Bathymetry mapping using VNREDSAT-1 image: A case study in Ninh Hai coast, Ninh Thuan province of Vietnam

 67 
Vietnam Journal of Marine Science and Technology; Vol. 19, No. 4A; 2019: 67–77 
DOI: https://doi.org/10.15625/1859-3097/19/4A/14605 
https://www.vjs.ac.vn/index.php/jmst 
Bathymetry mapping using VNREDSAT-1 image: A case study in Ninh 
Hai coast, Ninh Thuan province of Vietnam 
Lau Va Khin
*
, Tong Phuoc Hoang Son, Nguyen Huu Huan, Pham Ba Trung 
Institute of Oceanography, VAST, Vietnam 
*
E-mail: khinlau@yahoo.com 
Received: 30 July 2019; Accepted: 6 October 2019 
©2019 Vietnam Academy of Science and Technology (VAST) 
Abstract 
Bathymetry mapping of coastal zones is one of the minimum requirements to serve related activities as 
marine management, transportation, construction and scientific application. However, the traditional method 
of direct measurement in the fields meets problems of time consuming, manpower and money. Applying 
remote sensing techniques to establish bathymetry in shallow water is an effective method to overcome the 
traditional problems. The objective of this study is to use VNREDSAT-1 data to map the bathymetry in a 
coastal region of Vietnam and Ninh Hai coast was selected as a case study in this research. The image was 
acquired on September 4
th
, 2013 and preprocessed through atmospheric correction using 6S model and sun 
glint removal by Hedley method. A total of 3,642 collected data points were divided into two parts, the first 
part of 2,810 points used to build up the model and the rest of 832 points for validation. The model used is 
based on multiple regression methods with four independent variables as four bands and a dependent 
variable as water depth. The results show that the models got high accuracy at the water depth from 10 m to 
19 m with root mean square error of 1.03 m to 1.99 m and correlation coefficients of 0.72 to 0.74. This study 
demonstrates the capacity of VNREDSAT-1 in bathymetry mapping, and it would be an efficient tool for 
precisely mapping crude bathymetry in Vietnam. 
Keywords: VNREDSAT-1, bathymetry mapping, multiple regression, Ninh Hai coast. 
Citation: Lau Va Khin, Tong Phuoc Hoang Son, Nguyen Huu Huan, Pham Ba Trung, 2019. Bathymetry mapping using 
VNREDSAT-1 image: A case study in Ninh Hai coast, Ninh Thuan province of Vietnam. Vietnam Journal of Marine 
Science and Technology, 19(4A), 67–77. 
68 
Tạp chí Khoa học và Công nghệ Biển, Tập 19, Số 4A; 2019: 67–77 
DOI: https://doi.org/10.15625/1859-3097/19/4A/14605 
https://www.vjs.ac.vn/index.php/jmst 
Ứng dụng ảnh VNREDSAT-1 để giải đoán phân bố độ sâu vùng nƣớc 
nông cho vùng ven bờ Ninh Hải, tỉnh Ninh Thuận 
Làu Và Khìn
*
, Tống Phƣớc Hoàng Sơn, Nguyễn Hữu Huân, Phạm Bá Trung 
Viện Hải dương học, Viện Hàn lâm Khoa học và Công nghệ Việt Nam, Việt Nam 
*
E-mail:khinlau@yahoo.com 
Nhận bài: 30-7-2019; Chấp nhận đăng: 6-10-2019 
Tóm tắt 
Xây dựng bản đồ độ sâu vùng ven bờ là một trong những yêu cầu tối thiểu để phục vụ cho các hoạt động có 
liên quan trong khu vực như: quản lý, giao thông, xây dựng, nghiên cứu khoa học Tuy nhiên, phương 
pháp truyền thống đo trực tiếp ở hiện trường thường rất tốn kém về thời gian, nhân lực và tài lực. Ứng dụng 
