DÂY LƯNG & VÍ DA CHẤT LƯỢNG CAO THƯƠNG HIỆU H2


Sử dụng hệ thống định vị toàn cầu (GPS) trong công tác khảo sát lưới điện

Công ty Năng lượng Jackson (Công ty cung cấp các dịch vụ điện năng, khí đốt, nước máy, viễn thông cho tiểu bang Tennessee – Hoa Kỳ) sử dụng công nghệ mới giúp giảm nhân công trong công tác trắc đạt và thu thập dữ liệu lưới điện.
Không có công ty điện lực nào phủ nhận công tác khảo sát, xác định ranh công trình đóng vai trò quan trọng trong việc thiết trí hệ thống lưới điện. Đối với các công việc nhỏ, đơn giản thì công việc khảo sát thực hiện dễ dàng, nhưng đối với việc xây dựng nhiều trụ điện thì cần sử dụng các cụng cụ để đảm bảo các trụ điện được trồng thẳng hàng. Các dự án lớn hơn như xây dựng mới đường dây truyền tải, mở rộng phát tuyến trung thế hoặc tái bố trí lưới điện do thi công đường đòi hỏi phải có phương tiện thu thập dữ liệu chính xác tại hiện trường để phục vụ công tác thiết kế, sau đó chuyển bản thiết kế đến hiện trường để thi công. Phương pháp khảo sát, đo vẽ truyền thống đã được các công ty điện lực sử dụng từ rất lâu, ngày nay các công ty điện lực bắt đầu dùng những công nghệ mới để giảm bớt gánh nặng trong công tác trắc đạt. Việc sử dụng công nghệ hệ thống định vị toàn cầu (GPS) trong công tác khảo sát lưới điện đã nhanh chóng thay đổi phương pháp khảo sát hiện trường của Công ty Năng lượng Jackson (JEA).

Lịch sử ứng dụng GPS tại JEA
JEA là Công ty cung cấp các dịch vụ về nước máy, xử lý nước thải, khí đốt, điện và các dịch vụ viễn thông qua mạng cáp quang cho khoảng 35.000 khách hàng. JEA đã ứng dụng GPS lần đầu tiên cho một dự án hạ tầng không liên quan đến lĩnh vực điện. Năm 2002, lãnh đạo JEA quyết định đã đến lúc thu thập các dữ liệu khảo sát hạ tầng ngầm với độ chính xác cao (độ chính xác của vị trí đo sai khác với vị trí thực tế không quá 1 cm).
JEA đã trang bị một trạm tập trung và một máy thu dữ liệu (còn gọi là rover), trong vòng một năm JEA đã mua thêm một máy thu khác. Các dữ liệu thu thập được ban đầu là vị trí hiện hữu của các hố ga, van nước và khí, đồng hồ nước. Không lâu sau đó, đội thi công và các giám sát được trang bị các máy thu dùng cho mục đích thu thập các vị trí trên đường ống dẫn nước, thoát nước và khí đốt trong quá trình thi công. Mong muốn của JEA là không những khai thác chính xác toạ độ hai chiều X-Y của hạ tầng ngầm mà còn quản lý cả cao độ Z.
Mặc dù ý định ban đầu là tận dụng các thiết bị cho việc định vị các vị trí của hạ tầng ngầm trong tương lai, nhưng bộ phận kỹ thuật của JEA đã nhận thấy cơ hội để tận dụng các thiết bị trắc đạt độ chính xác cao đóng vai trò như một thiết bị chuyên thu thập dữ liệu cho công tác thiết kế, cũng như một thiết bị dùng để xác định ranh công trình khi thiết kế đã được hoàn tất. Ý tưởng này được đẩy nhanh thành hiện thực thông qua việc tăng cường chia sẻ các tập tin kỹ thuật số từ nhóm khảo sát, các nhà phát triển và nhà thiết kế phần mềm. Tiếp đó, bộ phận kỹ thuật đã sử dụng các thiết bị, kết hợp với bản vẽ có dữ liệu đo với độ chính xác cao để hoàn tất quá trình thiết kế và cắm mốc công trình. Bên cạnh độ chính xác của vị trí trên bản vẽ so với thực tế, JEA cũng thu được một số lợi ích khác thông qua việc sử dụng các các thiết bị GPS trong công tác khảo sát.

Thiết bị có chức năng GPS hoạt động như thế nào?
Hầu hết tất cả mọi người đã sử dụng qua các các thiết bị có chức năng GPS, chẳng hạn như dùng GPS trong xe ô tô để tìm đường đi hoặc là dùng điện thoại di động smartphone để tìm vị trí nhà hàng nào đang ở gần nhất. Các thiết bị GPS này hoạt động độc lập, nghĩa là chúng chỉ nhận tín hiệu duy nhất từ 24 vệ tinh của quân đội Hoa Kỳ, chứ không qua các nguồn tín hiệu khác. Thiết bị GPS so sánh thời gian tín hiệu được phát đi từ vệ tinh với thời gian nhận được chúng, từ đó chúng sẽ tính được vị trí ba chiều (kinh độ, vĩ độ, độ cao).
Do các thiết bị hoạt động độc lập, nên độ chính xác từ điểm định vị so với vị trí thực tế nằm trong bán kính khoảng 15 m. Do đó, cần phải có các thiết bị phụ trợ để tăng độ chính xác, và trạm tập trung đảm nhận vai trò này. Trạm tập trung được đặt tại một điểm cố định và đóng vai trò hỗ trợ cho các máy thu tín hiệu. Trạm tập trung so sánh toạ độ vị trí thực tế với toạ độ định vị tính toán của thiết bị GPS và gửi hệ số hiệu chỉnh giữa hai kết quả đến các máy thu tín hiệu qua đường truyền thông tin. Vì vậy, các máy thu phải hoạt động trong bán kính 64 km so với trạm tập trung để có được vị trí chính xác của điểm định vị. Kết quả được hiệu chỉnh giữa phép tính vị trí định vị của máy thu so với vị trí thực tế gọi là tín hiệu vị trí theo thời gian thực (Real-Time Kinematic). Nếu không có trạm tập trung thì các máy thu sẽ cho ra kết quả có độ chính xác thấp hơn rất nhiều.

