Tải file PDF Tác giả
Đơn vị công tác
1 Trung tâm Thông tin và Dữ liệu KTTV; phuongpl80@gmail.com; hungtttl@gmail.com
2 Trường Đại học Bách Khoa Hà Nội; mxhuysnowy@gmail.com
3 Viện AI Academy Việt Nam; nxhoai@gmail.com; trieuvanlinh04101998@gmail.com
4 Học Viện Kỹ thuật Quân Sự; hongpth@lqdtu.edu.vn
5 Viện Điện tử – Viễn Thông, Trường Đại học Bách Khoa Hà Nội; hai.vu@hust.edu.vn
*Tác giả liên hệ: phuongpl80@gmail.com; Tel.: +84–912353680
Tóm tắt
Giản đồ khí tượng thủy văn ghi chép lại thông tin, số liệu đo đạc của lượng mưa, mực nước, độ ẩm, nhiệt độ và các loại thông số đo đạt khác. Các thông số này được thu thập từ các trạm đo lường KTTV trên toàn quốc. Việc lưu dữ các thông tin này là cực kì quan trọng nhằm phục vụ cho mục đích nghiên cứu và dự báo thời tiết và thiên tai trong tương lai. Tuy nhiên, hiện nay việc lưu trữ của các loại giản đồ đang ở dạng truyền thống; việc đọc dữ liệu lại phụ thuộc người có chuyên môn. Do đó, khó bảo đảm về tính toàn vẹn của dữ liệu theo thời gian. Bài báo này đưa ra giải pháp nhận dạng giản đồ tự ghi và tách các thông tin giản đồ bằng công nghệ thị giác máy, giúp việc lưu trữ và số hóa dữ liệu giản đồ một cách tự động. Giải pháp tích hợp thuật toán phân tích cấu trúc trang, thuật toán phát hiện lưới và căn chỉnh kết hợp thuật toán phát hiện line và các đối tượng trong giản đồ để tách line. Bằng thực nghiệm, phương pháp đã đạt được độ chính xác cao, hơn 90% giản đồ có thể số hóa, trong đó bao gồm các loại giản đồ lượng mưa, mực nước, độ ẩm, áp suất và nhiệt độ.
Từ khóa
Trích dẫn bài báo
Phương, L.C.; Hưng, L.T.; Huy, M.X.; Linh, T.V.; Hoài, N.X.; Hải, H.P.; Hải, V. Xây dựng giải pháp công nghệ nhận dạng giản đồ Khí tượng thủy văn. Tạp chí Khí tượng Thủy văn 2021, 726, 1-11.
Tài liệu tham khảo
1. http://kttvqg.gov.vn/kttv–voi–san–xuat–va–doi–song–106/.
2. Nhi, H.Y.; Thoa, L.T.K. Trích xuất đường bờ biển từ ảnh SENTINEL–1A khu vực thành phố Phan Thiết. Tạp chí Khí Tượng Thủy Văn 2019, 697, 20–25.
3. Tỉnh, T.V.; Phong, D.H. Sử dụng ảnh viễn thám và Gis nghiên cứu biến động đường bờ biển mũi Cà Mau. Tạp chí Khí tượng Thủy văn 2017, 684, 35–40.
4. Trung, L.B.; Toán, H.M.; Phong, N.B. Nghiên cứu sử dụng số liệu định vị sét kết hợp với ảnh radar để cảnh báo đợt mưa lớn từ 01–06/8/2017 trên khu vực Tây Bắc. Tạp chí Khí tượng Thủy văn 2018, 685, 48–53.
5. Ngà, P.T.T. Nghiên cứu tương quan giữa đặc tính mây và mưa lớn cho khu vực Hồ Chí Minh bằng dữ liệu vệ tinh Himawari–8 và GSMaP. Tạp chí Khí tượng Thủy văn 2019, 702, 21–30.
6. Công, T.T.; Quyền, L.N.; Giám, N.M.; Quyết, L.D. Ứng dụng số liệu ảnh mây vệ tinh Himawari trong dự báo và cảnh báo mưa dông cho khu vực Đồng bằng sông Cửu Long. Tạp chí Khí tượng Thủy văn 2020, 713, 1–13.
7. Sene K. Meteorological Forecasting. In: Hydrometeorology. Springer, Cham. 2016. https://doi.org/10.1007/978–3–319–23546–24
8. Bruce, J.P.; Clark, R.H. Introduction to Hydrometeorology: Pergamon International Library of Science, Technology. Eng. Social Stud. 2013, pp. 340.
9. Chwala, C.; Keis, F.; Kunstmann, H. Real–time data acquisition of commercial microwave link networks for hydrometeorological applications. Atmos. Meas. Tech. 2016, 9, 991–999.
10. Walker, D.; Forsythe, N.; Parkin, G.; Gowing, J. Filling the observational void: Scientific value and quantitative validation of hydrometeorological data from a community–based monitoring programme. J. Hydrol. 2016, 538, 713–725.
11. Zhi, W.; Feng, D.; Tsai, W.P.; Sterle, G.; Harpold, A.; Shen, C.; Li, L. From Hydrometeorology to River Water Quality: Can a Deep Learning Model Predict Dissolved Oxygen at the Continental Scale?. Environ. Sci. Technol. 2021, 55, 2357–2368.
12. Sene, K. Meteorological Observations. In: Hydrometeorology. Springer, Cham. 2016. https://doi.org/10.1007/978–3–319–23546–22.
13. Phương, P.L.; Hưng, L.T.; Huy, M.X.; Linh, T.V.; Hoài, N.X.; Hải–Hồng, P.; Hải, V. DigiMeto: Công cụ trợ giúp đọc giản đồ tự ghi Khí tượng thủy văn. Tạp chí Khí tượng Thủy văn 2021, 725, 49–59.
14. https://nchmf.gov.vn/Kttvsite/vi–VN/1/thuy–van–12–18.html
15. Harris, C.; Stephens, M. A combined corner and edge detector. In: Alvey vision conference, 1988, 147–151.
16. https://opencv.org/
17. Nixon, M.S.; Aguado, A.S. Feature Extraction and Image Processing. Newnes: Elsevier, Oxford, 2002.
18. Forsyth, D.A.; Ponce J. Computer Vision – A Modern Approach. Prentice Hall: Upper Saddle River, NJ, 2002.
19. Gonzalez, D.C.; Woods, R.E. Digital Image Processing. Third Edition, Pearson Educational International Publisher, 2002.