công nghệ viễn thám giải đoán phân bố độ sâu vùng nước nông là phương pháp hiệu quả để giảm thiểu tối 
đa các mặt hạn chế của phương pháp truyền thống. Mục tiêu của nghiên cứu này là sử dụng ảnh 
VNREDSAT-1 để giải đoán độ sâu vùng nước nông ven bờ Việt Nam, áp dụng cho vùng biển Ninh Hải, tỉnh 
Ninh Thuận. Ảnh VNREDSAT-1 mức 2A thu ngày 4 tháng 9 năm 2013 được hiệu chỉnh khí quyển bằng mô 
hình 6S và loại bỏ phản chiếu do mặt trời (sun glint) bằng phương pháp của Hedley. Dữ liệu đo sâu được thu 
thập vào tháng 4 năm 2015, gồm 3.642 điểm độ sâu. Bộ số liệu này được chia làm 2 phần độc lập, phần 1 
gồm 2.810 điểm dùng xây dựng mô hình giải đoán. Phần còn lại gồm 832 điểm dùng để đánh giá độ chính 
xác. Mô hình giải đoán dựa trên phương pháp hồi qui đa biến, với 4 băng ảnh là biến độc lập và biến phụ 
thuộc là biến độ sâu. Kết quả nghiên cứu chỉ ra trong khoảng độ sâu từ 10 m đến 19 m có sai số trung bình 
bình phương (RMSE) thấp (từ 1,03 m đến 1,99 m) và hệ số tương quan (R2) cao và ổn định (ở mức 0,73–
0,74). Từ kết quả nghiên cứu cho thấy khả năng ứng dụng ảnh VNREDSAT-1 giải đoán độ sâu vùng nước 
nông là hiệu quả và hiện đại. 
Từ khóa: VNREDSAT-1, hồi qui đa biến, độ sâu vùng nước nông, đo sâu, Ninh Hải. 
MỞ ĐẦU 
Trong các lãnh vực liên quan tới biển như 
giao thông hàng hải, xây dựng các công trình 
biển, nuôi trồng thủy hản sản, quản lý vùng bờ, 
trong nghiên cứu hải dương học, hầu hết đều 
cần bản đồ độ sâu phục vụ cho mục đích của 
mình. Tùy thuộc mức độ ứng dụng cần các sản 
phẩm bản đồ có tỉ lệ chi tiết khác nhau, trong 
giao thông hàng hải, xây dựng công trình cần 
các bản đồ có độ chi tiết và chính xác cao, 
trong khi đối với việc quản lý vùng bờ hay 
trong các nghiên cứu hải dương học có thể chỉ 
yêu cầu mức vừa phải hoặc thô. Trong bất kỳ 
trường hợp nào việc thành lập các bản đồ độ 
sâu đều rất tốn thời gian và nhân lực. Vì theo 
theo phương pháp truyền thống, để xây dựng 
bản đồ độ sâu, người ta thường sử dụng các 
thiết bị đo sâu đo trực tiếp ở hiện trường. Tùy 
thuộc vào tỉ lệ bản đồ cần thành lập, về mặt lý 
thuyết, khoảng cách các điểm đo sâu phải nhỏ 
hơn đơn vị thực tế của tỉ lệ bản đồ đó. Ví dụ, để 
thành lập bản đồ địa hình tỉ lệ 1:50.000, thì 
khoảng cách giữa hai tuyến đo sâu liền kề 
ngoài thực địa không được lớn hơn 500 m 
(tương ứng 1 cm trên bản đồ), thậm chí, đối với 
vùng địa hình phức tạp thì mật độ tuyến đo sâu 
có thể tăng đến 2 lần. Điều này cho thấy công 
việc đo ngoài thực địa là rất lớn và cần rất 
Ứng dụng ảnh VNREDSAT-1 
69 
nhiều kinh phí. Do đó, phương pháp đo ngoài 
hiện trường tuy có mang lại độ chính xác cao 
nhưng rất tốn kém, nhất là ở những vùng nước 
nông - nơi các tàu thuyền khó đi lại và yêu cầu 
thành lập bản đồ ở tỉ lệ lớn. 
Từ lâu, việc ứng dụng ảnh viễn thám để 
thành làm bản  ... số: ao, a1, 
a2, a3, a4. 
Làu Và Khìn và nnk. 
72 
Sau khi có các hệ số: ao, a1, a2, a3, a4, ta có 
thể áp dụng phương trình (5) lên ảnh để được 
bản đồ độ sâu. Từ bản đồ này, ta sẽ dùng bộ dữ 
liệu kiểm chứng để trích thông tin độ sâu được 
giải đoán và tính sai số bình phương tối thiểu 
và hệ số tương quan giữa độ sâu đo hiện trường 
và độ sâu giải đoán được. 