Thay đổi công nghệ
Các thiết bị GPS của LEA trang bị thời kỳ đầu khá đắt. Các trạm tập trung có giá khoảng 65.000 USD, và giá bán trung bình của một máy thu là 25.000 USD. Cần phải trang bị thêm 1 máy vi tính và một modem để gửi tín hiệu RTK đến máy thu. Cấu tạo của máy thu gồm bộ thu tín hiệu vệ tinh dạng đĩa được lắp trên đỉnh của cột khảo sát, và nối với balô chứa modem và nguồn thông qua các dây và cáp nối. Các dữ liệu thu được lúc đó mang thông tin không trực quan, không có hình ảnh và không cho nhập các thông tin thuộc tính tại vị trí định vị.
Để khắc phục những trở ngại trên, JEA đã làm việc với các nhà cung cấp thiết bị để tìm ra thiết bị phù hợp với nhu cầu của JEA. Theo sự tự vấn của Công ty chuyên về GIS GEO-Jobe, JEA đã chọn bản ghi dữ liệu Trimble GeoXH và máy thu tín hiệu R8 GNSS. Máy thu loại này không yêu cầu có balô chứa modem và nguồn. Tín hiệu RTK được nhận từ mạng đi dộng không qua modem. Ngoài ra, thông tin liên lạc giữa điện thoại di động, máy thu vệ tinh và các bản ghi dữ liệu được kết nối qua Bluetooth, do đó không cần phải có dây và cáp nối.
Hơn nữa, các bản ghi dữ liệu của GeoXH cung cấp giao diện màn hình cảm ứng hiển thị bản đồ và cho phép nhập các thông tin thuộc tính cho từng điểm trên bản đồ. Giao diện bản đồ cũng cho phép người dùng định vị trên bản vẽ CAD. Việc thu thập được các thông tin thuộc tính tại mỗi vị trí trong quá trình khảo sát ban đầu của dự án sẽ tạo được dữ liệu hoàn chỉnh cho công trình. Một chức năng hữu ích khác là cho phép nhập dữ liệu về đường dây và trụ của lưới điện. Và cuối cùng, phần mềm Pathfinder sẽ đồng bộ bản ghi dữ liệu với bản vẽ và chuyển các dữ liệu này về máy tính.


Sử dụng thiết bị GPS để khảo sát dự án mở rộng đường tại bang Tennessee.

Năm 2009, trạm tập trung của JEA bị hư hại và không thể sửa chữa được do đã lỗi thời, thiếu linh kiện thay thế. Thời điểm này các công ty điện lực cũng đã lắp nhiều trạm tập trung ở khắp nơi. Đánh giá chi phí cho thấy phí đăng ký giấy phép sử dụng các máy thu dựa trên các trạm tập trung của các công ty khác rẻ hơn nhiều so với chi phí trang bị một trạm tập trung mới. JEA đã bỏ qua phương án trang bị thêm trạm tập trung, thay vào đó quyết định mua thêm các máy thu có đóng phí đăng ký hoạt động dựa trên mạng lưới các trạm tập trung có sẵn vừa đạt được độ tin cậy của hệ thống và tinh gọn trang thiết bị.

Khắc phục sự nghi ngại khi sử dụng GPS
Bất kỳ sự thay đổi nào cũng gặp phải các ý kiến phản đối, JEA đã tiến hành nhiều bước nhằm xây dựng lòng tin nhằm khuyến khích sử dụng GPS trong công tác khảo sát lưới điện. Đầu tiên, LEA cho tiến hành khảo sát, đo đạc hiện trường sử dụng cả phương pháp truyền thống và công nghệ GPS. Tiếp đó, JEA đánh giá các tác động tiềm năng khi sử dụng GPS để tiết kiệm thời gian và nhân công trong công tác khảo sát. Đây cũng là dịp để đo lường độ chính xác và ổn định của thiết bị GPS. Thực hiện các bước trên nhằm xây dựng lòng tin, thuyết phục bộ phận kỹ thuật có thể tin tưởng sử dụng GPS trong công tác khảo sát.
Công việc tiếp theo là thuyết phục đội thi công, đơn vị có khả năng bị ảnh hưởng nhiều nhất khi sử dụng GPS cho công tác khảo sát lưới điện để lập thiết kế thi công. Một sai sót nhỏ của bộ phận kỹ thuật trong việc sử dụng GPS có thể làm cho nỗ lực thuyết phục các bộ phận khác sử dụng GPS bị thất bại. Trong nhiều tình huống, bộ phận kỹ thuật làm việc với các đội, hướng dẫn họ dùng GPS để khảo sát, vẽ ranh công trình, sau đó các đội sẽ tự đánh giá về mức độ tiện dụng cũng như kết quả định vị chính xác. Trải qua nhiều dự án với nhiều kết quả như mong đợi, các đội giờ đây đã chấp nhận sử dụng GPS trong công tác khảo sát, thi công.


Hình minh hoạ của dự án mở rộng đường lấy từ phần mềm ghi dữ liệu Trimble GeoXH dùng trong thiết bị GPS.

