Tác giả

Trần Mạnh Cường 1* , Trần Anh Phương 1 , Lê Mạnh An 2 , Bùi Huyền Linh 1 , Trần Văn Tú 1

Đơn vị công tác

1 Viện Khoa học tài nguyên nước, Bộ Tài nguyên và Môi trường; manhcuongkt11@gmail.com; phuongtran.monre@gmail.com; linhb.dctv@gmail.com; trantu.monre@gmail.com;

2 Trung tâm Công nghệ Khí tượng thủy văn, Tổng Cục Khí tượng thủy văn, Bộ Tài nguyên và Môi trường; lemanhan82@gmail.com

*Tác giả liên hệ: manhcuongkt11@gmail.com; Tel.: +84–987986233

Tóm tắt

Trong những năm qua, lớp phủ trên lưu vực sông Đà bên ngoài lãnh thổ Việt Nam có nhiều thay đổi, góp phần tác động đến dòng chảy vào Việt Nam. Tuy nhiên, do thiếu dữ liệu, việc đánh giá tác động này gặp nhiều thách thức. Bài báo này trình bày kết quả ứng dụng công nghệ học máy để xây dựng bản đồ lớp phủ từ ảnh viễn thám phục vụ đánh giá biến động của lớp phủ theo thời gian và tác động của nó đến dòng chảy trên lưu vực sông Đà ngoài lãnh thổ sử dụng mô hình SWAT. Dữ liệu lớp phủ các năm 2000 và 2020 làm đầu vào cho mô hình SWAT được xây dựng từ ảnh vệ tinh bằng thuật toán học máy trên nền tảng Google Earth Engine. Độ chính xác của lớp phủ được đánh giá bằng độ chính xác tổng thể và hệ số Kappa, cho thấy kết quả giải đoán ảnh tương đối tốt. Mô hình SWAT được thiết lập để so sánh sự thay đổi của lượng nước trên lưu vực tương ứng với lớp phủ năm 2000 (KB1) và năm 2020 (KB2). Lớp phủ xây dựng tại thời điểm năm 2000 và năm 2020 cho thấy diện tích khu vực xây dựng tăng 866,92%, rừng tăng 4,26%, đất trống tăng 3,39%, mặt nước tăng 63,89%, diện tích cây bụi - cỏ giảm 11,60%. Dòng chảy trong KB2 tăng lên so với KB1 trên phần lớn các tiểu lưu vực khi xét trong cả năm. Mùa khô dòng chảy trên toàn lưu vực giảm 0,15%, mùa mưa tăng 0,08% và cả năm tăng 0,04%.

Từ khóa

Sông Đà; Lớp phủ; Mô hình SWAT; Google Earth Engine.

Trích dẫn bài báo

Cường, T.M.; Phương, T.A.; An, L.M.; Linh, B.H.; Tú, T.V. Nghiên cứu xác định bản đồ lớp phủ sử dụng công nghệ học máy phục vụ đánh giá tác động của biến động lớp phủ đến chế độ dòng chảy trên lưu vực sông Đà ngoài lãnh thổ vào Việt Nam. Tạp chí Khí tượng Thủy văn 2025, 771, 40-54.

Tài liệu tham khảo

1. Linh, B.H.; Phương, T.A. Đánh giá ảnh hưởng của các hồ chứa đến dòng chảy trên sông Đà. Tạp chí Khí tượng Thủy văn 2021, 731, 97–107.

2. Mensah, J.K.; Ofosu, E.A.; Yidana, S.M.; Akpoti, K.; Kabo-bah, A.T. Integrated modeling of hydrological processes and groundwater recharge based on land use land cover, and climate changes: A systematic review. Environ. Adv. 2022, 8, 100224.

3. de Oliveira Serrão, E.A.; Silva, M.T.; Ferreira, T.R.; de Ataide, L.C.P.; dos Santos, C.A.; de Lima, A.M.M.; ...Gomes, D.J.C. Impacts of land use and land cover changes on hydrological processes and sediment yield determined using the SWAT model. Int. J. Sediment Res. 2022, 37(1), 54–69.

4. Alawi, S.A.; Özkul, S. Evaluation of land use/land cover datasets in hydrological modelling using the SWAT model. H2Open J. 2023, 6(1), 63–74.

5. Komori, D.; Rangsiwanichpong, P.; Inoue, N.; Ono, K.; Watanabe, S.; Kazama, S. Distributed probability of slope failure in Thailand under climate change. Clim. Risk Manage. 2018, 20, 126–137.

6. Gumindoga, W.; Rwasoka, D.T.; Nhapi, I.; Dube, T. Ungauged runoff simulation in Upper Manyame Catchment, Zimbabwe: Application of the HEC-HMS model. Phys. Chem. Earth. A/B/C/ 2017, 100, 371–382.

7. Dinku, T.; Ceccato, P.; Connor, S.J. Challenges of satellite rainfall estimation over mountainous and arid parts of east Africa. Int. J. Remote Sens. 2011, 32(21), 5965–5979.

8. Sheffield, J.; Wood, E.F.; Pan, M.; Beck, H.; Coccia, G.; Serrat‐Capdevila, A.; Verbist, K.J.W.R.R. Satellite remote sensing for water resources management: Potential for supporting sustainable development in data‐poor regions. Water Resour. Res. 2018, 54(12), 9724–9758.