KẾT QUẢ VÀ THẢO LUẬN 
Kết quả các bƣớc tiền xử lý 
Ảnh VNREDSAT-1A level 2 sau khi mask 
vùng đất liền và vùng có độ sâu lớn hơn 50 m 
dựa vào bản đồ độ sâu tỉ lệ 1:100.000. Ảnh 
được xử lý chuyển thành giá trị bức xạ bằng 
phương trình (1) với các hệ số GAIN và BIAS 
trong bảng 1. Được hiệu chỉnh khí quyển bằng 
cách áp dụng phương trình (2) với các hệ số 
dùng hiệu chỉnh khí quyển lấy từ mô hình 6S 
chạy trên phiên bản web tại địa chỉ 
 với các 
tham số đầu vào là: month = 9; day = 4; solar 
zenith angle = 17,91
o
; solar azimuthal angle = 
100,58
o
; view zenith angle = 0,20
o
; azimuthal 
angle = 79,00
o
; dùng mô hình: Maritime 
aerosol model of Tropical atmospheric profile 
và optical depth tại bước sóng 550 nm 
thickness (AOT) = 0,235. Các hệ số thu được 
được liệt kê trong bảng 2. Kết quả hiệu chỉnh 
khí quyển thể hiện ở hình 3b. 
Bằng cách chọn 11.742 điểm vùng ít ảnh 
bởi phản chiếu bởi mặt trời và sử dụng phương 
pháp hồi qui tìm được các hệ số góc giữa các 
băng xanh lam (băng 1), xanh lá (băng 2), đỏ 
(băng 3) với băng cận hồng ngoại (băng 4) là 
b1 = 0,7582; b2 = 0,6707; và b3 = 0,6099 
tương ứng cho băng 1, 2 và 3. Áp dụng phương 
trình (4) thu được kết quả thể hiện ở hình 3c. 
Bảng 2. Kết các hệ số từ mô hình 6S dùng hiệu chỉnh khí quyển ảnh VNREDSAT-1 
Tên băng xa xb xc 
Band 1 (485 nm) 0,00215 0,10154 0,17139 
Band 2 (565 nm) 0,00224 0,05960 0,12319 
Band 3 (0,655 nm) 0,00248 0,03896 0,09485 
Band 4 (0,825 nm) 0,00367 0,02510 0,07064 
Hình 3. Các kết quả tiền xử lý; a) Ảnh ban đầu; b) Kết quả sau hiệu chỉnh khí quyển; 
c) Kết quả sau loại bỏ phản chiếu do mặt trời 
So sánh giữa hình 3a và hình 3b ta thấy có 
sự khác biệt là những bóng trắng mờ từ ảnh ban 
đầu do ảnh hưởng khí quyển phần nào được 
loại bỏ. Hình 3b ta vẫn thấy những vết phản 
Ứng dụng ảnh VNREDSAT-1 
73 
chiếu do mặt trời ở khu vực Mỹ Tân - Mỹ Hòa 
(vòng tròn đỏ). Trong hình 3c, kết quả sau khi 
loại bỏ các phản chiếu, nền đáy được thể hiện 
rõ hơn. Những phản chiếu do sóng ở hình 3b 
hầu hết được loại bỏ. Tuy nhiên một số vẫn tồn 
tại khu vực Mỹ Tân - Mỹ Hòa. Điều này ảnh 
hưởng nhiều đến kết quả giải đoán độ sâu vì nó 
dựa trên giá trị phản chiếu bề mặt từ ảnh, mà 
những phản chiếu này thường rất nhỏ. 
Kế quả h nh 
Kết quả mô hình từng lớp độ sâu được trình 
bày trong bảng 3. Ta thấy, tương ứng độ sâu 
càng lớn thì sai số trung bình phương (RMSE) 
càng lớn, tương ứng ở lớp độ sâu 38 m có 
RMSE = 6,04 m, lớp độ sâu 3 m có RMSE = 
0,33. Tức là, nếu kết quả giải đoán ở độ sâu lớn 
có sai số lớn hơn đối với các vùng có độ sâu 
nhỏ. Còn về hệ số tương quan (R2) giữa kết quả 
giải đoán và số liệu thực đo có chút khác biệt, ở 
độ sâu từ 19 m đến 38 m thì R2 giảm dần từ 0,73 
xuống 0,62. Trong khi đó, từ độ sâu 10 m đến 19 
m hệ số này tương đối ổn định ở mức 0,73; 0,74. 