Lợi ích của công ty điện lực
Sử dụng GPS độ chính xác cao trong công tác khảo sát có nhiều lợi thế hơn so với các phương pháp truyền thống. Cần phải có 2 nhân viên để làm công tác khảo sát theo phương pháp truyền thống, kéo theo đó là các tác vụ tốn rất nhiều thời gian như đánh giá kết quả trắc đạt và trở lại hiện trường để xem xét. Ngoài ra, với phương pháp này nhóm khảo sát bị giới hạn tầm quan sát lưới điện. Trong khi đó, dùng GPS khảo sát chỉ cần một người thực hiện và không bị giới hạn tầm quan sát lưới điện. Trong quá trình khảo sát, người khảo sát có thể dùng GPS để thu thập nhiều thông tin chi tiết cho bản thiết kế. Tại mỗi điểm định vị đều có thể nhập được các thông tin thuộc tính chi tiết, bao gồm cả cao độ công trình, thuộc tính đường dây, tất cả tạo nên một dữ liệu minh bạch.
Lợi ích khác của GPS mang lại là đẩy mạnh việc lập các bản vẽ số dựa trên thông tin thu thập của nhóm khảo sát. Thông thường, các kỹ sư dùng các bản vẽ số là các bản vẽ cơ sở cho thiết kế và thi công, do đó, các bản vẽ này phải có nền địa lý. Sau đó các kỹ sư sẽ tích hợp các thông tin lên bản đồ, chuyển chúng sang thiết bị GPS và sử dụng trong công tác khảo sát tại hiện trường. Lợi ích tiếp theo là cho phép chỉnh sửa thiết kế ngay tại hiện trường. Theo đó, phần mềm trong thiết bị GPS cung cấp chức năng vẽ nháp bản thiết kế và thực hiện chỉnh sửa các chi tiết nhỏ trong bản thiết kế chính thức. Các công việc trên được thực hiện ngay tại hiện trường mà không cần phải quay về văn phòng làm việc. Sau khi hoàn thành thiết kế và xác định ranh công trình, dữ liệu vẫn lưu trong máy cho đến khi người sử dụng.
Công ty điện lực phải thường xuyên kiểm tra định kỳ ranh công trình để kịp thời thay thế các vị trí đánh dấu mốc ranh bị thay đổi hoặc hư hại. Các hoạt động như đào đường thường là các nguyên nhân chính gây mất mát mốc ranh, lúc đó ta có thể định vị bằng GPS để xác định lại dấu mốc đã định vị trước đó. Lợi ích cuối cùng là chức năng cập nhật các tập tin của bản vẽ thiết kế lên hệ thống quản lý thông tin địa lý GIS, công tác này trước đây tốn rất nhiều thời gian cho việc chỉnh sửa, hoàn thiện bản vẽ và nhập các dữ liệu thuộc tính cho bản vẽ.

Thiết lập tiêu chuẩn
Tại JEA, thiết bị GPS độ chính xác cao đã nhanh chóng thay thế các phương tiện truyền thống để thực hiện công tác khảo sát và xác định ranh công trình. Tuy thiết bị không hoàn toàn phù hợp cho tất cả các ứng dụng, nhưng nó đã nhanh chóng phát triển thành phương tiện cần thiết để thu thập dữ liệu và định vị. JEA đã sử dụng thiết bị này rộng rãi trong công tác thiết kế và đã chứng minh được tính bền bỉ và tin cậy của thiết bị. Mặc dù chi phí đầu tư cho thiết bị cao hơn, nhưng JEA đã hoạt động hiệu quả hơn, với nguồn nhân lực ít hơn nhưng đạt được độ chính xác cao hơn.
Thiết bị GPS cho phép JEA tăng cường số hoá các dữ liệu từ lúc bắt đầu đến lúc kết thúc dự án. Nhìn chung, thiết bị GPS độ chính xác cao đã trở thành công cụ chủ yếu trong hoạt động kinh doanh của JEA nhằm cung cấp cho khách hàng dịch vụ tốt với giá cả hợp lý.

dịch theo “T&D”, số tháng 07/2011
Duy Hoàng – Tổng Công ty Điện lực TP.HCM

Mobile GIS

http://www.dailan.com.vn/shareupload/mobileGIS5.jpg
Mobile GIS là phần mở rộng của hệ thông tin địa lý (GIS), giúp cho các ứng dụng GIS hoạt động trên thực địa thay vì hoạt động trong phòng. Mobile GIS cho phép người sử dụng ở bên ngoài thực địa thu thập, lưu trữ, cập nhật, thao tác, phân tích, và hiển thị các thông tin địa lý. Mobile GIS tích hợp một hoặc nhiều các công nghệ sau:
  • Các thiết bị Mobile
  • Hệ thống định vị toàn cầu (GPS)
  • Công nghệ truyền thông không dây cho truy cập GIS Internet
Theo cách truyền thống việc tiếp cận và sửa dữ liệu thu thập ngoài hiện trường luôn mất nhiều thời gian và dễ gây lỗi. Các dữ liệu thực địa được biểu diễn qua sơ đồ và các dấu hiệu trên bản đồ giấy sau đó được chuyển về văn phòng để giải đoán và nhập dữ liệu vào trong cơ sở dữ liệu GIS. Phương pháp này cho thấy dữ liệu GIS không được thường xuyên cập nhật mới hoặc chính xác.
Sự phát triển của ESRI trong lĩnh vực Mobile GIS cho phép lưu giữ các thông tin thực địa dưới dạng bản đồ số trên máy tính cầm tay, các máy tính lưu động dễ dàng tiếp cận các thông tin địa lý ngay trên thực địa. Người sử dụng có thể đưa các thông tin thời gian thực tới cơ sở dữ liệu của họ, các ứng dụng, tăng tốc độ phân tích, hiển thị, và đưa ra quyết định bằng việc cập nhật mới nhất, dữ liệu không gian chính xác hơn. Lính cứu hoả, nhân viên cảnh sát, kỹ sư, công nhân và nhiều đối tượng khác sử dụng mobile GIS để hoàn thành các công việc chẳng hạn như:
  • Thành lập bản đồ  - Tạo lập, sửa chữa, và bản đồ hoá bằng công nghệ GIS ngay trên thực địa
  • Thống kê - Tạo lập và duy trì bảng thống kê của vị trí các địa vật và thông tin thuộc tính của nó.
  • Duy trì - Cập nhật vị trí địa vật, điều kiện và duy trì dưới dạng bảng kê
  • Kiểm tra – Lưu giữ các bản ghi dạng số và vị trí của địa vật theo dạng số hay mẫu phiếu.
  • Thành lập báo cáo – lưu trữ dưới dạng text về vị trí, và các tình huống của các hoạt động hay sự kiện cho các nhiệm vụ hoặc thành lập báo cáo.
  • Phân tích GIS và đưa ra quyết định - Tiến hành đo đạc, tạo vùng đệm, xử lý dữ liệu, và các phân tích GIS khác ngay trên thực địa.
Phạm vi ứng dụng của Mobile GIS trong công nghiệp
 ArcPad
ArcPad được thiết kế để thao tác ngoài thực địa, đòi hỏi phải dẽ dàng sử dụng các công cụ địa lý khi chạy trên những máy tính di động, chẳng hạn như Pocket PCs, Laptops và Tablet PCs. ArcPad giúp người sử dụng trên thực địa thành lập bản đồ, GIS, GPS và những dữ liệu thu thập được hoàn thiện hơn. Các ứng dụng ArcPad có thể được tạo lập trên ArcPad Application Builder, một nền phát triển cho mobile GIS.
 Hệ thống Mobile ArcGIS Desktop
Với việc sử dụng Tablet PCs và Laptop, ArcGIS có thể được sử dụng ngay trên thực địa thay vì trong phòng. Mobile ArcGIS Desktop systems (ArcReader, ArcView, ArcEditor, and ArcInfo) hỗ trợ các ứng dụng mobile GIS với các công cụ địa lý ở mức độ cao chẳng hạn như phân tích mạng lưới, quy trìnẫpử lý và hiệu chỉnh geodatabase.
ArcGIS Engine là sản phẩm phát triển cho việc tạo lập các ứng dụng GIS desktop thông dụng, và được khai thác ngay trên máy tính di động. Các ứng dụng thông dụng được tạo lập với ArcGIS Engine có thể được sử dụng trên Tablet PCs và Laptop nhằm mang đến các chức năng cần thiết giúp cho nhiều loại đối tượng sử dụng.
 ArcWeb Services, ArcIMS, và ArcGIS Server làm phong phú các ứng dụng mobile GIS  qua sự phân cấp các dữ liệu GIS và những khả năng tới các thiết bị mobile với kết nối không dây liên tục hoặc không liên tục.
Theo ESRI

