Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh chuyển đổi số và cuộc Cách mạng công nghiệp 4.0, sinh viên thuộc các khối ngành lâm nghiệp, viễn thám và quản lý tài nguyên môi trường có nhu cầu rất lớn về khai thác dữ liệu địa lý không gian và ảnh vệ tinh phục vụ các hoạt động học tập, nghiên cứu và đánh giá thực địa. Nền tảng Google Earth Engine (GEE) là công cụ tính toán đám mây cung cấp kho dữ liệu quan sát Trái Đất phong phú. Tuy nhiên, rào cản kỹ thuật lập trình đặt ra thách thức lớn đối với sinh viên không chuyên về công nghệ thông tin khi muốn tiếp cận, viết mã lệnh và khai thác các tài nguyên này.

Từ thực trạng trên, tác giả Lương Văn Hiếu (lớp K63 - Hệ thống thông tin, Trường Đại học Lâm nghiệp) dưới sự hướng dẫn của Ths. Trần Xuân Hòa đã thực hiện khóa luận tốt nghiệp với đề tài: "Nghiên cứu nền tảng công nghệ Google Earth Engine, ứng dụng xây dựng phần mềm phân tích, khai thác dữ liệu từ ảnh vệ tinh dành cho sinh viên, học viên Đại học Lâm Nghiệp".

Mục tiêu nghiên cứu được tác giả xác định cụ thể như sau:

  1. Mục tiêu chung: Sử dụng nền tảng công nghệ Google Earth Engine để xây dựng ứng dụng hỗ trợ sinh viên, học viên Trường Đại học Lâm nghiệp tiếp cận và khai thác dữ liệu ảnh vệ tinh phục vụ nghiên cứu và học tập.
  2. Mục tiêu cụ thể:
    • Hiểu rõ nguyên lý và phương thức hoạt động của nền tảng công nghệ Google Earth Engine.
    • Thử nghiệm và triển khai thành công ứng dụng trên môi trường web.

Nhiệm vụ nghiên cứu bao gồm hai nội dung chính:

  • Nội dung 1: Khảo sát thực trạng nhu cầu dữ liệu của sinh viên tại Trường Đại học Lâm nghiệp, tập trung vào bài toán quan sát biến đổi diện tích rừng.
  • Nội dung 2: Nghiên cứu công nghệ nền tảng Google Earth Engine, các công nghệ phát triển phía máy chủ (Python, Django, RESTful API), các công nghệ giao diện người dùng (HTML, CSS, JavaScript, Bootstrap) và cơ sở dữ liệu.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Nền tảng công nghệ Google Earth Engine; dữ liệu ảnh viễn thám đa nguồn; đối tượng người dùng là sinh viên và học viên Trường Đại học Lâm nghiệp.
  • Phạm vi nghiên cứu:
    • Phạm vi công nghệ: Các công cụ phát triển ứng dụng web và các giao diện lập trình ứng dụng (API) của Google Earth Engine.
    • Phạm vi không gian và thời gian: Đề tài thực hiện khảo sát và nghiên cứu tại Trường Đại học Lâm nghiệp trong khoảng thời gian từ ngày 15 tháng 02 năm 2022 đến ngày 20 tháng 07 năm 2022.
    • Phạm vi con người: Khảo sát nhu cầu và mong muốn của sinh viên về công cụ trực tuyến thu thập, xử lý ảnh vệ tinh.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và công nghệ nền tảng

Nghiên cứu dựa trên cơ sở vật lý của công nghệ viễn thám (Remote Sensing - RS), trong đó thông tin về các đối tượng trên bề mặt Trái Đất được thu nhận từ xa thông qua đặc trưng phản xạ và bức xạ sóng điện từ. Tác giả phân loại bề mặt thành ba nhóm đối tượng chính dựa trên đặc trưng phổ: lớp phủ thực vật, lớp đối tượng đất và lớp đối tượng nước.

