• FB

Projects and Funs

Những dự án gần đây


Thứ Ba, 10 tháng 9, 2019

Hương Khê chìm trong biển nước vì sự an toàn của thủy điện Hố Hô

90 ngày bình lặng trôi qua tại một huyện miền núi phía Tây - Nam tỉnh Hà Tĩnh bỗng gợn lên trên trang tìm kiếm của Google khi lượng truy cập về Hương Khê bỗng tăng vọt. Mùa mưa lũ đã đến đỉnh điểm và giống như năm 2016, người ta lại biết đến những người dân nghèo Hương Khê qua hình ảnh bơi trong nước lũ từ đập thủy điện Hố Hô.



  • Biển nước có độ rộng 4.500 ha;
  • 26.000 học sinh lỡ buổi lễ khai trường năm học mới; 
  • 900 ha lúa Hè - Thu chưa thu hoạch; 
  • 1.900 ha bưởi Phúc Trạch đã đến thời vụ;
  • Giao thông chia cắt gần như hoàn toàn.
Những con số tưởng như do một trận đại hồng thủy gây ra trên thực tế lại không hề tương xứng với lượng mưa đo được trong 2 ngày (2-3/9/2019) là 200-350mm.

Thủy điện Hố Hô đã xả 3 cửa tràn với lưu lượng 1.460m3/s, khiến vùng thung lũng bình yên của 10 xã phía dưới hạ lưu thuộc Hương Khê vật vã trong dòng nước.
Tuy không đúng vào thời điểm đỉnh lũ (3/9/2019) nhưng những dấu tích của nước úng, nước ngập trên dữ liệu ảnh Sentinel-1 thu nhận vào ngày 6/9/2019 lại khiến các nhà nghiên cứu cảm thấy quan ngại bởi đã 3 ngày sau đợt xả lũ của Hố Hô, vẫn còn tới 4.500 ha diện tích bị ngập úng.

Ngập lụt tại Hương Khê. Ảnh: VOV

Nhóm kỹ thuật của P-GIS đã thu nhận bộ ảnh vệ tinh Sentinel-1 trong 2 ngày:

  • 31/8/2019
  • 3/9/2019
  • 6/9/2019
Dữ liệu thống kê chi tiết về diện tích ngập lụt tại các xã trong huyện được trình bày ở bảng dưới đây:

Diện tích ngập

31/08/2019

03/09/2019 (ha)
Diện tích ngập

31/08/2019

06/09/2019 (ha)
Diện tích ngập

03/09/2019

06/09/2019 (ha)
X. Gia Phố
349.6
314.3
16.3
X. Phú Gia
12.3
2.6
0.9
X. Hương Thủy
563.6
615.6
76.8
X. Hương Trà
4.3
2.8
1.7
X. Hương Giang
441.4
431.7
22.3
X. Phúc Đồng
470.4
597.6
136.4
X. Hòa Hải
272.9
424.8
164.5
X. Hương Đô
199.4
105.8
9.9
X. Phúc Trạch
108.1
67.4
12.2
Tt. Hương Khê
26.9
19.3
1.3
X. Hà Linh
430.0
632.8
213.8
X. Phương Điền
258.5
407.1
153.2
X. Phương Mỹ
351.3
490.6
145.9
X. Lộc Yên
284.7
208.9
21.8
X. Hương Xuân
54.5
30.0
5.9
X. Phú Phong
22.3
13.8
1.0
X. Hương Vĩnh
4.3
2.0
0.9
X. Hương Trạch
82.6
40.7
7.2
X. Hương Long
4.0
0.7
0.5
X. Hương Bình
8.5
37.9
34.0
X. Hương Lâm
5.9
1.2
0.3
X. Hương Liên
31.7
33.7
11.5
Tổng
3,987.4
4,481.2
1,038.2

Mong rằng đây sẽ là những gì cuối cùng đối với người dân Hương Khê cho dù mùa mưa lũ vẫn đang tiếp diễn. Lực lượng vũ trang nhân dân, chính quyền và người dân đang chung tay nỗ lực giải quyết hậu quả của những tính toán trữ nước sai lầm trên Hố Hô. Thiên tai luôn khắc nghiệt và khó đoán. Chỉ có sức chịu đựng là có giới hạn mà thôi.


Thủy điện Hố Hô, ảnh Googlemaps

P-GIS, 10/9/2019


Thứ Hai, 9 tháng 9, 2019

MIỀN TRUNG HỨNG CHỊU LƯỢNG MƯA LỚN VÀ ĐIỀU BẤT NGỜ ĐANG XẢY RA Ở THỪA THIÊN – HUẾ SAU BÃO SỐ 5

Tải bản tin đầy đủ định dạng PDF tại đây

Bão số 4 Podul suy yếu và tan vào cuối ngày 31/8/2019. Tuy nhiên ngay sau đó, áp thấp nhiệt đới đã hình thành trên biển Đông, hội tụ thành bão số 5 với những đợt mưa lớn.

Áp thấp nhiệt đới trên Biển Đông ngày 3/9

Thống kê lượng mưa trong 1 tuần, từ 29/8/2019 đến 4/9/2019, tổng lượng mưa trên khu vực Bắc Trung Bộ lên đến 1.100mm. Đây là một con số khá lớn, chiếm khoảng 50% so với tổng lượng mưa cả năm 2018 tại khu vực.

Những phân tích của P-GIS sử dụng vệ tinh Sentinel-1 của ESA cho thấy tổng diện tích lúa bị ngập trên phạm vi 6 tỉnh Bắc Trung Bộ do ảnh hưởng của Bão số 4 là 26.131 ha. Diễn biến sau bão số 5 vào ngày 6/9/2019 chỉ ra diện tích lúa bị ngập do mưa lớn trong các ngày từ 2/9/2014 đến 4/9/2019 là 37.193 ha, tăng hơn 11.000 ha so với cơn bão trước.

Bản đồ diện tích gieo trồng lúa Hè - Thu 2019 được P-GIS thành lập với chuỗi ảnh vệ tinh Sentinel-1 từ ngày 20/5/2019 đến 31/7/2019.

Vẫn là các tỉnh Nghệ An, Hà Tỉnh, Quảng Bình và Quảng Trị có diện tích lúa Hè – Thu bị ngập nặng nhất. Trong bối cảnh còn khoảng hơn 1 tháng nữa đến thời điểm thu hoạch, những diện tích lúa bị ngập liên tiếp này có nguy cơ cao sụt giảm năng suất.

Diện tích lúa bị ngập Sau bão số 4 và 5
Thống kê từ dữ liệu vệ tinh Sentinel-1
Tỉnh
Lúa bị ngập ngày 3/9 (ha)
Lúa bị ngập ngày 6/9 (ha)
Tăng (ha)
Hà Tĩnh
7,963
11,204
3,241
Nghệ An
5,575
6,538
963
Quảng Bình
5,148
8,581
3,432
Quảng Trị
1,128
5,568
4,440
Thanh Hóa
3,593
3,875
283
Thừa Thiên-Huế
2,723
1,427
-1,297
Tổng
26,131
37,193
11,062

Trong tổng số 6 tỉnh, nước ngập ở Thừa Thiên – Huế rút rất nhanh khiến 2.723 ha lúa bị ngập đến ngày 3/9/2019 đã giảm xuống còn 1.427 ha. Như vậy, 1.297 ha ở Thừa Thiên – Huế đã qua cơn ngập úng gây ảnh hưởng đến năng suất. Ngược lại, các tỉnh có diện tích lúa bị úng tăng lên là Hà Tĩnh, Nghệ An, Quảng Bình, Quảng Trị và Thanh Hóa. Đặc biệt, Quảng Trị là tỉnh chịu ảnh hưởng nặng nhất của Bão số 5 với 4.440 ha lúa bị ngập thêm, cùng với 1.128 ha lúa đã ngập trước đó, nâng tổng diện tích lúa bị ngập cả tỉnh lên 5.668 ha.

Tình hình ngập úng lúa sau Bão số 5
Nguồn: P-GIS
Ngoài diện tích lúa bị ngập úng do lượng mưa lớn trong những ngày qua, các khu vực nhà ở,  công trình công cộng và khu vực chăn nuôi thủy hải sản khác cũng bị ảnh hưởng nghiêm trọng.