Ứng dụng viễn thám và GIS trong xác định hiện trạng và nguy cơ sạt lở khu vực huyện Vân Canh- Bình Định

Để xác định hiện trạng và nguy cơ sạt lở đất cho một khu vực quan tâm là một công tác khá phức tạp và đòi hỏi giám sát thường xuyên. Bài báo nhằm giới thiệu giải pháp ứng dụng dữ liệu viễn thám kết hợp với GIS để xây dựng bản đồ hiện trạng sạt lở khu vực huyện Vân Canh của tỉnh Bình Định. Ảnh quang học AVNIR2 và ảnh radar Palsar đã được phối hợp (sử dụng thuật toán Fusion), để cập nhật và cung cấp dữ liệu phục vụ công tác xây dựng bản đồ nguy cơ sạt lở sử dụng công nghệ GIS và mô hình SIMAP (Stability Index Mapping). Kết quả cho thấy giải pháp được đề xuất có khả năng áp dụng hiệu quả trong công tác cảnh báo sớm để xác định hiện trạng và đáng giá nguy cơ sạt lở đất.
Hình ảnh AVNIR2 -RGB241(10m), thu nhận ngày 20 tháng 8 năm 2009 - Ảnh Hữu Hà
1. ĐẶT VẤN ĐỀ:
Text Box: Hình ảnh Palsar (6.5m) thu nhận ngày 3 tháng 11 năm 2009 - Ảnh Hữu HàTai biến địa chất nói chung, tai biến trượt lở, sạt lở nói riêng từ lâu đã được ghi nhận là một trong những hiểm họa có tính chất toàn cầu. Sự phát triển của công nghệ thông tin địa lý (GIS - Geographic Information Systems) và Viễn thám đã cung cấp những công cụ hữu hiệu cho việc lập bản đồ chuyên đề. Đặc biệt, trong thành lập bản đồ nguy cơ sạt lở đất, việc ứng dụng GIS và Modun SINMAP (Stability Index Mapping) sẽ tạo giải pháp hiệu quả trong thành lập bản đồ và quản lý các thông tin về hiện trạng sạt lở một cách đầy đủ, bao quát và khoa học [1]. Đồng thời việc thiết lập hệ thống cảnh báo sớm có thể đưa ra các dự báo về các nguy cơ có khả năng sạt lở cao nhằm có những giải pháp thích hợp hạn chế các thiệt hại người và cơ sở vật chất do sạt lở gây ra là một điều hết sức cần thiết.
Do đặc điểm địa hình và tập quán canh tác trên đất dốc của người dân, nên tại khu vực huyện Vân Canh - tỉnh Bình Định thường hay xảy ra sạt lở ở các cấp độ khác nhau. Hiện nay, công tác phân tích sạt lở đất cho khu vực này đang gặp nhiều khó khăn trong việc thu thập thường xuyên các tham số phục vụ dự báo vị trí có khả năng xảy ra sạt lở đất [3]. Bài báo nhằm giới thiệu giải pháp ứng dụng dữ liệu viễn thám quang học AVNIR2 và ảnh radar Palsar để cung cấp dữ liệu phục vụ công tác xây dựng bản đồ nguy cơ sạt lở đất sử dụng công nghệGISvà mô hình SIMAP (Stability Index Mapping). Giải pháp đề xuất có khả năng áp dụng hiệu quả trong công tác cảnh báo sớm để xác định hiện trạng và đáng giá nguy cơ sạt lở đáp ứng những yêu cầu quản lý và giám sát sạt lở trên địa bàn tỉnh Bình Định.
   2.PHƯƠNG PHÁP THỰC HIỆN:
2.1. Ảnh vệ tinh được sử dụng:sạt lở đất thường xảy ra vào các thời kỳ mưa lớn, bầu trời phủ đầy mây do đó việc sử dụng ảnh viễn thám quang học thường gặp nhiều hạn chế. Để đáp ứng nhu cầu giám sát thường xuyên và phân tích chiết trích thông tin liên quan từ ảnh thu nhận gần thời gian thực (near real time) việc sử dụng ảnh Radar thường được kết hợp với ảnh quang học. Ảnh viễn thám quang học AVNIR2 (độ phân giải 10m) được thử nghiệm sử dụng kết hợp với ảnh radar Palsar (độ phân giải 6,5m) dựa trên phương pháp gộp ảnh (Fusion) để cung cấp dữ liệu phục vụ công tác xây dựng bản đồ nguy cơ sạt lở đất, sử dụng công nghệGISvà mô hình SIMAP trong khoanh vùng sạt lở theo nhiều cấp độ khác nhau.
2.2. Phương pháp tạo ảnh fusion:
 Quy trình kỹ thuật tạo ảnh Fusion thể hiện ở hình 2, bao gồm các bước sau: tiền xử lý và nắn chỉnh hình học ảnh theo cùng hệ tham chiếu. Sử dụng 4 thuật toán (GSF, PCF, IHSF và BF) trộn (gộp ảnh) nhằm tạo ra ảnh fusion phù hợp nhất cho công tác giải đoán và trích xuất các thông tin hửu ích. Kết quả chi tiết thể hiện ở hình 4 cho  thấy: Phương pháp Gram - Smith (GSF) và phương pháp thành phần chính (PCF) có kết quả khá tương đồng nhau, nhưng hình ảnh thực hiện trên phương pháp GSF thể hiện các vân sạt lở trên ảnh tương đối rõ nét hơn. Đối với phương pháp IHSF trong trường hợp này cho kết quả không tốt so với thực tế yêu cầu, nên không được chọn để cung cấp thông tin.Tương tự đối với phương pháp Brovey (BF) ảnh fusion nhận được không thể hiện rõ các đối tượng trên ảnh, nhưng lại thể hiện rõ thông tin về các vết có khả năng là vết sạt lở trên ảnh rất rõ. Nếu người sử dụng có kinh nghiệm giải đoán ảnh tốt, có thể thu được thông tin về các vết sạt lở một cách đầy đủ (trên ảnh) để xác định hiện trạng sạt lở cho khu vực.
(Kỳ sau: Xây dựng cơ sở dữ liệu GIS phục vụ phân tích sạt sở )
TÀI LIỆU THAM KHẢO
1.       Nicola Casagli. I Filippo Catani, I Chiara Del Ventisette, I Guido Luzi. Monitoring, prediction, and early warning using ground-based radar interferometry, Springer-Verlag, 2010
2.       Nguyễn Quốc Khánh, Landslide hazard assessment in Muong Lay, Vietnam  Applying GIS and Remote sensing,  Trường Đại học Greifswald- Đức, 2009.
3.       Bùi Nguyễn Lâm Hà và Lê Văn Trung, Sử dụng GIS và mô hình SINMAP thành lập bản đồ hiểm hoạ sạt lở đất thành phố Đà Lạt, Tạp chí KH&CN, 2011.
4.       Ivaca Milevski,Application of Remote sensing and GIS detection of potential Lanslide areas, University Ss. Cyril and Methodius, Republic Macedonia, 2008.
5.       Nick Rengers,Remote sensing and GIS applied to mountain hazard mapping, Spain (1992).
6.       Suree Teerarungsigul,Landslide prediction model using Remote sensing, GIS and field geology: A case study of Wang Chin district, phrae province, Northern Thailand  (2007).
7.        Nora Tasetti, Use Remote sensing data and GIS technology for assessment of Landslide hazards in Susa valley, Italy, 2008.
8.        Erna S. Adiningsih, I. R. Permana, Model landslide risks based on complementary use of satellite and spatial data. In proceeding of JAXA – RESTEC Conference in Jakarta on August, 16th, 2006. 
9.        R.T. Pack, Terratech Consulting Ltd, A stability index approach to terrain stability hazard mapping (SINMAP), Utah State University.
Nguồn: http://stnmt.binhdinh.gov.vn

