh Google Earth Engine. 1.3 Các đặc điểm ranh giới quốc gia đang xây dựng GEE cho đến nay cung cấp một số lượng rất hạn chế các hình dạng, chẳng hạn như các địa giới hành chính. Tuy nhiên, nếu người dùng tìm cách thực hiện phân tích này ở cấp quốc gia, có một bộ dữ liệu phù hợp được cung cấp có chứa các tính năng đơn giản hóa. Trong GEE, tìm kiếm 'LSIB' hoặc 'International Boundaries'. FeatureCollection có thể được nhập bằng cách sử dụng ID ('USDOS/LSIB_SIMPLE/2017'). Chọn một quốc gia cụ thể bằng cách lọc bộ sưu tập theo FIPS country code. Dưới đây là một ví dụ cho Mozambique ('MZ'): var geometry=ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017').filterMetadata('country_co', 'equals', 'MZ'); Dán các dòng mã này vào đầu tập lệnh của bạn và đảm bảo đây là biến hình học duy nhất trong tập lệnh. Thay thế 'MZ' bằng mã quốc gia bạn chọn. Bước 2: Lựa chọn khung thời gian & thông số cảm biến Bên cạnh khu vực quan tâm, người dùng được yêu cầu xác định khoảng thời gian trước và sau lũ lụt trong một vài dòng đầu tiên của mã. Bằng cách đặt khoảng thời gian, không phải ngày duy nhất, người dùng được phép lựa chọn đủ ô để bao phủ khu vực quan tâm. Hình ảnh Sentinel-1 được thu thập tối thiểu 12 ngày một lần cho mỗi điểm trên toàn cầu (Hình 6). Hình. 6: Tập lệnh Google Earth Engine cho các ngày trước và sau lũ lụt. Hơn nữa, người dùng có thể chọn giữa phân cực 'VH' và 'VV' để thực hiện phân tích. 'VH' được đề xuất rộng rãi để lập bản đồ lũ lụt, vì nó nhạy cảm hơn với những thay đổi trên bề mặt đất, trong khi 'VV' khá nhạy cảm với các cấu trúc thẳng đứng và có thể hữu ích để phân định nước mở từ bề mặt đất liền (ví dụ: phát hiện đường bờ biển hoặc một vùng nước lớn xảy ra sau một sự kiện lũ lụt). Hình. 7: Tập lệnh Google Earth Engine để phân cực Khi thực hiện phát hiện thay đổi, cần chọn cùng một hướng truyền cho các hình ảnh được so sánh để tránh tín hiệu giả gây ra bởi sự khác biệt về góc nhìn. Người dùng có thể chọn giữa ‘DESCENDING’ và ‘ASCENDING’, tùy thuộc vào khu vực nghiên cứu. Như thể hiện trong Hình 9, một số khu vực chỉ được bao phủ bởi các hướng đèo giảm dần (ví dụ: Brazil) hoặc chỉ bằng cách tăng dần (ví dụ: Namibia). Các khu vực khác, chẳng hạn như Mozambique hoặc toàn bộ châu Âu được bao phủ bởi cả hai. Hình. 8: Tập lệnh Google Earth Engine cho hướng vượt qua Hình. 9: Tần suất phủ sóng của vệ tinh Sentinel-1 Nguồn: https://sentinel.esa.int/web/sentinel/missions/sentinel-1/observation-scenario Để kiểm tra xem khu vực quan tâm có được bao phủ với các tham số đã chọn hay không, hãy mở rộng ‘Layers’ ở góc trên cùng bên phải của trình xem bản đồ và chọn ‘After Flood’ cũng như ‘Before Flood’. Thay đổi các tham số ‘time frame’ và ‘pass_direction’ Nếu lĩnh vực quan tâm không được bảo đảm hoàn toàn! Hình.10: Mở rộng ‘Layers’ và khám phá phạm vi bảo đảm của các ô đã cho trước và sau lũ lụt. Một phần của khu vực quan tâm không được bảo đảm với các tham số đã chọn. Bước 3: Chạy tập lệnh Khi tất cả các thông số được chọn, nhấn 'Run' và đợi vài phút cho đến khi kết quả được hiển thị. Hình. 11: Nút ‘Run' để thực thi tập lệnh. Bước 4: Trực quan hóa kết quả trong GEE Chọn nút toàn màn hình ở góc trên cùng bên phải của trình xem bản đồ để trực quan hóa sản phẩm ngập lụt. Trong ‘Layers’ có thể chọn hoặc bỏ chọn