Vệ tinh Sentinel-1 với khả năng xuyên suốt mây nhờ radar chủ động băng tần C đã cho phép P-GIS giám sát tích cực diện tích mặt nước trên bề mặt khu vực giám sát. Tính đến ngày 6/9/2019, diện tích mặt nước trên 6 tỉnh Bắc Trung Bộ đã tăng hơn 18 nghìn ha so với đợt mưa trước đó tính đến ngày 3/9/2019.

Tại vị trí giám sát thí điểm – xã Tân Hòa, huyện Minh Hóa tỉnh Quảng Bình, nước ngập đã gây ảnh hưởng nặng nề đến đời sống sinh hoạt và sản xuất của người dân. Khi nước chưa kịp rút đi sau trận mưa lớn từ ngày 30/8 đến 3/9, các đợt mưa tiếp theo với cường độ lớn hơn trước đó đã khiến khu vực này chìm trong biển nước.

Nhóm cộng tác viên của Sống Foundation trong dự án Nhà Chống Lũ đã ghi nhận hình ảnh nước ngập tại xã Tân Hóa trong các ngày 3-5/9/2019.

Ông Ngô Thanh Đá, Chủ tịch xã Tân Hóa, Minh Hóa, Quảng Bình hét lên với tôi qua điện thoại nói xã có 678 hộ, có hơn 400 nhà phao. Hiện có 3 nhà lũ dập gần sát nóc. Còn 90% nước chạm 2m nhà dân. Ông Đá lo, lụt lịch sử 2010 ca nô cứu hộ chạy trên nóc nhà. Dân chạy lên núi trốn vào hang. Giờ mưa vẫn to, lụt đã bằng 2016. Nếu mưa nữa, sợ chạm nóc lũ lịch sử 2010. Ông Đá nói thêm, may có 400 cái nhà phao mà dân thoát cảnh loi ngoi lóp ngóp trong lụt. Nhà phao làm trên các can nhựa loại lớn, lũ lên nhà phao lên theo nước, sau đó người dân đưa tivi, tủ lạnh, xe máy vô nhà phao, giảm thiểu thiệt hại rất lớn.

Ngập lụt tại xã Tân Hóa, Minh Hóa, Quảng Bình
Nguồn: Sống Foundation

Theo dõi trên ảnh vệ tinh, diện tích nước ngập tại khu vực xã Tân Hóa đã gia tăng đáng kể tính từ ngày 31/8/2019 đến 6/9/2019.

Diện tích ngập úng tại xã Tân Hóa, huyện Minh Hóa, Quảng Bình
Nguồn: P-GIS

Theo dự báo thời tiết của Trung tâm Khí tượng Thủy văn Trung ương, trong 1 tuần tới sẽ không còn mưa lớn, thời tiết sẽ nắng trở lại. Khả năng nước rút tại các khu vực ngập úng trên đất lúa là rất cao. Những khu vực dân cư và công trình công cộng cũng sẽ trở lại bình thường trong một vài ngày tới. P-GIS sẽ tiếp tục giám sát tốc độ nước rút và tình hình sản xuất lúa của bà con nông dân các tỉnh Bắc Trung Bộ.

Để đăng ký nhận các bản tin đặc biệt, xin liên hệ P-GIS theo địa chỉ:
Email: dphuong@p-gis.com. ĐT: 0978 929 822.







Thứ Năm, 5 tháng 9, 2019

Bão số 4 Podul và vụ lúa Hè - Thu 2019 ở Bắc Trung Bộ

Bão nhiệt đới Podul (theo cách gọi của Việt Nam: Bão số 4) là cơn bão thứ 12 của mùa bão Tây Bắc Thái Bình Dương 2019, hình thành vào ngày 25 tháng 8. Podul tiến vào Biển Đông ngày 28 tháng 8 và đổ bộ vào tỉnh Hà Tĩnh, Quảng Bình ngày 30 tháng 8.

Bão Podul tiến vào miền Trung Việt Nam

Lúa Hè Thu ở Quảng Bình bị đổ rạp
Bão số 4 kèm theo lốc xoáy và gió giật từ cấp 6 đến cấp 8 gây đổ gãy cây cối, tốc mái nhà ở, công trình công cộng và làm nhiều diện tích lúa đang thời kỳ ngậm sữa bị đổ rạp. Nếu như bão số 3 đổ bộ vào thời điểm trưởng thành (đứng cái) không gây ảnh hưởng tới sinh trưởng thì bão số 4 làm giảm năng suất trên những diện tích bị ảnh hưởng. Hoàn lưu bão số 4 trong những ngày tiếp theo gây mưa to trên diện rộng, khiến nhiều khu vực suốt dải miền trung chìm trong biển nước. Theo thống kê của TC Phòng chống thiên tai, bão Podul làm 8 người chết và nhiều người bị thương.



Đường đi của bão Podul

Ngập lụt tại Nghệ An

Nước sông dâng cao tại Quảng Bình

Nhiều hộ dân chìm trong biển nước tại Thanh Hóa

Để đánh giá ảnh hưởng của bão số 4 đến tình hình sản xuất lúa, nhóm kỹ thuật của P-GIS đã triển khai thu thập dữ liệu vệ tinh trước và sau cơn bão. Do tình hình thời tiết xấu (mưa, mây mù), các vệ tinh quang học như Landsat-8, Sentinel-2, hay RapidEye không đáp ứng được yêu cầu kỹ thuật. Duy  nhất vệ tinh Sentinel-1, vệ tinh radar với độ phân giải mặt đất 10m, hoàn toàn miễn phí và không bị ảnh hưởng của thời tiết xấu là đủ tiêu chuẩn kỹ thuật giúp nhóm nghiên cứu có thể phân tích và chiết xuất thông tin.

- Bản đồ diện tích gieo trồng lúa Hè - Thu 2019 được thành lập với chuỗi ảnh vệ tinh Sentinel-1 từ ngày 20/5/2019 đến 31/7/2019.
- Bản đồ khu vực ngập lụt do bão số 4 gây ra được thành lập từ chuỗi ảnh Sentinel-1 từ ngày 31/8/2019 đến 3/9/2019.

Kết quả phân tích cho thấy tổng diện tích lúa bị ngập úng là 26.131 ha trên địa bàn 6 tỉnh Bắc Trung Bộ. Thiệt hại nặng nhất là Nghệ An, Hà Tĩnh và Quảng Bình.

Tốp 20 huyện có diện tích lúa bị ngập lớn nhất tính đến ngày 3/9/2019

Huyện
Tỉnh
DT Lúa không ngập (ha)
DT Lúa bị ngập (ha)
Tổng DT lúa (ha)
H. Lệ Thủy
Quảng Bình
1004.5
2204.9
3209.4
H. Phú Vang
Thừa Thiên-Huế
3913.8
1283.5
5197.3
H. Quảng Ninh
Quảng Bình
2291.6
1182.6
3474.2
H. Nghi Lộc
Nghệ An
4775.8
1169.4
5945.2
H. Nam Đàn
Nghệ An
3595
1090
4685
H. Đức Thọ
Hà Tĩnh
2231.6
1075.4
3307
H. Can Lộc
Hà Tĩnh
6141.6
1004.3
7145.9
H. Nghi Xuân
Hà Tĩnh
937.5
936.6
1874.1
H. Thanh Chương
Nghệ An
2654.8
885.8
3540.6
H. Thạch Hà
Hà Tĩnh
4330.4
861.9
5192.3
H. Hưng Nguyên
Nghệ An
3531.1
810.1
4341.2
H. Hải Lăng
Quảng Trị
4133.1
767.6
4900.7
H. Kỳ Anh
Hà Tĩnh
3863.4
718.1
4581.5
H. Hương Sơn
Hà Tĩnh
1416.2
677.8
2094
H. Lộc Hà
Hà Tĩnh
1621.3
613.2
2234.5
Tx. Kỳ Anh
Hà Tĩnh
904.6
596.1
1500.7
H. Tĩnh Gia
Thanh Hóa
4829
586.6
5415.6
H. Thường Xuân
Thanh Hóa
1194.3
585.4
1779.7
H. Bố Trạch
Quảng Bình
1620.8
566.5
2187.3
H. Hoằng Hóa
Thanh Hóa
6323.7
532.3
6856
Diện tích lúa bị ngập úng đầy đủ theo các huyện có thể được tải về tại đây.

