Ứng dụng ảnh Landsat 8 đánh giá xâm nhập mặn các huyện ven biển thuộc tỉnh Bến Tre

Trường Đại học Nông Lâm TP. Hồ Chí Minh 45
Assessment of salinity intrusion in coastal districts of Ben Tre province using Landsat
8 image
Lam N. Le1∗, Trung V. Le2, & Thinh V. Tran3
∗Faculty of Land Management and Real Estate, Nong Lam University, Ho Chi Minh City, Vietnam
2Faculty of Environment and Natural Resources, Ho Chi Minh City University of Technology, Ho Chi Minh
City, Vietnam
3Faculty of Agronomy, Nong Lam University, Ho Chi Minh City, Vietnam
ARTICLE INFO
Research Paper
Received: June 01, 2020
Revised: July 30, 2020
Accepted: August 21, 2020
Keywords
Climate change
Electrical conductivity (EC)
Landsat 8 OLI
Salinity
Remote sensing
∗Corresponding author
Le Ngoc Lam
Email: lengoclam@hcmuaf.edu.vn
ABSTRACT
Monitoring and evaluation of saline water intrusion is an important
task, especially for agricultural production in Ben Tre province. The
paper introduces a new solution in the application of Landsat 8
satellite imagery and field survey data to determine the soil electrical
conductivity (EC) for soil salinity assessment through the distribu-
tion of EC indice value. Analyzing and establishing the correlation
between reflectance value, salinity indices and EC allow selecting
a suitable model for the creation of a soil salinity map in 4 levels
corresponding to EC values: no salinity (0 - 4), mild (4 - 8), moderate
(8 - 16), very salinity (> 16). Research results in 2019 showed that
most of the coastal districts of Ben Tre province were salty with
EC values ranging from 8 to 16. The salinity decreased gradually
from the East Sea to the mainland with the distance from 15 to
25 km. In brief, the study proposed solutions for rapid monitoring
and evaluation of soil salinity based on the easy access of Landsat 8
images to calculate the necessary indices in the establishment of soil
salinity maps for the local and regional scale.
Cited as: Le, L. N., Le, T. V., & Tran, T. V. (2020). Assessment of salinity intrusion in coastal
districts of Ben Tre province using Landsat 8 image. The Journal of Agriculture and Development
19(4), 45-55.
www.jad.hcmuaf.edu.vn Tạp chí Nông nghiệp và Phát triển 19(4)
46 Trường Đại học Nông Lâm TP. Hồ Chí Minh
Ứng dụng ảnh Landsat 8 đánh giá xâm nhập mặn các huyện ven biển thuộc tỉnh
Bến Tre
Lê Ngọc Lãm1∗, Lê Văn Trung2 & Trần Văn Thịnh3
1Khoa Quản Lý Đất Đai và Bất Động Sản, Trường Đại Học Nông Lâm TP.HCM, TP. Hồ Chí Minh
2Khoa Môi Trường và Tài Nguyên, Đại Học Bách Khoa TP.HCM, TP. Hồ Chí Minh
3Khoa Nông Học, Trường Đại Học Nông Lâm TP.HCM, TP. Hồ Chí Minh
THÔNG TIN BÀI BÁO
Bài báo khoa học
Ngày nhận: 01/06/2020
Ngày chỉnh sửa: 30/07/2020
Ngày chấp nhận: 21/08/2020
Từ khóa
Biến đổi khí hậu
Độ dẫn điện (EC)
Landsat 8 OLI
Nhiễm mặn
Viễn thám
∗Tác giả liên hệ
Lê Ngọc Lãm
Email: lengoclam@hcmuaf.edu.vn
TÓM TẮT
Giám sát và đánh giá xâm nhập mặn là nhiệm vụ quan trọng, đặc
biệt đối với sản xuất nông nghiệp trên địa bàn tỉnh Bến Tre. Bài báo
giới thiệu giải pháp mới trong ứng dụng ảnh vệ tinh Landsat 8 và
dữ liệu điều tra thực địa để xác định độ dẫn điện của đất (electrical
conductivity - EC) nhằm đánh giá nhiễm mặn trong đất thông qua
sự phân bố của EC. Phân tích thiết lập sự tương quan giữa giá trị
phản xạ và các chỉ số độ mặn với EC cho phép chọn mô hình phù
hợp trong thành lập bản đồ độ mặn của đất theo 4 cấp độ tương
ứng với giá trị EC: không nhiễm mặn (0 - 4), nhẹ (4 – 8) ,vừa (8 –
16), rất mặn (> 16). Kết quả nghiên cứu năm 2019 cho thấy hầu hết
các huyện Thạnh Phú, Ba Tri và Bình Đại đều bị nhiễm mặn với giá
trị EC từ 8 – 16. Độ mặn giảm dần theo hướng từ biển đông vào
đất liền với khoảng cách từ 15 đến 25 km. Tóm lại, nghiên cứu đã
đề xuất các giải pháp trong giám sát và đánh giá nhanh nhiễm mặn
trong đất dựa trên khả năng truy cập dễ dàng của ảnh Landsat 8 để
tính các chỉ số cần thiết trong thành lập bản đồ độ mặn đất cho cấp
vùng và cấp khu vực.
