Luận văn Nghiên cứu xác định front trong toàn khu vực biển Đông

quá trình dịch chuyển chúng do hoàn lưu chung của biển. Mô hình cũng đã chỉ ra sự hiện diện của khối nước lạnh mùa đông ven bờ Trung Quốc với nhiệt độ tương tự như khối nước lạnh ven bờ Tây vịnh Bắc Bộ. 14 Trong mùa đông, giới hạn lan truyền của khối nước nước mặt Bắc Biển Đông có thể kéo dài đến tận 5oN và uốn về hướng Đông Nam đến 112 – 1130E và dải front nhiệt kết hợp với front muối phía Đông-Nam Phú Quý có thể có vị trí trung bình theo hướng Bắc Nam. [16] Hình 5:Sơ đồ phân bố các khối nước và front trên mặt biển trong mùa đông (Đề tài KT 03-10)[15] Trong mùa hè, số lượng các khối nước vẫn giữ nguyên như trong báo cáo của đề tài KT03-10, vị trí các vùng front cũng không có sự thay đổi nhiều nhưng nguồn gốc của các front có thể được làm sáng tỏ hơn. Front tổng hợp nhiệt và muối 15 nằm giữa khối nước ấm và tương đối nhạt do kết quả tương tác với nước sông đổ ra từ vùng bờ Nam Bộ với nước lạnh và mặn khu vực nước trồi. Front tại phía Bắc Đèo Ngang cơ bản là front nhiệt do kết quả xâm nhập của nước tầng sâu đi lên tại vùng tiếp giáp với nước bị đốt nóng mạnh mùa hè do gió khô nóng tại các vùng biển nông ven bờ Hà Tĩnh, Nghệ An. Dải front phía cửa sông Hồng lại là front muối do xâm nhập nước sông ra biển. [16] Hình 6:Sơ đồ phân bố các khối nước và front trên mặt biển trong mùa hè (Đề tài KT 03-10) [15] 16 CHƢƠNG 3 HỆ THỐNG VỆ TINH VÀ DỮ LIỆU ẢNH VỆ TINH 3.1 Hệ thống các vệ tinh NOAA-AVHRR Dự án thu ảnh độ phân giải cao 4 km sử dụng thuật toán Pathfinder phiên bản 5 (Pathfinder 5) là dự án tái phân tích mới bộ số liệu độ phân giải cao (AVHRR) được phát triển bởi trường đại học Khoa học Khí quyển và Đại đương Rosenstiel thuộc đại học Miami (Rosenstiel School of Marine and Atmospheric Science – RSMAS) và Trung tâm dữ liệu hải dương học quốc gia Mỹ NOAA (NODC). Với nhiều năm thực hiện và phát triển các bộ dữ liệu Pathfinder trước đó, Trung tâm thu dữ liệu chủ động, phân phối dữ liệu hải dương học vật lý của NASA (NASA's Physical Oceanography Distributed Active Archive Center - PO.DAAC) cũng đã cùng tham gia thực hiện dự án này. Với sự phát triển đó, dự án này đã được hy vọng sẽ mở rộng hệ thống ghi dữ liệu nhiệt mặt biển (SST) toàn cầu. Chương trình Pathfinder hải dương học với ảnh độ phân giải cao (AVHRR) của NOAA/NASA đã phát triển đối với nhiệt mặt biển toàn cầu độ phân giải 9.28 km từ đầu thập kỷ 90 với kết quả là bộ dữ liệu phiên bản 4.x (V4). Mặt dù đã có những thành công nhất định, nhưng bộ dữ liệu này cũng có những hạn chế nhất định, ví dụ như độ lệch đối với một khu vực bị tác động bởi các bất đồng nhất khí quyển (atmospheric aerosols) lớn. Hơn nữa, khả năng phân tách đất khá thô là một vấn đề lớn đối với các ứng dụng khu vực ven biển và làm hạn chế các thông tin về sự không tồn tại của các băng biển trong việc sử dụng các dữ liệu vĩ độ cao. Với 3 năm phát triển, RSMAS/NODC đã sử dụng thuật toán tiền xử lý mới đã giải quyết được những hạn chế của phiên bản 