Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê
Bài báo này trình bày phương pháp phát hiện thay đổi từ ảnh RADAR độ mở tổng hợp đa thời gian (SAR) dựa trên phép đo độ tương đồng thống kê để xác định vùng ngập lụt.
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 1 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 1](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-1_suQbbrDoAQ.jpg)
Trang 1
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 2 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 2](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-2_oKRlQY6YQa.jpg)
Trang 2
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 3 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 3](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-3_Vd8h9uGrkC.jpg)
Trang 3
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 4 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 4](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-4_2cV2DSrtRD.jpg)
Trang 4
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 5 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 5](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-5_ie4gzyfeLe.jpg)
Trang 5
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 6 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 6](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-6_qxNGKJHgSa.jpg)
Trang 6
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 7 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 7](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-7_dbPnFO2RRS.jpg)
Trang 7
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 8 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 8](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-8_TLAPkWiKKX.jpg)
Trang 8
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 9 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 9](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-9_UnsF2RSgnh.jpg)
Trang 9
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 10 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê trang 10](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/image/2024/02/14/7069/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang-trang-10_DCuEfjg1sN.jpg)
Trang 10
Tải về để xem bản đầy đủ
Bạn đang xem 10 trang mẫu của tài liệu "Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
Tóm tắt nội dung tài liệu: Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê
![Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê](https://s1.tailieuhoc.vn/4ydyqpyrc4869mas/thumb/2024/02/14/phat-hien-vung-ngap-lut-tai-hue-tu-anh-sar-da-thoi-gian-bang_FeKPHysV9t.jpg)
32 Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất Tập 59, Kỳ 5 (2018) 32-43 Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê Lê Thu Trang 1, Phạm Thị Thanh Hòa 1, Phạm Hà Thái 1, Trần Trung Anh 1, Vũ Thị Thơm 2 1 Khoa Trắc địa - Bản đồ và Quản lý đất đai, Trường Đại học Mỏ - Địa chất, Việt Nam 2 Công ty Cổ phần Dịch vụ Hạ tầng và Công nghệ Đông Nam, Việt Nam THÔNG TIN BÀI BÁO TÓM TẮT Quá trình: Nhận bài 08/8/2018 Chấp nhận 09/10/2018 Đăng online 31/10/2018 Bài báo này trình bày phương pháp phát hiện thay đổi từ ảnh RADAR độ mở tổng hợp đa thời gian (SAR) dựa trên phép đo độ tương đồng thống kê để xác định vùng ngập lụt. Từ các sản phẩm ảnh Ground Range Detected (GRD) đa thời gian của vệ tinh SAR Sentinel-1 được ghi nhận vào các thời điểm trước, trong và sau đợt lũ do ảnh hưởng của bão Damrey tháng 11 năm 2017 tại thành phố Huế và một phần huyện Hương Trà (Thừa Thiên Huế), những thay đổi trên mặt đất do lũ lụt gây ra được phát hiện dựa trên khoảng cách