Luận văn Nghiên cứu và đánh giá độ dày quang học sol khí từ ảnh vệ tinh dựa trên các trạm quan trắc

quẩn quanh kéo dài tại khu vực này. Theo Bangkok Post, ba tỉnh Songkhla, Yala và Pattani chịu ảnh hưởng nặng nề nhất. Khói bụi cũng xuất hiện ở nhiều tỉnh thành khác như Narathiwat, Nakhon Si Thammarat, Phuket, Satun và Surat Thani. Tăng trưởng công nghiệp đã tạo ra mức độ ô nhiễm không khí cao ở Thái Lan. Xe cộ và nhà máy góp phần gây ô nhiễm không khí, đặc biệt ở Bangkok. Một nguyên nhân khác là do tập quán canh tác của người dân. Độ che phủ rừng ở Thái Lan đã giảm đáng kể do người dân biến đổi đất rừng thành đất canh tác nông nghiệp hoặc chiếm dụng đất công ích cho mục đích sử dụng cá nhân. Các yếu tố bao gồm khai thác gỗ, khai thác mỏ, khuyến khích trồng cây công nghiệp ở vùng cao, xây dựng các đập lớn đã góp phần tạo nên tình trạng phá rừng ngày càng nghiêm trọng. Hình 4.40: Thống kê các điểm cháy tại Thái Lan Tại Đài Loan, số các vụ cháy MODIS phát hiện được khá thấp, tổng từ 2012 đến 2016 chỉ có 1465 vụ. Tình hình các vụ cháy diễn ra cao vào tháng 6 (Hình 4.41). 67723 400 870 0.336 0.810 0.379 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0 10000 20000 30000 40000 50000 60000 70000 80000 A O D Số v ụ c h áy Thái Lan Số vụ cháy AOD AERONET AOD (MODIS,VIIRS) 78 Hình 4.41: Thống kê các điểm cháy tại Đài Loan Tại Việt Nam, các vụ cháy diễn ra nhiều vào tháng 12 đến tháng 6 hàng năm. Đỉnh điểm xảy ra tại tháng 3.Theo thống kê từ 2012 đến 2016, tháng 3 diễn ra 34883 vụ cháy. AERONET AOD trung bình đạt 0.622 và AOD trung bình từ MODIS và VIIRS đạt 0.55 (Hình 4.42). Các tháng tiếp theo, các vụ cháy diễn ra với số lượng giảm xuống nhiều. AOD trung bình của VIIRS và MODIS đạt cao nhất vào tháng 10 lên tới 0.878. AOD trung bình các trạm AERONET đạt 0.737. Tính đến thời điểm năm 2016, đã có 3.309 ha rừng bị cháy, tăng gấp 3 lần so với năm 2015. Hình 4.42: Thống kê các điểm cháy tại Việt Nam 180 223 125 83 0.689 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0 50 100 150 200 250 A O D Số v ụ c h áy Đài Loan Số vụ cháy AOD AERONET AOD (MODIS,VIIRS) 34883 1788 1896 0.622 0.737 0.550 0.878 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 5000 10000 15000 20000 25000 30000 35000 40000 A O D Số v ụ c h áy Việt Nam Số vụ cháy AOD AERONET AOD (MODIS,VIIRS) 79 Cháy rừng xảy ra do tác động của nhiều nguyên nhân, các nhân tố ảnh hưởng này bao gồm các yếu tố tự nhiên, điều kiện kinh tế xã hội và các chính sách liên quan như công tác quản lý, điều hành, dự báo và phòng ngừa cháy rừng. Thứ nhất là các yếu tố tự nhiên ảnh hưởng tới cháy rừng. Các nhân tố này được hiểu là điều kiện thời tiết và các nhân tố khí tượng, đây là các tác nhân cho sự phát sinh, phát triển của một đám cháy rừng. Các nhân tố này bao gồm: Nhiệt độ, độ ẩm không khí, độ ẩm vật liệu cháy và độ ẩm bề mặt đất, gió. Gió là nhân tố ảnh hưởng rất nhiều đến cháy rừng, gió thúc đẩy nhanh quá trình làm khô vật liệu cháy, làm bùng phát ngọn lửa và đẩy nhanh tốc độ đám cháy. Gió mang theo tàn lửa gây ra các đám cháy khác, làm đám cháy phát triển nhanh và lan rộng. Ngoài ra, các yếu tố tự nhiên còn bao gồm điều kiện địa hình, kiểu rừng và loại thực bì, và các nguyên nhân khác. Các yếu tố này đều có liên quan trực tiếp hoặc gián tiếp tới cháy và nguy cơ cháy rừng. Thứ hai là ảnh hưởng bắt nguồn từ các hoạt động xã hội và các hoạt động sản xuất của con người. Đốt rừng làm nương rẫy ở miền núi và đốt rơm rạ ở đồng ruộng gây cháy rừng, vào rừng khai thác gỗ là nguyên nhân gây ra cháy tại nhiều khu vực. 80 KẾT LUẬN Luận văn sử dụng chuỗi số liệu độ dày quang học sol khí thu được từ ảnh vệ tinh MODIS và ảnh vệ tinh VIIRS để đánh giá dựa trên các số liệu tại trạm quan trắc mặt đất AERONET trong khu vực Đông Nam Á, Đài Loan và Hồng Kông. Các sản phẩm sol khí của MODIS 3 km và VIIRS 6 km được sử dụng. MODIS cung cấp dữ liệu ảnh sol khí được tải về tại LAADS DAAC và dữ liệu các vụ cháy xảy ra. Ảnh vệ tinh VIIRS được tải về tại NOAA-CLASS. Ảnh vệ tinh sau khi tải về đi qua một bước tiền xử lý để trích xuất dữ liệu AOD tại 550nm bằng các công cụ và thư viện mã nguồn mở. Dữ liệu quan trắc mặt đất được lấy từ AERONET và dữ liệu các điểm cháy từ MODIS và được ghi vào trong cơ sở dữ liệu. Quá trình tiền xử lý ảnh vệ tinh và trích xuất dữ liệu sử dụng mã nguồn có sẵn của trung tâm FIMO. Chương trình ban đầu chứa các module thu thập và tải dữ liệu, xử lý và tạo ra các sản phẩm PNG, Geotiff. Quá trình thực nghiệm đã cải tiến thêm các module về xử lý dữ liệu, tích hợp AOD từ vệ tinh và AERONET để lưu vào cơ sở dữ liệu, tiền xử lý dữ liệu các điểm cháy, nội suy dữ liệu AERONET AOD từ 500nm sang 550nm Các chương trình cũng đã được tích hợp thêm giao diện và đưa và đồng nhất về một ngôn ngữ lập trình chung. Song song với đó, cơ sở dữ liệu đã được cải tiến để phù hợp với quá trình thực nghiệm. Dữ liệu trong luận văn được tích hợp dựa trên không gian và thời gian. Các mẫu quan sát được xác định theo phạm vi bán kính R tính từ vị trí đặt trạm quan trắc. Dữ liệu AOD tại trạm mặt đất được lấy theo khoảng thời gian dao động T trước và sau thời gian vệ tinh bay qua. Dữ liệu sau khi tích hợp được đánh giá dựa trên thông số tương quan nhằm xác định bán kính và thời gian có sự tương đồng tốt nhất. Luận văn sử đụng dữ liệu AOD từ vệ tinh tại 550nm, tuy nhiên tại AERONET không có dữ liệu AOD sẵn cho bước sóng này. Vì vậy giá trị AOD 550nm cho các trạm AERONET sẽ được thực hiện nội suy từ giá trị AOD 500nm dựa trên thông số Angstrom. Dữ liêu AOD từ MODIS và VIIRS được đánh giá và so sánh với dữ liệu AOD từ AERONET sau khi tích hợp. Độ dày quang học trung bình tại toàn khu vực thu được từ MODIS và VIIRS và giá trị thu được tại các trạm quan trắc AERONET có sự tương quan lẫn nhau. Hệ số tương quan giữa MODIS, VIIRS và AERONET trong cả khu vực lần lượt là 0.81 và 0.68. Độ dày quang học sol khí trung bình của MODIS là 0.504.Còn với VIIRS, AOD trung bình là 0.395 thấp hơn nhiều so với MODIS AOD. Sai số trung bình của MODIS AOD và AERONET AOD lớn hơn 0.087 chiếm 40,68% trên tổng số mẫu quan sát. Sai số trung bình của VIIRS AOD và AERONET AOD lớn hơn 0.036 chiếm 48.76%. Có thể nói số liệu VIIRS AOD chính xác hơn nhưng độ tương quang về dữ liệu so với đo tại các trạm quan trắc mặt đất còn thấp. 81 AOD thể hiện giá trị cao nhất tại Việt Nam (0.774 cho MODIS AOD và 0.643 cho VIIRS AOD ) ở khu vực thành thị, Lào (0.861 cho MODIS AOD và 0.641 cho VIIRS AOD) và thấp nhất ở Philipines. Các quốc gia trong khu vực hầu hết đều là các nước đang phát triển với nền kinh tế nông nghiệp. Là nơi cung cấp nguyên liệu và nhân công giá rẻ, khu vực