4.x và đưa ra bộ dữ liệu nhiệt mặt biển chính xác hơn với độ phân giải cao hơn. Quá trình tiền xử lý dữ liệu vệ tinh sử dụng phiên bản nâng cao của thuật toán Pathfinder và các bước xử lý để đưa ra 2 ảnh nhiệt mặt biển toàn cầu trong 1 ngày và các thông số liên quan từ những năm 1985. Với độ phân giải xấp xỉ 4 km, bộ số liệu này được coi là có độ phân giải cao nhất có thể đối với dữ liệu độ phân giải cao 17 (AVHRR) toàn cầu. Không những thế, bộ dữ liệu này còn bao gồm các dữ liệu trung bình giai đoạn 5 ngày, 7 ngày, 8 ngày, trung bình tháng và trung bình năm. So với bộ dữ liệu nhiệt mặt biển Pathfinder độ phân giải 9 km, bộ dữ liệu này đã có những tiến bộ hơn đó là sự chính xác hơn, khả năng phân tách đất tốt hơn, độ phân giải cao hơn và bao gồm cả thông tin về băng biển. Bảng 1: Các vệ tinh NOAA được sử dụng trong bộ dữ liệu SST Pathfinder 5.0 STT Tên vệ tinh Thời gian của dữ liệu Pathfinder 5.0 1 NOAA-9 04/01/1985 – 07/11/1988 2 NOAA-11 08/11/1988 – 13/09/1994 3 NOAA-9 14/09/1994 – 21/01/1995 4 NOAA-14 22/01/1995 – 11/10/2000 5 NOAA-16 12/10/2000 – 31/12/2002 6 NOAA-17 01/01/2003 – 04/06/2005 7 NOAA-18 05/06/2005 – 31/12/2006 3.2 Cơ sở dữ liệu ảnh NOAA-AVHRR Cơ sở dữ liệu ảnh NOAA-AVHRR là cơ sở dữ liệu đã bắt đầu từ nhiều năm trước và đã có những nghiên cứu độ chính xác của cơ sở dữ liệu này. Với hàm hồi quy: y = 0.075*x – 3.0, Lee và cs (2005) đã nghiên cứu độ chính xác của cơ sở dữ liệu này đối với khu vực biển xung quanh Đài loan. Nghiên cứu này đã cho thấy độ chính xác của CSDL này là 0.60C [12]. Barton (1995 và Kearns & cs (2000) đã chứng minh rằng độ chính xác của CSDL này là từ 0 – 0.240C[10]. Trong khi thực hiện luận văn này, tác giả cũng đã liên hệ với TS. Jason Roberts – Đại học Duke, TS. Jason Roberts (2002) cũng đã nghiên cứu so sánh với các số liệu của các trạm phao khu vực Thái Bình Dương cũng cho độ lệch chuẩn là 0.790C. Những số liệu này có thể cho thấy được rằng, CSDL ảnh NOAA-AVHRR là tin cậy và có thể sử dụng để nghiên cứu cường độ và vị trí front trong biển Đông. 18 Luận văn sử dụng các số liệu ảnh NOAA trung bình tháng từ năm 1985 – 2006 để nghiên cứu và xác định vị trí của front cũng như tính toán tần suất xuất hiện của front. Đồng thời, luận văn sử dụng số liệu trung bình 5 ngày và trung bình tháng năm 2006 theo cả số liệu chụp ban ngày (10h địa phương – vệ tinh đi xuống) cũng như ban đêm (22h địa phương – vệ tinh đi lên) để nghiên cứu chi tiết sự biến động của cường độ front theo ngày đêm, 5 ngày và theo tháng. 19 CHƢƠNG 4 PHƢƠNG PHÁP XÁC ĐỊNH FRONT TỪ ẢNH VỆ TINH 4.1 Thuật toán xác định ranh giới các ảnh nhiệt mặt biển (SST) của Cayula & Cornillon (1992) [7] - Cần phân chia ảnh toàn cảnh thành các cửa sổ với kích thước cho trước - Mỗi cửa sổ sẽ được xử lý độc lập - Các cửa sổ cần thiết kế có phần chồng lên nhau để có thể liên kết các ranh giới xác định được trên các cửa sổ khác nhau - Kích thước cửa sổ có thể lựa chọn theo: 16x16, 32x32,… tùy theo kích thước các ranh giới cần xác định cũng như