1. Đặt Vấn Đề
Cùng với hiện tượng nước biển dâng, xâm nhập
mặn là một trong những hậu quả nghiêm trọng
nhất của biến đổi khí hậu, ảnh hưởng đáng kể đến
các hoạt động nông nghiệp và sinh kế người dân
ở nhiều nơi trên thế giới, đặc biệt là khu vực ven
biển. Hiện tượng này ngày càng trở nên nghiêm
trọng và thường xuyên xảy ra ở đồng bằng sông
Cửu Long của Việt Nam, là một trong những
nước chịu tác động mạnh bởi biến đổi khí hậu.
Trong đó, Bến Tre với chiều dài 65 km tiếp giáp
Biển Đông và có hệ thống sông ngòi chằng chịt,
trên 90% diện tích đất có cao độ địa hình từ 1-2 m
so mực nước biển, nên nhiều vùng thấp ven sông,
biển thường xuyên bị ngập khi triều cường. Do
đặc thù điều kiện tự nhiên, Bến Tre được nhận
định là một trong những tỉnh bị ảnh hưởng nặng
nề của biến đổi khí hậu và nước biển dâng đặc
biệt là xâm nhập mặn.
Đất nhiễm mặn từ quan điểm nông nghiệp, là
đất đó có tồn tại các loại muối hòa tan ở một
nồng độ cao hơn bình thường, gây ảnh hưởng
xấu đến cây trồng. Ở những vùng ven biển, đất
thường dễ bị mặn hoặc nhiễm mặn thông qua các
cơ chế trong tự nhiên như triều cường, nước ngầm
thẩm thấu, hoặc do tác nhân thông qua quá trình
sử dụng đất như làm muối, nuôi trồng thủy sản.
Như vậy, để xây dựng một hệ thống phân loại
xâm nhập mặn nói chung và đất nhiễm mặn nói
riêng trên cơ sở tích hợp dữ liệu điều tra với tư
liệu viễn thám đòi hỏi có những nghiên cứu, kiểm
chứng thực địa cụ thể.
Hiện nay, dữ liệu viễn thám đã được sử dụng
ngày càng nhiều trong các nghiên cứu về độ mặn
của đất, do khả năng cung cấp thông tin nhanh
hơn và hữu ích trong việc đưa ra dự đoán thực tế
(Shrestha, 2006). Ngoài ra, ảnh vệ tinh đa thời
Tạp chí Nông nghiệp và Phát triển 19(4) www.jad.hcmuaf.edu.vn
Trường Đại học Nông Lâm TP. Hồ Chí Minh 47
gian còn cho phép xác định sự thay đổi độ mặn
ở quy mô khu vực, cũng như việc kết hợp các
chỉ số thực vật như chỉ số thực vật tăng cường
(Enhanced Vegetation Index - EVI) và các chỉ số
độ mặn (Salinity Index - SI) tạo khả năng đánh
giá xu hướng độ mặn của đất trong t ...  Bến tre.