Đông Nam Á đang ngày càng tập trung nhiều các khu công nghiệp, các nhà máy kéo theo tình trạng đô thị hoá, tắc nghẽn giao thông, ô nhiễm do khói bụi, rác thải, khai thác và đốt phá rừng phục vụ nông nghiệp và công nghiệp Đồng thời, do địa hình nằm trong khu vực hay có núi lửa phun trào cũng như thường xuyên phải gánh chịu các trận bão nhiệt đới từ biển làm cho khu vực trở thành điểm nóng về ô nhiễm không khí. Riêng với Philippines, quốc gia này được xếp vào mức ô nhiễm khá nặng ở khu vực Đông Nam Á. Tuy nhiên AOD tại đây lại khá thấp và sai số vô cùng cao. Do địa hình và tính chất các trạm gần biển, nên khi đánh giá tại Philipines, cần cân nhắc thêm việc đánh giá các tập dữ liệu AOD khác như số liệu AOD cho riêng biển, số liệu AOD cho riêng đất liền để cho kết luận chính xác hơn về sản phẩm. Kết hợp số liệu AOD thu được từ MODIS, VIIRS, AERONET cùng với số liệu về các vụ cháy từ MODIS, nhận thấy các giá trị AOD được biến đổi tỉ lệ thuận với tần suất xảy ra các vụ cháy. Cả số vụ cháy và AOD đều đạt cao điểm nhất vào tháng 3 và tháng 10. Đây là các tháng trọng điểm đốt cây nông nghiệp để bắt đầu mùa canh tác mới. Đặc biệt nghiêm trọng tại tháng 10, cháy rừng khiến cho khói bụi sương mù bao phủ toàn bộ Đông Nam Á, dẫn đến tình trạng AOD tăng cao ở nhiều nước trong khu vực. Có thể sử dụng các sản phẩm sol khí từ MODIS và VIIRS để áp dụng vào các nghiên cứu và ứng dụng liên quan đến giám sát cháy trong khu vực. Việc đánh giá và phân tích sản phẩm VIIRS và MODIS trên khu vực Đông Nam Á, Đài Loan, Hồng Kông đã làm nổi bật lên các đặc điểm và khả năng áp dụng các sản phẩm này trong điều kiện khí hậu tại từng quốc gia, vùng lãnh thổ khác nhau. Qua quá trình nghiên cứu, bản thân tôi đã tích lũy được nhiều kiến thức về ảnh viễn thám. Hiểu được các công cụ sử dụng để trích xuất và tiền xử lý dữ liệu như HDFView, GDAL, Python, cơ sở dữ liệu PosgreSQLDựa trên các hiểu biết đó, tôi đã thực hiện đánh giá độ dày quang học sol khí từ ảnh vệ tinh MODIS và VIIRS trong khu vực nghiên cứu. Trong tương lai, việc đánh giá và phân tích các sản phẩm sol khí từ các vệ tinh khác sẽ được tiến hành để cho thấy một bức tranh toàn cảnh về AOD trong khu vực Đông Nam Á. Làm tiền đề cho việc áp dụng sản phẩm sol khí từ vệ tinh vào nghiên cứu biến đổi khí hậu, giám sát ô nhiễm và các ứng dụng khác. Từ đó làm cơ sở để tiếp tục nghiên cứu, tích hợp và ứng dụng dữ liệu độ dày quang học sol khí của ảnh vệ tinh từ nhiều nguồn khác nhau. 82 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Phạm Xuân Thành, Nguyễn Xuân Anh, Đỗ Ngọc Thuý, Hoàng Hải Sơn, Nguyễn Xuân Sơn, Âu Duy Tuấn và Phạm Lê Khương, “Đặc điểm độ dày quang học sol khí từ số liệu các trạm AERONET Việt Nam và so sánh chúng với số liệu MODIS,” Tạp chí Các Khoa học về Trái Đất, 37 (3), 252-263, 2015. [2] BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG, “Báo cáo hiện trạng môi trường quốc gia 2016,” BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG, 2017. [3] Chính phủ Việt Nam, “Nghị định số 42/2009/NĐ-CP của Chính phủ : Về việc phân loại đô thị,” 2009. [4] Nguyễn Ngọc Bích Phương, Tổng quan về sol khí và mô hình Regcm, Luận văn Thạc sĩ. Đại học Khoa học Tự Nhiên. [5] PGS. TS. Nguyễn Khắc Thời, Giáo trình viễn thám, Hà Nội: Khoa Tài nguyên môi trường, trường Đại Học Nông Nghiệp Hà