độ phân giải của ảnh, nhiễu… - Ranh giới xác định được là biên của hai khu vực ω1 và ω2 có nhiệt độ gần như đồng nhất a) Phân tích Histogram: Hình 7: Histogram của cửa sổ có ranh giới thể hiện yếu (không rõ ràng), thông qua sự phân bố các khoảng cực đại phân tách yếu Hình 8: Histogram của cửa sổ có ranh giới thể hiện mạnh (rõ ràng), thông qua sự phân tách rõ các khoảng cực trị 20 Hình 9: Các histogram tương ứng được thể hiện trong window 2 và window 1 trong hình trên Trong phép phân tích histogram, cần xác định giá trị ngưỡng để phân tách hai miền giá trị nhiệt có sự phân dị đáng kể. Trong trường hợp có hai miền nhiệt phân dị, cần sử dụng phương pháp thống kê để xác định (phân loại) chúng. Giả sử: + ω1 và ω2 là hai miền nhiệt xác định + x là điểm ảnh thuộc miền xác định X (X là toàn bộ các điểm trong cửa sổ đã chọn) + t(x) là giá trị nhiệt tại x Khi đó, mật độ xác suất cho các giá trị nhiệt trên 2 miền ω1 và ω2 được xác định theo công thức: 𝑝 𝑡 𝑥 = 𝑝[𝑡(𝑥) 𝑥 ∈ 𝜔𝑖]𝑃(𝑥 ∈ 𝜔𝑖) 2 𝑖=1 Nếu giả thiết, hai miền nhiệt thay đổi, có thể xác định được giá trị ngưỡng lựa chọn T để đánh giá sai số phân loại theo tiêu chí sai số cực tiểu Bayes, khi đó: Hàm mật độ xác suất đánh giá sai số P(error) được mô tả theo công thức: 21 𝑃 𝑒𝑟𝑟𝑜𝑟 = 𝑃 𝑡 𝑥 ≥ 𝜏 𝑥 ∈ 𝜔1]𝑃( 𝑥 ∈ 𝜔𝑖1 + 𝑃 𝑡 𝑥 < 𝜏 𝑥 ∈ 𝜔2]𝑃( 𝑥 ∈ 𝜔2 Để đơn giản, giả thiết P(error) là không đáng kể và có thể loại bỏ. Khi đó, nếu xác định được τ tối ưu, các tham số kỳ vọng và phương sai của hai miền nhiệt sẽ xác định được theo công thức: 𝜇1 𝜏 = 𝑡ℎ(𝑡)𝑡<𝜏 ℎ(𝑡)𝑡<𝜏 𝜇2 𝜏 = 𝑡ℎ(𝑡)𝑡≥𝜏 ℎ(𝑡)𝑡≥𝜏 𝜎1 2 𝜏 = (𝑡−𝜇1𝑡<𝜏 ) 2ℎ(𝑡) ℎ(𝑡)𝑡<𝜏 𝜎2 2 𝜏 = (𝑡−𝜇2𝑡≥𝜏 ) 2ℎ(𝑡) ℎ(𝑡)𝑡≥𝜏 Trong đó: t: Nhiệt độ h(t): Giá trị histogram tại t (h(t)=[0,n]) n: Tổng số giá trị nhiệt trong miền xác định Khi đó, hàm mật độ xác suất tính theo ngưỡng tối ưu τ sẽ được chọn sao cho J(τ) cực tiểu: 𝐽 𝜏 = {𝑝[𝑡 𝜇1 𝜏 , 𝑛 𝑡=0 𝜇2 𝜏 ,𝜎1 𝜏 ,𝜎2 𝜏 ]− ℎ 𝑡 } 2 Sau phân loại theo hướng τ, nếu đặt Je(τ) là phương sai trong mỗi miền và Jb(τ) là phương sai theo 2 miền đã phân loại. Jtot tổng là: Jtot = Je(τ) + Jb(τ) Trong đó: 𝐽𝑒 𝜏 = 𝑁1 𝑁1 + 𝑁2 𝑆1 𝜏 + 𝑁2 𝑁1 + 𝑁2 𝑆2 𝜏 𝑆1 𝜏 = 𝑡 − 𝜇1 𝜏 2ℎ(𝑡)𝑡<𝑟 𝑁1 𝑆2 𝜏 = 𝑡 − 𝜇2 𝜏 2ℎ(𝑡)𝑡≥𝑟 𝑁2 22 Và 𝑁1 = ℎ(𝑡)𝑡<𝑟 𝑁2 = ℎ(𝑡)𝑡≥𝑟 𝐽𝑏 𝜏 = 𝑁1𝑁2 (𝑁1 + 𝑁2)2 [𝜇1 𝜏 − 𝜇1 𝜏 ] 2 Nếu chọn τ tối ưu, thì khi đó: Jb(τ) >>Je(τ) b) Thuật toán liên kết (Cohension Algorithm) Sử dụng trong trường hợp tính đến sự phân bố không gian của dữ liệu Giả sử: + ω1’ và ω2’ là hai miền xác định + x: là điểm trên ảnh xác định + t(x) là giá trị nhiệt độ tương ứng + τopt: giá trị ngưỡng tối ưu phân chia hai miền ω1’ và ω2’ Hệ số liên kết (cohension cofficient) đối với ω1’ và ω2’ cho toàn bộ miền xác định được xác định như sau: 𝐶1 = 𝑅1 𝑇1 𝐶2 = 𝑅2 𝑇2 𝐶 = 𝑅1+𝑅2 𝑇1+𝑇2 Trong đó: T1: Tổng số điểm so sánh giữa nhiệt độ tại x các giá trị thuộc ω1’ và giá trị thuộc các miền nhiệt khác, được biểu diễn như sau: 𝑇1 = { 𝑥,𝑦 , 𝑦 ∈ 𝑁 𝑥 ∩ 𝜔1 ′ ,∀𝑥 ∈ 𝜔1 ′ } R1: Tổng số điểm so sánh giữa nhiệt độ tại x và các điểm xung quanh thuộc ω1’ 𝑅1 = { 𝑥,𝑦 , 𝑦 ∈ 𝑁 𝑥 ∩ 𝜔1 ′ ,∀𝑥 ∈ 𝜔1 ′ } Tương tự: với