Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0

XÁC ĐỊNH PHẠM VI NGẬP LỤT Ở HÀ TĨNH THÁNG 10/2020
TỪ DỮ LIỆU RADAR CỦA VỆ TINH SENTINEL 1
Nghiêm Tiến Lam
Trường Đại học Thủy lợi, email:

1. GIỚI THIỆU CHUNG

Hà Tĩnh là một tỉnh thuộc khu vực Bắc
Trung Bộ có điều kiện thiên nhiên khắc
nghiệt, thường xuyên chịu tác động của các
thiên tai như bão, mưa lớn, lũ lụt. Điều này
ảnh hưởng đến phát triển kinh tế - xã hội và
đời sống người dân trong khu vực.
Vào các tháng 10 và 11/2020, một loạt trận
bão như Linfa, Nangka, Ofel, Saudel và
Molave đã tác động nặng nề đến Hà Tĩnh.
Mưa lớn cực đoan trong nửa cuối tháng 10 đã
gây ngập lụt 118 xã, phường, thị trấn của 11
huyện, thành phố, đặc biệt là tại các huyện:
Cẩm Xuyên, Thạch Hà và thành phố Hà
Tĩnh. Các đợt lũ lớn cũng làm cho 6 người
chết, 52.604 hộ gia đình (167.303 người) bị
ảnh hưởng, 3.765 nhà ở bị hư hỏng, nhiều
cơng trình giao thơng, thủy lợi, xây dựng,
thơng tin và các diện tích nơng nghiệp, thủy
sản bị thiệt hại. Tổng thiệt hại ước tính hơn
5,327 tỷ đồng [5].
Nhằm giảm thiểu thiệt hại về người và tài
sản do bão, lũ, việc thống kê và đánh giá

được phạm vi ngập lụt của các trận bão, lũ
lịch sử đóng một vai trị quan trọng và cần
thiết trong việc qui hoạch, phòng tránh giảm
nhẹ thiên tai và lên phương án ứng phó với
thiên tai do bão, lũ.
Bài viết này sẽ trình bày phương pháp và
kết quả xác định phạm vi ngập lụt cho một
đợt lũ lụt trong tháng 10/2020 trên địa bàn
Hà Tĩnh sử dụng ảnh vệ tinh viễn thám
Sentinel-1 (S1) và điện toán đám mây.
Việc xử lý ảnh vệ tinh để xác định phạm vi
ngập lụt sẽ được thực hiện bằng việc sử dụng
dịch vụ điện toán đám mây Google Earth
Engine (GEE). GEE là một dịch vụ xử lý dữ

liệu khơng gian của Google. Trong đó bao
gồm một danh mục dữ liệu miễn phí, cơ sở hạ
tầng điện tốn đám mây, các giao diện lập
trình khơng gian địa lý (API) và một máy chủ
ứng dụng tương tác. Mục tiêu của GEE là
nhằm cung cấp một nền tảng tương tác để phát
triển thuật tốn khơng gian địa lý trên quy mô
lớn; phát triển khoa học dựa trên dữ liệu có tác
động cao; góp phần giải quyết những thách
thức tồn cầu liên quan đến các bộ dữ liệu
khơng gian địa lý lớn. Quá trình lựa chọn và
xử lý ảnh bằng GEE có thể tiến hành tự động
bằng các chương trình Python hoặc JavaScript.
2. XÁC ĐỊNH PHẠM VI NGẬP LỤT


2.1. Nguồn ảnh vệ tinh
Sentinel-1 là cặp 2 vệ tinh viễn thám
(Sentinel-1A và Sentinel-1B) do Cơ quan
hàng không vũ trụ Châu Âu phóng lên vào các
tháng 4/2014 và 4/2016 nhằm hỗ trợ các hoạt
động hàng hải, giám sát đất và cứu trợ khẩn
cấp. Các vệ tinh này cung cấp ảnh radar khẩu độ
tổng hợp (SAR) theo 4 chế độ khác nhau ở băng
tần C trong mọi điều kiện thời tiết cả ban ngày
và ban đêm với độ phân giải cao từ 4 – 40 m và
chu kỳ lặp lại dài nhất là 6 ngày.
Để xác định phạm vi ngập lụt cho khu vực
Hà Tĩnh trong trận ngập tháng 10/2020,
chúng tôi sử dụng sản phẩm dữ liệu GRD độ
phân giải 10 m được xử lý mức 1 của vệ tinh
Sentinel-1A chụp ở chế độ dải quét giao thoa
rộng (IW) là chế độ chụp chính của Sentinel1 trên đất liền. Dữ liệu vệ tinh sử dụng là từ
kênh dữ liệu phân cực VH của các ảnh được
chọn khi vệ tinh di chuyển hướng xuống trên
quĩ đạo. Thời gian lọc ảnh trước trận lũ là
21/09 – 10/10/2020 và thời gian lọc ảnh trong

561


Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0

đợt lũ là 15/10 – 25/10/2020. Tồn bộ q
trình lựa chọn dữ liệu ảnh theo các tiêu chí về
thời gian, không gian, chế độ chụp, kênh

chụp, hướng quĩ đạo, độ phân giải đều được
tiến hành tự động từ bộ dữ liệu có sẵn của
GEE. Kết quả nhận được là 9 ảnh vệ tinh với
5 ảnh trước trận lụt và 4 ảnh trong quá trình
ngập lụt. Thời gian của các ảnh như trong
Bảng 1 và vị trí theo số thứ tự của các ảnh thể
hiện trên Hình 1.