Tiếp theo bão số 4, hiện nay bão số 5 đã tiếp tục hình thành trên Biển đông và gây mưa lớn tại các tỉnh từ Nghệ An đến Thừa Thiên Huế trong ngày 5/9/2019. Bên cạnh mưa lớn gây ngập, một số khu vực dân cư còn chịu ảnh hưởng từ nước lũ xả ra từ các hồ chứa quá tải trong khu vực. Dự kiến diện tích ngập lụt còn tiếp tục tăng lên trong mấy ngày tới.

Ảnh động diện tích ngập úng tại xã Tân Hóa, huyện Minh Hóa, Quảng Bình



Thứ Ba, 3 tháng 9, 2019

Tại sao Amazon lại cháy?

Một đám cháy tại Amazon cuối tháng 8/2019. Ảnh: CNET.

➀ Đầu tiên, đó là một năm đặc biệt khô. Tuy nhiên, điều này không phải là bất thường vì trước đó, những năm có hỏa hoạn tương tự xảy ra vào năm 1987, 1988. Ngoài ra, những năm khác như 2005 và 2010 cũng mù mịt khói lửa tại đây. Hơn nữa, có nhiều bằng chứng từ các mẫu đất cho thấy các vụ cháy trên toàn Amazon đã xảy ra đều đặn ở quy mô thế kỷ. Năm hỏa hoạn lớn nhất được ghi nhận là năm 1926 trong đợt hạn hán lớn ở vùng Amazon gây ra bởi hiện tượng El Niño / La Niña. Đó là một hệ thống lưỡng cực có thể đảo ngược dòng hải lưu và gió mậu dịch ảnh hưởng đến thời tiết trên toàn cầu. Gần đây, một hệ thống lưỡng cực tương tự đã được xác định ở Bắc Đại Tây Dương cũng ảnh hưởng đến khí hậu của Amazon. Hai lưỡng cực dao động theo các chu kỳ nhiều năm khác nhau, nhưng định kỳ chúng hợp lại và gây ra hạn hán rất nghiêm trọng (1997/98) hoặc lũ lụt trên diện rộng (2012).

 Biến đổi khí hậu đang khiến hai hệ thống này dao động giữa các pha ướt (La Niña) và khô (El Niño) với tần suất và cường độ lớn hơn. Các sự kiện cực đoan nhất, bao gồm cả hạn hán và lũ lụt, từng xảy ra một lần trong một thế kỷ nhưng bây giờ xảy ra ở tần số thập kỷ, trong khi các sự kiện quy mô thập kỷ xảy ra vài năm một lần. Các mô hình khí hậu toàn cầu từ lâu đã dự đoán sự gia tăng mức độ nghiêm trọng của các sự kiện cực đoan. Thật không may, mọi thứ sẽ trở nên tồi tệ hơn trước khi chúng trở nên tốt hơn, đặc biệt là ở miền Nam Amazon, nơi chịu tác động mạnh mẽ hơn bởi các sự kiện thời tiết tương quan với lưỡng cực nhiệt đới Bắc Đại Tây Dương.

 Lửa là một công cụ dọn dẹp quan trọng được sử dụng bởi nông dân và người chăn nuôi trên khắp Amazon. Mỗi năm, hàng chục ngàn đám cháy được phát hiện bắt đầu trên đồng cỏ và đất nông nghiệp để quản lý cỏ dại, hoặc xử lý cây chết được dọn sạch như một phần của hệ thống sản xuất nông nghiệp thịnh hành (xem bên dưới). Mùa cháy xảy ra giữa tháng Bảy và tháng Chín và hầu hết  thời gian, các cộng đồng dân cư ở đây phải chịu đựng những đám cháy này vì họ chỉ sống loanh quanh vùng biên và nơi có đất sản xuất nông nghiệp. Tuy nhiên, trong những năm hạn hán, các đám cháy do đốt phế phẩm nông nghiệp đã lan ra cả rừng và trở thành những đám cháy dữ dội, có thể đốt cháy hàng trăm ngàn hécta rừng tự nhiên. Ở Amazon, trong lịch sử, hầu hết các vụ cháy rừng là các vụ cháy có cường độ thấp gây thiệt hại nhỏ cho quần thể cây và rừng sẽ phục hồi, nếu để yên. Đặc biệt là trong các hệ sinh thái như rừng khô Chiquitano ở Bolivia có nhiều cây chống cháy. Tuy nhiên, cháy rừng làm hỏng chức năng hệ sinh thái và thay đổi thành phần loài; cháy rừng tái diễn có thể dẫn đến suy thoái lan rộng và thậm chí gây sụp đổ bất kỳ hệ sinh thái rừng nào.

➃ Phá rừng tạo điều kiện cho các vụ cháy rừng nóng hơn và rộng hơn. Loại phá rừng phổ biến nhất trong Amazon là khai thác gỗ có chọn lọc, bao gồm khai thác các loài thương mại và để lại khu rừng [phần lớn] nguyên vẹn. Khai thác gỗ chọn lọc có thể bền vững nếu một số quy tắc nhất định được áp dụng (chu kỳ thu hoạch dài, đường kính cắt tối thiểu, v.v.), nhưng ngay cả việc khai thác ở cường độ thấp cũng tạo ra một lượng gỗ nhiên liệu khổng lồ. Do đó, một vụ cháy rừng trong một khu rừng vừa bị chặt đã cháy ở cường độ lớn hơn nhiều và giết chết nhiều cây cối hơn. Hầu như tất cả các khu rừng bao quanh vùng đất nông nghiệp đã được khai thác, khiến chúng đặc biệt dễ bắt lửa và thật không may, đóng vai trò là ống dẫn cho các đám cháy mở rộng vào rừng ở khoảng cách xa hơn từ biên giới đất nông nghiệp.

 Phá rừng là hệ quả của hoạt động nông nghiệp và đầu cơ đất đai. Hỏa hoạn do giải phóng mặt bằng nóng hơn nhiều so với các đám cháy được sử dụng để quản lý đồng cỏ và đất trồng trọt; tệ hơn nữa, bởi vì chúng liền kề với rừng bị khai thác, chúng có nhiều khả năng mở rộng thành rừng tự nhiên. Do đó, sự gia tăng nạn phá rừng dẫn đến cháy rừng ngày càng nóng hơn, đặc biệt là trong những năm hạn hán khi chủ đất tận dụng điều kiện khô ráo để phá rừng nhiều hơn bình thường. Hoạt động kinh tế quan trọng nhất ở Nam Amazon là nông nghiệp, bao gồm trang trại và cả nông nghiệp quy mô lớn và nhỏ. Nông nghiệp làm tăng giá trị thương mại của đất đai, điều này thúc đẩy những người tiên phong mua đất rừng (về mặt pháp lý hoặc mặt khác) và xóa nó để thành lập trang trại và đồn điền mới. Ở những vùng sâu vùng xa, thường có một lượng tiền lớn đầu cơ vào đất hơn là hoạt động nông nghiệp thực tế, núp bóng một doanh nghiệp khá mờ ám ở quy mô nhỏ.

 Tác động của các chính sách và thị trường đối với mở rộng nông nghiệp. Phá rừng ở Amazon Brazil đã đạt đỉnh vào năm 2005 và sau đó giảm 80% vào năm 2012. Kể từ đó nó nạn phá rừng tăng chậm, nhưng ngay cả tới giờ, nạn phá rừng vẫn còn thấp hơn nhiều so với mức phổ biến từ năm 1970 đến năm 2005. Sự bùng nổ trong nạn phá rừng là một chính sách có chủ ý của chính phủ Brazil nhằm tạo ra một nền kinh tế nông nghiệp và sự suy giảm sau đó cũng là một chính sách có chủ ý để bảo vệ xuất khẩu nông sản. Hơn 80% nạn phá rừng ở Bôlivia xảy ra ở Santa Cruz và nguyên nhân trực tiếp do nhiệm vụ tăng trưởng kinh tế của bộ phận phụ trách, các chính sách hỗ trợ cộng đồng sâu sắc ở cấp địa phương, khu vực và quốc gia. Nhu cầu về đất đai, nhu cầu về đường xá, đường mới, mở ra các khu vực mở rộng nông nghiệp và cuối cùng dẫn đến nạn phá rừng mới. Các cộng đồng nông thôn trên khắp Amazon gần như ủng hộ việc mở rộng mạng lưới đường bộ, bao gồm cả khu vực Chiquitania ở Santa Cruz, nơi hầu hết các vụ hỏa hoạn gần đây đã xảy ra trên đất Bolivia.

 Phá rừng và hỏa hoạn đang gia tăng một lần nữa trên khắp Amazon. Kể từ năm 2012, nạn phá rừng ở Andean Amazon (Colombia, Ecuador, Peru và Bolivia) đã tương đương với Amazon của Brazil và tỷ lệ phá rừng hàng năm đang gia tăng chậm ở cả hai khu vực. Ở Brazil, sự gia tăng gần đây của nạn phá rừng là kết quả của sự thay đổi trong chính phủ. Ở Colombia, đó là hậu quả không lường trước được của thỏa thuận hòa bình. Trong khi ở Peru và Ecuador, đó là sự tiếp nối của một quá trình kéo dài 5 thập kỷ do những người di cư tìm đến nhằm thoát nghèo ở vùng cao nguyên Andean. Bôlivia có một lịch sử lâu dài về di cư nội bộ và phát triển kinh doanh nông nghiệp. Cả hai đều được hưởng sự hỗ trợ mới bởi một chính phủ đang tìm cách đa dạng hóa nền kinh tế và củng cố hỗ trợ trong các cộng đồng nông thôn. Sự năng động này đã dẫn đến tỷ lệ phá rừng cao nhất trong lịch sử của Bolivia, trung bình khoảng 275.000 ha / năm kể từ năm 2015.

 Các nhà khoa học khí hậu cảnh báo rằng chúng ta có thể đang tiến gần đến một điểm bùng phát, có thể dẫn đến sự thay đổi thảm khốc trên khắp Amazon. Một số mô hình khí hậu toàn cầu dự đoán rằng sự kết hợp giữa nạn phá rừng, nóng lên toàn cầu, hạn hán và cháy rừng có thể khiến Amazon nhanh chóng chuyển từ hệ sinh thái rừng nhiệt đới sang hệ sinh thái savanna trong thập kỷ tới. Cơ sở của giả thuyết này là vai trò của Amazon như một nhà máy sản xuất nước và sự thoát hơi nước khổng lồ của thực vật trong nó, bơm hàng tỷ tấn nước vào khí quyển thông qua quá trình được gọi là đối lưu sâu. Giữa rừng và khí quyển tạo ra một dải áp lực kéo nước từ Đại Tây Dương và phân phối nó qua lục địa thông qua một luồng phản lực chảy từ Bắc vào Nam dưới chân dãy Andes. Hầu hết các vụ phá rừng lịch sử đã xảy ra ở Đông và Nam Amazon, nơi đặc biệt dễ bị hạn hán do khí hậu theo mùa mạnh, có thể đã được đặt tại điểm tới hạn đó.

Ở quy mô lưu vực, các mô hình khí hậu kết hợp chức năng hệ sinh thái cho thấy rằng nếu [khi] độ che phủ của rừng giảm xuống dưới một mức nhất định (có thể cao tới 75%), lượng mưa sẽ giảm nhanh cả về số lượng và tính đều đặn. Nếu đúng, giả thuyết này cho thấy sự tàn lụi của rừng Amazon và giảm đáng kể lượng nước tái chế trong và xuất khẩu từ Amazon. Điều này gần như chắc chắn sẽ dẫn đến sự sụp đổ của các hệ thống sản xuất nông nghiệp ở miền trung Brazil, Bolivia , Paraguay và Argentina. Tuy nhiên, những người hoài nghi cho rằng điểm tới hạn của Gabriel là một giả thuyết và cho rằng chính sách phát triển không nên được thực hiện đối với các giả định và mô hình. Tuy nhiên, như Carlos Nobre (nhà khí hậu học hàng đầu của Brazil) và Tom Lovejoy (một nhà sinh thái học rừng nổi tiếng) đã chỉ ra: Không có lý do gì để khám phá điểm tới hạn chính xác bằng cách lật nó.

Giải quyết nạn phá rừng / cháy rừng / biến đổi khí hậu sẽ không dễ dàng. Evo Morales không thể làm được gì, và Jair Bolsonaro, Emmanuel Macron hay Donald Trump cũng không thể làm được. Mọi thứ sẽ chỉ thay đổi khi toàn thế giới cùng quyết định giải quyết vấn đề biến đổi khí hậu và áp dụng các chính sách tạo ra động lực kinh tế thực sự để bảo tồn rừng. Các chính sách hiện tại là không đủ. Ví dụ, Na Uy đã đóng góp khoảng 1 tỷ đô la Mỹ cho bảo tồn rừng ở Brazil trong mười năm qua, nhưng vụ thu hoạch đậu nành ở bang Mato Grosso được định giá khoảng 6 tỷ đô la Mỹ mỗi năm. Tương tự, Bolivia xuất khẩu khoảng 1 tỷ đô la Mỹ đậu nành mỗi năm, tất cả đều được sản xuất trên vùng đất trước đây được bao phủ bởi rừng. Việc thay đổi hệ thống sản xuất sẽ đòi hỏi nguồn lực lớn hơn rất nhiều để sửa đổi hành vi của những cá nhân sử dụng lửa và phá rừng như một phần của hệ thống sản xuất nông nghiệp của họ. Nó cũng sẽ đòi hỏi những cải cách rất khó khăn đối với các hệ thống pháp luật và pháp lý chi phối việc sử dụng đất và quyền sử dụng đất, chưa kể đến việc thay đổi một nền văn hóa chấp nhận tham nhũng như hành vi bình thường của con người.

Trước mắt, chúng ta sẽ phải chờ những cơn mưa bắt đầu. Các đám cháy sẽ tắt và chúng ta có thể sẽ quên chúng cho đến năm hạn hán lớn tiếp theo năm hoặc sáu năm kể từ bây giờ. Trừ khi, chúng tôi đạt đến điểm bùng phát, nhưng sau đó có lẽ sẽ là quá muộn để thực hiện thay đổi có ý nghĩa.

Đợt cháy rừng gần đây nhất được xây dựng dưới dạng "hoạt cảnh" nhờ ứng dụng Google Earth Engine và bộ dữ liệu cháy rừng FIRMS của Mỹ. Mời các bạn cùng xem dưới đây.

Bài viết sử dụng nguồn tư liệu của Timothy J. Killeen.

Tốp 10 nguồn dữ liệu GIS miễn phí (Phần 2)

Bạn đọc ở Phần 1 có thể thắc mắc khi nghe tiêu đề "Tốp 10 nguồn dữ liệu GIS miễn phí" mà lại thấy cả ảnh vệ tinh và các loại số liệu khác. Chúng tôi xin bàn luận thêm về khái niệm dữ liệu GIS một chút. Khái niệm dữ liệu GIS ở đây bao trùm lên khái niệm dữ liệu không gian - nhóm dữ liệu mô tả một chủ đề nào đó gắn với vị trí địa lý của thông tin. Như vậy, ngay cả một bảng tính Excel ngoài các trường thông tin vốn có, nếu được "bỏ" thêm 2 trường "kinh độ" và "vĩ độ" thì cũng được coi là một tập dữ liệu GIS, cho dù nó không mang hình hài của một lớp thông tin bản đồ.

Tiếp nối 5 cơ sở dữ liệu GIS hàng đầu được trình bày trong Phần 1, chúng ta cùng xem xét 5 kho dữ liệu miễn phí trong bài viết phần này.

❻ Open Topography

Open Topography cung cấp một giao diện dạng portal (bảng tin) giúp tải dữ liệu địa hình độ phân giải cao, kèm theo bộ công cụ hỗ trợ.

Nếu cho bạn 5 giây để lựa chọn dữ liệu địa hình, bạn sẽ chẳng đắn đo nói ngay ... LiDAR. Vâng, đúng vậy, sau 5 giây bạn sẽ có LiDAR với Open Topography.

Chúng ta đều biết dữ liệu LiDAR thuộc nhóm "hiếm có khó tìm". Bởi vậy mà Open Topography trở nên đặc biệt vì nó cho phép bạn trả lời câu hỏi: Dữ liệu LiDAR ở đâu? Ngay cả khi tìm kiếm dữ liệu địa hình làm từ ảnh vệ tinh, bạn cũng sẽ thấy ở đây.

Open Topography LiDAR GIS Data (http://www.opentopography.org)

Ưu điểm: Lựa chọn vùng cần tìm trên bản đồ và kiếm LiDAR của bạn.
Loại dữ liệu: LiDAR (90% độ phủ cho Hoa Kỳ, Canada, Úc, Brazil, Haiti, Mexico, và Pueto Rico - hơi buồn vì không có Việt Nam).