9. Jiang, D.; Wang, K. The role of satellite-based remote sensing in improving simulated streamflow: A review. Water J. 2019, 11(8), 1615.

10. Steinhausen, M.J.; Wagner, P.D.; Narasimhan, B.; Waske, B. Combining Sentinel-1 and Sentinel-2 data for improved land use and land cover mapping of monsoon regions. Int. J. Appl. Earth Obs. Geoinf. 2018, 73, 595–604.

11. Roy, D.P.; Wulder, M.A.; Loveland, T.R.; Woodcock, C.E.; Allen, R.G.; Anderson, M.C.; ... Zhu, Z. Landsat-8: Science and product vision for terrestrial global change research. Remote Sens. Environ. 2014, 145, 154–172.

12. Wulder, M.A.; White, J.C.; Loveland, T.R.; Woodcock, C.E.; Belward, A.S.; Cohen, W.B.; ... Roy, D.P. The global Landsat archive: Status, consolidation, and direction. Remote Sens. Environ. 2016, 185, 271–283.

13. Thảo, V.T.P.; Sengchanh, S. Khả năng xây dựng bản đồ lớp phủ mặt đất từ dữ liệu viễn thám Sentinel-2 theo phương pháp phân loại Random Forest trên nền tảng điện toán đám mây. Tạp chí Khoa học Đo đạc và Bản đồ 2022, 52, 26–35.

14. Nasiri, V.; Deljouei, A.; Moradi, F.; Sadeghi, S.M.M.; Borz, S.A. Land use and land cover mapping using Sentinel-2, Landsat-8 Satellite Images, and Google Earth Engine: A comparison of two composition methods. Remote Sens. 2022, 14(9), 1977.

15. Zafar, Z.; Zubair, M.; Zha, Y.; Fahd, S.; Nadeem, A.A. Performance assessment of machine learning algorithms for mapping of land use/land cover using remote sensing data. Egypt. J. Remote Sens. Space Sci. 2024, 27(2), 216–226.

16. Chirachawala, C.; Shrestha, S.; Babel, M.S.; Virdis, S.G.; Wichakul, S. Evaluation of global land use/land cover products for hydrologic simulation in the Upper Yom River Basin, Thailand. Sci. Total Environ. 2020, 708, 135148.

17. Lee, J.; Kim, J.; Jang, W.S.; Lim, K.J.; Engel, B.A. Assessment of baseflow estimates considering recession characteristics in SWAT. Water J. 2018, 10(4), 371.

18. Asante, K.; Leh, M.D.; Cothren, J.D.; Luzio, M.D.; Brahana, J.V. Effects of land-use land-cover data resolution and classification methods on SWAT model flow predictive reliability. Int. J. Hydrol. Sci. Technol. 2017, 7(1), 39–62.

19. Aloui, S.; Mazzoni, A.; Elomri, A.; Aouissi, J.; Boufekane, A.; Zghibi, A. A review of Soil and Water Assessment Tool (SWAT) studies of Mediterranean catchments: Applications, feasibility, and future directions. J. Environ. Manage. 2023, 326, 116799.

20. Liu, Z.; Rong, L.; Wei, W. Impacts of land use/cover change on water balance by using the SWAT model in a typical loess hilly watershed of China. Geogr. Sustainability 2023, 4(1), 19–28.

21. Abuhay, W.; Gashaw, T.; Tsegaye, L. Assessing impacts of land use/land cover changes on the hydrology of Upper Gilgel Abbay watershed using the SWAT model. J. Agric. Food Res. 2023, 12, 100535.

22. Tamiminia, H.; Salehi, B.; Mahdianpari, M.; Quackenbush, L.; Adeli, S.; Brisco, B. Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS J. Photogramm. Remote Sens. 2020, 164, 152–170.

23. Maxwell, A.E.; Strager, M.P.; Warner, T.A.; Ramezan, C.A.; Morgan, A.N.; Pauley, C.E. Large-area, high spatial resolution land cover mapping using random forests, GEOBIA, and NAIP orthophotography: Findings and recommendations. Remote Sens. 2019, 11(12), 1409.

24. Maxwell, A.E.; Strager, M.P.; Warner, T.A.; Ramezan, C.A.; Morgan, A.N.; Pauley, C.E. Large-area, high spatial resolution land cover mapping using random forests, GEOBIA, and NAIP orthophotography: Findings and recommendations. Remote Sens. 2019, 11(12), 1409.

25. Maxwell, A.E.; Warner, T.A.; Fang, F. Implementation of machine-learning classification in remote sensing: An applied review. Int. J. Remote Sens. 2018, 39(9), 2784–2817.

26. Belgiu, M.; Drăguţ, L. Random forest in remote sensing: A review of applications and future directions. ISPRS J. Photogramm. Remote Sens. 2016, 114, 24–31.

27. Körting, T.S.; Fonseca, L.M.G.; Câmara, G. GeoDMA-Geographic data mining analyst. Comput. Geosci. 2013, 57, 133–145.

28. Arnold, J.G.; Srinivasan, R.; Muttiah, R.S.; Williams, J.R. Large area hydrologic modeling and assessment part I: model development 1. JAWRA, 1998, 34(1), 73–89.

29. Tuppad, P.; Douglas-Mankin, K.R.; Lee, T.; Srinivasan, R.; Arnold, J.G. Soil and water assessment tool (SWAT) hydrologic/water quality model: Extended capability and wider adoption. Trans. ASABE 2011, 54(5), 1677–1684.