Văn bản khảo sát và ứng dụng ba nguồn tư liệu ảnh viễn thám phổ biến được tích hợp sẵn trong kho dữ liệu Google Earth Engine:

Nguồn ảnh vệ tinh Đơn vị chủ quản / Chương trình Số kênh phổ Độ phân giải không gian Đặc tính nổi bật
Landsat 8 NASA và USGS (Hoa Kỳ), phóng ngày 11/02/2013 11 kênh (9 kênh sóng ngắn, 2 kênh nhiệt sóng dài) 15 m – 100 m Mang 2 bộ cảm biến OLI và TIRS; theo dõi rừng, năng lượng, tài nguyên nước và môi trường.
Sentinel-2 Cơ quan Vũ trụ Châu Âu (ESA), chương trình Copernicus (2A phóng 23/06/2015, 2B phóng 07/03/2017) 13 kênh phổ 10 m (4 kênh), 20 m (6 kênh), 60 m (3 kênh) Cảm biến chổi đẩy, độ rộng dải quét 290 km; phục vụ giám sát rừng, biến động lớp phủ và thiên tai.
MODIS Cảm biến đặt trên vệ tinh Terra (2000) và Aqua (2002) 36 kênh phổ (dữ liệu 12 bit) 250 m, 500 m, 1000 m Chu kỳ lặp lại 1–2 ngày phủ toàn cầu; sai số chỉnh phổ kênh tham chiếu 1/2 pixel.

Nền tảng Google Earth Engine đóng vai trò hạ tầng tính toán đám mây với các đặc tính: lưu trữ nhiều petabyte dữ liệu viễn thám công cộng, cập nhật hơn 6.000 cảnh ảnh mỗi ngày, hỗ trợ tính toán song song phía máy chủ (Server-side) thông qua API và trả kết quả về phía trình duyệt (Client-side) dưới dạng đối tượng bản đồ hoặc bảng số liệu thống kê.

Phương pháp nghiên cứu

Tác giả đã áp dụng hệ thống các phương pháp nghiên cứu sau:

  • Phương pháp thu thập dữ liệu: Sử dụng bảng câu hỏi khảo sát và phỏng vấn trực tiếp sinh viên Trường Đại học Lâm nghiệp nhằm thu thập yêu cầu đối với hệ thống khai thác dữ liệu vệ tinh.
  • Phương pháp xử lý số liệu: Ứng dụng các công cụ lập trình, thư viện phần mềm máy tính và API của Earth Engine để lọc dữ liệu, tính toán ma trận điểm ảnh và khử mây.
  • Phương pháp phân tích số liệu: Dùng phương pháp so sánh đối chiếu dữ liệu giữa các mốc thời gian khác nhau để kiểm tra độ chính xác của thông tin và phát hiện biến động lớp phủ rừng.
  • Phương pháp chuyên gia: Tham khảo trực tiếp ý kiến chuyên môn từ cán bộ hướng dẫn và các giảng viên bộ môn Hệ thống thông tin thuộc Khoa Kinh tế và Quản trị kinh doanh, Trường Đại học Lâm nghiệp.
  • Phương pháp kế thừa: Kế thừa các tài liệu, mô hình và thuật toán tính toán chỉ số thực vật, dữ liệu mất rừng toàn cầu (điển hình là nghiên cứu của Hansen trên dữ liệu Landsat) đã được công bố trên nền tảng Earth Engine.

Thiết kế và triển khai

Hệ thống được thiết kế theo mô hình kiến trúc phân tầng, tách biệt giữa giao diện hiển thị, lớp dịch vụ nghiệp vụ và lớp lưu trữ dữ liệu.

Công nghệ phát triển và mô hình kiến trúc

  • Ngôn ngữ lập trình và Framework backend: Sử dụng ngôn ngữ Python kết hợp với Django Framework theo mô hình MVT (Model – View – Template). Cơ chế Object-Relational Mapping (ORM) của Django được sử dụng để thao tác trực tiếp với cơ sở dữ liệu qua đối tượng.
  • Chuẩn giao tiếp: Thiết kế theo kiến trúc RESTful API sử dụng các phương thức HTTP (GET, POST, PUT, DELETE) để trao đổi dữ liệu định dạng JSON giữa client và server.
  • Giao diện người dùng (Frontend): Ứng dụng các chuẩn công nghệ HTML5, CSS3, thư viện Bootstrap 4 cho thiết kế thích ứng (Responsive Design), cùng với JavaScript, thư viện jQuery và VueJS để xử lý tương tác bản đồ động.
  • Hệ quản trị cơ sở dữ liệu: PostgreSQL kết hợp công cụ quản trị Navicat Premium, hỗ trợ lưu trữ dữ liệu thuộc tính và dữ liệu không gian dạng hình học (GIS).
  • Hạ tầng máy chủ triển khai: Hệ điều hành Linux (Ubuntu) và máy chủ web Nginx.
[Trình duyệt Client] <--- HTTP / REST API ---> [Nginx Webserver] <---> [Django Backend] <---> [PostgreSQL]
                                                                             |
                                                                             +---> [Google Earth Engine API]