❼ UNEP Environmental Data Explorer

Hơn 500 loại dữ liệu có thể được tìm thấy trong cơ sở dữ liệu của tổ chức Liên hợp quốc về Môi trường - UNEP Environmental Data Explorer.

Ái chà, không dễ nhằn như vậy. Chúng tôi cảm thấy khá khó khi sục sạo vào trong cơ sở dữ liệu GIS của tổ chức này. Bạn sẽ phải tìm nút lệnh "Advanced" rồi mò sang "Filter Geospatial Data Sets" để sàng lọc các bộ dữ liệu như thời tiết, tai biến, hay hệ sinh thái... trước khi "đao" chúng về.

UNEP Explorer free GIS Data (http://geodata.grid.unep.ch)

Ưu điểm: Liên tục được cập nhật, nhiều cách tìm kiếm dữ liệu.
Loại dữ liệu: Tất cả ở dạng Grid (raster) về khí quyển, năng lượng, hiện trạng, sinh thái, đại dương...


❽ NASA Earth Observations (NEO)

Trang web NASA Earth Observations (NEO) cung cấp dữ liệu ảnh vệ tinh ở cấp độ toàn cầu. Tất cả những gì được ưu tiên ở đây là làm sao việc tiếp cận nguồn dữ liệu vệ tinh miễn phí ở cấp độ toàn cầu trở nên thuận tiện nhất.

Hãy tưởng tượng nếu bạn muốn thấy hình ảnh về hiện trạng môi trường và thời tiết toàn cầu hàng ngày, bạn chỉ cần lên đây và xem. NEO có hơn 50 bộ dữ liệu như vậy. Chúng có thể được tải về dưới nhiều định dạng như JPG, PNG, Google Earth và GeoTIFF.

NASA Earth Observations (http://neo.sci.gsfc.nasa.gov)

Bạn sẽ thấy vô cùng khó khăn nếu một ngày hệ thống dữ liệu GIS của NASA đột nhiên đóng cửa.

Ưu điểm: Cập nhật liên tục và hỗ trợ tải về dưới nhiều định dạng.
Loại dữ liệu: Định dạng grid (raster) về khí quyển, năng lượng, lớp phủ, sinh quyển, hải dương.


❾ Sentinel Satellite Data

Cơ quan Vũ trụ châu Âu (ESA) là nơi cung cấp ảnh vệ tinh miễn phí có độ phân giải cao nhất tính đến thời điểm hiện tại. Với chùm vệ tinh Sentinel, dữ liệu của ESA khá đa dạng và có thể được tải về thông qua trang web Sentinels Scientific Data Hub.

Bạn sẽ phải đăng ký một tài khoản cá nhân. Trên đó bạn sẽ thấy ảnh quang học đã được nắn chỉnh trực giao (Sentinel-2), ngoài ra có ảnh radar miễn phí (Sentinel-1) và một vài thứ khác nữa. Chúng hoàn toàn miễn phí.

Công cụ tải ảnh Sentinel của ESA (https://scihub.copernicus.eu/dhus)

Ưu điểm: Ảnh vệ tinh độ phân giải 10m. Ảnh Sentinel-2 với 11 kênh phổ.
Loại dữ liệu: Dữ liệu raster với 11 kênh phổ cho Sentinel-2 và ảnh radar với Sentinel-1.


❿ Terra Populus

Terra Populus là hệ thống duy nhất liên kết và tích hợp dữ liệu điều tra dân số từ 160 quốc gia khắp toàn cầu với dữ liệu môi trường (lớp phủ, hiện trạng và thời tiết). Dữ liệu điều tra dân số trong TerraPop bao gồm dữ liệu cá nhân và dữ liệu hộ gia đình của hơn 80 quốc gia, tích hợp với dữ liệu tổng hợp từ hơn 80 quốc gia khác trong hơn 6 thập kỷ, từ những năm 1960 đến nay.

Điểm khác biệt của TerraPop nằm ở chỗ dữ liệu được trình bày theo tiến trình thời gian và không gian xuyên suốt. Không những các nhà nghiên cứu, mọi người đều có thể sử dụng công cụ này để tìm kiếm, theo dõi biến động về dân số và môi trường trong không gian địa lý.

Terra Populurs (https://www.terrapop.org)

Ưu điểm: Giao diện thân thiện, tùy biến, dữ liệu đa thời gian.
Loại dữ liệu: Phân cấp theo khu vực và chủ đề như lớp phủ, hiện trạng và thời tiết..

Xem thêm: Phần 1

Nguồn: GISGeography



Tốp 10 nguồn dữ liệu GIS miễn phí (Phần 1)

Dữ liệu không gian luôn là một trong những điểm quyết định đến sự thành công của một dự án GIS. Chúng không hề dễ tìm, dễ xử lý, giá lại cao và thường đòi hỏi trình độ kỹ thuật chuyên môn cao của các chuyên gia khi sử dụng.

Các công ty chuyên bán dữ liệu GIS thường đưa ra khá nhiều luận điểm thuyết phục đến người dùng để giải thích tại sao họ nên mua dữ liệu thay vì tìm kiếm trên mạng Internet. Đó là tính sẵn có, hệ thống dịch vụ tốt, dữ liệu đã được tinh chỉnh, định dạng theo ý người dùng, độ phân giải phù hợp... Tuy nhiên, không phải lúc nào chúng ta cũng sẵn sàng bỏ tiền để mua dữ liệu với giá đắt đỏ mà yêu cầu công việc chưa đến mức như vậy. Bài viết này giới thiệu với các bạn 10 nguồn dữ liệu miễn phí tốt nhất có sẵn trên thế giới.

Tìm kiếm dữ liệu GIS ở đâu?

Trong trường hợp lý tưởng, bạn có thể tìm thấy những bộ dữ liệu GIS miễn phí từ trên 1 trang web duy nhất. Tất nhiên, ở đó bạn có quyền tải chúng về mà không vướng mắc gì. Trên thực tế, đời luôn không như mơ. Bạn sẽ phải sục sạo trên khắp mạng Internet để gom chúng lại thành một danh sách cho riêng mình. Đây chính là "Bản danh sách Schindler" về 10 nguồn dữ liệu GIS miễn phí mà bạn có thể tham khảo và tải về miễn phí.

❶ Natural Earth Data

Natural Earth Data được nhắc đến đầu tiên trong danh sách bởi nó đáp ứng được kỳ vọng của các nhà bản đồ học. Một khối lượng lớn dữ liệu được "dọn cỗ" cho bạn với những lớp thông tin về điều kiện tự nhiên, sinh thái trái đất trên quy mô toàn cầu, tiện lợi cho ứng dụng của bạn. Các lớp dữ liệu định dạng raster cũng vô cùng tiện dụng và đẹp mắt cho việc trình bày bản đồ.

Natural Earth Data (http://www.naturalearthdata.com/downloads)

Điểm sáng chói của Natural Earth Data là nó cho phép bạn quyền sử dụng, chỉnh sửa và chuyển giao dữ liệu cũng như kết quả của bạn mà không đòi hỏi bất cứ gì về vấn đề bản quyền. Hãy xem một vài thông tin quan trọng về bộ dữ liệu này ngay dưới đây.

Ưu điểm:
  • Độ phủ toàn cầu, tải về miễn phí,
  • Được hỗ trợ rất tốt bởi Cộng đồng Bản đồ Bắc Mỹ (NACIS).
Loại dữ liệu: Các lớp thông tin về điều kiện văn hóa, tự nhiên trên toàn cầu.


❷ ESRI Open Data

Cập nhật tới 2017, ESRI Open Data chính là mỏ vàng quý giá về dữ liệu GIS. Kho dữ liệu của hãng phần mềm GIS nổi tiếng nhất nhì thế giới cung cấp 67.310 bộ dữ liệu mở từ 4.092 tổ chức trên khắp thế giới. Vì lý do này, chúng tôi đánh giá ESRI Open Data là số 1 trong danh sách các kho dữ liệu GIS miễn phí.

Trong một số trường hợp, vì lý do dữ liệu quá lớn, bạn sẽ phải cắt nhỏ chúng ra rồi ghép nối lại sau khi tải về máy tính của mình. Tuy nhiên, điều này cũng không ảnh hưởng nhiều đến vị trí số 1 của cơ sở dữ liệu bởi nó giúp bạn tìm kiếm được chính xác những gì mình cần.

