Tác giả

Trần Ngọc Trâm Anh 1 , Lê Trọng Diệu Hiền 2*

Đơn vị công tác

1 Chương trình Tài nguyên & Môi trường; Khoa Khoa học quản lý; Trường Đại học
Thủ Dầu Một; 2028501010061@student.tdmu.edu; ngoctramanh.tran02@gmail.com

2 Chương trình Tài nguyên & Môi trường; Khoa Khoa học quản lý; Trường Đại học
Thủ Dầu Một; hienltd@tdmu.edu.vn

*Tác giả liên hệ: hienltd@tdmu.edu.vn; Tel.: +84–372831517

Tóm tắt

Hồ Trị An là công trình đóng vai trò quan trọng trong việc cung cấp nước, điều tiết nước trong khu vực thuộc các tỉnh phía Nam. Hiện nay, hồ có nguy cơ bị ô nhiễm nước mặt do diễn ra các hoạt động như: quá trình sinh hoạt của người dân, khu công nghiệp, nuôi trồng thủy sản … Việc theo dõi và đánh giá chất lượng nước tại hồ Trị An nhằm xác định mức độ ô nhiễm, giúp kiểm soát chất lượng nước tốt nhất. Dữ liệu viễn thám có khả năng thu thập, cung cấp thông tin của khu vực hồ để tạo dữ liệu phân tích liên tục, giám sát được sự thay đổi chi tiết về chất lượng nước mặt hiệu quả hơn. Nghiên cứu phân tích bao gồm: (1) Phân tích diễn biến nồng độ NO3- tại hồ Trị An, tỉnh Đồng Nai trong giai đoạn 2021-2022; (2) Lựa chọn mô hình ước tính nồng độ NO3- phù hợp thông các chỉ số thống kê từ dữ liệu viễm thám dựa trên mô hình hồi quy đa biến; (3) Đánh giá mức độ ô nhiễm chất lượng nước mặt tại khu vực nghiên cứu. Kết quả cho thấy, giữa dữ liệu quan trắc và dữ liệu ước tính nồng số NO3- dự đoán có hệ số R2 = 0,6. Nghiên cứu đã chứng minh tiềm năng của nguồn dữ liệu viễn thám trong việc đánh giá tổng thể về sự phân bố không gian của chất lượng nước mặt tại sông suối, ao hồ và những thay đổi nồng độ chất lượng nước mặt, cũng như khắc phục tình trạng thiếu dữ liệu trong giám sát môi trường nước.

Từ khóa

Viễn thám; Nồng độ NO3-; Hồ Trị An; Mô hình hồi quy.

Trích dẫn bài báo

Anh, T.N.T.; Hiền, L.T.D. Sử dụng viễn thám ước tính nồng độ NO3- của hồ Trị An, tỉnh Đồng Nai. Tạp chí Khí tượng Thuỷ văn 2024, 763, 66-77.

Tài liệu tham khảo

1. Loaiza, J.G.; Rangel-Peraza, J.G.; Monjardín-Armenta, S.A.; Bustos-Terrones, Y.A.; Bandala, E.R.; Sanhouse-García, A.J.; Rentería-Guevara, S.A. Surface water quality assessment through remote sensing based on the box–cox transformation and linear regression. Water 2023, 15(14), 2606. https://doi.org/10.3390/w15142606.

2. He, Y.; Jin, S.; Shang, W. Water quality variability and related factors along the Yangtze River using Landsat-8. Remote Sens. 2021, 13(12), 2241. https://doi.org/10.3390/rs13122241.

3. Zhang, H.; Xue, B.; Wang, G.; Zhang, X.; Zhang, Q. Deep learning-based water quality retrieval in an impounded lake using Landsat 8 imagery: An application in Dongping Lake. Remote Sens. 2022, 14(18), 4505. https://doi.org/10.3390/rs14184505.

4. Linh, V.T.P.; Hoàng, L.V.; Thành, V.Q. Khả năng ứng dụng ảnh viễn thám Landsat ước lượng nồng độ phù sa lơ lửng trên sông Tiền và sông Hậu, Đồng bằng sông Cửu Long. Tạp chí Khoa học Đại học cần Thơ 2019, 55(2), 134–144. https://doi.org/10.22144/ctu.jsi.2019.140.

5. Trang, D.H.; Khắc, Đ.V.; Anh, N.K.; Hải, P.T. Quan điểm của ứng dụng mô hình hồi quy tuyến tính trong nghiên cứu phân bố nồng độ bụi PM10 trên địa bàn các quận nội thành Hà Nội. HNUE J. SCI. 2020, 65(3), 146–157.