Các phân hệ ứng dụng (Django Apps)

Hệ thống được cấu trúc thành các module độc lập theo tiền tố app_*:

Tên phân hệ Chức năng cụ thể
app_quanlyranhgioi Quản lý và truy xuất dữ liệu không gian ranh giới hành chính cấp Tỉnh, Huyện, Xã.
app_phantichanh Module lõi giao tiếp API Google Earth Engine, lọc dữ liệu, khử mây, tính toán chỉ số và phân tích mất rừng.
app_bando Hiển thị lớp bản đồ nền, trực quan hóa ranh giới và kết quả phân tích ảnh vệ tinh.
app_docaohuongdoc Phân tích mô hình số độ cao (DEM) nhằm tính toán độ cao, độ dốc và hướng dốc tại tọa độ chỉ định.
app_email Xử lý tác vụ gửi kết quả phân tích ảnh vệ tinh về hộp thư điện tử của người dùng.
app_sms Tích hợp cổng SMS Gateway gửi thông tin biến động diện tích rừng qua tin nhắn di động.

Thiết kế cơ sở dữ liệu quan hệ

Cơ sở dữ liệu lưu trữ ranh giới hành chính ba cấp phục vụ việc truy vấn không gian trên bản đồ gồm các bảng sau:

Tên bảng Tên trường Kiểu dữ liệu Ràng buộc Mô tả
tb_Province matinh Integer Khóa chính (PK) Mã định danh cấp tỉnh
tinh Integer Tên tỉnh (theo định dạng lưu trữ hệ thống)
tinhvt Integer Tên viết tắt của tỉnh
dtich Float Diện tích
geom Multipolygon Dữ liệu không gian Tọa độ ranh giới hình học cấp tỉnh
tb_District mahuyen Integer Khóa chính (PK) Mã định danh cấp huyện
huyen Integer Tên huyện
huyenvt Integer Tên viết tắt của huyện
matinh_id Integer Khóa ngoại (FK) Tham chiếu đến trường matinh trong tb_Province
dtich Float Diện tích
geom Multipolygon Dữ liệu không gian Tọa độ ranh giới hình học cấp huyện
tb_Commune maxa Integer Khóa chính (PK) Mã định danh cấp xã
xa Integer Tên xã
xavt Integer Tên viết tắt của xã
mahuyen_id Integer Khóa ngoại (FK) Tham chiếu đến mahuyen trong tb_District
matinh_id Integer Khóa ngoại (FK) Tham chiếu đến matinh trong tb_Province
dtich Float Diện tích
geom Multipolygon Dữ liệu không gian Tọa độ ranh giới hình học cấp xã

Các hàm xử lý tính toán cốt lõi

Hệ thống sử dụng các hàm viết bằng Python tích hợp thư viện Earth Engine (ee) để tiền xử lý và phân tích ảnh vệ tinh:

Hàm lọc mây cho ảnh Sentinel-2: Sử dụng kênh chất lượng QA60 để kiểm tra bit số 10 (mây dày) và bit số 11 (mây tầng cao - cirrus). Các pixel có cả hai bit bằng 0 được giữ lại.

def maskSE2clouds(image):
    qa = image.select('QA60')
    # Bits 10 and 11 are clouds and cirrus, respectively.
    cloudBitMask = 1 << 10
    cirrusBitMask = 1 << 11
    # Both flags should be set to zero, indicating clear conditions.
    mask = qa.bitwiseAnd(cloudBitMask).eq(0).And(
           qa.bitwiseAnd(cirrusBitMask).eq(0))
    return image.updateMask(mask).divide(10000)