T2 và R2 Nếu xi,j là điểm trung tâm thì: 23 N(xi,j) = {xi,j+1,xi,j-1,xi+1,j,xi+1,j+1} Hệ số liên kết có giá trị lớn khi điểm xi,j không gần với ranh giới và các điểm xung quanh đều thuộc về một miền nhiệt Trong trường hợp lý tưởng, các miền nhiệt gần như đồng nhất, hệ số liên kết: C=0.9, C1=0.92, C2=0.92. c) Vị trí các ranh giới: Sau khi đã xác định được ranh giới theo từng cửa sổ. Bước tiếp theo là xác định và khẳng định các front. Ảnh front được thể hiện dưới dạng các pixel không có front sẽ nhận giá trị 0. Nếu giá trị nhiệt tại miền ω1’ và ω2’ được thể hiện theo hàm Ω(x), khi đó: ∀𝑥 ∈ 𝝌,Ω 𝑥 = 0 𝑛ế𝑢 𝑥 ∈ 𝜔1 ′ 1 𝑛ế𝑢 𝑥 ∈ 𝜔2 ′ Các điểm ranh giới được thể hiện dưới dạng: ∀𝑥 ∈ 𝝌 nếu tồn tại 𝑦 ∈ 𝑁(𝑥) ′ sao cho Ω(𝑥) ≠ Ω(𝑦) Thì khi đó => x là vị trí ranh giới 24 4.2 Xác định ranh giới sử dụng nhiều ảnh SST Thuật toán xác định ranh giới sử dụng nhiều ảnh thực chất là tổ hợp nhiều thuật toán gồm: + Xác định mây theo đơn ảnh + Xác định mây theo đa ảnh + Xác định ranh giới sử dụng ảnh đơn lẻ + Xác định các ranh giới Trình tự thực hiện như sau: - Sử dụng phương pháp xác định ranh giới theo đơn ảnh (Cayula & Cornillon, 1992) và áp dụng cho nhiều ảnh đơn lẻ - Liên kết các ranh giới theo từng ảnh - Tối thiểu hóa độ rộng của ranh giới (Xử lý để ranh giới chỉ tồn tại trên 1 điểm) - Kết hợp ranh giới đã xác định với ảnh ban đầu để xác định các ranh giới yếu - Thành lập mask cho các khu vực mây che phủ * Xác định các front: Đường C có độ dài phân bố trên N điểm được xác định bởi tập hợp các pixel như sau: 𝐶 = {(𝑥𝑝 , 𝑦𝑝 𝑝 ∈ 1,𝑁 } Mỗi pixel thuộc C đều bắt đầu 1 đoạn có độ dài λ. Độ dài này được lựa chọn theo đặc trưng của vùng nghiên cứu, độ phân giải ảnh và khoảng các liên kết. Đoạn Sq thuộc C được xác định trên miền 𝑞 ∈ [1,𝑁] bởi: 𝑆𝑞 = {(𝑥𝑝 ,𝑦𝑝 𝑝 ∈ 𝑞, 𝑞 + 𝜆 − 1 ∩ [1,𝑁]} Phương pháp liên kết các đoạn Sq thuộc contour của các ảnh khác nhau được thông qua trường gradient (tốt hơn sử dụng trường nhiệt) do trường nhiệt các ảnh thường khác nhau. Khi đó, hàm gradient m(grad1,grad2) được xác định như sau: 25 𝑚 𝑔𝑟𝑎𝑑1,𝑔𝑟𝑎𝑑2 = 0 𝑛ế𝑢 𝑔𝑟𝑎𝑑1.𝑔𝑟𝑎𝑑2 ≤ 0 𝑔𝑟𝑎𝑑1.𝑔𝑟𝑎𝑑2 𝑔𝑟𝑎𝑑1 2 𝑛ế𝑢 𝑔𝑟𝑎𝑑1 > 𝑔𝑟𝑎𝑑2 𝑔𝑟𝑎𝑑1.𝑔𝑟𝑎𝑑2 𝑔𝑟𝑎𝑑2 2 𝑛ế𝑢 𝑔𝑟𝑎𝑑1 ≤ 𝑔𝑟𝑎𝑑2 Kết quả sau liên kết Sq thông qua t = (tx,ty) 𝑀 𝑡 = 𝑚[𝑔𝑟𝑎𝑑𝑁 𝑥𝑝 ,𝑦𝑝 ,𝑔𝑟𝑎𝑑𝐶( (𝑥𝑝 ,𝑦𝑝 )∈𝑆𝑞 𝑥𝑝 + 𝑡𝑥 ,𝑦𝑝 + 𝑡𝑦)] Hàm grad(i,j) được xác định như sau: 𝑔𝑟𝑎𝑑 𝑖, 𝑗 = 𝑔𝑟𝑎𝑑𝑥(𝑖, 𝑗) 𝑔𝑟𝑎𝑑 𝑦 (𝑖, 𝑗) = 𝜏𝑖+1,𝑗−𝜏𝑖−1,𝑗 𝜏𝑖 ,𝑗+1 − 𝜏𝑖 ,𝑗−1 4.3 Tính toán Gradient Tính toán Gradient sử dụng các ma trận tính gradient có công thức tổng quát như sau: GX={GXdimension, direction (+) 0 GXdimension, direction (-)} GY={GYdimension, direction (+) 0 GYdimension, direction (-)} với dimension là kích thước ma trận tính gradient, ví dụ 3x3, 5x5... direction là hướng tính gradient, có thể là hai hay nhiều hướng Luận văn sử dụng vec tơ tính gradient được tính toán theo toán tử Prewitt bao gồm 2 ma trận kích thước 3x3, tính theo hai hướng NS và EW như sau: 𝐺𝑋 = −1 0 1 −1 0 1 −1 0 1 𝐺𝑌 = 1 1 1 0 0 0 −1 −1 −1 Các ảnh được tính toán với hai ma trận này, kết quả cho ta các giá