Nội. [6] PGS.TS Đinh Xuân Thắng, Giáo trình ô nhiễm không khí, TP. Hồ Chí Minh: NHÀ XUẤT BẢN ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH, 2007. [7] Sách giáo khoa lớp 8, “Đặc điểm tự nhiên của khu vực Đông Nam Á,”. [8] Tổng cục nông nghiệp, “Tài nguyên rừng và nguyên nhân suy thoái rừng trên thế giới,”. [9] idialy, “Tập bản đồ thế giới và các châu lục - Đông Nam Á,” 2015. Tiếng Anh [10] Pawan Gupta, Sundar A. Christopher, Jun Wang, Robert Gehrig, Yc Lee and Naresh Kumar, "Satellite remote sensing of particulate matter and air quality assessment over global cities," ScienceDirect, 2006. [11] EPA.GOV, "Particulate Matter (PM) Basics," [Online]. Available: https://www.epa.gov/pm-pollution/particulate-matter-pm-basics. [12] YANG LIU, JEREMY A. SARNAT, VASU KILARU, DANIEL J. JACOB and PETROS KOUTRAKIS, "Estimating Ground-Level PM2.5 in the Eastern United States Using Satellite Remote Sensing," Environmental Science and Technology 39(9): 3269-3278. 83 [13] Thi Nhat Thanh Nguyen, Viet Cuong Ta, Thanh Ha Le and Simone Mantovani, "Particulate Matter Concentration Estimation from Satellite Aerosol and Meteorological Parameters: Data-Driven Approaches," Advances in Intelligent Systems and Computing, vol 244, 2014. [14] "Modis Algorithms," [Online]. Available: algorithms.html. [15] "LAAD DAAC," [Online]. Available: https://ladsweb.modaps.eosdis.nasa.gov. [16] MODIS, "Dark Target," [Online]. Available: https://darktarget.gsfc.nasa.gov. [17] M. A. FIRES, "MCD14ML," [Online]. Available: ftp://fuoco.geog.umd.edu. [18] "NOAA-CLASS," [Online]. Available: https://www.class.ngdc.noaa.gov. [19] Joint Polar Satellite System (JPSS) VIIRS Aerosol Optical Thickness (AOD) and Particle Size Parameter Algorithm Theoretical Basis Document (ATBD), 2015. [20] "AERONET," [Online]. Available: https://aeronet.gsfc.nasa.gov. [21] Charles Ichoku, D. Allen Chu, Shana Mattoo, Yoram J. Kaufman, Lorraine A. Remer, Didier Tanre ́, Ilya Slutsker and Brent N. Holben, "A spatio-temporal approach for global validation and analysis of MODIS aerosol products," GEOPHYSICAL RESEARCH LETTERS, VOL. 29, NO. 12, 10.1029/2001GL013206, 2002. [22] D. A. Chu, Y. J. Kaufman, C. Ichoku, L. A. Remer, D. Tanre ́ and B. N Holben, "Validation of MODIS aerosol optical depth retrieval over land," GEOPHYSICAL RESEARCH LETTER, VOL. 29, NO. 12, 10.1029/2001GL013205, 2002. [23] S. N. Tripathi, Sagnik Dey, A. Chandel, S. Srivastava, Ramesh P. Singh and B. N. Holben, "Comparison of MODIS and AERONET derived aerosol optical depth over the Ganga Basin, India. Annales Geophysicae," Annales Geophysicae, 23, 1093–1101, 2005. [24] Man Sing Wong, Muhammad I. Shahzad, Janet E. Nichol, Kwon Ho Lee and P.W. Chan, "Validation of MODIS, MISR, OMI, and CALIPSO aerosol optical thickness using ground-based sunphotometers in Hong Kong," International Journal of Remote Sensing Vol. 34, No. 3, 10 February 2013, 897–918 , 2013. [25] Q. Xiao, H. Zhang, M. Choi, S. Li, S. Kondragunta, J. Kim, B. Holben, R. C. Levy and Y. Liu, "Evaluation of VIIRS, GOCI, and MODIS Collection 6 AOD retrievals against ground sunphotometer observations over East Asia," Atmos. Chem. Phys., 16, 1255–1269, 2016. 