Châu Âu bắt đầu triển khai hệ thống định vị toàn cầu

Hai vệ tinh nhân tạo đầu tiên trong hệ thống định vị toàn cầu mới của Liên minh châu Âu sẽ được phóng lên quỹ đạo trái đất
Một trong hai vệ tinh định vị sắp được phóng hôm nay. Ảnh: ESA
Một trong hai vệ tinh định vị sắp được phóng hôm nay. Ảnh: ESA
Đây là hai trong số 30 vệ tinh đầu tiên thuộc hệ thống định vị toàn cầu Galileo của châu Âu. Khối lượng của mỗi vệ tinh là 700 kg. Tên lửa đẩy Soyuz của Nga sẽ đưa chúng lên độ cao hơn 23.000 km từ một sân bay vũ trụ tại Nam Mỹ vào 10h34 GMT hôm nay.
Vụ phóng diễn ra sau gần hai tháng từ khi tên lửa Soyuz rơi khi đẩy tàu vận tải Progress 44 của Nga lên vũ trụ vào ngày 24/8. Tuy nhiên, tên lửa Soyuz được sử dụng hôm nay thuộc phiên bản hoàn toàn khác so với tên lửa rơi trong vụ phóng tàu vận tải. Vì thế các quan chức thuộc Cơ quan Vũ trụ châu Âu (ESA) cho rằng dư luận không nên lo ngại về nguy cơ sự cố.
Từ khi ra đời vào thập niên 60 của thế kỷ trước, tên lửa Soyuz đã bay lên vũ trụ gần 1.800 lần. Nhưng đây là lần đầu tiên tên lửa Soyuz hoạt động bên ngoài lãnh thổ Nga và Kazakhstan. Trong tương lai chúng sẽ tiếp tục đẩy vệ tinh nhân tạo của châu Âu theo một thỏa thuận được ký vào năm 2003.
28 vệ tinh nhân tạo còn lại trong hệ thống định vị toàn cầu Galileo sẽ được phóng trong vài năm tới. Tổng trị giá của 30 vệ tinh vào khoảng 7,2 tỷ USD. Hệ thống sẽ bắt đầu cung cấp một số dịch vụ vào năm 2014. Mục tiêu của châu Âu trong việc xây dựng hệ thống định vị Galileo là giảm sự phụ thuộc vào các nước khác trong hoạt động định vị.
Minh Long

 