6. Hùng, N.T.; Luân, N.T.; Cương, V.Đ.; Thanh, Đ.H.; Long, V.H.; Giang, N.V. Nghiên cứu ứng dụng ảnh viến thám xác định nồng độ bùn cát lơ lửng vùng cửa Hới sông Mã. Tạp chí Khoa học và Công nghệ Thủy lợi 2017, 37, 1–13.

7. Sở Tài nguyên và Môi trường tỉnh Đồng Nai. Báo cáo Tổng hợp nhiệm vụ quan trắc nước mặt trên địa bàn tỉnh Đồng Nai năm 2029, 2019.

8. Tuan, H.A.; Hien, L.T.D.; Tat, P.V. GIS Application to zone surface water quality according to WQI – The case of Tri An reservoice, Vietnam. Int. J. Environ. Eng. 2016, 3(1), 53–59.

9. Tám, T.X.; Trung, N.M.; Ngọc, L.T. Nghiên cứu thành phần loài cá ở hồ Trị An, tỉnh Đồng Nai. Tạp chí Khoa học - Trường Đại học Sư phạm TP Hồ Chí Minh 2017, 14(12), 80–90.

10. Yến, T.T.H.; Lượm, L.T.; Lưu, P.T. Đánh giá hiện trạng phú dưỡng và yếu tố môi trường chi phối quần xã tảo lục ở hồ Trị An. Tạp chí Khoa học Nông nghiệp Việt Nam 2019, 17(8), 645–664.

11. Ihlen, V.; Zanter, K. Landsat 8 data users handbook. U.S. Geological Survey. 2019. Available online: https://www.usgs.gov/landsat-missions/landsat-8-data-users-handbook.

12. Tra, T.Q.; Than, N.H. Estimation of nutrient concentrations in the Tri An reservoir, Dong Nai province using LANDSAT 8 OLI. IOP Conf. Ser.: Earth Environ. Sci. 2023, 1170(1), 012026. https://doi.org/10.1088/1755-1315/1170/1/012026.

13. Chen, J.; Quan, W. Using Landsat/TM imagery to estimate nitrogen and phosphorus concentration in Taihu Lake, China. IEEE J. Sel. Top. Appl. Earth Obs. 2012, 5, 273–280. https://doi.org/10.1109/JSTARS.2011.2174339.

14. Thao, N.V.; Vinh, V.D.; Huong, D.T.T.; Gouramanis, C. Remote sensing data analysis with validation by numerical model for detecting suspended particulate matter concentration in coastal waters of the Red river delta, Vietnam. VN J. Mar. Sci. Technol. 2018, 18(3), 256–268. https://doi.org/10.15625/1859-3097/18/3/12620

15. Thao, N.V.; Vinh, V.D.; Ve, N.D.; Canh, P.X. Algorithm development of satellite image processing to detect the concentration of suspended particulate matter in coastal waters of Red river delta. VN J. Mar. Sci. Technol. 2016, 16(2), 129–135. https://doi.org/10.15625/1859-3097/16/2/8446.

16. Zhu, X.; Wen, Y.; Li, X.; Yan, F.; Zhao, S. Remote sensing inversion of typical water quality parameters of a complex river network: A case study of Qidong’s rivers. Sustainability 2023, 15(8), 6948. https://doi.org/10.3390/su15086948.

17. Krause, P.; Boyle, D.; Bäse, F. Comparison of different efficiency criteria for hydrologic models. Adv. Geosci. 2005, 5, 89–97. https://doi.org/10.5194/adgeo-5-89-2005.

18. Vinh, D.C.; Lam, T.H. Level of nitrate on shallow groundwater in Pleiku city, Gia Lai. Tạp Chí Khoa Học và Công Nghệ - Đại Học Đà Nẵng 2018, 116–118.

19. Nguyen, H.; Thao, N.; Koike, K.; Nhuan, M. Selecting the Best Band Ratio to Estimate Chlorophyll-a Concentration in a Tropical Freshwater Lake Using Sentinel 2A Images from a Case Study of Lake Ba Be (Northern Vietnam). ISPRS Int. J. Geo-Inf. 2017, 6, 290. https://doi.org/10.3390/ijgi6090290.

20. Pahlevan, N.; Kumar, C.S.; Balasubramanian, S.V.; Vellucci, V. Sentinel-2/Landsat-8 product consistency and implications for monitoring aquatic systems. Remote Sens. Environ. 2018, 220, 19–29. https://doi.org/10.1016/j.rse.2018.10.02.