ESRI ArcGIS Open Data (http://opendata.arcgis.com)

Bạn sẽ thấy vô cùng tiện lợi và dễ dàng với giao diện đồ họa bản đồ trong việc tìm kiếm thông tin. Chỉ cần định nghĩa khu vực cần truy xuất thông tin, công cụ sẽ "dâng" cho bạn những kết quả phù hợp. Hãy xem một vài thông số ấn tượng của hệ thống dưới đây.

Ưu điểm:
  • Tới 2017, ESRI Open Data có 67.310 bộ dữ liệu mở từ 4.092 tổ chức trên toàn cầu,
  • Hệ thống được quản lý và vận hành bởi hãng phần mềm thương mại GIS lớn nhất thế giới.
Loại dữ liệu: Định dạng dữ liệu tải về khá đa dạng (KML, Shapefile, API hỗ trợ OGC WMS, GeoJSON, và GeoService).



 USGS Earth Explorer

Các chuyên gia nghiên cứu về biến động bề mặt trái đất sẽ coi USGS Earth Explorer là một nơi lý tưởng để tìm kiếm tư liệu viễn thám.

Chúng ta hầu như đều biết USGS Earth Explorer cho phép người dùng truy cập vào một trong những kho ảnh vệ tinh và ảnh máy bay lớn nhất thế giới. Tuy nhiên, không phải ai cũng biết cơ sở dữ liệu này còn cho phép bạn lấy rất nhiều dữ liệu bên ngoài ranh giới Hoa Kỳ.

Một giao diện thân thiện người dùng khiến cho việc tìm kiếm ảnh vệ tinh trở nên dễ dàng. Trên thực tế, nó giống như một công cụ cho phép tìm kiếm và tải về hàng loạt tấm ảnh (giống kiểu đi mua hàng trực tuyến - chọn và bỏ hàng vào giỏ trước khi thanh toán). Bạn chỉ cần đăng ký một tài khoản miễn phí và ... bùm, bắt đầu tải dữ liệu về.

USGS Earth Explorer (http://earthexplorer.usgs.gov)

Nếu muốn, bạn còn có thể tìm kiếm ảnh vệ tinh từ nhiều nhà cung cấp khác nhau. Dưới đây là danh sách 15 nguồn ảnh vệ tinh miễn phí mà bạn có thể tìm trong USGS Earth Explorer:
  1. Nguồn ảnh của Hoa Kỳ với USGS Earth Explorer,
  2. Bộ dữ liệu của các vệ tinh châu Âu (ESA) trong tổ hợp Sentinel,
  3. Bộ ảnh vệ tinh miễn phí từ các vệ tinh NOAA,
  4. Bộ dữ liệu vệ tinh từ NASA Earth Data,
  5. Cơ sở dữ liệu vệ tinh châu Âu của ESA - EO Catalogue,
  6. Cơ sở dữ liệu của Viện Nghiên cứu Không gian Quốc gia - INPE Image Catalog,
  7. Cơ sở dữ liệu vệ tinh của Ấn Độ - Bhuvan Indian Geo-Platform,
  8. Dữ liệu mô hình số độ cao DEM của Nhật - JAXA Global ALOS Portal,
  9. Cơ sở dữ liệu ảnh máy bay của NOAA (trong phạm vi Hoa Kỳ),
  10. Dữ liệu thảm thực vật toàn cầu của VITO Vision,
  11. Dữ liệu đường bờ biển của NOAA Digital Coast,
  12. Dữ liệu lớp phủ thực vật toàn cầu Global Land Cover Facility,
  13. Dữ liệu mẫu ảnh vệ tinh độ phân giải cao của Digital Globe,
  14. Dữ liệu mẫu cho ảnh SPOT, Pleiades, RapidEye và TerraSAR từ Geo-Airbus,
  15. Dữ liệu về địa chất và động đất từ UNAVCO Research Data.


❹ OpenStreetMap

Người dùng GIS trên toàn cầu đang khai thác OpenStreetMap như một nguồn năng lượng từ cộng đồng đông đảo người dùng khắp mọi nơi. Với số lượng cộng tác viên đông đảo, kho dữ liệu này ngày càng trở nên chi tiết và cập nhật. Mặt trái của bộ dữ liệu "đám đông" này là khi nó được mở ra cho cộng đồng thì độ chính xác cũng biến thiên ở mọi nơi. Theo đánh giá chủ quan của chúng tôi, dữ liệu của OpenStreetMap là khá tốt và chúng ngày càng được hoàn thiện hơn.

Đối với các chuyên gia phân tích dữ liệu GIS, OpenStreetMap với độ chi tiết cao đang chính xác là những gì họ mong đợi. Không ai có thể trả lời nổi câu hỏi "bao nhiêu dữ liệu được cập nhật mỗi giây?" nhưng họ biết chắc OpenStreetMap sẽ trả lời cho những gì mà họ đang tìm kiếm.

OpenStreetMap (https://gisgeography.com/openstreetmap-download-osm-data)

Ưu điểm: Độ chi tiết cao, cập nhật liên tục.
Loại dữ liệu: Dữ liệu vector độ phân giải cao (nhà cửa, hiện trạng, đường giao thông, mặt nước).


❺ NASA's SocioEconomic Data and Applications Center (SEDAC)

Trung tâm dữ liệu NASA's SocioEconomic Data Applications Center (SEDAC) cung cấp bộ dữ liệu về mối tương tác giữa con người và môi trường.

SEDAC trải phổ khá rộng các nhóm dữ liệu khác nhau trên phạm vi toàn cầu ở độ phân giải thấp. Ví dụ, bạn có thể tìm thấy từ dữ liệu về phân bón dùng trong nông nghiệp đến tỷ số chết khi sinh ở trẻ nhỏ trên các bang của Hoa Kỳ.

Ứng dụng SEDAC Map Viewer khá ưa nhìn vì người dùng có thể lựa chọn các chủ đề cho dữ liệu GIS dựa trên số liệu kinh tế xã hội. Nếu bạn muốn kết nối dữ liệu với nhau, hệ thống có công cụ giúp bạn làm điều đó.

NASA SEDAC GIS data (http://sedac.ciesin.columbia.edu)

Ưu điểm: Cung cấp dữ liệu miễn phí trên toàn cầu về kinh tế xã hội với hơn 15 chủ đề khác nhau.
Loại dữ liệu: Dữ liệu kinh tế xã hội (nông nghiệp, thời tiết, quản trị, thiên tai, sức khỏe, hạ tầng, thủy văn, hải dương, dân số, thu nhập, dữ liệu viễn thám, phát triển bền vững, đô thị...).


Xem thêm: Phần 2

Nguồn: GISGeography



Thứ Hai, 2 tháng 9, 2019

Google Earth Engine đã thay đổi cách truy cập dữ liệu viễn thám ra sao?

Với một kho dữ liệu viễn thám khổng lồ, Google đã tạo ra một nền tảng với tên gọi Google Earth Engine (hoặc Earth Engine - GEE), cho phép các nhà khoa học và nghiên cứu viên truy cập vào đám mây dữ liệu của tập đoàn, đồng thời ứng dụng các hàm phân tích có sẵn để tạo ra kết quả mong muốn. Điều này giải quyết được một vấn đề cực lớn cho các nhà khoa học, đó là làm thế nào để truy cập dễ dàng kho dữ liệu vệ tinh ngày càng nhiều cũng như cho phép họ dễ dàng tìm kiếm những bộ dữ liệu liên quan. Hệ thống sử dụng công nghệ điện toán mây cho phép đọc nhiều loại định dạng dữ liệu khác nhau, chia sẻ và tích hợp chúng lại. Nhờ đó, GEE không chỉ tạo ra một cơ sở hạ tầng với quy mô Petabyte, mà cả các hàm API, ngôn ngữ lập trình JavaScript và Python, giúp xử lý khá nhiều dữ liệu khác nhau, ngay cả dữ liệu chiếu sáng đô thị về đêm chụp từ vệ tinh.

Chuỗi bản đồ đa thời gian với Climate Engine

Một điểm thú vị đối với các nhà nghiên cứu là khả năng mở rộng ứng dụng với bộ mã lệnh API, giúp họ có thể tùy biến công cụ phục vụ nhiều mục đích khác nhau. Trường hợp với Climate Engine là một ví dụ. Ứng dụng này được viết trên nền Google Earth Engine với giao diện hiển thị chuỗi các lớp dữ liệu đa thời gian như bộ ảnh MODIS và các lớp dữ liệu thời tiết. Hệ thống đã giúp các nhà khoa học dễ dàng tiếp cận thông tin thời tiết, giúp họ tiết kiệm nhiều thời gian và công sức, đồng thời sử dụng được những kết quả mà các lập trình viên trước đó đã xây dựng.