Kullback-Leibler giữa hai phân bố Log-normal. Các kết quả phát hiện vùng ngập lụt đã được đánh giá khi so sánh với các mẫu kiểm chứng lấy từ ảnh quang học PlanetScope độ phân giải 3 m, và đạt độ chính xác tổng thế là 87,3%. Các thông tin thay đổi được chiết xuất từ ảnh SAR đa thời gian sau đó có thể được khai thác cho nhiều mục đích như thành lập bản đồ vùng ngập lụt, phân tích, thống kê vùng bị ảnh hưởng, v.v.. © 2018 Trường Đại học Mỏ - Địa chất. Tất cả các quyền được bảo đảm. Từ khóa: Phát hiện vùng ngập lụt Ảnh SAR đa thời gian Sentinel-1 1. Mở đầu Viễn thám từ lâu đã trở thành một công cụ hữu ích để nghiên cứu tài nguyên thiên nhiên và môi trường. Trong đó, rất nhiều nghiên cứu về giám sát và phát hiện thay đổi trên bề mặt sử dụng dữ liệu RADAR độ mở tổng hợp (SAR) đã được thực hiện trên thế giới. Từ các thay đổi bề mặt diễn ra nhanh chóng do thiên tai, do sự tàn phá của con người như: lũ lụt (Dellepiane and Angiati, 2012), sóng thần (Chen and Sato, 2013), phun trào núi lửa (Le et al., 2015), phá rừng, cháy rừng (Leblon et al., 2002), v.v., đến các thay đổi với diễn biến chậm như xói mòn (Amitrano et al., 2015), các thay đổi theo mùa với sự phát triển, tăng trưởng của thực vật (Bouvet et al. 2009), hay sự mở rộng không gian đô thị/nông nghiệp (Gar-OnYeh and Qi, 2015), v.v. Các thay đổi, biến dạng do chuyển động bề mặt cũng được nghiên cứu rộng rãi như: trượt lở đất (Colesanti and Wasowski, 2006), động đất và đứt gãy, sụt lún (Brunner et al., 2010), v.v. SAR là một phương pháp ghi nhận hình ảnh chủ động, nó phát ra nguồn năng lượng bức xạ riêng trong dải sóng microwave. Vì vậy các hệ thống SAR có thể hoạt động trong mọi thời điểm và mọi điều kiện thời tiết, có thể xuyên qua mây và _____________________ *Tác giả liên hệ E-mail: lethutrang@humg.edu.vn Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 33 các cơn bão để thu nhận hình ảnh các đối tượng trên Trái Đất. So sánh với các hệ thống ghi nhận ảnh quang học thụ động ta thấy các hệ thống này phụ thuộc vào ánh sáng mặt trời hoặc các bức xạ nhiệt để ghi nhận hình ảnh. Hơn nữa, lượng mây che phủ có thể cản trở sự thu nhận ảnh, bởi ánh sáng mặt trời bị phản xạ bởi những đám mây và được ghi lại trên các bộ cảm quang học. Hai điều này gây hạn chế đáng kể trong việc quan sát Trái Đất với các bộ cảm thụ động. Chính vì vậy, các hệ thống thu nhận ảnh SAR có lợi thế đáng kể so với các kỹ thuật sử dụng ảnh quang học truyền thống, chúng rất thích hợp với các nhiệm vụ giám sát bề mặt Trái Đất. Việt Nam nằm trong vùng cận xích đạo, với khí hậu nhiệt đới ẩm gió mùa, có lượng mây che phủ trung bình hàng năm rất cao, đặc biệt là thời điểm có bão, vì vậy việc sử dụng các loại ảnh vệ tinh quang học luôn gặp khó khăn. Trung bình hàng năm nơi đây phải hứng chịu hàng chục cơn bão và áp thấp nhiệt đới, đặc biệt trong năm 2017, Việt Nam đã có 16 cơn bão và 4 áp thấp nhiệt đới (Báo Nhân dân điện tử, 2017), với rất nhiều cơn bão mạnh như Talas, Damrey, Kirogi, v.v. Đầu tháng 11/2017, Damrey - một trong những cơn bão mạnh nhất đổ bộ vào Việt Nam năm 2017, gây ảnh hưởng trên diện rộng từ Thừa Thiên Huế tới Bình Thuận và các tỉnh Tây Nguyên, với tốc độ gió lên tới 177 km/h. Đây là cơn bão gây hậu quả nghiêm trọng nhất kể từ năm 2001, đã làm 106 người chết, 16 người mất tích và 315 người bị thương, gây thiệt hai kinh tế lên tới 22.000 tỷ đồng (Báo Nhân dân điện tử, 2017). Việc xác định vùng ngập lụt là một việc hết sức cần thiết nhằm đánh giá thiệt hại và tác động của lũ lụt đến đời sống của con người cũng như đối với môi trường. Ngoài ra, phạm vi ngập lụt tại một vùng được xác định từ các đợt thiên tai trước đó cũng hữu ích