Tác giả

Doãn Hà Phong 1*

Đơn vị công tác

1 Viện Khoa học Khí tượng Thủy văn và Biến đổi Khí hậu; dhphong@gmail.com

*Tác giả liên hệ: dhphong@gmail.com; Tel.: +84–913212325

Tóm tắt

Độ mặn là một đặc tính quan trọng trong việc đánh giá hiện trạng xâm nhập mặn. Nghiên cứu được thực hiện để phát triển một mô hình dự báo độ mặn của đất hiệu quả sử dụng dữ liệu vệ tinh Sentinel 2A cho tỉnh Quảng Trị. Ban đầu các mẫu đất thu thập được phân tích độ mặn (ECe). Sau đó phân tích hồi quy tuyến tính được thực hiện giữa các giá trị ECe thu được với cái chỉ số của đất thu được từ ảnh Sentinel 2. Kết quả nghiên cứu cho thấy ECe có mối tương quan cao với các băng tần riêng lẻ SWIR1 và chỉ số SBI (chỉ số độ sáng đơn giản) với R2 = 0,65. Kết quả nghiên cứu chứng minh khả năng ước tính đáng tin cậy EC dựa trên sử dụng dữ liệu Sentinel 2.

Từ khóa

Ảnh vệ tinh; Sentinel 2; Độ mặn; Phân tích hồi quy tuyến tính; SWIR1; SBI.

Trích dẫn bài báo

Phong, D.H. Nghiên cứu đánh giá hiện trạng xâm nhập mặn dựa trên ảnh vệ tinh Sentinel 2 khu vực tỉnh Quảng Trị. Tạp chí Khí tượng Thuỷ văn 2023, 745, 42-50.

Tài liệu tham khảo

1. Rhoades, J.D.; Chanduvi, F.; Lesch, S. Determination of soil salinity from aqueous electrical conductivity. In Soil Salinity Assessment – Methods and Interpretation of Electrical Conductivity Measurements. FAO Irrigation and Drainage Paper 57, Food and Agriculture Organization of the United Nations, Rome, Italy, 1999. ISBN: 92-5-104281-0. http://www.fao.org/3/x2002e/ x2002e.pdf.

2. Grisso, R.; Alley, M.; Wysor, W.G.; Holshouser, D.; Thomason, W. Precision Farming Tools: soil Electrical Conductivity. Virginia Cooperative Extension Publication, USA, 2009, pp. 442–508. Online available: https://vtechworks.lib.vt.edu/bitstream/handle/10919/51377/442508.pdf?sequence=1&isAllowed=y.

3. Shahid, S.A.; ur–Rahman, K. Soil salinity development, classification, assessment and management in irrigated agriculture. In Handbook of Plant and Crop Stress (ed. Pessarakli, M.), CRC Press, Taylor & Francis Group, Boca Raton, Florida, USA, 2011, pp. 23–40.

4. Eldeiry, A.; Garcia, L.A. Detecting soil salinity in alfalfa fields using spatial modeling and remote sensing. Soil Sci. Soc. Am. J. 2008, 72(1), 201–211. https://doi:10.2136/sssaj2007. 0013.

5. Morshed, M.M.; Islam, M.T.; Jamil, R. Soil salinity detection from satellite image analysis: an integrated approach of salinity indices and field data. Environ. Monitor. Assess. 2016, 188(2), 119. https://doi:10.1007/s10661-015-5045-x.

6. Zhang, T.T.; Qi, J.G.; Gao, Y.; Ouyang, Z.T.; Zeng, S.L.; Zhao, B. Detecting soil salinity with MODIS time series VI data. Ecol. Indic. 2015, 52, 480–489. https://doi.org/10.1016/j.ecolind. 2015.01.004.

7. Elnaggar, A.A.; Noller, J.S. Application of remote–sensing data and decision–tree analysis to mapping salt–affected soils over large areas. Remote Sens. 2010, 2(1), 151–165. https://doi.org/ 10.3390/rs2010151.

8. Katawatin, R.; Kotrapat, W. Use of LANDSAT–7 ETM+ with ancillary data for soil salinity mapping in northeast Thailand. In Third International Conference on Experimental Mechanics and Third Conference of the Asian Committee on Experimental Mechanics, SPIE Proceedings 5852, International Society for Optics and Photonics, Singapore. 12 April 2005, pp. 708–717. https://doi.org/10.1117/12.621889.