các lớp bạn quan tâm và chụp ảnh màn hình của bản đồ làm tổng quan đầu tiên. Hình 12: Chế độ xem toàn màn hình của kết quả trong trình xem bản đồ Google Earth Engine. Bước 5: Xuất bản sản phẩm Để xuất các sản phẩm đã tạo vào tài khoản Google Drive, hãy nhấp vào ‘Tasks’ ở góc trên cùng bên phải của trình chỉnh sửa mã và nhấn ‘RUN’, và chọn nơi lưu tệp. ‘Flood_extent_raster’ xuất ra tệp raster GeoTiff về mức độ lũ lụt. ‘Flood_extent_vector’ là một shapefile, trong đó phạm vi lũ đã được chuyển đổi thành đa giác, có thể hữu ích cho việc phân tích thêm. ‘Exposed_population’ bao gồm một lớp raster, hiển thị vị trí và số lượng người có khả năng tiếp xúc. Các tính toán, xử lý đã thực hiện trong quá trình chạy tập lệnh Phần này giải thích các bước xử lý được thực hiện tự động khi chạy tập lệnh Google Earth Engine. Người dùng nên đọc qua chúng để hiểu cách dữ liệu đang được xử lý, bộ dữ liệu phụ trợ nào được sử dụng và những hạn chế mà phân tích có thể có đối với các trường hợp riêng lẻ. 1)Lọc dữ liệu Theo các tham số được xác định trước, toàn bộ kho lưu trữ Sentinel-1 GRD, được gọi là ImageCollection trong Google Earth Engine, được lọc theo chế độ công cụ, độ phân cực, hướng truyền, độ phân giải không gian và được cắt theo ranh giới của khu vực quan tâm. Các bộ lọc ImageCollection sau đó được giảm xuống các khoảng thời gian đã chọn (trước và sau sự kiện lũ lụt). 2)Tiền xử lý Thông tin từ hình ảnh Sentinel-1 Level-1 Ground Range Detection (GRD) trong Google Earth Engine đã trải qua các bước tiền xử lý sau: Apply-orbit-file (cập nhật siêu dữ liệu quỹ đạo) Loại bỏ nhiễu tại các cạnh ARD (loại bỏ nhiễu cường độ thấp và dữ liệu không hợp lệ trên các cạnh cảnh) Loại bỏ nhiễu nhiệt (loại bỏ nhiễu trong các dải phụ) Định chuẩn (tính cường độ tán xạ ngược bằng cách sử dụng các thông số hiệu chuẩn cảm biến) Nắn chỉnh hình học (chỉnh hình) Chuyển đổi hệ số tán xạ ngược (σ°) thành decibel (dB) Do đó, mã trong ví dụ được khuyến nghị này chỉ áp dụng bộ lọc làm mịn để giảm hiệu ứng đốm vốn có của hình ảnh radar (Hình 13). Hình 13: Trái: không làm mịn. Phải: áp dụng làm mịn các vòng tròn 50 m 3) Thay đổi tính năng phát hiện Tập lệnh này sử dụng phương pháp phát hiện thay đổi đơn giản, dễ hiểu, trong đó bức hình ảnh sau lũ được chia bởi hình ảnh trước lũ lụt, dẫn đến một lớp raster hiển thị mức độ thay đổi trên mỗi pixel. Giá trị cao (bright pixels) cho biết thay đổi cao, giá trị thấp (dark pixels) chỉ ra ít thay đổi. Ngưỡng được xác định trước là 1,25 được áp dụng khi gán 1 cho tất cả các giá trị lớn hơn 1,25 và 0 cho tất cả các giá trị nhỏ hơn 1,25. Lớp raster nhị phân được tạo ra bởi quá trình này cho thấy mức độ lũ lụt tiềm năng (Hình 14). Ngưỡng 1,25 đã được chọn thông qua kiểm thử và có thể được điều chỉnh trong trường hợp tỷ lệ giá trị dương giả hoặc âm giả cao. Hình 14: Bên trái: lớp khác biệt, vùng sáng biểu thị sự thay đổi cao, vùng tối ít thay đổi. Phải: kết quả lớp phạm vi lũ lụt bằng cách áp dụng ngưỡng 1,25. 