trong việc dự báo ảnh hưởng của bão lụt trong tương lai, giúp ích cho quá trình phòng hộ trước những đợt ngập lụt lớn, tránh được những hậu quả nghiêm trọng. Một số nghiên cứu về ngập lụt ở Việt Nam từ ảnh SAR cũng được thực hiện (Phạm Quang Sơn, Bùi Đức Việt, 2001; Trần Vân Anh, 2011; Trần Kim Châu, 2017; Nguyen, 2016), nhưng các nghiên cứu này chủ yếu sử dụng phương pháp so sánh sau phân loại với việc ứng dụng các phần mềm đã được trang bị sẵn một số thuật toán, hoặc phân tích hệ số tán xạ ngược của ảnh SAR (γ0 hoặc β0 hoặc σ0) để tìm ra mối liên hệ giữa hệ số này với bề mặt khi có nước và không có nước. Tuy nhiên, các phương pháp so sánh sau phân loại có độ chính xác phụ thuộc vào phương pháp phân loại sử dụng và không linh hoạt khi đối tượng cần phân biệt chỉ là vùng ngập nước do lũ lụt chứ không phải toàn bộ các lớp phủ bề mặt. Phương pháp phân tích hệ số tán xạ ngược phải sử dụng rất nhiều dữ liệu bổ trợ như mực nước trung bình của khu vực, sự thay đổi mực nước theo thời gian và theo vùng của khu vực nghiên cứu, mô hình số độ cao hoặc mô hình số địa hình, bản đồ sử dụng đất, v.v. Ngoài ra, ... lớp (thay đổi hoặc không thay đổi), một số thuật toán phân ngưỡng đã được nghiên cứu, ví dụ như: phương pháp Otsu, thuật toán dựa trên entropy, ngưỡng Kittle-Illingworth, phát hiện CFAR, v.v. Các thuật toán kinh điển này sau đó được phát triển để phù hợp với thuộc tính thống kê của dữ liệu SAR. Trong bài báo này, phương pháp phân ngưỡng sai số nhỏ nhất Kittler-Illingworth (Kittler and Illingworth, 1986) được áp dụng để lựa chọn giá trị ngưỡng sử dụng để tách biệt các phần tử thay đổi (bị ngập lụt) và không thay đổi (không bị ngập lụt). (3) Hình 7. Quy trình phát hiện thay đổi từ ảnh SAR đa thời gian. Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 39 3.4. Đánh giá độ chính xác và lập bản đồ phát hiện thay đổi Bằng cách so sánh ảnh phát hiện thay đổi với các mẫu thực địa, ma trận sai số được thành lập để đánh giá độ chính xác của kết quả phát hiện thay đổi thu được. Các sai số giới hạn (sai số bỏ sót, sai số phát hiện nhầm và sai số tổng thể) được tính từ ma trận này. Nếu các sai số nằm trong giới hạn cho phép thì ta thành lập bản đồ phát hiện thay đổi (bản đồ ngập lụt) từ kết quả thu được. 4. Kết quả và thảo luận 4.1. Phát hiện thay đổi bằng phương pháp Log- normal KLD Hình 8 thể hiện mức độ tương đồng đo được theo phương pháp Log-normal KLD giữa các cặp ảnh. Trong hình 8a và 8b ta thấy các vùng thay đổi (vùng ngập lụt) thể hiện rất rõ (khu vực sáng màu) khi ta tính khoảng cách KL giữa ngày xảy ra ngập lụt với ngày trước và sau thời điểm ngập lụt. Khi so sánh giữa hai ngày trước và sau ngập lụt, ta thấy tại những vùng trước đó phát hiện bị ngập thì trên hình 8c đã không còn. Quan sát góc trên bên phải của Hình 8c có thể thấy một số thay đổi được phát hiện. Thực chất, khu vực này là vùng nước (biển và các đầm), các thay đổi phát hiện được là do có sự khác nhau về bức xạ bởi các tia radar rất nhạy cảm với hàm lượng nước, độ nhám hay sự gồ ghề của bề mặt (Le - Toan, 2007). Vì thế sự thay đổi được phát hiện ở đây chỉ do sự khác nhau về bề mặt nước, tính chất của nước tại các thời điểm thu nhận ảnh. Khi không nghiên cứu về các đối tượng này thì chúng nên được tạo mặt nạ (không thay đổi) trên các ảnh trước khi tính toán. 4.2. So sánh kết quả phát hiện thay đổi bằng phương pháp Log-normal KLD với các phương pháp khác biệt, tỷ số và tỷ số trung bình cục bộ Hình 9 cho thấy khả năng phát hiện thay đổi từ ảnh SAR theo các phương pháp khác nhau. Do ảnh hưởng của nhiễu đốm, phương pháp khác biệt (Hình 9a) cho ảnh kết quả rất nhiễu, và trên thực tế, phương pháp này không