2. Vật Liệu và Phương Pháp Nghiên Cứu
2.1. Vật liệu
Ảnh Landsat: Ảnh vệ tinh Landsat có 8 bands
với độ phân giải từ 15 - 60 m ghi lại phản xạ
của các đối tượng có bước sóng từ vùng nhìn
thấy (0,4 đến 0,7 µm) đến vùng hồng ngoại nhiệt
(12,5 µm) được ứng dụng trong nhiều lĩnh vực
nghiên cứu. Vệ tinh thế hệ thứ 8 – Landsat 8 đã
được Mỹ phóng thành công lên quỹ đạo vào ngày
11/02/2013 với tên gọi gốc Landsat Data Conti-
nuity Mission (LDCM). Landsat sẽ tiếp tục cung
cấp các ảnh có độ phân giải trung bình (từ 15 –
100 m).
Bản đồ chuyên đề: bao gồm bản đồ hành chính
tỉnh Bến Tre, Bản đồ hiện trạng sử dụng đất tỷ
lệ 1/25.000 thành lập năm 2019, được biên tập và
xử lý trên phần mềm Mapinfo 12.0 cùng hệ tọa
độ với ảnh Landsat 8 OLI và cắt theo ranh giới
vùng nghiên cứu là ba huyện Ba Tri, Bình Đại và
Thạnh Phú để phục vụ cho việc chồng xếp kiểm
tra đánh giá kết quả. Ngoài ra, bản đồ chuyên đề
còn được sử dụng để thành lập bản đồ phân bố
điểm mẫu với các thông tin thuộc tính như Tọa
độ X,Y, mã khoanh đất, giá trị EC.
www.jad.hcmuaf.edu.vn Tạp chí Nông nghiệp và Phát triển 19(4)
48 Trường Đại học Nông Lâm TP. Hồ Chí Minh
2.2. Phương pháp nghiên cứu
Xử lý ảnh và phân tích hồi quy là hai phương
pháp chính được sử dụng trong nghiên cứu.
Trong đó, việc thu thập dữ liệu thực địa của 28
điểm mẫu (Hình 1) được lấy trong thời gian từ
15/01/2019 đến 20/01/2019 bằng thiết bị đo cảm
ứng điện tử EM31-MK2. Khi đo ngoài thực địa
các thông số nhiệt độ, độ ẩm được cài đặt đồng
bộ. Các điểm mẫu sau đó được nội suy xử lý đồng
bộ các đặc điểm môi trường và tổng quát hóa về
tầng dày mặt đất với độ sâu trong khoảng từ 0
– 20 cm. Các điểm mẫu sau đó được đánh giá
và khảo sát tương quan giữa giá trị độ mặn đất
(EC) với các giá trị phản xạ kênh phổ (từ kênh
2 đến kênh 5 ảnh Landsat 8 OLI). Các chỉ số độ
mặn đất sau khi được chiết tính từ ảnh Landsat
sẽ được sử dụng trong xây dựng mô hình hồi quy
phù hợp nhất, để thành lập bản đồ độ mặn đất
(EC) cho khu vực nghiên cứu.
Hình 1. Sơ đồ vị trí điểm mẫu.
Giá trị phản xạ (Reflectance value) các kênh
ảnh Landsat 8 OLI được sử dụng để trích xuất
các chỉ số độ mặn: SAVI, NDSI, VSSI, SI1, SI2,
SI3, SI4, SI5 dựa theo công thức cho ở Bảng 1.
Trong đó, red, green, blue là các giá trị tương ứng
kênh khả kiến (2,3,4) và NIR (Near Infra Red) là
giá trị tương ứng kênh hồng ngoại gần (kênh 5).