Hàm tính toán chỉ số thực vật (NDVI) cho Sentinel-2: Thực hiện tính toán tỷ số giữa kênh cận hồng ngoại B8 (NIR) và kênh đỏ B4 (Red) để tạo ra dải phổ NDVI mới gán vào tập ảnh:

def addNDVI(image):
    """
    Tính chỉ số NDVI
    :param image: ảnh có band B8, B4 (hoặc NIR, Red)
    :return: ảnh được thêm NDVI
    """
    ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI')
    return image.addBands(ndvi)

Hàm tính diện tích đối tượng hình học:

def calcArea(feature):
    area = feature.area(10)
    return feature.set('dtich', area)

Hàm tiền xử lý và lọc tập ảnh vệ tinh theo điều kiện biên: Lọc tập ảnh dựa trên ranh giới hình học, thời gian bắt đầu, thời gian kết thúc và ngưỡng tỷ lệ bao phủ mây (mặc định dưới 30%):

def imageCollection(boundary, start_date, end_date, cloud_cover_rate):
    """
    Tiền xử lý ảnh vệ tinh
    :param boundary: ranh giới
    :param start_date: ngày bắt đầu lấy ảnh
    :param end_date: ngày kết thúc lấy ảnh
    :param cloud_cover_rate: ngưỡng tỷ lệ mây (mặc định < 30%)
    :return: tập ảnh phù hợp + thông tin liên quan
    """
    image_dataset = IMG_SE2 \
        .filterBounds(boundary) \
        .filterDate(start_date, end_date) \
        .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', cloud_cover_rate)) \
        .map(maskSE2clouds) \
        .map(addNDVI)
    return image_dataset

Hàm xuất tải ảnh vệ tinh: Trích xuất đường dẫn tải dữ liệu ảnh đã cắt theo vùng ranh giới hình học dựa trên hệ quy chiếu EPSG:4326:

def downloadImage(image, zone, extname, filename):
    scale = 10
    extend = f'-{extname}'
    try:
        polygon = ee.geometry()
        url = image.getDownloadURL({
            'image': ee.clip(polygon),
            'crs': 'EPSG:4326',
            'region': polygon,
        })
    except Exception as ex:
        url = ex
    return url

Các trường hợp sử dụng (Use Cases) và kiểm thử chức năng

Hệ thống thiết lập 8 ca sử dụng chính:

  1. UC Đăng nhập: Dành cho quản trị viên (Admin) truy cập trang quản trị hệ thống.
  2. UC Quản lý dữ liệu ranh giới cấp Tỉnh/Huyện/Xã: Cho phép tìm kiếm hoặc chọn địa phương từ danh sách ranh giới để định vị trên bản đồ.
  3. UC Phân tích ảnh vệ tinh: Người dùng chọn khu vực, nhập hai mốc thời gian (thời điểm đầu và thời điểm sau) để so sánh; hệ thống tính toán và hiển thị các điểm mất rừng bằng màu đỏ trên nền bản đồ.
  4. UC Gửi nhận Email: Gửi kết quả ảnh trước, sau và vị trí biến động rừng về địa chỉ email do người dùng cung cấp.
  5. UC Phân tích độ cao, hướng dốc: Người dùng nhấp chuột vào một điểm trên bản đồ để hệ thống trích xuất thông tin tọa độ, độ cao, độ dốc và hướng dốc từ mô hình DEM.
  6. UC Quản lý bản đồ: Thao tác chuyển đổi các lớp bản đồ, phóng to, thu nhỏ và hiển thị lớp dữ liệu.
  7. UC Gửi thông tin qua SMS: Gửi thông báo kết quả cảnh báo qua hệ thống cổng tin nhắn SMS Gateway.
  8. UC Quản lý dữ liệu hiện trạng rừng theo các năm: Dành cho quản trị viên cập nhật cơ sở dữ liệu hiện trạng rừng.

Quá trình kiểm thử chức năng được tác giả thực hiện trên các module giao diện thực tế (từ Hình 28 đến Hình 32 trong tài liệu): kiểm thử giao diện trang chủ, tương tác chọn khu vực quan tâm, xử lý phân tích ảnh hiển thị vùng mất rừng, gửi email kết quả và công cụ xác định độ dốc - độ cao - hướng dốc.

