Ước tính hàm lượng chất diệp lục-a từ ảnh vệ tinh Landsat 9 phục vụ giám sát chất lượng môi trường nước mặt trong quản lý đô thị
DOI:
https://doi.org/10.5281/zenodo.18186393Từ khóa:
Landsat 9, Chl-a, hồi quy, lưu vực sông Đáy, viễn thám môi trườngTóm tắt
Nghiên cứu trình bày phương pháp ước tính hàm lượng chất diệp lục-a (Chl-a) trong nước mặt lưu vực sông Đáy từ dữ liệu ảnh vệ tinh Landsat 9. Ảnh vệ tinh được thu nhận tháng 6 năm 2025 và xử lý bằng phương pháp tỷ số phổ giữa kênh cận hồng ngoại (NIR) và kênh đỏ (RED). Tổng cộng 25 mẫu nước mặt được thu thập thực địa cùng thời điểm để xây dựng và hiệu chỉnh mô hình hồi quy tuyến tính đơn, liên kết giữa chỉ số phổ và hàm lượng Chl-a đo được. Kết quả cho thấy mô hình hồi quy có hệ số xác định mô hình R² đạt 0,86, sai số nhỏ và có ý nghĩa thống kê cao (p < 0,001). Bản đồ phân bố không gian hàm lượng Chl-a cho thấy giá trị cao tập trung tại khu vực trung và hạ lưu, phản ánh quá trình tích tụ dinh dưỡng và nguy cơ phú dưỡng trong mùa mưa đầu vụ. Kết quả nghiên cứu chứng minh tính hiệu quả của việc ứng dụng viễn thám trong giám sát nhanh chất lượng nước mặt, hỗ trợ công tác phục vụ giám sát chất lượng môi trường nước mặt trong quản lý đô thị.
Downloads
Tài liệu tham khảo
[1] Gitelson, A. A., Schalles, J. F., and Hladik, C. M., “Remote chlorophyll-a retrieval in turbid, productive estuaries: Chesapeake Bay case study,” Remote Sensing of Environment, vol. 109, no. 4, pp. 464-472, 2007. DOI: https://doi.org/10.1016/j.rse.2007.01.016
[2] Mishra, S., and Mishra, D. R., “Normalized Difference Chlorophyll Index: A novel model for remote estimation of chlorophyll-a concentration in turbid productive waters,” Remote Sensing of Environment, vol. 117, pp. 394-406, 2012. DOI: https://doi.org/10.1016/j.rse.2011.10.016
[3] O’Reilly, J. E., et al., “Ocean color chlorophyll algorithms for SeaWiFS,” Journal of Geophysical Research: Oceans, vol. 103, no. C11, pp. 24937-24953, 1998. DOI: https://doi.org/10.1029/98JC02160
[4] Lee, Z., Carder, K. L., Arnone, R. A., “Deriving inherent optical properties from water color: A multiband quasi-analytical algorithm for optically deep waters,” Applied Optics, vol. 41, no. 27, pp. 5755-5772, 2002. DOI: https://doi.org/10.1364/AO.41.005755
[5] Lee, Z., et al., “Diffuse attenuation coefficient of downwelling irradiance: An evaluation of remote sensing methods,” Journal of Geophysical Research: Oceans, vol. 114, C01011, 2009. DOI: https://doi.org/10.1029/2008JC005011
[6] Nechad, B., Ruddick, K. G., and Park, Y., “Calibration and validation of a generic multisensor algorithm for mapping of total suspended matter in turbid waters,” Remote Sensing of Environment, vol. 114, no. 4, pp. 854-866, 2010. DOI: https://doi.org/10.1016/j.rse.2009.11.022
[7] Dogliotti, A. I., Ruddick, K. G., Nechad, B., Doxaran, D., and Knaeps, E., “A single algorithm to retrieve turbidity from remotely-sensed data in all coastal and estuarine waters,” Remote Sensing of Environment, vol. 156, pp. 157-168, 2015. DOI: https://doi.org/10.1016/j.rse.2014.09.020
[8] Đinh Thị Thu Hiền, “Đánh giá chất lượng môi trường nước mặt sông Hồng khu vực thành phố Hà Nội bằng ảnh vệ tinh Sentinel-2A”, Tạp chí Khoa học Đo đạc và Bản đồ, (34), 45-49. 3, 2017
[9] Trần Huỳnh Kim, Nguyễn Thị Hồng Điệp, Nguyễn Trọng Nguyễn, Dương Cơ Hiếu, Huỳnh Thị Thu Hương, “Đánh giá chất lượng môi trường sinh thái vùng Đồng bằng sông Cửu Long ứng dụng công nghệ viễn thám và GIS”, Tạp chí Khoa học Đại học Cần Thơ, 61 (2025): 10-23, 2025
[10] Rao, K., Cao, X., Wang, Y., Zhang, Y., Huang, H., Ma, Y., & Xu, J. (2024). “Spatial-temporal distributions of phytoplankton shifting, chlorophyll-a, and their influencing factors in shallow lakes using remote sensing”. Ecological Informatics, 82, 102765.
[11] Gilerson, A., Malinowski, M., Agagliate, J., Herrera-Estrella, E., Tzortziou, M., Tomlinson, M. C., ... & Wang, M. (2024). “Development of VIIRS-OLCI chlorophyll-a product for the coastal estuaries”. Frontiers in Marine Science, 11, 1476425.
[12] Sadek, Amjed Mohammed, and Lekaa Ali Mohammed. “Evaluation of the performance of kernel non-parametric regression and ordinary least squares regression”. JOIV: International Journal on Informatics Visualization 8.3 (2024): 1352-1360.
Lượt tải xuống
Đã Xuất bản
Số
Chuyên mục
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0 Quốc tế.
Giấy phép CC 4.0