Nhiệt đồ bề mặt trái đất trung bình tháng 1-2 năm 2016 tổ hợp từ dữ liệu MODIS cho thấy sự khác biệt giữa vùng cực Bắc và các khu vực khác. Nguồn: Climate Engine.
Phân tích với quy mô không gian và thời gian khác nhau với Earth Engine

Sức mạnh của Earth Engine nằm ở khả năng tích hợp nhiều bộ dữ liệu khác nhau ở nhiều tỷ lệ và mốc thời gian khác nhau. Ví dụ, một dự án nghiên cứu đang đối mặt với khó khăn trong đánh giá biến động khu vực đất ngập nước khi sử dụng dữ liệu Landsat có độ phân giải không gian tương đối thấp. Với việc tích hợp cơ sở dữ liệu LiDAR cùng ảnh máy bay, Earth Engine đã giúp đánh giá các thay đổi về hiện trạng đất ngập nước và vùng nước ngập trên bộ dữ liệu có sẵn. Lợi ích mà Earth Engine mang đến không chỉ gói trong khả năng tích hợp, xử lý hàng loạt tập dữ liệu có độ phân giải khác nhau, trong trường hợp này là Sentinel-1, Sentinel-2, và Landsat-8, mà còn tính toán theo chuỗi thời gian nhằm tăng dày mật độ dữ liệu và khả năng nhận dạng các đối tượng dựa trên đặc điểm thay đổi của chúng theo thời gian. Những kết quả đó giúp các nhà khoa học giảm đi nỗi lo và giải quyết sự cố khi ảnh chụp bị mây một cách dễ dàng mà không cần phải tải tất cả các ảnh về như trước kia.

So sánh các bản đồ đất ngập nước (a) Dữ liệu NAIP (tháng 9/2015) và LiDAR (b) Dữ liệu đa thời gian NAIP (2009-2017) và LiDAR (c) Dữ liệu diện tích ngập nước của JRC (tháng 9/2015) làm từ ảnh Landsat (d) CSDL Đất ngập nước quốc gia (NWI) làm từ ảnh máy bay từ năm 1980. Nguồn: Wu và cộng sự, 2019.

Phát hiện dữ liệu lỗi với Earth Engine

Earth Engine cho phép không chỉ tạo ra những ứng dụng như Climate Engine mà còn giúp xây dựng các thuật toán mới xử lý và ứng dụng dữ liệu một cách hiệu quả hơn. Một trong những ứng dụng đó là phát hiện lỗi dữ liệu phát sinh trong quá trình xử lý trung gian hoặc dữ liệu gốc được dùng trong nhiều nghiên cứu. Việc xây dựng các hàm hạt nhân "score" như Z-score, Turkey's Ouliers (dữ liệu ngoại lai Turkey - ND), hay Geary's C, có thể giúp xác định các lỗi phân tích dữ liệu hoặc chỉ ra các kết quả giám sát không có liên quan đến những gì dữ liệu đang phản ánh. Các nhà phát triển thuật toán đã tích hợp hàm phát hiện lỗi tự động để nhắc nhở những nghiên cứu viên về khả năng gây lỗi tiềm tàng khi dùng các bộ dữ liệu ảnh vệ tinh trong Google Earth Engine.

Google Earth Engine đã giúp hàng ngàn nhà khoa học tiếp cận kho dữ liệu ảnh vệ tinh và xử lý chúng mà không phải sử dụng những phần mềm phức tạp hay chuẩn bị trước hàng đống kiến thức chuyên môn sâu về viễn thám. Tuy nhiều bộ dữ liệu còn ở độ phân giải không gian tương đối thấp, điển hình là MODIS và Landsat, điều này hy vọng sẽ sớm được cải thiện trong tương lai. Khả năng phân tích đa thời gian vẫn là điểm sáng chói của hệ thống. Nó giúp chúng ta hiểu được sự vận động/biến động của các sự vật suốt từ những năm 70 của thế kỷ trước tới nay. Không lâu nữa, chúng ta sẽ còn được thấy nhiều ứng dụng tương tự như Climate Engine được những nhóm các nhà khoa học khác nhau xây dựng và giới thiệu.


Theo GISLounge



About me

Giới thiệu về bản thân


A bit about me - Vài dòng ngắn gọn

I'm a cartographer, a GIS man and a Remote Sensing guy who loves data analysis and software programming. I'm working in the office, at home and outdoor. Please contact me for a new partnership.

Tôi là một chuyên gia về bản đồ, GIS và viễn thám. Tôi yêu thích phân tích số liệu và lập trình máy tính. Tôi làm việc tại văn phòng của mình, tại nhà và ngoài thực địa. Hãy liên hệ với tôi để xây dựng một mối quan hệ mới.

Profile - Hồ sơ

Do Minh Phuong

Personal info - Thông tin cá nhân

DO MINH PHUONG

Thông tin cá nhân:

Birthday: 29 Sep. 1972
Phone number: +(84) 97 892 9822
Website: www.p-gis.com
E-mail: dphuong@gmail.com

Services

Hỗ trợ các dịch vụ


Data Analysis

Support advanced data analysis with spatial and non-spatial big datasets.
Hỗ trợ phân tích dữ liệu không gian và phi không gian với tập số liệu lớn.

Software Development

Software engineering and development for desktop, web-based and mobile devices.
Lập trình các ứng dụng cho máy tính, ứng dụng web và thiết bị di động.

Graphic Design

Graphic design with Photoshop, Illustrator, MS Publisher for books, poster and project documents.
Thiết kế đồ họa với Photoshop, Illustrator và MS Publisher xây dựng các poster và tài liệu dự án.

RS-GIS

Remote Sensing and GIS application development with optical and radar imageries for agriculture, fishery, forestry and public health sectors.
Xây dựng và phát triển các ứng dụng viễn thám, GIS cho nông nghiệp, lâm nghiệp, thủy sản và y tế cộng đồng.

Photography

On-field photography surveys and media publications.
Cung cấp các giải pháp điều tra chụp ảnh thực địa, và các bộ ảnh phục vụ truyền thông, quảng bá thông tin.

Database Management

Design, implement and master large GIS database with opensource and commercial softwares.
Xây dựng và quản lý các cơ sở dữ liệu GIS lớn với phần mềm mã nguồn mở và phần mềm thương mại.

RESUME

Thông tin nghề nghiệp


Employment
Công tác

  • 2008-future

    Snr. Researcher @ NIAPP Nghiên cứu viên chính @ NIAPP

    Implement researches and projects on crop monitoring (rice, coffee), weather forecast, drought warning, climate change, land use change, landslide zoning, forest fire warning and aquaculture management.
    Tiến hành nghiên cứu và thực hiện dự án về theo dõi cây trồng (lúa, cà phê), dự báo thời tiết, dự báo hạn hán, biến đổi khí hậu, thay đổi hiện trạng sử dụng đất, cảnh báo sạt lở đất, cảnh báo cháy rừng và quản lý hệ thống nuôi trồng thủy sản.
  • 2000-2007

    Asian Institute of Technology Học viện Công nghệ châu Á

    Conducted MSc and PhD studies on remote sensing and GIS. Participated into lab assistant and network administration force.
    Theo học chương trình MSc và PhD về viễn thám và GIS. Tham gia trợ giảng và quản trị hệ thống thông tin của trường.
  • 1995-2000

    Researcher @ NIAPP Nghiên cứu viên @ NIAPP

    Joined projects and studies on mountainous agricultural systems, land use mapping and land use change, climate change impact assessment, GIS data analysis and modeling.
    Tham gia các dự án và nghiên cứu về hệ thống nông nghiệp miền núi, thành lập bản đồ hiện trạng sử dụng đất và thay đổi sử dụng đất, đánh giá tác động của biến đổi khí hậu và phân tích mô hình bằng GIS.