Lớp độ sâu từ 3 m đến 10 m, ở độ sâu càng 
nông, thì chỉ số RMSE cành nhỏ, tuy nhiên R2 
đồng thời cũng giảm. Điều này có nghĩa là, ở độ 
sâu nhỏ, RMSE chủ yếu do số trị nhỏ tạo thành. 
Kết quả độ tương quan nhỏ ở độ sâu nhỏ là 
không nằm ngoài dự đoán, bởi vì ở độ sâu nông 
thường ảnh hưởng bởi loại nền đáy. Ví dụ ở độ 
sâu 10 m nền cát có thể tương đương với độ sâu 
2 m nền rạn. Do đó mà nghiên cứu này không 
xét đến độ sâu nhỏ hơn 2 m. 
Bảng 3. Kết quả mô hình của từng lớp độ sâu gồm các hệ số mô hình, hệ số tương quan, sai số 
chuẩn và số mẫu, các chỉ số kiểm chứng mô hình gồm sai số trung bình bình phương, 
hệ số tương quan và số mẫu dùng kiểm chứng 
Tầng sâu 
(m) 
Mô hình Kiểm chứng 
ao a1 a2 a3 a4 R
2 
Std. err (m) n RMSE (m) R
2 
n 
38 29,65 –1,07 63,87 –67,01 7,39 0,62 3,41 2.790 6,04 0,62 817 
37 28,96 –1,07 63,92 –67,35 7,32 0,62 3,38 2.789 5,63 0,62 807 
36 28,97 –1,07 63,57 –66,76 7,23 0,63 3,34 2.787 5,33 0,63 799 
35 29,59 –1,07 63,19 –65,94 7,20 0,63 3,32 2.786 5,07 0,63 792 
34 28,48 –1,07 63,27 –66,47 7,10 0,63 3,28 2.784 4,48 0,63 777 
33 27,42 –1,07 63,34 –66,97 6,99 0,64 3,25 2.782 4,22 0,64 769 
32 26,80 –1,07 63,40 –67,29 6,94 0,64 3,23 2.781 4,06 0,64 764 
31 26,36 –1,07 63,38 –67,43 6,88 0,64 3,22 2.780 3,90 0,64 759 
30 25,01 –1,07 63,52 –68,15 6,77 0,64 3,20 2.778 3,76 0,64 754 
29 20,74 –1,07 63,45 –69,62 6,26 0,64 3,12 2.768 3,64 0,64 748 
28 18,69 –1,03 62,89 –69,94 6,11 0,65 3,01 2.756 3,52 0,65 742 
27 15,86 –1,01 63,05 –71,58 6,01 0,66 2,94 2.748 3,39 0,66 735 
26 6,86 –0,94 63,05 –75,75 5,42 0,67 2,73 2.720 2,90 0,67 715 
25 7,72 –0,86 60,38 –72,16 5,34 0,68 2,54 2.691 2,83 0,68 711 
24 4,05 –0,79 59,21 –72,57 5,09 0,70 2,34 2.663 2,73 0,70 707 
23 0,11 –0,75 58,59 –73,65 4,80 0,71 2,22 2.641 2,61 0,71 700 
22 –3,43 –0,66 58,18 –74,84 4,40 0,71 2,13 2.622 2,37 0,71 686 
21 –4,66 –0,62 57,20 –74,26 4,28 0,72 2,03 2.601 2,21 0,72 677 
20 –6,13 –0,61 56,88 –74,43 4,10 0,72 1,99 2.590 2,01 0,72 668 
19 –5,85 –0,57 55,72 –72,94 4.,07 0,73 1,91 2.568 1,99 0,73 666 
18 –6,76 –0,55 55,22 –72,71 3,96 0,73 1,87 2.551 1,95 0,73 663 
17 –7,70 –0,54 54,86 –72,71 3,87 0,73 1,85 2.535 1,91 0,73 659 
16 –8,54 –0,51 54,14 –72,24 3,78 0,73 1,81 2.502 1,89 0,73 651 