Nội dung chính theo từng chương

Chương 1: Tổng quan về đề tài nghiên cứu

Chương 1 trình bày tính cấp thiết của việc ứng dụng công nghệ viễn thám trong đào tạo lâm nghiệp, mục đích nghiên cứu, ý nghĩa khoa học và thực tiễn của đề tài. Tác giả xác định rõ các mục tiêu chung, mục tiêu cụ thể, nội dung nghiên cứu chia thành 2 phần (khảo sát thực trạng và nghiên cứu công nghệ nền tảng), đối tượng nghiên cứu (GEE, ảnh vệ tinh, sinh viên), phạm vi nghiên cứu (từ ngày 15/02/2022 đến 20/07/2022 tại Trường Đại học Lâm nghiệp) và 4 nhóm phương pháp nghiên cứu chính (thu thập số liệu, xử lý số liệu, phân tích đối chiếu, chuyên gia và kế thừa).

Chương 2: Cơ sở lý thuyết

Chương 2 tập trung khảo sát thực trạng nhu cầu dữ liệu viễn thám của sinh viên Đại học Lâm nghiệp và phân tích các yêu cầu bài toán (tính tiện dụng, nguồn dữ liệu đa dạng toàn cầu, tính miễn phí). Tiếp đó, tác giả phân tích các tiêu chí lựa chọn công nghệ, thiết lập mô hình kiến trúc tổng thể và mô hình triển khai hệ thống. Phần cơ sở lý thuyết trình bày chi tiết về bản chất viễn thám, cơ chế phản xạ sóng điện từ, nguyên lý tính toán đám mây của Google Earth Engine (Code Editor, API Javascript/Python, kho dữ liệu petabyte, dự án Global Forest Watch giám sát rừng ở đảo Sumatra, Indonesia). Chương này cũng giới thiệu thông số kỹ thuật của ảnh Landsat 8, Sentinel-2, MODIS và hệ sinh thái công nghệ gồm Python, Django Framework (mô hình MVT, ORM, cấu trúc tệp tin dự án), cơ sở dữ liệu PostgreSQL, phần mềm quản trị Navicat Premium, chuẩn RESTful API, HTML5, CSS3, JavaScript và Bootstrap 4.

Chương 3: Xây dựng website quản lý hiện trạng rừng

Chương 3 là phần thực nghiệm xây dựng phần mềm. Tác giả xác định hai tác nhân chính (Admin và Người dùng), thiết lập danh sách và đặc tả chi tiết 8 Use Case chính (đặc tả luồng sự kiện chính, luồng phụ, tiền điều kiện và hậu điều kiện cho từng Use Case). Chương này mô hình hóa hành vi hệ thống bằng biểu đồ hoạt động (Activity Diagrams) và biểu đồ trình tự (Sequence Diagrams) cho các chức năng: đăng nhập, quản lý ranh giới hành chính, phân tích ảnh vệ tinh, gửi email, phân tích độ cao - hướng dốc. Phần thiết kế cơ sở dữ liệu định nghĩa cấu trúc thuộc tính cho 3 bảng dữ liệu không gian (tb_Province, tb_District, tb_Commune) và mô hình quan hệ giữa chúng. Cuối chương, tác giả trình bày cấu trúc các module app_*, mã nguồn các hàm xử lý thuật toán viễn thám trên Python và giao diện kết quả kiểm thử chức năng của ứng dụng.

Chương 4: Kết quả và hướng phát triển

Chương 4 tổng kết các kết quả đạt được sau thời gian nghiên cứu và thực nghiệm, bao gồm việc làm chủ quy trình kết nối API Google Earth Engine, xây dựng thành công website quản lý hiện trạng rừng cho phép sinh viên phân tích biến động và trích xuất dữ liệu địa hình mà không cần lập trình. Đồng thời, chương này chỉ ra các mặt hạn chế còn tồn tại của sản phẩm phần mềm và phác thảo hướng phát triển, mở rộng hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả chính