Thành lập bản đồ thảm thực vật trên cơ sở phân tích, xử lý ảnh viễn thám

Tóm tắt                                                    TS.Hoàng Xuân Thành – Đại học Thủy Lợi
Thảm phủ thực vật là một trong nhiều yếu tố quan trọng được sử dụng để đánh giá các quá trình tự nhiên như xói lở, trượt lở, lũ lụt cũng như tốc độ phá hủy môi trường tự nhiên do các hoạt động nhân sinh. Đối với những khu vực miền núi hiểm trở, thành lập bản đồ thảm phủ gặp nhiều khó khăn do không thể tiến hành lấy mẫu phân tích đều khắp vùng. Thành lập sơ đồ thảm phủ thực vật từ phân tích ảnh viễn thám đã rút gọn thời gian và làm tăng độ chính xác của bản đồ.
Kết quả phân tích và phân loại có kiểm định đối với ảnh Landsat vùng Tủa Chùa – Lai Châu có kết quả tốt với hệ số chính xác K = 0.7, nằm trong giới hạn độ chính xác cao theo phương pháp kiểm tra sau phân loại Kappa. Kết quả cho thấy thảm phủ thực vật vùng Tủa Chùa được phân ra bảy lớp khác nhau là rừng ổn định, rừng non, rừng hỗn hợp, lúa và hoa màu, cây bụi, đất trống đồi trọc và nước.
1. Tổng quan các phương pháp xử lý ảnh viễn thám nhằm phân tích, phân loại thảm phủ
Các phương pháp phân tích ảnh viễn thám rất đa dạng. Có thể liệt kê một số phương pháp phân tích ảnh như phương pháp phân ngưỡng (Manual thresholds), phương pháp phân loại không kiểm định (Unsupervised), phương pháp phân loại có kiểm định (Supervised), phương pháp Fuzzy (Fuzzy classification or Mixing models) nhưng hai phương pháp đang dùng phổ biến để phân loại thảm phủ hiện nay là phương pháp phân loại không kiểm định (Unsupervised) và phương pháp phân loại có kiểm định (Supervised).
Mỗi phương pháp phân loại đều sử dụng những thuật toán nhất định. Các thuật toán có giới hạn và khả năng ứng dụng trong các trường hợp khác nhau (Shrestha and Alfred, 2001). Những thuật toán thường được sử dụng phổ biến là khoảng cách nhỏ nhất (Minimum Distance), Parallelepiped và Maximum Likelihood (Richards, 1994). Trong số này, thuật toán Maximum Likelihood được các nhà phân loại sử dụng nhiều nhất trong các công trình nghiên cứu thảm phủ. (Keuchel et al., 2003; Shrestha and Alfred, 2001; Swain and Davis, 1978; Estes et al., 1983; Schowengerdt, 1983; Sabins, 1986; Lillesand and Kiefer, 2000; Jensen, 1996). Thuật toán Minimum Distance thường được áp dụng trong phương pháp phân loại không kiểm định, còn hai thuật toán Maximum Likelihood và Parallelepiped thường được áp dụng trong phương pháp phân loại có kiểm định [6]. Ngoài ra, người ta còn sử dụng một số phương pháp làm nổi bật yếu tố thực vật như phương pháp phân tích chỉ số thực vật- NDVI và phép biển đổi Tasseled cap.
Trong phạm vi bài báo này, tác giả chỉ đề cập tới một số phương pháp thường được sử dụng cho phân tích và giải đoán thảm phủ thực vật mà được nhiều nhà nghiên cứu hay sử dụng hiện nay đó là phương pháp phân loại có kiểm định (Supervised).
Phân loại có kiểm định là một phương pháp xác suất có khả năng sắp xếp những pixel do người sử dụng định nghĩa thành những lớp khác nhau, trong đó tất cả các pixel trên một ảnh được nhận dạng thông qua ký hiệu phổ tương tự với mục đích nhận ra sự đồng nhất, những mẫu đại diện mang nét đặc trưng thể hiện khác nhau mà chúng ta muốn phân loại. Những mẫu này gọi là những khu vực lấy mẫu (training). Sự lựa chọn những khu vực lấy mẫu thích hợp dựa trên phạm vi quan sát và ý tưởng này sẽ được hỗ trợ bởi các nguồn tài liệu đáng tin cậy như ảnh hàng không, các bản đồ, hay những dữ liệu khảo sát thực địa.
Những khu vực lấy mẫu trên ảnh số thường tham khảo dữ liệu khảo sát thực địa và ảnh hồng ngoại hàng không của khu vực đó. Những vùng được mô tả trên ảnh số sẽ cũng là những nơi đại diện của khu vực lấy mẫu. Càng nhiều khu vực lấy mẫu thì độ chính xác toàn diện của ảnh phân loại sẽ càng cao. Những vị trí lấy mẫu sử dụng dấu hiệu phổ để đưa ra nét phác thảo của những khu vực đó. Hầu hết sự đồng nhất và những khu vực đại diện cho các vùng có đặc điểm thảm phủ khác nhau được so sánh với đặc tính phổ và sự khác nhau trong biểu đồ phân bố phổ. Sự phân loại ảnh số sử dụng thông tin phổ tiêu biểu bởi một hay nhiều kênh phổ của ảnh vệ tinh và cố gắng để phân loại mỗi pixel độc lập dựa trên thông tin phổ này. Trong trường hợp khác, các đối tượng được ấn định tất cả những pixel trong ảnh theo các lớp riêng biệt hay theo các chủ đề riêng (ví dụ như nước, rừng lá kim, rừng rụng lá…). Sự lựa chọn các loại thảm phủ phụ thuộc vào dữ liệu phổ, thuật toán phân loại và ý kiến của giới chuyên môn trong việc phân loại thảm phủ [3].

2. Khu vực nghiên cứu

Vùng nghiên cứu thuộc tỉnh Lai Châu có diện tích khoảng 2270km2 với tọa độ địa lý từ 102055'8" Đông – 21045'06" Bắc tới 103018'38" Đông – 22015'01" Bắc. Đây là vùng núi cao hiểm trở, địa hình phân cắt mạnh, từ các thung lũng giữa núi có độ cao tuyệt đối chưa tới 200m (thung lũng Nậm Lay, Nậm Na) tới các dải núi cao hơn 1900m (dải núi Phu Dao, Nậm He). Nhiều dãy núi kéo dài theo phương Tây Bắc – Đông Nam hoặc gần trùng hướng Bắc Nam, tức là gần trùng với phương cấu trúc địa chất.
Vùng nằm trong lưu vực sông Đà và các sông nhánh của nó là sông Nậm Na, Nậm Lay, Nậm Mức. Các sông trên và hệ thống các suối nhánh của chúng thường có lòng hẹp, lắm thác ghềnh, lưu lượng nước biến đổi mạnh theo mùa. Trong khu vực này rừng nguyên thuỷ chiếm khoảng 20% diện tích phân bố ở vùng núi cao hoặc ven khe suối đi lại khó khăn, phần còn lại là nương rẫy và hầu như trọc hoá hoàn toàn do sự chặt phá, đốt cây cối làm nương rẫy. Nhiều loại gỗ quý như thông, pơmu, lát, lim…ngày càng hiếm.
3. Thành lập sơ đồ thảm phủ thực vật tỉ lệ 1:50.000 trên cơ sở phân tích, xử lý ảnh Landsat TM5