15 –18,40 –0,47 52,75 –74,20 2,57 0,73 1,67 2.371 1,67 0,73 620 
14 –19,42 –0,42 50,45 –71,59 2,23 0,73 1,57 2.262 1,52 0,73 565 
13 –26,28 –0,35 48,14 –71,67 1,52 0,74 1,42 2.068 1,38 0,74 519 
12 –34,05 –0,27 47,04 –74,07 1,07 0,74 1,30 1.898 1,26 0,74 475 
11 –39,33 –0,19 45,28 –74.54 0,73 0,73 1,20 1.713 1,16 0,73 425 
10 –43,72 –0,13 42,99 –73,90 0,42 0,74 1,04 1.470 1,03 0,74 381 
9 –43,46 –0,03 39,58 –69,96 0,40 0,72 0,93 1.233 0,91 0,72 353 
8 –41,48 0,11 34,88 –64,10 0,64 0,71 0,80 1.002 0,74 0,71 321 
7 –37,65 0,17 31,02 –57,63 0,64 0,69 0,74 791 0,69 0,69 288 
6 –33,63 0,14 26,45 –49,27 0,25 0,63 0,69 522 0,59 0,63 218 
5 –28,93 0,13 19,59 –37,95 –0,09 0,51 0,61 298 0,47 0,51 126 
Làu Và Khìn và nnk. 
74 
Sai số chuẩn (Std. err) của mô hình tương 
tự giống xu thế của sai số trung bình bình 
phương. Tất cả các hệ số tương quan đều có chỉ 
số p (p value) nhỏ hơn 0,05. Do đó ta có thể 
khẳng định các hệ số tương quan có ý nghĩa 
thống kê. 
Căn cứ vào bảng 3 và các phân tích ở trên 
ta có thể thấy rằng, ảnh VNREDSAT-1 giải 
đoán cho kết quả tốt nhất ở độ sâu từ 10 m đến 
19 m với hệ số tương quan từ 0,73 đến 0,74, sai 
số trung bình bình phương trong koảng 1,03 
đến 1,99. 
Để xét mức độ đóng góp của từng băng 
trong mô hình bốn biến, chúng tôi tiến hành 
thực hiện mô hình đơn biến cho từng băng. 
Kết quả thể hiện ở bảng 4 cho thấy, băng 1 có 
mức độ tương quan với độ sâu là cao nhất với 
hệ số tương quan là 0,42 và RMSE là 4,2 m, 
sau đó đến các băng 2, 3 và 4 với hệ số tương 
quan giảm dần từ 0,31 đến 0,02. Ngược lại, 
RMSE tăng dần từ 4,58; 5,4 và 5,5 m. Căn cứ 
trên tương quan giữa độ sâu giải đoán và độ 
sâu đo đạc ở hình 4b và hình 4c cho thấy, nếu 
chỉ dùng từng băng 1 hoặc 2 giải đoán, thì độ 
sâu tối đa có thể giải được khoảng 16 m. Đối 
với băng 3 và 4 ở hình 4d, hình 4e cho mức độ 
tương quan với độ sâu là rất thấp và không thể 
dùng đơn băng giải đoán độ sâu. Tuy nhiên, ở 
hình 4a, là kết quả sử dụng mô hình hồi qui 
trên 4 băng cho thấy khả năng giải đoán đến 
độ sâu khoảng 20 m và như thể hiện ở bảng 3, 
xét mức sai số bình phương tối thiểu là 2 m thì 
khả năng giải đoán của tốt ở những vùng có 
độ sâu khoảng 19 m. 