4) Tinh chỉnh lớp phạm vi lũ Một số bộ dữ liệu bổ sung được sử dụng để loại bỏ tín hiệu giả trong lớp phạm vi lũ lụt. CácJRC Global Surface Water dataset được sử dụng để che giấu tất cả các khu vực được bao phủ bởi nước trong hơn 10 tháng mỗi năm. Bộ dữ liệu có độ phân giải 30 m và được cập nhật lần cuối vào năm 2018. Để loại bỏ các khu vực có độ dốc trên 5%, mô hình độ cao kỹ thuật số (WWF HydroSHEDS) đã được chọn, dựa trên dữ liệu SRTM và có độ phân giải không gian là 90m. Hơn nữa, kết nối của các điểm ảnh lũ được đánh giá để loại bỏ những điểm ảnh được kết nối với tám hoặc vài điểm lân cận. Hoạt động này làm giảm nhiễu của sản phẩm phạm vi lũ lụt (Hình 15). Hình 15: Trái: mức độ lũ ban đầu. Phải: lớp phạm vi lũ tinh chế 5) Tính toán diện tích phạm vi lũ Để tính diện tích của phạm vi lũ lụt, ta tạo một lớp raster mới tính toán diện tích trong mét vuông (m²) cho mỗi pixel, lưu ý đến hệ thống chiếu. Bằng cách tổng hợp tất cả các pixel, ta thu được thông tin diện tích và chuyển đổi thành hecta. Kết quả được hiển thị trên bảng ‘Results’ ở góc dưới bên trái của trình xem Bản đồ. 6) Mật độ dân bị ảnh hưởng lũ Để ước tính số người bị ảnh hưởng, mã sử dụng JRC Global Human Settlement Population Layer, có độ phân giải 250 m và được cập nhật lần cuối vào năm 2015. Nó chứa thông tin về số lượng người sống trong khu vực. Để tích hợp giữa lớp lũ với lớp dân số, trước tiên raster phạm vi lũ cần được tính toán lại theo độ phân giải và dự báo của tập dữ liệu dân số. Sau đó, một giao điểm giữa cả hai lớp được tính toán và hiển thị dưới dạng một lớp raster mới (Fig. 16 right). Để tính số người bị ảnh hưởng, tất cả các giá trị pixel của raster dân số bị ảnh hưởng được tổng hợp và hiển thị trong ‘Results’ bảng điều khiển trên trình xem bản đồ. Hình 16: Trái: Lớp mật độ dân số, pixel càng sáng thì dân cư càng dày đặc. Phải: Mật độ dân số tiếp xúc với sự kiện lũ lụt (từ vàng-đỏ). 7) Đất trồng trọt bị ảnh hưởng Để ước tính lượng đất trồng trọt bị ảnh hưởng, các MODIS Land Cover Type product đã được chọn. Bộ dữ liệu có độ phân giải không gian 500 m và được cập nhật hàng năm. Đây là bộ dữ liệu toàn cầu duy nhất trên Land Cover hiện có sẵn trong Google Earth Engine. Land Cover Type 1 band bao gồm 17 lớp với hai lớp đất trồng trọt (Lớp 12: Ít nhất 60% diện tích canh tác và lớp 14: Đất trồng trọt/ thảm thực vật tự nhiên: canh tác quy mô nhỏ 40-60% với cây tự nhiên, cây bụi hoặc thảm thực vật thân thảo). Cả hai lớp được trích xuất từ tập dữ liệu và giao nhau với lớp phạm vi lũ lụt, đã được lấy mẫu lại theo tỷ lệ và phép chiếu của lớp MODIS (Hình 17). Diện tích đất trồng trọt bị ảnh hưởng được tính theo cách tương tự như đối với mức độ lũ lụt và được hiển thị trong bảng ‘Results’. Hình. 17: Trái: MODIS Land Cover (xanh dương: nước, vàng: đồng cỏ hoang dã, xanh đậm: rừng, xanh nhạt: đồng cỏ, ngọc lam: vùng đất ngập nước, xám: đô thị, đỏ: đất trồng trọt). Phải: đất trồng trọt bị ảnh hưởng trong màu xanh lá cây 8) Khu đô thị bị ảnh hưởng Các khu vực đô thị bị ảnh hưởng được tính theo cách tương tự như hai bước trước, sử dụng MODIS Bộ dữ liệu Lớp phủ. ‘Urban Class 13’ của kênh ‘Land Cover Type 1’ được trích xuất để đánh giá các khu đô thị có khả năng bị ảnh hưởng. Trong quá trình này, các khu vực đô thị bị ảnh hưởng rất có thể bị đánh giá thấp, do những khó khăn trong việc phát hiện nước trong các khu vực xây dựng. Xem Strengths and Limitations để biết thêm chi tiết. Nguồn Liên hợp quốc Step-by-Step: Recommended Practice: Flood Mapping and Damage Assessment Using Sentinel-1 SAR Data in Google Earth Engine | UN-SPIDER Knowledge Portal