  • Nghiên cứu và làm rõ cơ chế tính toán đám mây của nền tảng Google Earth Engine, bao gồm quy trình gửi truy vấn từ client, thực thi song song trên máy chủ Google và trả về dữ liệu bản đồ.
  • Xây dựng thành công ứng dụng web tích hợp Django Framework và Google Earth Engine API, chạy trên máy chủ Ubuntu và Nginx.
  • Số hóa và tích hợp cơ sở dữ liệu ranh giới hành chính ba cấp (Tỉnh, Huyện, Xã) với trường hình học Multipolygon trên PostgreSQL.
  • Cài đặt thành công các thuật toán xử lý ảnh Sentinel-2: lọc bỏ mây bằng dải bit QA60, tính chỉ số thực vật NDVI, trích xuất giá trị độ dốc, độ cao và hướng dốc từ mô hình số độ cao DEM, hiển thị trực quan các điểm mất rừng bằng màu đỏ khi so sánh hai thời điểm.
  • Tích hợp tính năng chia sẻ báo cáo phân tích qua hộp thư điện tử và dịch vụ SMS Gateway.

Giải pháp và kiến nghị của tác giả

  • Ứng dụng giải pháp kiến trúc hướng dịch vụ với các phân hệ độc lập (app_quanlyranhgioi, app_phantichanh, app_docaohuongdoc, app_email, app_sms) giao tiếp qua chuẩn RESTful API nhằm đảm bảo tính module hóa và dễ bảo trì.
  • Khuyến nghị đưa ứng dụng vào môi trường học tập thực tế tại Trường Đại học Lâm nghiệp nhằm hỗ trợ sinh viên các ngành kỹ thuật, tài nguyên và lâm nghiệp tiếp cận dữ liệu ảnh vệ tinh cập nhật mà không phải đầu tư máy trạm có năng lực xử lý cục bộ cao.

Đóng góp về mặt khoa học và ứng dụng

  • Hệ thống hóa cơ sở lý thuyết về viễn thám và phương thức khai thác nền tảng Google Earth Engine qua môi trường ngôn ngữ Python.
  • Giải quyết bài toán rào cản kỹ thuật lập trình cho sinh viên không thuộc chuyên ngành công nghệ thông tin bằng giao diện web trực quan, cho phép thao tác chọn vùng, lọc mây và phân tích biến động chỉ qua các thao tác bấm chuột.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của sản phẩm

  • Phạm vi dữ liệu ranh giới hành chính và dữ liệu không gian thử nghiệm còn ở quy mô giới hạn theo thời gian và khuôn khổ của đề tài khóa luận.
  • Tốc độ xử lý và phản hồi phụ thuộc trực tiếp vào thời gian đáp ứng của máy chủ Google Earth Engine và đường truyền mạng Internet do việc tính toán diễn ra trên đám mây của bên thứ ba.
  • Các chức năng phân tích viễn thám mới dừng lại ở việc tính toán chỉ số NDVI và so sánh hai thời điểm để phát hiện mất rừng; việc kiểm thử phần mềm chủ yếu tập trung vào kiểm tra tính năng giao diện cơ bản.

Hướng phát triển trong tương lai

  • Bổ sung và cập nhật đầy đủ dữ liệu ranh giới hành chính trên phạm vi toàn quốc.
  • Tích hợp thêm các chỉ số viễn thám chuyên sâu khác ngoài NDVI (như các chỉ số nước, chỉ số hạn hán, sinh khối).
  • Nâng cấp các thuật toán phân loại lớp phủ bề mặt và giám sát biến động rừng tự động bằng các mô hình máy học trên nền tảng Earth Engine.
  • Tối ưu hóa giao diện người dùng và mở rộng khả năng xuất báo cáo đa định dạng.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho:

  • Sinh viên ngành Hệ thống thông tin, Công nghệ thông tin: Tham khảo mô hình kiến trúc tích hợp hệ thống web Django với các dịch vụ API bên ngoài, phương pháp thiết kế cơ sở dữ liệu không gian trên PostgreSQL và cấu trúc dự án phần mềm hướng dịch vụ RESTful.
  • Sinh viên, học viên ngành Lâm nghiệp, Quản lý tài nguyên môi trường, Viễn thám và GIS: Tham khảo quy trình tiền xử lý ảnh vệ tinh Sentinel-2 (lọc mây qua kênh QA60, tính chỉ số thực vật NDVI) và cách tiếp cận nền tảng điện toán đám mây Google Earth Engine trong giám sát biến động hiện trạng rừng.
  • Phần đáng tham khảo nhất: Chương 2 (tổng hợp thông số kỹ thuật của các bộ cảm Landsat 8, Sentinel-2, MODIS) và Chương 3 (mã nguồn các hàm Python tương tác với GEE API và cấu trúc thiết kế các phân hệ Use Case).