Các điểm mẫu sau khi được phân tích để xác
định giá trị EC tiến hành phân tích tương quan
với các chỉ số độ mặn được trích xuất từ ảnh vệ
tinh Landsat 8 OLI. Kết quả hồi quy từ 28 điểm
mẫu được sử dụng để chạy mô hình lan truyền
mặn theo giá trị EC để thành lập bản đồ xâm
nhập mặn năm 2019 các huyện ven biển tỉnh Bến
Tre theo 4 cấp độ tương ứng với giá trị EC: không
nhiễm mặn (0 - 4), nhẹ (4 – 8), vừa (8 – 16), rất
mặn (> 16). Quy trình thực hiện được thể hiện
bởi Hình 2.
3. Kết Quả và Thảo Luận
3.1. Xác định phạm vi nghiên cứu
Tỉnh Bến Tre nằm ở hạ lưu sông Mê Kông,
có diện tích khoản 2.394 km2 với hệ thống sông
rạch chằng chịt và tiếp giáp Biển Đông với chiều
dài bờ biển gần 65 km. Địa hình thấp với 90%
diện tích đất tự nhiên của tỉnh có độ cao trung
bình từ 1 - 2 m so với mực nước biển. Trong đó,
các vùng đất thấp ven sông phân bố ở các huyện
ven biển như huyện Bình Đại, Ba Tri và Thạnh
Phú (độ cao dưới 1 m) thường xuyên bị ngập khi
triều cường (MFF, 2014) được chọn làm địa bàn
nghiên cứu (Hình 3).
3.2. Phân tích tương quan giữa giá trị EC và
phản xạ phổ của ảnh Landsat
Kết quả nghiên cứu của nhiều tác giả cho thấy,
đặc trưng phổ của ảnh Landsat 8 với các thành
phần muối ứng với các dải bước sóng khác nhau.
Các loại muối sodium sulfate, halite, gypsum, cal-
cium carbonate, sodium bicarbonate đều phản xạ
mạnh (hơn 80%) trong dải bước sóng từ 0,4 đến
1,4 µm (từ kênh khả kiến đến cận hồng ngoại)
(Le & ctv., 2019). Kết quả khảo sát từ bộ dữ liệu
mẫu tại tỉnh Bến Tre thể hiện mối tương quan
thực tế giữa giá trị độ mặn EC với giá trị phổ
của ảnh Landsat 8 thể hiện như sau: kênh blue
(Hình 4.a), green (Hình 4.b) và kênh red (Hình
4.c) có hệ số tương quan rất thấp (r < 0,1), chứng
tỏ không có mối tương quan với giá trị độ mặn
EC. Trong khi đó, kênh NIR (Hình 4.d) có mối
tương quan khá cao (r = 0,791). Do đó, các giá
trị pixel trên kênh NIR của ảnh Landsat 8 được
sử dụng để phát triển mô hình giám sát độ mặn
trong đất.
Bảng 2 thể hiện mô hình hồi quy với biến phụ
Tạp chí Nông nghiệp và Phát triển 19(4) www.jad.hcmuaf.edu.vn
Trường Đại học Nông Lâm TP. Hồ Chí Minh 49
Bảng 1. Công thức tính các chỉ số độ mặn dựa trên các kênh phổ ảnh Landsat 8 OLI
STT Chỉ số Công thức Nguồn
1 Salinity Index 1 (SI1) SI1 =
√
Green2 + Red2 Douaoui & ctv., 2006
2 Salinity Index 2 (SI2) SI2 =
√
Red + Green Douaoui & ctv., 2006
3 Salinity Index 3 (SI3) SI3 = Blue*Red Khan & ctv., 2001
4 Salinity Index 4 (SI4) SI4 =
Red ∗NIR
Green
Abbas & Khan, 2007
5 Salinity Index 5 (SI5) SI5 = Blue/Red Abbas & Khan, 2007
6 Soil Adjusted Vegetation Index
(SAVI)
SAVI = 1.5*
NIR-Red
NIR + Red + 0.5
USGS (2006)
7 Normalize Difference Salinity In-
dex (NDSI)
NDSI =
Red - NIR
NIR + Red
Khan & ctv., 2001
8 Vegetation Soil Salinity Index
(VSSI)
VSSI=2*Green- 5*(Red+NIR) Dehni & Lounis, 2012
Hình 2. Quy trình đánh giá xâm nhập mặn năm 2019.