trị theo các hướng X,Y. 26 Giả sử ma trận của ảnh ban đầu là A ta có: Gx=GX*A Gy=GY*A Tại mỗi điểm ảnh, cường độ gradient được tính theo công thức: 𝐺𝑀 = 𝐺𝑥2 + 𝐺𝑦2 [3] Toán tử Prewitt là một dạng ma trận đơn giản, được sử dụng rộng rãi trong tính toán gradient Phương pháp gradient cho cái nhìn tổng quan về cường độ của front trong khu vực biển rộng lớn. Đây là phương pháp phổ biến hiện nay để xác định các ngưỡng phổ biến nhất của front từ đó tùy theo mục đích nghiên cứu front có thể định ra các bản đồ front theo ngưỡng. 27 4.4 Quy trình tính toán front nhiệt mặt biển với phƣơng pháp của Cayula & Cornillon (1992) Hình 10: Sơ đồ khối của quy trình tính toán front theo phương pháp của Cayula & Cornillon(1992) 28 Các quy trình tính toán trên được thực hiện với sự hỗ trợ của phần mềm MGET (Marine Geology and Environment Tools). Đây là một bộ gồm hơn 150 công cụ hữu ích với nhiều chức năng khác nhau. Những công cụ tiêu biểu của MGET đó là chuyển đổi các dữ liệu hải dương học sang format của phần mềm ArcGIS, xác định các front bằng ảnh nhiệt bề mặt hay các chương trình thống kê... Đây là một gói các chương trình nguồn mở được viết bằng ngôn ngữ Python được trường Đại học Duke, Mỹ phát triển cho các nhà phân tích GIS và nghiên cứu biển. Bộ chương trình này có thể download miễn phí dễ dàng từ website của nhóm phát triển ( [11]. Mặc dù hiện nay, MGET được viết độc lập với nền hoạt động và chỉ hỗ trợ trên nền Microsoft Windows XP và Vista nhưng nhiều công cụ vẫn yêu cầu nền ArcGIS Desktop. MGET hoạt động trên nền ArcGIS như là một công cụ của ArcToolbox [11]. Ta thực hiện theo các bước như sau: - Bước 1: Chuyển đổi các file dạng HDF sang dạng ArcGIS Raster - Bước 2: Tính toán các giá trị nhiệt mặt biển từ các giá trị hồng ngoại - Bước 3: Loại bỏ mây - Bước 4: Tính toán phân bố của front nhiệt mặt biển - Bước 5: Chuyển đổi các file dạng này sang dạng ASCII - Bước 6: Tính toán tần suất xuất hiện và chuyển từ ASCII sang dạng ArcGIS Raster để hiển thị số liệu Bước 1: Chuyển đổi các file dạng HDF sang dạng ArcGIS Raster Sau khi download MGET về và cài đặt (Yêu cầu trước đó phải cài đặt ArcGIS Desktop – Chú ý chỉ có từ version 9.3 mới hoạt động được trên nền Window Vista) chúng ta cần download các ảnh hồng ngoại nhiệt lưu dưới dạng *.HDF từ trang web của NOAA. 29 Luận văn này trình bày kỹ thuật tính toán với một loạt các ảnh để đơn giản hơn các bước thực hiện khi làm với nhiều ảnh. Trước tiên chúng ta cần sử dụng Microsoft Excel tạo một bảng gồm 2 cột như sau: datain dataout E:\ThesisYear8506\198505.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198505 E:\ThesisYear8506\198605.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198605 E:\ThesisYear8506\198705.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198705 E:\ThesisYear8506\198805.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198805 E:\ThesisYear8506\198905.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd198905 E:\ThesisYear8506\199005.