Bảng 4. Kết quả mô hình sử dụng mô hình đơn biến cho từng băng ảnh và hệ số tương quan, sai số 
trung bình bình phương và số mẫu từ bộ dữ liệu lập mô hình hồi qui và từ bộ số liệu kiểm chứng 
Mô hình hồi qui 
Mô hình Kiểm chứng 
R2 RMSE n R2 RMSE n 
Băng 1 Y = 39,64 – 373,37*X 0,42 4,2 2.790 0,35 7,5 817 
Băng 2 Y = 75,93 – 468,77*X 0,31 4,5 2.790 0,27 7,7 817 
Băng 3 Y = 12,64 – 265,35*X 0,04 5,42 2.790 0,01 9,17 817 
Băng 4 Y = 12,85 – 27,56*X 0,01 5,51 2.790 0,1 8,84 817 
 a) b) c) 
 d) e) 
Hình 4. Tương quan giữa độ sâu đo đạc thực tế và độ sâu giải đoán từ ảnh VNREDSAT-1; a) Kết 
quả từ phương pháp hồi qui bốn băng của ảnh; b) Kết quả từ phương pháp hồi qui tuyến tính với 
băng 1; c) Kết quả từ phương pháp hồi qui tuyến tính với băng 2; d) Kết quả từ phương pháp hồi 
qui tuyến tính với băng 3; e) Kết quả từ phương pháp hồi qui tuyến tính với băng 4 
Ứng dụng ảnh VNREDSAT-1 
75 
Kết quả giải đoán 
Từ các kết quả cho thấy, ở hình 5a là kết 
quả giải đoán của mô hình sử dụng bộ dữ liệu 
điểm độ sâu từ 2 m đến 10 m có RMSE = 1,03 
và R
2
 = 0,74. Điều này có nghĩa nếu thực tế ở 
khu vực này chỉ sâu ở mức 10 m thì sẽ cho kết 
quả khá tốt. Tuy nhiên, trên thực tế ở khu vực 
Thái An có độ sâu đến 38 m. Do đó nhiều vùng 
được giải đoán thấp hơn với thực tế. Tương tự 
ở hình 5b–5d là kết quả giải đoán sử dụng các 
bộ dữ liệu điểm khảo sát có độ sâu giới hạn lần 
lượt là 14 m, 17 m và 19 m với RMSE nhỏ hơn 
1,99 m và R
2
 là 0,73 từ bộ dữ liệu điểm kiểm 
chứng độc lập. Ngoài ra, ở hình 4a ta thấy, một 
số vùng ở nước nông có giá trị giải đoán 
dương. Điều này có thể lý giải do ảnh hưởng 
bởi các xáo trộn khu vực ven bờ. Vấn đề này có 
thể được giải quyết bằng phương pháp lọc giá 
trị giải đoán và gán các giá trị này bằng độ sâu 
thấp nhất. 
a) b) 
d) 
c) 
Hình 5. Một số kết quả giải đoán độ sâu vùng Thái An; a) Kết quả độ sâu dùng các điểm có độ sâu 
từ 2 m đến 10 m; b) Kết quả độ sâu dùng các điểm có độ sâu từ 2 m đến 14 m; c) Kết quả độ sâu 
dùng các điểm có độ sâu từ 2 m đến 17 m; d) Kết quả độ sâu dùng các điểm có độ sâu từ 2 m đến 
19 m và phân bố các mặt cắt ngang 
Làu Và Khìn và nnk. 
76 
Đặc điểm địa hình vùng này dựa trên kết 
quả giải đoán có thể phân ra 3 khu vực. Khu 
vực Mỹ Tân, hình 6b, có độ dốc khá lớn, tính 
từ trong ra khoảng 600 độ sâu đạt độ sâu 
khoảng 12 m và tiếp tục sâu dần ra phía ngoài. 
Khu vực Mỹ Hòa, hình 6c, phía trong là bãi san 
hô và thảm cỏ biển có độ sâu dưới 2 m. Khu 
vực này có cấu trúc dạng bậc thang, với mỗi 
bậc khoảng 6 m và thềm khoảng 400 m. Khu 
vực Thái An, hình 6d, ven bờ là các bãi rạn, san 
hô và thảm cỏ biển. phía ngoài 300–400 m có 
cồn nhô lên dài khoảng 200 m có độ sâu –5 m 
đến –6 m. 
a) 
d) 
c) 
b) 
Hình 6. a) Kết quả lớp độ sâu 19 m dưới dạng phối cảnh 3D; b) Mặt cắt sâu khu vực Mỹ Tân; 
c) Mặt cắt sâu khu vực Mỹ Hòa; d) Mặt cắt sâu khu vực Thái An 
KẾT LUẬN 
Ảnh VNREDSAT-1 có thể ứng dụng tốt 
giải đoán độ sâu vùng nước nông bằng phương 
pháp hồi qui đa biến vùng ven bờ huyện Ninh 
Hải, tỉnh Ninh Thuận ở khoảng độ sâu từ 10 m 
đến 19 m với sai số trung bình bình phương từ 
1,03 m đến 1,99 m và hệ số tương quan cao từ 
0,73 và 0,74. Ảnh VNREDSAT-1 cần qua bước 
tiền xử lý trước khi xây dựng mô hình giải 
đoán. Phương pháp hiệu chỉnh khí quyển có thể 
sử dụng mô hình 6S và loại bỏ chói do mặt trời 
bằng phương pháp của Hedley. 