Education
Đào tạo

  • 2000-2007

    Asian Institute of Technology MSc and PhD Candidate

    Studied remote sensing and GIS for natural resources management. Conducted researches on satellite image texture analysis, tree recognition and forest type recognition.
    Theo học viễn thám và GIS trong quản lý tài nguyên thiên nhiên. Tiến hành các nghiên cứu về nhận dạng cấu trúc đối tượng trên ảnh vệ tinh, nhận dạng cây trồng và nhận dạng loại rừng.
  • 1991-1995

    University of Foreign Language Đại học Ngoại ngữ

    Studied english as a foreign language for foreigners. Took Russian as the second foreign language.
    Theo học chương trình đại học môn tiếng Anh theo dạng ngoại ngữ cho người nước ngoài. Học tiếng Nga như ngoại ngữ thứ hai của khóa học.
  • 1989-1994

    Hanoi Mining and Geology University ĐH Mỏ Địa Chất

    Studied cartography and geodesy at Hanoi University of Mining and Geology. Took other courses such as remote sensing, computer programming, geology, physics, mathematics, statistics and map publishing.
    Theo học chuyên ngành bản đồ, trắc địa tại trường Đại học Mỏ Địa Chất. Tham gia các khóa học về viễn thám, lập trình máy tính, địa chất, vật lý, toán, thống kê và công nghệ xuất bản bản đồ.

Skills & Things about me - Khả năng và sở thích

4♥
photographer - chụp ảnh
5♥
Database - Cơ sở dữ liệu
5♥
RS-GIS - Viễn thám GIS
4♥
Agriculture - Ứng dụng nông nghiệp
4♥
Weather Info - Thời tiết

RECENT WORK EXPERIENCES

Kinh nghiệm làm việc


WORKS

  • 2016-2019

    Technical Lead @ VnSAT Project

    Owner/Sponsor: MARD - World Bank
    ▫ Location: Vietnam, Central Highland
    ▫ Project's workpackages for rice and coffee database management
    ▫ Design and implement WebGIS database for project monitoring
    ▫ Data analysis
    ▫ Training course design for capacity building
  • 2016-2019

    technical consultant @ GREENcoffee Project

    Owner/Sponsor: NSO - Netherlands
    ▫ Location: Vietnam, Central Highland
    ▫ Daily weather information service provider
    ▫ Drought warning
    ▫ Coffee area monitoring with remotely sensed data
    ▫ GIS database management
  • 2016-2017

    Technical Lead @ RIICE Project

    Owner/Sponsor: MARD - SDC (Switzerland)
    ▫ Location: Vietnam, Red River and Mekong River deltas
    ▫ Rice area monitoring with radar satellite imagery
    ▫ Rice yield forecast with Oryza model
    ▫ Field survey lead
    ▫ Report and database management
  • 2016-2017

    Technical Lead @ Agri-Atlas Project

    Owner/Sponsor: MARD
    ▫ Location: Vietnam
    ▫ Technical supervisor for national atlas of agriculture
    ▫ GIS database engineering
    ▫ Graphical design and artwork supervision
    ▫ Report and output publication
  • 2015-2016

    Technical Consultant @ ICA Project

    Owner/Sponsor: RIA1 - DANIDA (Denmark)
    ▫ Location: Northern provinces, Vietnam
    ▫ Aquaculture system mapping for Northern Vietnam
    ▫ Aqua-system change during 1993-2000-2015
    ▫ Vulnerability assessment for aquaculture system
    ▫ WebGIS development and database management
  • 2014-2015

    Technical Lead @ VFD Project

    Owner/Sponsor: Vietnam Forest and Delta Project (USAID)
    ▫ Location: Nam Dinh province (Vietnam)
    ▫ Baseline survey for vulnerability assessment
    ▫ Climate change scenario development
    ▫ GIS database management
    ▫ Vulnerability mapping for rice and aquaculture
  • 2013-2016

    Technical Lead @ VAST Projects

    Owner/Sponsor: Vietnam Academy of Science and Technology
    ▫ Location: Lao Cai, Thanh Hoa, Hai Phong, Phu Yen provinces
    ▫ Baseline surveys for forest fire factors
    ▫ Model development for forest fire zoning
    ▫ Software development for forest fire zoning
    ▫ Remote sensing data analysis for model's inputs

CÔNG VIỆC

  • 2016-2019

    Phụ trách kỹ thuật @ Dự án VnSAT

    CQ chủ quản: Bộ NN PTNT - NH Thế Giới
    ▫ Địa điểm: Vùng Tây Nguyên - Việt Nam
    ▫ Giám sát việc xây dựng CSDL giám sát dự án cho các gói công việc
    ▫ Thiết kế và xây dựng CSDL WebGIS phục vụ giám sát
    ▫ Phân tích và tổng hợp dữ liệu
    ▫ Xây dựng tài liệu và tiến hành các khóa tập huấn
  • 2016-2019

    Trưởng nhóm kỹ thuật @ Dự án GREENcoffee

    CQ chủ quản: NSO - CP Hà Lan
    ▫ Địa điểm: Vùng Tây Nguyên - Việt Nam
    ▫ Cung cấp thông tin thời tiết hàng ngày
    ▫ Cảnh báo hạn hán
    ▫ Giám sát diện tích cà phê bằng CN Viễn thám
    ▫ Quản lý hệ thống CSDL GIS của dự án
  • 2016-2017

    Trưởng nhóm kỹ thuật @ Dự án RIICE

    CQ chủ quản: Bộ NN PTNT - SDC (Thụy Sỹ)
    ▫ Địa điểm: Vùng ĐB sông Hồng và ĐB sông Cửu Long
    ▫ Giám sát diện tích trồng lúa bằng ảnh vệ tinh radar
    ▫ Dự báo sớm năng suất các vụ bằng mô hình Oryza
    ▫ Thiết kế và tổ chức điều tra thực địa
    ▫ Lập các báo cáo, bản tin và quản lý CSDL dự án
  • 2016-2017

    Trưởng nhóm kỹ thuật @ Dự án Atlas Nông nghiệp

    CQ chủ quản: Bộ NN PTNT
    ▫ Địa điểm: Toàn quốc, 63 tỉnh thành
    ▫ Giám sát kỹ thuật toàn dự án
    ▫ Thiết kế và xây dựng CSDL GIS của dự án
    ▫ Thiết kế đồ họa và mỹ thuật
    ▫ Xây dựng báo cáo và các ấn phẩm bản đồ
  • 2015-2016

    Chuyên gia tư vấn @ Dự án ICA

    CQ chủ quản: Viện NC NT Thủy sản 1 (RIA1) - DANIDA (Đan Mạch)
    ▫ Địa điểm: Các tỉnh miền Bắc Việt Nam
    ▫ Lập bản đồ hệ thống nuôi trồng thủy sản miền Bắc
    ▫ Phân tích biến động hệ thống NTTS các năm 1993-2000-2015
    ▫ Xây dựng mô hình đánh giá tổn thương hệ thống NTTS trong điều kiện BĐKH
    ▫ Thiết kế và xây dựng hệ thống WebGIS của dự án
  • 2014-2015

    Phụ trách kỹ thuật @ Dự án VFD

    CQ chủ quản: Dự án Rừng và Đồng Bằng (VFD) - USAID
    ▫ Địa điểm: Tỉnh Nam Định
    ▫ Khảo sát thực địa, đánh giá mức độ tổn thương hiện tại
    ▫ Xây dựng các kịch bản biến đổi khí hậu
    ▫ Thiết kế và quản lý CSDL GIS của dự án
    ▫ Đánh giá mức độ dễ bị tổn thương đến trồng trọt và nuôi trồng thủy sản
  • 2013-2016

    Phụ trách kỹ thuật @ Các dự án của VAST

    CQ chủ quản: Viện Hàn lâm Khoa học và Công nghệ Việt Nam
    ▫ Địa điểm: Các tỉnh Lào Cai, Thanh Hóa, Hải Phòng và Phú Yên
    ▫ Tiến hành khảo sát đánh giá các yếu tố gây cháy rừng
    ▫ Xây dựng mô hình cảnh báo cháy rừng
    ▫ Phát triển phần mềm phân tích, cảnh báo nguy cơ cháy rừng
    ▫ Phân tích dữ liệu viễn thám và bản đồ phục vụ mô hình

Contact

Gửi tin nhắn


Adress/Địa chỉ

61 Hang Chuoi, Hai Ba Trung district, Hanoi, Vietnam
61 Hàng Chuối, Q. Hai Bà Trưng, Hà Nội, Việt Nam

Phone number

+(84) 97 892 9822

Email

dphuong@gmail.com