9. Masoud, A.A. Predicting salt abundance in slightly saline soils from Landsat ETM+ imagery using spectral mixture analysis and soil spectrometry. Geoderma 2014, 217–218, 45–56. https://doi.org/10.1016/j.geoderma.2013.10.027.

10. Didi, S.; Ezzahra, F.; Housni, F.E.; Toro, H.B.; Najine, A. Mapping of soil salinity using the Landsat 8 image and direct field measurements: a case study of the Tadla Plain, Morocco. J. Indian Soc. Remote Sens. 2019, 47(7), 1235–1243. https://doi.org/ 10.1007/s12524-019-00979-7.

11. Abuelgasim, A.; Ammad, R. Mapping soil salinity in arid and semi–arid regions using Landsat 8 OLI satellite data. Remote Sens. App. Soc. Environ. 2019, 13, 415–425. https://doi.org/10.1016/j.rsase.2018.12.010.

12. Trung, L.V.; Vân, T.T. Giải pháp tích hợp viễn thám và GIS trong giám sát xâm nhập mặn sông Cửu Long. Tạp chí khoa học công nghệ Việt Nam 2018, 61(3), 22–26.

13. Hòa, P.V. Nghiên cứu đánh giá và phân vùng xâm nhập mặn trên cơ sở công nghệ viễn thám đa tầng, đa độ phân giải và đa thời gian - Ứng dụng thí điểm tại tỉnh Bến Tre. Báo cáo tổng kết đề tài, Viện Địa lý tài nguyên Tp. HCM, 2016-2019.

14. Diệp, N.T.H. Đánh giá tác động của xâm nhập mặn do biến đổi khí hậu trên hiện trạng canh tác lúa tại tỉnh Sóc Trăng. Can Tho Univ. J. Sci. 2017, 2, 137–143. Doi:10.22144/ctu.jsi.2017.062.

15. Douaoui, A.E.K.; Nicolas, H.; Walter, C. Detecting salinity hazards within a semiarid context by means of combining soil and remote–sensing data. Geoderma 2006, 134, 217–230. https://doi.org/10.1016/j.geoderma.2005.10.009.

16. Bannari, A.; Guedon, A.M.; El–Harti, A.; Cherkaoui, F.Z.; ElGhmari, A. Characterization of slightly and moderately saline and sodic soils in irrigated agricultural land using simulated data of advanced land imaging (EO–1) sensor. Commun. Soil Sci. Plant Anal. 2008, 39(19–20), 2795–2811. https://doi.org/10.1080/ 00103620802432717.

17. Meti, S.; Hanumesh, K; Lakshmi, P.D.; Nagaraja, M.S.; Shreepad, V. Sentinel 2 and Landsat–8 bands sensitivity analysis for mapping of alkaline soil in northern dry zone of Karnataka, India. Int. Arch. Photogramm. Remote Sensing Spat. Inf. Sci. ISPRS–GEOGLAM–ISRS XLII–3/W6, 2019, 307–385. https://www.int–arch–photogramm–remote–sens–spatial–inf–sci.net/ XLII–3–W6/307/2019/isprs–archives–XLII–3–W6–307–2019.pdf

18. Hihi, S.; Rabah, Z.B.; Bouaziz, M.; Chtourou, M.Y.; Bouaziz, S. Prediction of soil salinity using remote sensing tools and linear regression model. Adv. Remote Sens. 2019, 8(3), 77–88. https://doi.10.4236/ars.2019.83005.

19. Samra, R.M.A.; Ali, R.R. The development of an overlay model to predict soil salinity risks by using remote sensing and GIS techniques: a case study in soils around Idku Lake, Egypt. Environ. Monitor. Assess. 2018, 190, 706–721. https://doi.org/ 10.1007/s10661–018–7079–3.

20. Dehni, A. and Lounis, M., Remote sensing techniques for salt affected soil mapping: application to the Oran region of Algeria. Procedia Eng. 2012, 33, 188–198.

21. Alhammadi, M.S.; Glenn, E.P. Detecting date palm trees health and vegetation greenness change on the eastern coast of the United Arab Emirates using SAVI. Int. J. Remote Sens. 2008, 29(6), 1745–1765.