Câu hỏi thường gặp

1. Khóa luận sử dụng các nguồn ảnh vệ tinh nào và độ phân giải không gian của chúng là bao nhiêu?
Khóa luận giới thiệu ba nguồn ảnh viễn thám: Landsat 8 có độ phân giải từ 15 m đến 100 m (11 kênh phổ); Sentinel-2 gồm các kênh có độ phân giải 10 m, 20 m và 60 m với dải quét 290 km (13 kênh phổ); MODIS có độ phân giải 250 m, 500 m và 1000 m (36 kênh phổ). Trong phần cài đặt mã nguồn thực nghiệm, tác giả sử dụng ảnh Sentinel-2 (IMG_SE2).

2. Thuật toán lọc mây cho ảnh Sentinel-2 trong phần mềm được thực hiện như thế nào?
Hàm maskSE2clouds trích xuất kênh chất lượng QA60 của ảnh Sentinel-2, sử dụng phép dịch bit để kiểm tra bit 10 (mây) và bit 11 (mây cirrus). Pixel được xác định là không có mây khi cả hai bit này đều nhận giá trị 0.

3. Cơ sở dữ liệu không gian của hệ thống quản lý ranh giới hành chính gồm những bảng nào?
Cơ sở dữ liệu được xây dựng trên PostgreSQL gồm 3 bảng chính: tb_Province (lưu ranh giới cấp tỉnh), tb_District (lưu ranh giới cấp huyện, liên kết khóa ngoại với bảng tỉnh qua matinh_id), và tb_Commune (lưu ranh giới cấp xã, liên kết khóa ngoại với bảng huyện qua mahuyen_id và bảng tỉnh qua matinh_id). Cả 3 bảng đều chứa trường geom có kiểu dữ liệu Multipolygon.

4. Chức năng phân tích ảnh vệ tinh trên website trả về kết quả hiển thị ra sao khi có hiện tượng mất rừng?
Sau khi người dùng chọn khu vực ranh giới và chỉ định hai mốc thời gian (thời điểm đầu và thời điểm sau), hệ thống tiến hành xử lý so sánh dữ liệu phổ và trả về các điểm đánh dấu màu đỏ trên bản đồ tại các vị trí mà diện tích rừng ở thời điểm sau bị suy giảm so với thời điểm đầu.

5. Ứng dụng cung cấp công cụ tiện ích nào liên quan đến mô hình số độ cao DEM?
Hệ thống tích hợp phân hệ app_docaohuongdoc. Khi người dùng kích hoạt công cụ "xác định độ dốc – độ cao – hướng dốc" và nhấp chuột vào một vị trí bất kỳ trên bản đồ, hệ thống sẽ tính toán và trả về thông số tọa độ, độ cao, độ dốc và hướng dốc của điểm đó.

Kết luận

Khóa luận tốt nghiệp của tác giả Lương Văn Hiếu đã nghiên cứu toàn diện về nền tảng điện toán đám mây Google Earth Engine và ứng dụng thành công vào việc xây dựng website quản lý hiện trạng rừng trên nền tảng Django và PostgreSQL. Sản phẩm cung cấp giải pháp trực quan hóa dữ liệu vệ tinh, hỗ trợ sinh viên Trường Đại học Lâm nghiệp phân tích mất rừng và khai thác thông tin địa hình mà không gặp trở ngại về kỹ năng lập trình. Mặc dù còn hạn chế về phạm vi dữ liệu thử nghiệm và mức độ phụ thuộc vào máy chủ đám mây bên thứ ba, đề tài đã hoàn thành đúng mục tiêu đặt ra và mang giá trị tham khảo rõ nét về mặt kỹ thuật lập trình hệ thống thông tin không gian.