3.1. Dữ liệu sử dụng trong phân tích ảnh

Trong phạm vi nghiên cứu này, dữ liệu ảnh viễn thám Landsat TM5 chụp năm 2006 được sử dụng để phân tích và thành lập bản đồ thảm phủ. Ảnh có các đặc tính sau:
§  Cảnh 1 có tuyến bay: 128, hàng: 45 (chụp năm 2006);
  • Cảnh 2 có tuyến bay: 129, hàng: 45 (chụp năm 2006);
Các ảnh đều có độ phân giải 30m, độ phủ trùm 185´185km. Hệ tọa độ dùng để đăng ký cho ảnh là UTM, Elipxoid quy chiếu: WGS-84, đơn vị tính: mét, múi chiếu: 48.
Ngoài ra, bản đồ địa hình tỷ lệ 1/50.000, hệ tọa độ VN-2000, Elipxoid quy chiếu: WGS-84, đơn vị: mét, múi chiếu: 48 cũng được sử dụng để phục vụ công tác nắn chỉnh hình học ảnh và loại bỏ các sai số về địa hình trên ảnh.
3.2. Phương pháp xử lý, phân loại ảnh viễn thám
Quy trình xử lý ảnh viễn thám để phân tích thảm phủ thực vật cho khu vực nghiên cứu nhìn chung tuân theo quy trình đã được mô tả trong hình 2.
 
 Hình 2. Phương được sử dụng trong phân tích ảnh vệ tinh để thành lập sơ đồ thảm phủ thực vật

Tuy nhiên trong phần phân tích, phân loại thảm phủ thì chúng tôi đã lựa chọn phương pháp phân loại có kiểm định vì có nhiều ưu điểm [4] so với các phương pháp khác. Quy trình phân loại có kiểm định (chưa đánh giá độ chính xác) của khu vực nghiên cứu được mô tả ở hình 3a.
Hình 3: a- Quy trình phân loại có kiểm định của khu vực nghiên cứu;
             b- Các khu vực lấy mẫu khác nhau thể hiện trên trên ảnh Landsat TM5 bằng các polygon màu đỏ

Trong quá trình lấy mẫu cho khu vực nghiên cứu đã xác định được 7 loại thảm phủ thực vật và loại khác (có kiểm tra ngoài thực địa) đó là rừng ổn định, rừng hỗn hợp, rừng non, lúa và màu, đất trống đồi trọc, cây bụi và nước.
Trên hình 3b, các khu vực lấy mẫu khác nhau được thể hiện trên trên ảnh Landsat TM5 bằng các polygon với màu sắc khác nhau (thể hiện sự phân biệt giữa các loại đối tượng mà người sử dụng lựa chọn).
3.3. Kết quả phân loại

Sau khi việc lấy mẫu luyện và chỉ định tên cũng như màu cho cho các mẫu luyện thành một số lớp đối tượng riêng biệt thì quá trình tiến hành phân loại sẽ được thực hiện. Quá trình phân loại của khu vực nghiên cứu đã thu được sơ đồ ảnh với 7 lớp đối tượng khác nhau như trong hình 4a. Kết quả phân loại này mới ở dạng thô và trong đó có nhiều khu vực với diện tích quá nhỏ và không cần thiết cho nghiên cứu sau này. Do vậy để loại bỏ các đối tượng nằm đơn lẻ với diện tích nhỏ, chúng tôi đã sử dụng bộ lọc thành phần chủ yếu (Majority) để thực hiện quá trình lọc ảnh để thu được kết quả trơn hơn và đáp ứng với các yêu cầu đặt ra (hình 4b).
 
Hình 4. Quá trình phân loại của khu vực nghiên cứu đã thu được sơ đồ ảnh với:
a- 7 lớp đối tượng khác nhau; b- sơ đồ thảm phủ gồm 7 lớp sau khi tiến hành lọc Majority

3.4. Đánh giá độ chính xác của phép phân loại có kiểm định

Đánh giá độ chính xác là thuật toán xác định độ tin cậy của sự phân loại ảnh. Độ chính xác của ảnh được phân loại dựa vào khu vực mà nó đặt dữ liệu tham khảo (ground truth map). Hầu hết những phương pháp để đánh giá độ chính xác sự phân loại bao gồm một ma trận được xây dựng từ 2 loại dữ liệu (ví dụ: bản đồ sự phân loại viễn thám và dữ liệu tham khảo). Độ chính xác còn thể hiện mức độ phù hợp giữa những gì quan sát được và thực tế (thường là dưới dạng phần trăm).
Một ma trận sai số là một ma trận vuông được sắp xếp theo hàng và cột chỉ rõ số lượng các mẫu pixel được gán cho một lớp riêng biệt liên quan tới các lớp hiện thời,  được thực hiện bởi việc tham khảo dữ liệu. Độ chính xác toàn diện được tính bởi tổng pixel phân loại chính xác và tổng số pixel tách rời ra. Trong nghiên cứu này, phương pháp lấy mẫu ngẫu nhiên được dùng để đánh giá độ chính xác sự phân loại. Để đánh giá độ chính xác của sự phân loại thảm phủ, những mẫu ngẫu nhiên được mô tả cho mỗi lớp thực vật riêng biệt.
Độ chính xác rất cao của phép phân loại thường được chấp nhận phổ biến là trên 0.85 (85%), độ chính xác vừa phải thì nằm trong khoảng 0.4÷0.8. Các thông số này do Cục Địa chất Mỹ quy định [2]. Hệ số Kappa được sử dụng là thước đo đánh giá độ chính xác phân loại. Trái ngược hẳn với độ chính xác toàn diện được miêu tả ở trên, đây là hệ số tiện ích của tất cả các nguyên tố từ ma trận ở trên. Nó là sự khác nhau cơ bản giữa những gì có thực về sai số độ lệch của ma trận và tổng số thay đổi được chỉ ra bởi hàng và cột.
r= số lượng cột trong ma trận ảnh
xii= số lượng pixel quan sát được tại hàng i và cột i (trên đường chéo chính)
xi+= tổng pixel quan sát tại hàng i
x+i= tổng pixel quan sát tại cột i
N= Tổng số pixel quan sát được trong ma trận ảnh
Hệ số Kappa thường nằm giữa 0 và 1, giá trị nằm trong khoảng này thì độ chính xác của sự phân loại được chấp nhận. Kappa có 3 nhóm giá trị:
·         K>0.8: độ chính xác cao
·         0.4
·         K<0.4: độ chính xác thấp
Kết quả đánh giá mức độ chính xác sau khi phân loại ra 7 lớp thảm phủ bằng phương pháp phân loại có kiểm định chỉ ra rằng:
Độ chính xác toàn cục của phân loại (Overall Accuracy) = 77.3%
Hệ số thống kê Kappa = 0.7
Ngoài ra độ chính xác của phép phân loại còn được tính theo nhiều phương pháp khác nhau và kết quả tính toán được mô tả trong bảng 2. Nhìn chung kết quả phân loại thảm phủ thực vật là đạt mức chấp được.
Bảng 1. Ma trận đánh giá độ chính xác của phép phân loại theo %
Điểm quan sát (%)
Lớp
Rừng ổn định
Rừng hỗn hợp
Nước
Lúa và màu
Cây bụi
Rừng non
Đất trống đồi trọc
Tổng số hàng
Rừng ổn định
83.88
0.66
0.00
0.58
2.36
3.19
7.67
38.46
Rừng hỗn hợp
3.46
78.78
27.71
19.27
5.59
2.57
0.32
20.52
Nước
0.00
0.81
33.42
2.52
0.00
0.83
0.00
1.01
Lúa và màu
0.77
8.19
36.83
64.47
14.66
9.13
15.85
16.19
Cây bụi
5.30
6.24
0.14
1.51
65.96
5.29
0.74
4.94
Rừng non
6.32
5.07
1.50
2.89
5.06
78.40
0.44
6.17
Đất trống đồi trọc
0.27
0.24
0.41
8.75
6.36
0.58
74.98
12.71
Tổng số cột
100
100
100
100
100
100
100
100
 
