Ứng dụng ảnh Landsat 8 đánh giá xâm nhập mặn các huyện ven biển thuộc tỉnh Bến Tre
,
*
&
Article Sidebar
Main Article Content
Tóm tắt
Giám sát và đánh giá xâm nhập mặn là nhiệm vụ quan trọng, đặc biệt đối với sản xuất nông nghiệp trên địa bàn tỉnh Bến Tre. Bài báo giới thiệu giải pháp mới trong ứng dụng ảnh vệ tinh Landsat 8 và dữ liệu điều tra thực địa để xác định độ dẫn điện của đất (electrical conductivity - EC) nhằm đánh giá nhiễm mặn trong đất thông qua sự phân bố của EC. Phân tích thiết lập sự tương quan giữa giá trị phản xạ và các chỉ số độ mặn với EC cho phép chọn mô hình phù hợp trong thành lập bản đồ độ mặn của đất theo 4 cấp độ tương ứng với giá trị EC: không nhiễm mặn (0 - 4), nhẹ (4 – 8) ,vừa (8 – 16), rất mặn (> 16). Kết quả nghiên cứu năm 2019 cho thấy hầu hết các huyện Thạnh Phú, Ba Tri và Bình Đại đều bị nhiễm mặn với giá trị EC từ 8 – 16. Độ mặn giảm dần theo hướng từ biển đông vào đất liền với khoảng cách từ 15 đến 25 km. Tóm lại, nghiên cứu đã đề xuất các giải pháp trong giám sát và đánh giá nhanh nhiễm mặn trong đất dựa trên khả năng truy cập dễ dàng của ảnh Landsat 8 để tính các chỉ số cần thiết trong thành lập bản đồ độ mặn đất cho cấp vùng và cấp khu vực.
Article Details
Tài liệu tham khảo
Abbas, A., & Khan, S. (2007). Using remote sens- ing techniques for appraisal of irrigated soil salinity. In Oxley, L., and Kulasiri, D. (Eds.), MODSIM 2007 International Congress: Modelling and Simulation Society of Australia and New Zealand (2632-2638). Christchurch, New Zealand: Modelling and Simulation Society of Australia and New Zealand. Retrieved March 20, 2020, from htps://researchoutput.csu.edu.au/en/publications/using-remote-sensing-techniques-for-appraisal-of-irrigated-soil-s
Ali, A. N., Mehdi, H., & Abbas, F. (2012). Models to the identification of soil salinity: A case study from Garmsar Plain, Iran. International Journal of Environmental Physiology and Toxicology 9(1), 59-74.
Dehni, A., & Lounis, M. (2012). Remote sensing techniques for salt affected soil mapping: Application to the oran region of Algeria. Procedia Engineering 33, 188-198. https://doi.org/10.1016/j.proeng.2012.01.1193
Douaoui, A. E. K., Nicolas, H., & Walter, C. (2006). Detecting salinity hazards within a semiarid context by means of combining soil and remote-sensing data. Geoderma, 134(1-2), 217-230. https://doi.org/10.1016/j.geoderma.2005.10.009
Khan, N. M., Rastoskuev, V. V., Shalina, E. V., & Sato,Y. (2001). Mapping salt-affected soils using remote sensing indicators - A simple approach with the use of GIS IDRISI. Proceedings of the 22nd Asian Conference on Remote Sensing (5-9). Singapore: Centre for Remote Imaging, Sensing and Processing (CRISP), National University of Singapore.
Le, T. V., Tran, V. T., & Vo, V. N. (2019). Solution of integrating remote sensing and GIS in monitoring saline intrusion of Mekong river. Vietnam Journal of Science, Technology and Engineering 61(3), 22-26.
MFF (Mangroves for the Future). (2014). Assessment of land use changes using SPOT5 multi-time remote sensing images in project areas of Ben Tre and Tra Vinh provinces. Tra Vinh, Vietnam. Retrieved June 11, 2019 from https://www.mangrovesforthefuture.org/.
Neha, P. (2019). Use of Landsat satellite imagery to identify the salitization of soil due to brine spills in North-western North Dakota (Unpublished master’s thesis). University of North Dakota, North Dakota, USA.
Nguyen, A. K., Liou, Y. A., Tran, H. P., Hoang, P. P.,& Nguyen, T. H. (2020). Soil salinity assessment by using near-infrared channel and vegetation soil salinity index derived from Landsat 8 OLI data: A case study in the Tra Vinh province, Mekong Delta, Vietnam. Retrieved March 15, 2020, from https://link.springer.com/article/10.1186/s40645-019-0311-0#article-info.
Shrestha, R. P. (2006). Relating soil electrical conductivity to remote sensing and other soil properties for assessing soil salinity in northeast Thailand. Land Degradation and Development 17(6), 677-689. https://doi.org/10.1002/ldr.752
USGS (United States Geological Survey). (2006). Landsat surface reflectance-derived spectral indices. Retrieved March 15, 2020, from https://www.usgs.gov/core-science-systems/nli/landsat/landsat-soil-adjusted-vegetation-index.
Watheq, S., Ebtihal, T. A. K., & Sa’ad, R. Y. (2018). Using Landsat 8 OLI data to predict and mapping soil salinity for part of An-Najaf governorate. Ecology, Environment and Conservation Paper 24(2), 572-578.