thuộc là EC (tại 28 điểm mẫu) và biến độc lập
lần lượt là các kênh phổ red, green, blue. Mô hình
giám sát độ mặn trong đất sử dụng kênh NIR có
r = 0,791 được chọn trong nghiên cứu thể hiện
bởi: EC = e[log(3.225)+3.820∗NIR]
www.jad.hcmuaf.edu.vn Tạp chí Nông nghiệp và Phát triển 19(4)
50 Trường Đại học Nông Lâm TP. Hồ Chí Minh
Bảng 2. Tương quan phản xạ phổ với giá trị độ dẫn điện (EC) trong
thiết lập mô hình
STT Kênh phổ Mô hình hồi quy Tương quan (r)
1 Blue EC = e[log(10.512)−5.223∗Blue] -0,020
2 Green EC = e[log(6.362)−0.028∗Green] -0,038
3 Red EC = e[log(7.340)−2.127∗Red] -0,024
4 NIR EC = e[log(3.225)+3.820∗NIR] 0,791
Hình 3. Vị trí vùng nghiên cứu.
Bảng 3. Tương quan giữa các chỉ số độ mặn và độ dẫn điện (EC)
STT Chỉ số Mô hình hồi quy Tương quan (r) Độ lệch chuẩn của EC
1 NDSI EC = e[log(4,668)−1,155∗NDSI] 0,756 1,773
2 SAVI EC = e[log(4,316)+2,081∗SAVI] 0,740 1,637
3 VSSI EC = e[log(2,868)−0,751∗VSSI] 0,703 1,855
4 SI1 EC = e[log(8,477)−10,934∗SI1] -0,27 3,664
5 SI2 EC = e[log(8,779)−19,798∗SI2] -0,19 3,629
6 SI3 EC = e[log(7,456)−28,179∗SI3] -0,037 3,660
7 SI4 EC = e[log(3,370)+4,825∗SI4] 0,587 2,313
8 SI5 EC = e[log(3,187)+0,445∗SI5] 0,103 3,406
Tạp chí Nông nghiệp và Phát triển 19(4) www.jad.hcmuaf.edu.vn
Trường Đại học Nông Lâm TP. Hồ Chí Minh 51
Hình 4. Đồ thị phân bố điểm mẫu tương ứng với các kênh phổ.
(a) - Kênh blue; (b) - Kênh green; (c) - Kênh red; (d) - Kênh NIR
3.3. Sự tương quan giữa giá trị EC và các chỉ
số độ mặn
Các chỉ số độ mặn được trích xuất từ ảnh Land-
sat bao gồm 8 chỉ số: NDSI, SAVI, VSSI, SI1, SI2,
SI3, SI4, SI5. Sử dụng phần mềm ENVI để tạo các
ảnh chỉ số tương ứng và phần mềm SPSS trong
phân tích tương quan giữa từng chỉ số với EC.
Từ đó, chọn chỉ số có hệ số tương quan cao nhất.
Từ kết quả tính toán các chỉ số độ mặn tiến
hành trích xuất các thông tin và phân tích tương
quan với giá trị EC thực địa, kết quả thể hiện ở
Bảng 3, Trong đó, 4 chỉ số có giá trị tương quan
nhỏ hơn 0,50 đã bị loại (bao gồm SI1, SI2, SI3,
SI5), Nghiên cứu cho thấy các chỉ số NDSI, SAVI,
VSSI, SI4 có độ tương quan cao với EC, đặc biệt
là chỉ số SAVI có độ lệch chuẩn nhỏ nhất (1,637)
tương ứng với độ tương quan r = 0,740, Do đó,
việc sử dụng kênh phổ hồng ngoại gần (kênh NIR)
rất khả thi trong thành lập bản đồ độ mặn của
www.jad.hcmuaf.edu.vn Tạp chí Nông nghiệp và Phát triển 19(4)
52 Trường Đại học Nông Lâm TP. Hồ Chí Minh
Hình 5. Đồ thị phân bố điểm mẫu tương ứng với các chi số độ mặn.
(a) - NDSI; (b) - VSSI; (c) - SAVI; (d) - SI4
đất.