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\sd199005 Trong đó, cột thứ nhất là cột các file dữ liệu ảnh vệ tinh thu được, cột này cũng có thể là các file quality chứa các thông tin về mây. Cột thứ 2 là các Raster thu được. Tạo các bảng chứa các Raster mang thông tin về mây: datain dataout E:\ThesisYear8506\198505.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198505 E:\ThesisYear8506\198605.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198605 E:\ThesisYear8506\198705.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198705 E:\ThesisYear8506\198805.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198805 E:\ThesisYear8506\198905.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld198905 E:\ThesisYear8506\199005.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld199005 E:\ThesisYear8506\199105.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld199105 E:\ThesisYear8506\199205.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld199205 E:\ThesisYear8506\199305.m04m3pfv50-qual.hdf E:\ThesisYear8506\May\qld199305 và các Raster mang giá trị thực của nhiệt: datain dataout E:\ThesisYear8506\198505.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198505 E:\ThesisYear8506\198605.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198605 E:\ThesisYear8506\198705.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198705 E:\ThesisYear8506\198805.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198805 E:\ThesisYear8506\198905.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td198905 E:\ThesisYear8506\199005.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td199005 E:\ThesisYear8506\199105.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td199105 E:\ThesisYear8506\199205.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td199205 E:\ThesisYear8506\199305.s04m3pfv50-sst-16b.hdf E:\ThesisYear8506\May\Td199305 30 Chúng ta sử dụng công cụ chuyển đổi từ HDF -> Raster Hình 11: Cửa sổ giao diện của MGET với công cụ chuyển từ HDF sang ArcGIS Raster 31 Công cụ chuyển đổi các file dạng HDF sang Raster có các thông số: Hình 12: Cửa sổ các thông số khi chuyển từ HDF -> ArcGIS Raster Với cửa sổ này, chúng ta cần nhập các thông số để xác định dạng vào ra của công cụ chuyển đổi này: - Tên file chứa các bảng: Cần nhập tên bảng vừa tạo được ở trên - Nhập tên các trường: Chọn đầu vào, ra (input/output) tương ứng với tên hai cột vừa tạo trong bảng - Tên của cơ sở dữ liệu HDF: Với nhiệt độ là sst - Nhập vị trí góc dưới cùng bên trái của CSDL - Nhập độ phân giải của dữ liệu - Nhập hệ quy chiếu: Các Raster trong luận văn này có hệ quy chiếu là WGS- 84 32 - Nhập tọa độ khu vực nghiên cứu: Kinh độ: 99 E – 121 E Vĩ độ: 1 N – 25 N Thực hiện tương tự với một chuỗi các file quality để loại bỏ mây. Đây là các file chứa thông tin về mây với các giá trị qual = 1,..,7. Bước 2: Tính toán các giá trị thực của nhiệt mặt biển Riêng với tính toán các giá trị thực của nhiệt mặt biển chúng ta cần nhập hàm hồi quy như sau: Hình 13: Cửa sổ các thông số khi tính toán giá trị thực nhiệt mặt biển 33 Với các bước thực hiện như trên chúng ta đã chuyển đổi thành công các dữ liệu từ dạng file HDF sang dạng ArcGIS Raster và tính toán được các giá trị thực nhiệt mặt biển. Bước 3: Loại bỏ mây (SetNull) Như đã đề cập ở trên, trong quá trình loại bỏ mây chúng ta cần sử dụng 2 dạng số liệu, đó là số liệu hồng ngoại nhiệt (hoặc nhiệt) và các thông tin về mây của mỗi file. Để coi một pixel cho trước là giá trị chứa mây hay đất (chuyển thành dạng không có dữ liệu cần quan tâm NoData) chúng ta cần cho các giá trị pixel của file quality nhỏ hơn một giá trị nào đó, các giá trị này từ 0 (chất lượng thấp) đến 7 (chất lượng cao). Để giảm thiểu các giá trị front bị tính sai do ảnh hưởng của mây, luận văn đã chọn giá trị tốt nhất là qual < 7. Tiến sĩ Jason Roberts – người đứng đầu nhóm nghiên cứu và tạo lập nên công cụ MGET, trường Đại học Duke Mỹ đã nghiên cứu so sánh các giá trị AVHRR SST với các giá trị SST đo được bởi ngư dân ở phía Đông Thái Bình Dương cận nhiệt đới, thu được các giá trị như sau: Bảng 2: Sai khác giữa các giá trị AVHRR SST và các giá trị in-situ SST đối với các ngưỡng quality khác nhau (tổng giá trị điểm ảnh = 858) Các giá trị quality n Độ lệch SST trung bình (°C) Độ lệch tiêu chuẩn (°C) 0 657 11.21 10.83 1 21 7.09 6.42 2 34 7.36 4.17 3 12 0.51 1.77 4 5 0.38 1.31 5 26 0.34 0.74 6 18 -0.31 0.54 7 85 0.02 0.79 Bảng trên là sự so sánh giữa các giá trị in-situ SST và ảnh SST hàng ngày. Với chất lượng tốt nhất là qual < 7, chúng ta chỉ còn 85 điểm ảnh (pixel) không có mây chiếm 10% với độ lệch SST trung bình là 0.02oC và độ lệch tiêu chuẩn là 0.79 oC. Đối với các số liệu trung bình tháng sử dụng trong luận văn nên với qual < 34 7 đã chứa rất ít mây có thể sử dụng để tính toán rất tốt. Với số liệu hồng ngoại nhiệt trung bình 5 ngày, số điểm ảnh không mây thu được sẽ nhỏ hơn nhưng đáp ứng tốt việc nghiên cứu front nhiệt mặt biển. Để loại bỏ mây, sử dụng hàm SetNull trong công cụ Spatial Analyst, cũng tương tự như chuyển các file từ HDF sang ArcGIS Raster cần tạo các bảng: E:\ThesisYear8506\12\qld198512 E:\ThesisYear8506\12\Td198512 E:\ThesisYear8506\12\fnd198512 "VALUE" <7 E:\ThesisYear8506\12\qld198612 E:\ThesisYear8506\12\Td198612 E:\ThesisYear8506\12\fnd198612 "VALUE" <7 E:\ThesisYear8506\12\qld198712 E:\ThesisYear8506\12\Td198712 E:\ThesisYear8506\12\fnd198712 "VALUE" <7 E:\ThesisYear8506\12\qld198812 E:\ThesisYear8506\12\Td198812 E:\ThesisYear8506\12\fnd198812 "VALUE" <7 E:\ThesisYear8506\12\qld198912 E:\ThesisYear8506\12\Td198912 E:\ThesisYear8506\12\fnd198912 "VALUE" <7 E:\ThesisYear8506\12\qld199012 E:\ThesisYear8506\12\Td199012 E:\ThesisYear8506\12\fnd199012 "VALUE" <7 Trong đó cột SST Raster là cột chứa các file quality, cột thứ 2 là cột chứa các Raster hồng ngoại nhiệt (nhiệt), cột thứ 3 là cột chứa các Raster kết quả và cột cuối cùng là cột điều kiện để loại bỏ mây. Tiến hành như sau: Hình 14: Cửa sổ giao diện khi loại bỏ mây 35 Hình 15: Giao diện