được sử dụng trong phát hiện thay đổi từ ảnh SAR. Phương pháp tỷ số (Hình 9b) có thể hạn chế phần nào ảnh hưởng của nhiễu đốm (có tính chất nhân) vì thế kết quả bớt nhiễu hơn nhưng lại bị hiệu ứng mờ. Với phương pháp tỷ số trung bình cục bộ (Hình 9c), ảnh kết quả được giảm nhiễu khá nhiều (do lấy trung bình) nhưng có tỷ lệ báo động giả (false alarm rate) cao do khó phân biệt tự động vùng thay đổi và không thay đổi. Trên Hình 9d, ta thấy phương pháp khoảng cách KL giữa 2 hàm phân bố Log- normal đã phân tách một cách rõ ràng vùng thay đổi và không thay đổi, dễ dàng cho việc lập bản đồ phát hiện thay đổi khi áp dụng một phương pháp phân ngưỡng tự động. Từ ảnh mức độ tương đồng theo các phương pháp khác nhau, áp dụng phương pháp phân ngưỡng KI để tách biệt các vùng thay đổi và không thay đổi, ta thu được ảnh phát hiện thay đổi dạng nhị phân như Hình 10. Kết quả của phương pháp Log-normal KLD (Hình 10d) cho thấy rằng ảnh phát hiện thay đổi tách biệt rõ ràng các vùng bị ảnh hưởng bởi lũ và vùng không bị ảnh hưởng. Các phương pháp khác (hình 10a, 10b, 10c) cho kết quả nhiễu, khó đánh giá được phạm vi ảnh hưởng của vùng bị ngập lụt. Hình 8. Ảnh mức độ tương đồng của các cặp ảnh tại khu vực nghiên cứu theo phương pháp Log-normal KLD:(a) giữa hai ảnh thu nhận tại thời điểm trước và trong khi ngập lụt (t1 và t2); (b) giữa hai ảnh thu nhận tại thời điểm trong và sau khi khi ngập lụt (t2 và t3); (c) giữa hai ảnh thu nhận tại thời điểm trước và sau khi ngập lụt (t1 và t3). 40 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 Hình 9. Ảnh mức độ tương đồng giữa hai ảnh SAR thu nhận tại thời điểm trước và trong khi ngập lụt (t1 và t2) tại khu vực nghiên cứu theo các phương pháp khác nhau: (a) phương pháp khác biệt (difference); (b) phương pháp tỷ số (ratio); (c) phương pháp tỷ số trung bình cục bộ (local mean ratio) và (d) phương pháp Log-normal KLD. Hình 10. Kết quả phát hiện thay đổi dạng nhị phân giữa hai ảnh thu nhận tại thời điểm trước và trong khi ngập lụt (t1 và t2) tại khu vực nghiên cứu theo các phương pháp khác nhau: (a) phương pháp khác biệt (difference); (b) phương pháp tỷ số (ratio); (c) phương pháp tỷ số trung bình cục bộ (local mean ratio) và (d) phương pháp Log-normal KLD, với phương pháp phân ngưỡng tự động KI. Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 41 4.3. Đánh giá độ chính xác kết quả phát hiện thay đổi và lập bản đồ vùng ngập lụt Để đánh giá định lượng các kết quả phát hiện thay đổi, chúng tôi sử dụng các mẫu kiểm chứng của khu vực nghiên cứu, thu được từ kết quả phân tích ảnh quang học độ phân giải cao, mô hình số độ cao. Bảng 2 thể hiện ma trận sai số của kết quả phát hiện thay đổi khi so sánh ảnh phát hiện thay đổi theo phương pháp Log-normal KLD với 9211 mẫu kiểm chứng của cả hai lớp thay đổi và không thay đổi. Lớp Mẫu kiểm chứng (pixels) Tổng số Thay đổi Không thay đổi Ảnh phát hiện thay đổi (pixels) Thay đổi 4052 227 4279 Không thay đổi 951 3981 4932 Tổng số 5003 4208 9211 Phương pháp này đã phát hiện đúng 4052 pixel đã thay đổi, phát hiện nhầm 227 pixel thay đổi giả (không thay đổi nhưng lại phân vào lớp thay đổi), trong khi bỏ qua 951 pixel thay đổi (nhưng lại phân vào lớp không thay đổi). Theo đó, sai số nhầm lẫn là 5,3%, sai số bỏ sót là 19,0% và sai số tổng thể là 12,7%. Vậy độ chính xác tổng thể phát hiện thay đổi đạt được là 87,3%. Hơn nữa, so sánh ảnh phát hiện thay đổi với mô hình số độ cao của khu vực nghiên cứu cho thấy những vùng bị ngập lụt đều nằm trong những vùng trũng so với địa hình chung của khu vực. Sau khi ảnh phát hiện thay đổi đã đạt yêu cầu, bản đồ chuyên đề có thể được thành lập dựa trên kết quả đã đạt được. Hình 11 thể hiện bản đồ ngập lụt tại khu vực thành phố Huế và một phần huyện Hương Trà trong đợt bão Damrey tháng 11 năm 2017. 