3.4. Tạo bản đồ độ mặn của đất
Sử dụng mô hình hồi quy để tính giá trị EC từ
kênh NIR, từ đó tạo ảnh phân bố độ mặn đất EC
cho vùng nghiên cứu. Hình 5 thể hiện bản đồ độ
mặn được thành lập theo EC với 4 cấp độ tương
ứng: 0 – 4 (không mặn); 4 – 8 (mặn nhẹ); 8 – 16
(mặn vừa) và EC > 16 (mặn nặng).
Phân bố độ mặn trên địa bàn nghiên cứu cho
thấy hầu hết huyện Thạnh Phú đều bị nhiễm mặn
với độ mặn EC từ 4 – 16 xâm nhập sâu từ cửa
biển vào đất liền khoảng 26 km (Hình 6). Xâm
nhập mặn tại huyện Ba Tri theo hai hướng từ
biển vào 5 km với độ mặn từ 8 – 16 và hướng
sông Ba Lai từ cửa Ba Lai vào 15 km và từ sông
Ba Lai vào đất liền 1,5 – 2 km, Huyện Bình Đại
xâm nhập mặn theo hướng từ Cửa Đại và Cửa
Ba Lai sâu 25 km vào đất liền.
Tạp chí Nông nghiệp và Phát triển 19(4) www.jad.hcmuaf.edu.vn
Trường Đại học Nông Lâm TP. Hồ Chí Minh 53
Hình 6. Bản đồ phân bố độ mặn của đất (EC).
Để đánh giá độ chính xác tiến hành phân tích
sai lệch giữa các chỉ số độ mặn được trích xuất từ
ảnh với các chỉ số EC thu được từ khảo sát thực
tế (bộ dữ liệu mẫu).
Hình 7 cho thấy đồ thị phân bố độ mặn trên
địa bàn nghiên cứu dựa vào việc trích xuất giá
trị EC từ ảnh Landsat 8 OLI khá tương đồng với
số liệu đo thực tế. Giải pháp đề xuất đã mở ra
cơ sở khoa học trong thành lập bản đồ đánh giá
độ mặn đất từ kênh NIR khá hiệu quả và tin cậy
www.jad.hcmuaf.edu.vn Tạp chí Nông nghiệp và Phát triển 19(4)
54 Trường Đại học Nông Lâm TP. Hồ Chí Minh
Hình 7. So sánh kết quả trích xuất giá trị độ dẫn điện (EC) từ mô hình và giá trị khảo sát.
cao (r = 0,791). Ngoài ra, các kênh phổ khác của
ảnh Landsat 8 còn ý nghĩa trong việc xác định
các chỉ số độ mặn như chỉ số NDSI (r = 0,756),
SAVI (r = 0,740), VSSI (r = 0,703) và SI4 (r =
0,587).
4. Kết Luận
Bản đồ độ mặn đất (EC) các huyện ven biển
tỉnh Bến Tre được thành lập từ phương pháp viễn
thám với ảnh Landsat 8 OLI kênh cận hồng ngoại
(NIR) đã cho kết quả khả quan, đáng tin cậy (r
= 0,791) cho thấy tiềm năng lớn của ảnh Landsat
trong đánh giá ảnh hưởng của xâm nhập mặn đến
sản xuất nông nghiệp nói riêng và các hoạt động
kinh tế - xã hội nói chung. Ảnh Landsat 8 OLI
được truy cập dễ dàng, miễn phí và có thể được
sử dụng để tính các chỉ số thông qua giá trị phản
xạ các kênh phổ phục vụ phân tích tương quan
với các chỉ số độ mặn đất và các chỉ số khác trong
đất.
Kết quả nghiên cứu năm 2019 cho thấy hầu hết
các huyện Thạnh Phú, Ba Tri và Bình Đại đều
bị nhiễm mặn với giá trị EC từ 8 – 16. Độ mặn
giảm dần theo hướng từ biển đông vào đất liền
với khoảng cách từ 15 đến 25 km. Giải pháp đề
xuất đã mở ra hướng mới rất khả thi trong giám
sát và đánh giá nhanh lan truyền mặn trong đất
và thành lập bản đồ độ mặn đất cấp vùng và các
tỉnh thuộc đồng bằng sông Cửu Long.