Bảng 2. Độ chính xác của phép phân loại được tính theo nhiều phương pháp khác nhau
Lớp
Độ chính xác theo người số liệu (%)
Độ chính xác theo người sử dụng (%)
Rừng ổn định
83.88
96.23
Rừng hỗn hợp
78.78
73.88
Nước
33.42
39.47
Lúa và màu
64.47
68.68
Cây bụi
65.96
18.39
Rừng non
78.40
28.41
Đất trống đồi trọc
74.98
85.99
4. Kết luận
Vùng nghiên cứu nằm trong hai cảnh ảnh, vì vậy việc đầu tiên là phải tiến hành ghép ảnh. Công việc này đòi hỏi chất lượng của các ảnh phải tương đương nhau (khác nhau rất ít về mặt phổ phản xạ) để khi ghép ảnh có sự khác biệt về phổ. Ảnh vùng nghiên cứu chụp hai mùa khác nhau năm 2006. Tuy nhiên về mặt phổ phản xạ thì hai ảnh có sự khác nhau không nhiều. Vùng nghiên cứu nằm gần như trọn vẹn trong một cảnh ảnh chỉ có một phần bên phải là nằm trong cảnh khác vì vậy việc tiến hành ghép ảnh và tiến hành cân bằng giá trị phổ cũng đảm bảo được chất lượng.
§  Việc phân loại ảnh rất mất thời gian do phải tiến hành xử lý hiện tượng hơi nước che phủ trong ảnh. Sự bốc hơi của nước ở những khu vực thung lũng sông làm cho công tác phân loại khó khăn hơn.
§  Sau khi phân loại có kiểm định tác giả đã tiến hành phân chia vùng nghiên cứu thành 7 loại thảm phủ khác nhau với chỉ số K ~ 0.7, giá trị này đã đáp ứng được mức độ nghiên cứu. Sở dĩ hệ số K ~ 0.7 là có thể chấp nhận được do điều kiện địa hình là vùng núi nên khả năng giải đoán cũng chỉ đạt được độ chính xác cao đến mức đó.
TÀI LIỆU THAM KHẢO
1.      Daniel L. Civco, James D. Hurd, Emily H. Wilson, Mingjun Song, Zhenkui Zhang -Center for Land use Education And Research - Department of Natural Resources Management & Engineering - The University of Connecticut, 2002. A Comparison of Land Use and Land Cover Change Detection Methods 
2.      Freek D. van der Meer and Steven M. de Jong. Imaging Spectrometry, basic principles and prospective application. Kluwer Academic Publishers, 3-12, 115-130.
3.      JAMES R. ANDERSON, ERNEST E. HARDY, JOHN T. ROACH, and RICHARD E. WITMER. A Land Use And Land Cover Classification System For Use With Remote Sensor Data, 7-37.
4.      Ronald B. Smith, Laurent Bonneau - Yale Center for Earth Observation, February 2006. Landcover Classification using Satellite Images. Classification lecture 2-39.
5.      Stanley Max. Using ERDAS Imagine 8.7 to conduct an Unsupervised Classification of US Army Corps of Engineers - Institute for Water Resources - Hydrologic Engineering Center (www.hec.usace.army.mil), June 1985. A tutorial on creating a grid cell land cover data file from remote sensing data, 23-38.        
6.      Shobha Sriharan, Virginia State University - Colleague: DeNeice Guest, Lockheed Martin-NASA Faculty Fellowship Program 2004 - Stennis Space Center, 2004. Analysis of Land Cover Classes Using Unsupervised and Supervised Classification of Stennis Space Center (SSC) Image. Presentation pages 3-31.
 
Vegetation cover mapping based on remotely sensed image analysis
 
Abstract:
Carpet vegetation cover is one of several important factors used to evaluate the natural processes like erosion, landslide, flood and speed to destroy the natural environment by human activities. For the dangerous mountain region, mapping the carpet difficult because can not take samples were analyzed throughout the region. Established carpet vegetation cover map from remote sensing image analysis has reduced time and increased accuracy of the map.
The results of analysis and testing classification for Landsat images Tua Chua region - Lai Chau have good results with exactly the coefficient K = 0.7, are in limited precision inspection methods after classifying Kappa . Results showed that vegetation cover area rugs Tua Chua assigned seven different layers of forest is stable, young forest, mixed forest, rice and vegetables, shrubs, bare soil and water.

Bản quyền © Climate GIS, Chịu trách nhiệm xuất bản: Trần Văn Toàn, Mail: climategis@gmail.com, Hotline: +84 979 91 6482