5. Kết luận Bài báo này đã trình bày phương pháp phát hiện, chiết xuất những thông tin thay đổi nói chung và thông tin ngập lụt nói riêng từ ảnh radar Bảng 2. Ma trận sai số. Hình 11. Bản đồ ngập lụt Huế 11/2017. 42 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 độ mở tổng hợp đa thời gian. Phương pháp xác định độ tương đồng thống kê dựa trên khoảng cách Kullback-Leibler giữa hai phân bố Log- normal (Log-normal KLD) được sử dụng trong bài báo cho thấy đây là phương pháp phù hợp với dạng dữ liệu phức tạp SAR để phát hiện chính xác, hiệu quả các thay đổi trên bề mặt Trái Đất. Các kết quả thực nghiệm đã chứng minh khả năng của phương pháp này khi mà một số phương pháp thông dụng (phương pháp khác biệt, phương pháp tỷ số, v.v.) không thể áp dụng cho dữ liệu SAR để phát hiện thay đổi do ảnh hưởng vốn có của nhiễu đốm. Với bộ dữ liệu Sentinel-1 gồm 3 sản phẩm ảnh GRD ghi nhận thông tin của thành phố Huế và một phần của huyện Hương Trà tại thời điểm xảy ra trận bão Damrey đầu tháng 11 năm 2017, vùng ngập lụt tại khu vực này đã được xác định. Kết quả thực nghiệm chứng tỏ sự phù hợp và hiệu quả của phương pháp Log-normal KLD khi đã xác định được vùng bị ảnh hưởng bởi đợt bão lũ này với độ chính xác cao (hơn 87%). Kết quả của nghiên cứu này cho thấy có thể áp dụng phương pháp xác định độ tương đồng thống kê Log-normal KLD giữa các ảnh SAR đa thời gian cho các cơ quan, trung tâm, đơn vị nghiên cứu thực hiện về giám sát, quản lý tài nguyên môi trường để phát hiện kịp thời và chính xác vùng bị ngập lụt cũng như những thay đổi của bề mặt Trái Đất do nhiều nguyên nhân khác nhau gây ra. Tài liệu tham khảo Amitrano, D., Ciervo, F., Di Bianco, P., Di Martino, G., Iodice, A., Mitidieri, F., Riccio, D., Ruello, G., Papa, M., and Koussoube, Y., 2015. Monitoring Soil Erosion and Reservoir Sedimentation in Semi-arid RegionThrough Remote Sensed SAR Data: A Case Study in Yatenga Region, Burkina Faso. Engineering Geology for Society and Territory, Springer link 3, 539-542. Atto, A. M., Trouve, E., Berthoumieu, Y., and Mercier, G., 2013. Multidate divergence matrices for the analysis of SAR image time series. IEEE Transactions on Geoscience and Remote Sensing 51(4), 1922-1938. Báo mới điện tử, 2017. https://Báo mới điện tử, 2017.com/thua-thien-hue-thiet-hai-nang-ne- sau-bao-so-12/c/ 23842962.epi Báo Nhân dân điện tử, 2017. nhandan.com.vn/ megastory/2017/12/28/ . Bouvet, A., Le Toan Thuy, and Nguyen Lam Dao, 2009. Monitoring of the Rice Cropping System in the Mekong Delta Using ENVISAT/ASAR Dual Polarization Data. IEEE Transactions on Geoscience and Remote Sensing 47 (2), 517- 526. Brunner, D., Lemoine, G., and Bruzzone, L., 2010. Earthquake Damage Assessment of Buildings Using VHR Optical and SAR Imagery. IEEE Transactions on Geoscience and Remote Sensing, 48(5), 2403-2420. Chen, S., and Sato, M., 2013. Tsunami damage investigation of built-up areas using multitemporal spaceborne full polarimetric SAR images. IEEE Transactions on Geoscience and Remote Sensing, 51, 1985-1997. Colesanti, C., and Wasowski, J., 2006. Investigating landslides with space-borne Synthetic Aperture Radar (SAR) interferometry. Engineering Geology 88, 173-199. Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., and Lambin, E., 2004. Review ArticleDigital change detection methods in ecosystem monitoring: a review. International Journal of Remote Sensing 25(9), 1565-1596. Dellepiane, S. G., and Angiati, E., 2012. A new method for cross-normalization and multitemporal visualization of SAR images for the detection of flooded areas. IEEE Transactions on Geoscience and Remote Sensing 50(7), 2765-2779. Gar-OnYeh, A., and Qi, Z., 2015. Space-time integration in geography and giscience. Chapter 19: Short-interval monitoring of land use andland cover change using a time series of RADARSAT-2 polarimetric SARimages. Springer Link. Inglada, J., and Mercier, G., 2007. A new statistical similarity measure for change detection in multitemporal SAR images and its extensionto multiscale change analysis. IEEE Transactions on Geoscience and Remote Sensing 45(5), 1432- 1445. Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 43 Kittler, J., and Illingworth, J., 1986. Minimum error thresholding. Patten Recognition 19 (1), 41-47. Kullback, S., and Leibler, R. A., 1951. On Information and Sufficiency. Ann. Math. Statist., 22(1), 79-86. Le Thu Trang, 2015. Change Information Extraction from Synthetic Aperture Radar Image Time Series. PhD Dissertation, Grenoble Alpes University. Le Thu Trang, Atto, A. M., Trouvé, E., Solikhin, A., and Pinel, V., 2015. Changedetection matrix for multitemporal filtering and change analysis of SAR and PolSAR image time series. ISPRS Journal of Photogrammetry and Remote Sensing, 107, 64-76. Le Toan Thuy, 2007. Lecture: Advanced Training Course on Land Remote Sensing. Leblon, B., Kasischke, E., Alexander, M., Doyle, M., and Abbott, M., 2002. Fire Danger Monitoring Using ERS-1 SAR Images in the Case of Northern Boreal Forests. Natural Hazards, Kluwer Academic Publishers 27, 231-255. Nguyen Van Trung, 2016. Inudation extent and flood frequency mapping of Cuu long rivers delta using multi-temporal ERS-2 data. International Conference on GeoInformatics for Spatial-Infrastructure Development in Earth & Allied Sciences (GIS-IDEAS 2016). Hanoi, Vietnam. Phạm Quang Sơn, Bùi Đức Việt, 2001. Sử dụng ảnh vệ tinh Radarsat (SAR) và GIS trong nghiên cứu ngập lụt đồng bằng Huế-Quảng Trị. Tạp chí Các Khoa học về Trái Đất 4 (23), 423-430. Trần Kim Châu, 2017. Mapping extent of flooded area using Sentinel 1 satellite image. Tạp chí Khoa học Kỹ thuật Thủy lợi và Môi trường 58(9/2017), 78-82. Trần Vân Anh, 2011. Nghiên cứu xử lý ảnh radar SAR cho xác định nhanh vùng ngập lụt bằng các phần mềm miễn phí mã nguồn mở. Đề tài KHCN cấp cơ sở, Mã số T11-22, Đại học Mỏ - Địa Chất. ABSTRACT Inundation detection in Hue from multitemporal SAR images by using statistical similarity measure Trang Thu Le 1, Hoa Thanh Thi Pham 1, Thom Thi Vu 2, Thai Ha Pham 1, Anh Trung Tran 1 1 Faculty of Geomatics and Land Administration, Hanoi University of Mining and Geology, Vietnam 2 Dong Nam Technology and Infrastucture Services Joint Stock Company, Vietnam This paper presents a method for change detection using multitemporal synthetic aperture radar images based on statistical similarity measure in order to determine inundation regions. From Ground Range Detected (GRD) products of SAR Sentinel-1 satellite acquired before, during and after the the flood caused by typhoon Damrey in Hue city and a part of Huong Tra district, Thua Thien Hue province, changes on the ground were detected using Kullback-Leibler distance between two Log-normal distributions. Inundation detection results were evaluated by validation samples derived from optical 3 m resolution PlanetScope image, and the obtained accuracy is 87,3%. Change information extracted from multitemporal SAR images then could be exploited for different tasks, such as: inundation region mapping, statistical analysis of affected areas, etc.
File đính kèm:
phat_hien_vung_ngap_lut_tai_hue_tu_anh_sar_da_thoi_gian_bang.pdf