2.2. Xử lý ảnh vệ tinh
Với bộ ảnh được chọn, các ảnh này được
ghép lại và cắt gọt cho khu vực quan tâm
thành 2 ảnh cho các khoảng thời gian trước
khi ngập và đang ngập (Hình 2 và 3).

Bảng 1. Thời gian ảnh S1 được sử dụng
TT
1
2
3
4
5
6
7
8
9

Thời gian bắt đầu
2020-09-21 22:51:27
2020-09-21 22:51:52
2020-09-28 22:43:41

2020-10-03 22:51:27
2020-10-03 22:51:52
2020-10-15 22:51:27
2020-10-15 22:51:52
2020-10-22 22:43:41
2020-10-21 22:50:56

Ghi chú
Trước ngập
Trước ngập
Trước ngập
Trước ngập
Trước ngập
Đang ngập
Đang ngập
Đang ngập
Đang ngập

Hình 2: Ảnh S1 trước khi ngập 10/2020

Hình 3. Ảnh S1 trong khi ngập 10/2020

Hình 1. Vị trí khu vực nghiên cứu
và các ảnh vệ tinh S1

Tiếp theo các ảnh này được làm trơn bằng
việc sử dụng bộ lọc hình thái với bán kính
50 m để loại bỏ các đốm nhiễu của ảnh radar.
Phạm vi ngập nước được xác định bằng
việc chia dữ liệu các điểm ảnh của thời gian

đang ngập cho điểm ảnh trước khi ngập và
giữ lại các điểm ảnh có giá trị lớn hơn
ngưỡng 1,2 (Hình 4).
Để xác đinh phạm vi ngập lụt, cần loại ra
các điểm ảnh của các vị trí thường xuyên
ngập nước như các đầm phá, sông, hồ. Các
khu vực ngập nước thường xuyên được xác
định dựa trên bộ dữ liệu mặt nước toàn cầu là
sản phẩm của Trung tâm Hợp tác nghiên cứu
562


Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0

(JRC) thuộc Ủy ban Châu Âu tập hợp dưa
trên ảnh vệ tinh Landsat trong 37 năm qua
[3]. Các vị trí có thời gian ngập nước trong
một năm từ 10 tháng trở lên được coi là ngập
nước thường xuyên.
Bước cuối cùng để xác định phạm vi ngập
lụt là chồng chập kết quả nhận được ở bước
trên với mơ hình độ cao số [4] để loại bỏ các
khu vực có độ cao từ 10 m trở lên và độ dốc
từ 5% trở lên.
Sau khi có kết quả ngập lụt, có thể tiến
hành thêm bước lọc nhiễu để loại bỏ các khu
vực ngập nước có ít hơn hoặc bằng 8 điểm
ảnh. Cuối cùng phạm vi ngập lụt được
chuyển đổi từ dạng raster sang dạng vector
dưới định dạng shapefile (Hình 4).


Hình 4. Kết quả phạm vi ngập tháng 10/2020
Với việc sử dụng GEE cịn có thể tiến hành
đánh giá ảnh hưởng của ngập lụt bằng việc
chồng chập với các lớp bản đồ dân cư và bản
đồ sử dụng đất. Hình 4 trình bày kết quả đánh
giá ảnh hưởng của ngập lụt khi kết hợp với bộ
dữ liệu lớp phủ từ ảnh vệ tinh MODIS [2] và
bộ dữ liệu về dân cư năm 2015 của JRC [1].

3. KẾT LUẬN

Bài viết đã trình bày về phương pháp và
kết quả xác định phạm vi ngập lụt sử dụng
điện toán đám mây và ảnh radar từ vệ tinh
Sentinel 1.
Việc sử dụng ảnh radar từ vệ tinh Sentinel-1
sẽ cho phép xác định được phạm vi ngập lụt
một cách tốt nhất trong mọi điều kiện thời tiết.
Việc sử dụng dịch vụ điện tốn đám mây
thơng qua dịch vụ GEE sẽ khai thác được
nhiều bộ dữ liệu lớn và giúp cho việc xác định
phạm vi ngập lụt được nhanh chóng, giảm
thiểu chi phí lấy ảnh, lưu trữ và xử lý ảnh.
4. TÀI LIỆU THAM KHẢO
[1] European Commission, Joint Research
Centre (JRC); Columbia University, Center
for International Earth Science Information
Network - CIESIN (2015): GHS population
grid, derived from GPW4, multitemporal

(1975, 1990, 2000, 2015). European
Commission, Joint Research Centre (JRC).
[2] Friedl, M., Sulla-Menashe, D. (2019).
MCD12Q1 MODIS/Terra+Aqua Land
Cover Type Yearly L3 Global 500m SIN
Grid V006 [Data set]. NASA EOSDIS Land
Processes DAAC.
[3] Jean-Francois Pekel, Andrew Cottam, Noel
Gorelick, Alan S. Belward, High-resolution
mapping of global surface water and its longterm changes. Nature 540, 418-422 (2016).
[4] Lehner, B., Verdin, K., Jarvis, A. (2008):
New global hydrography derived from
spaceborne
elevation
data.
Eos,
Transactions, AGU, 89(10): 93-94.
[5] UBND tỉnh Hà Tĩnh.
/>
563