Tài Liệu Tham Khảo (References)
Abbas, A., & Khan, S. (2007). Using remote sens-
ing techniques for appraisal of irrigated soil
salinity. In Oxley, L., and Kulasiri, D. (Eds.),
MODSIM 2007 International Congress: Modelling
and Simulation Society of Australia and New
Zealand (2632-2638). Christchurch, New Zealand:
Tạp chí Nông nghiệp và Phát triển 19(4) www.jad.hcmuaf.edu.vn
Trường Đại học Nông Lâm TP. Hồ Chí Minh 55
Modelling and Simulation Society of Australia
and New Zealand. Retrieved March 20, 2020, from
https://researchoutput.csu.edu.au/en/publications/using-
remote-sensing-techniques-for-appraisal-of-irrigated-
soil-s.
Ali, A. N., Mehdi, H., & Abbas, F. (2012). Models to
the identification of soil salinity: A case study from
Garmsar Plain, Iran. International Journal of Envi-
ronmental Physiology and Toxicology 9(1), 59-74.
Dehni, A., & Lounis, M. (2012). Remote sensing tech-
niques for salt affected soil mapping: Application to
the oran region of Algeria. Procedia Engineering 33,
188-198.
Douaoui, E. K., Nicolas, H., & Walter, C. (2006). De-
tecting salinity hazards within a semiarid context by
means of combining soil and remote-sensing data. Geo-
derma, 134(1-2), 217-230.
Khan, N. M., Rastoskuev, V. V., Shalina, E. V., & Sato,
Y. (2001). Mapping salt-affected soils using remote
sensing indicators - A simple approach with the use
of GIS IDRISI. Proceedings of the 22nd Asian Con-
ference on Remote Sensing (5-9). Singapore: Centre
for Remote Imaging, Sensing and Processing (CRISP),
National University of Singapore.
Le, T. V., Tran, V. T., & Vo, V. N. (2019). Solution
of integrating remote sensing and GIS in monitoring
saline intrusion of Mekong river. Vietnam Journal of
Science, Technology and Engineering 61(3), 22-26.
MFF (Mangroves for the Future). (2014). Assessment
of land use changes using SPOT5 multi-time remote
sensing images in project areas of Ben Tre and Tra
Vinh provinces. Tra Vinh, Vietnam. Retrieved June 11,
2019 from https://www.mangrovesforthefuture.org/.
Neha, P. (2019). Use of Landsat satellite imagery to iden-
tify the salitization of soil due to brine spills in North-
western North Dakota (Unpublished master’s thesis).
University of North Dakota, North Dakota, USA.
Nguyen, A. K., Liou, Y. A., Tran, H. P., Hoang, P. P.,
& Nguyen, T. H. (2020). Soil salinity assessment
by using near-infrared channel and vegetation soil
salinity index derived from Landsat 8 OLI data:
A case study in the Tra Vinh province, Mekong
Delta, Vietnam. Retrieved March 15, 2020, from
https://link.springer.com/article/10.1186/s40645-
019-0311-0#article-info.
Shrestha, R. (2006). Relating soil electrical conductivity
to remote sensing and other soil properties for assessing
soil salinity in northeast Thailand. Land Degradation
and Development 17(8), 677-689.
USGS (United States Geological Survey). (2006). Landsat
surface reflectance-derived spectral indices. Retrieved
March 15, 2020, from https://www.usgs.gov/core-
science-systems/nli/landsat/landsat-soil-adjusted-
vegetation-index.
Watheq, S., Ebtihal, T. A. K., & Sa’ad, R. Y. (2018).
Using Landsat 8 OLI data to predict and mapping soil
salinity for part of An-Najaf governorate. Ecology, En-
vironment and Conservation Paper 24(2), 572-578.
www.jad.hcmuaf.edu.vn Tạp chí Nông nghiệp và Phát triển 19(4)