cửa sổ các thông số đầu vào khi loại bỏ mây Sau đó chỉ cần chọn OK là chúng ta đã setNull được hàng loạt các file dữ liệu hồng ngoại vệ tinh hay dữ liệu các giá trị thực của nhiệt độ. Áp dụng các bước thực hiện trên ta sẽ có thể dễ dàng thu được một CSDL nhiệt độ mặt biển phong phú. Bước 4: Tính toán phân bố front nhiệt mặt biển Sau bước 3 đã thu được một CSDL các Raster nhiệt mặt biển và hồng ngoại nhiệt không chứa mây. Tính toán front trên các Raster hồng ngoại nhiệt đó ta sẽ thu được phân bố front. Để tính toán với một loạt các Raster chúng ta cũng cần tạo các bảng chứa các cột Raster đầu vào và kết quả. Tuy nhiên, một điểm khác biệt đó là chúng ta cần tạo một bảng dạng DBF. Để tạo nên bảng này cần sử dụng chương trình Find Rasters trong bộ công cụ MGET, các thông số cần để chạy chương trình như sau: 36 - Thư mục để tìm Raster: Chọn thư mục chứa các Raster hồng ngoại nhiệt - Thư mục chứa kết quả - Tên file DBF kết quả Hình 16: Giao diện cửa sổ chứa các thông số tìm kiếm Raster Một file DBF có tên là AUGtable.DBF sẽ được tạo ra với một cột chứa tất cả các Raster mà công cụ tìm kiếm Raster (Find Rasters) đã tìm được trong thư mục chứa các Raster hồng ngoại. Muốn tạo cột chứa các Raster kết quả cần thêm 1 trường mới có tên là Outfront với công cụ AddField trong bộ công cụ của ArcGIS. Tạo trường này với dạng dữ liệu là TEXT, độ dài 250. 37 Hình 17: Giao diện cửa sổ thêm trường vào một bảng cho trước Để gán các tên kết quả cho trường Outfront vừa tạo được sử dụng công cụ tính toán các trường (Calculate Field) với việc sử dụng một lệnh VBScript: " E:\ThesisYear8506\Aug\f" + Right([Image], 14) Toàn bộ lệnh này có ý nghĩa tạo một loạt các file Raster trong trường cho trước là Outfront với địa chỉ thư mục là E:\ThesisYear8506\Aug\ sau đó lấy tên file hồng ngoại nhiệt 14 ký tự tính từ bên phải của chuỗi và thêm vào ký tự f ở đầu tên. 38 Hình 18: Giao diện cửa sổ tính toán với các trường 39 Hình 19: Giao diện công cụ xác định front với một bảng các Raster Sau khi đã có một bảng các Raster đầu vào/ra của chương trình tính front, chạy trực tiếp công cụ tính toán front với một loạt các Raster (Cayula-Cornillon Fronts in ArcGIS Rasters in Table) với các thông số như sau: - Kích thước cửa sổ lọc: 3 - Kích thước cửa sổ histogram: 16 - Số lượng pixel được cửa sổ lọc lặp đi lặp lại: 1 - Tỷ lệ tối thiểu của pixel với dữ liệu: 0.65 . Đây chính là tỷ lệ của không phải là NoData (chứa đất/mây) với dữ liệu. Ví dụ nếu tỷ lệ này là 0.75 và kích thước cửa sổ histogram là 20x20 thì khi đó phải có ít nhất 300 pixel trong 400 pixel phải không chứa giá trị Nodata 40 - Độ lệch giá trị hồng ngoại nhiệt tối thiểu để xác định front: 6.666667. Đây chính là cơ sở để xác định front theo một ngưỡng nào đó. Do cơ sở dữ liệu của chúng ta là dạng dữ liệu 16 bit do vậy mỗi một giá trị sai khác của giá trị hồng ngoại nhiệt sẽ tương ứng với 0.0750C. Ta xác định ngưỡng của chúng ta là 0.5 0 C nên giá trị này sẽ tính bằng: 0.5/0.075 = 6.666667 - Các thông số còn lại