Kết quả giải đoán độ sâu vùng nước nông 
từ ảnh VNREDSAT-1 có phục vụ tốt cho các 
mục đích nghiên cứu, lập kế hoạch. Tuy nhiên 
vẫn chưa đáp ứng được những yêu cầu độ 
chính xác cao hơn như xây dựng công trình 
biển, dẫn đường,... do sự hạn chế của độ phân 
giải không gian của ảnh chỉ là 10 m. 
Lời cảm ơn: Chúng tôi xin gửi lời cảm ơn đến 
Ban chủ nhiệm chương trình KHCN vũ trụ giai 
đoạn 2012–2015, Ban chủ nhiệm đề tài cấp nhà 
nước “Xây dựng cơ sở dữ liệu số các yếu tố hải 
dương từ nguồn ảnh VNREDSat-1 và các ảnh 
viễn thám khác cho khu vực ven biển Ninh 
Thuận - Bình Thuận phục vụ phát triển kinh tế 
biển bền vững, mã số: VT/UD-07/14–15” đã hỗ 
trợ ảnh, số liệu thực địa cho nghiên cứu này. 
TÀI LIỆU THAM KHẢO 
[1] Lyzenga, D. R., 1978. Passive remote 
sensing techniques for mapping water 
Ứng dụng ảnh VNREDSAT-1 
77 
depth and bottom features. Applied 
Optics, 17(3), 379–383. 
[2] Lyzenga, D. R., Malinas, N. P., and Tanis, 
F. J., 2006. Multispectral bathymetry 
using a simple physically based algorithm. 
IEEE Transactions on Geoscience and 
Remote Sensing, 44(8), 2251–2259. 
[3] Gholamalifard, M., Kutser, T., Esmaili-
Sari, A., Abkar, A., and Naimi, B., 2013. 
Remotely sensed empirical modeling of 
bathymetry in the Southeastern Caspian 
Sea. Remote sensing, 5(6), 2746–2762. 
[4] Pacheco, A., Horta, J., Loureiro, C., and 
Ferreira, Ó., 2015. Retrieval of nearshore 
bathymetry from Landsat 8 images: A tool 
for coastal monitoring in shallow waters. 
Remote Sensing of Environment, 159, 
102–116. 
[5] Vermote, E. F., Tanré, D., Deuze, J. L., 
Herman, M., and Morcette, J. J., 1997. 
Second simulation of the satellite signal in 
the solar spectrum, 6S: An overview. 
IEEE Transactions on Geoscience and 
Remote Sensing, 35(3), 675–686. 
[6] Wilson, R. T., 2013. Py6S: A Python 
interface to the 6S radiative transfer 
model. Computers and Geosciences, 51, 
166–171. 
[7] Hedley, J. D., Harborne, A. R., and 
Mumby, P. J., 2005. Simple and robust 
removal of sun glint for mapping 
shallow‐water benthos. International 
Journal of Remote Sensing, 26(10), 2107–
2112. 
[8] Green, E., Mumby, P., Edwards, A., and 
Clark, C., 2000. Remote sensing: 
handbook for tropical coastal 
management. United Nations Educational, 
Scientific and Cultural Organization 
(UNESCO). 
[9] Hochberg, E. J., Andréfouët, S., and 
Tyler, M. R., 2003. Sea surface correction 
of high spatial resolution Ikonos images to 
improve bottom mapping in near-shore 
environments. IEEE Transactions on 
Geoscience and Remote Sensing, 41(7), 
1724–1729. 
[10] Hochberg, E. J., Atkinson, M. J., and 
Andréfouët, S., 2003. Spectral reflectance 
of coral reef bottom-types worldwide and 
implications for coral reef remote sensing. 
Remote Sensing of Environment, 85(2), 
159–173.