84 [26] V. T. Tran, H. V. Pham, T. X. Pham, H. Q. Bui, A. X. Nguyen, T. T. Nguyen and T. T. Nguyen, "Satellite Aerosol Optical Depth over Vietnam: an analysis from VIIRS and CALIOP aerosol products," Land Atmospheric Interactions in Asia. Springer Book, 2016. [27] "AERONET," [Online]. Available: https://aeronet.gsfc.nasa.gov. [28] M. Peng, R. C. Schnell, T. Conway, C.-T. Chang, K.-S. Lin, Y. I. Tsai, W.-J. Lee, S.-C. Chang, J.-J. Liu, W.-L. Chiang, S.-. J. Huang, T.-H. Lin and G.-R. Liu, "An overview of regional experiments on biomass burning aerosols and related pollutants in Southeast Asia: From BASE-ASIA and the Dongsha Experiment to 7-SEAS," Atmospheric Environment 78 (2013) 1-19, 2013. [29] NOAA, Suomi National Polar-Orbiting Partnership (NPP) Visible Infrared Imaging Radiometer Suite (VIIRS) Aerosol Products Users Guide. [30] C. Seaman, "Beginner’s Guide to VIIRS Imagery Data," CIRA/Colorado State University, 2013. [31] H. L. Thanh, N. T. N. Thanh , L. Kristofer , I. Shriram , . P. V. Krishna and J. Chris , "Vegetation fires and air pollution in Vietnam," Environmental Pollution, 2014. [32] T.F. Eck, B.N. Holben, J. Boonjawat, A. Snidvongs , H.V. Le, J.S. Schafer, T. Kaewkonga, R. Mongkolnavin, J.S. Reid, O. Dubovik and A. Smirnov, "Aerosol Optical Properties in Southeast Asia From AERONET Observations," AERONET. [33] Krishna Prasad Vadrevu, Kristofer Lasko, Chris Justice and Louis Giglio, "Vegetation fires, absorbing aerosols and smoke plume characteristics in diverse biomass burning regions of Asia," Environmental Research Letters , Volume 10, Number 10 , 2015. [34] Gumley and Liam, "Introduction to MODIS," Space Science and Engineering Center University of Wisconsin-Madison. [35] K. Y. J, D. Tanre and O. Boucher, "A satellite view of aerosols in the climate system". [36] R. C. Levy, S. Mattoo, L. A. Munchak, L. A. Remer, A. M. Sayer, F. Patadia and N. C. Hsu, "The Collection 6 MODIS aerosol products over land and ocean. Atmospheric Measurement Techniques". 85 [37] S. More, P. P. Kumar, P. Gupta, P. Devara and G. Aher, "Comparison of Aerosol Products Retrieved from AERONET, MICROTOPS and MODIS over a Tropical Urban City, Pune, India. Aerosol and Air Quality Research". [38] L. A. Remer, S. Mattoo, R. C. Levy and L. A. Munchak, "MODIS 3 km aerosol product: algorithm and global perspective," [Online]. Available: https://www.atmos-meas-tech.net/6/1829/2013/amt-6-1829-2013.pdf. [39] R. C. Levy, L. A. Remer, D. Tanré́, S. Mattoo and Y. J. Kaufman, ALGORITHM FOR REMOTE SENSING OF TROPOSPHERIC AEROSOL OVER DARK TARGETS FROM MODIS Collections 005 and 051, https://modis- images.gsfc.nasa.gov/_docs/ATBD_MOD04_C005_rev2.pdf. [40] "MODIS," [Online]. Available: https://modis.gsfc.nasa.gov. [41] AERONET, "Aerosol Optical Thickness (AOD) is the measure of aerosols". 1 PHỤ LỤC 1: THỐNG KÊ DỮ LIỆU CÁC TRẠM AERONET Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu Đài Loan Miền nam Chen-Kung_Univ Thành thị (120.216667,2 3) 2012 808 01,02,03,05,06,07 04,08,09,10,11,12 2013 3296 02,03,04,05,06,07,08,09,10, 11,12 1 2014 3537 01,02,03,04,05,06,07,08,09, 10,11,12 2015 2102 01,02,03,04,05,06,07,08,10, 11 09,12 2016 1047 01,02,03,04,05,06 07,08,09,10,11,12 Lulin Nông thôn (120.873611,2 3.468611) 2012 2244 03,04,05,06,07,08,09,10,11, 12 01,02 2013 1665 01,02,03,04,05,09,10,11,12 06,07,08 2014 2843 01,02,03,04,06,07,09,10,11, 12 05,08 2015 2167 01,02,03,04,05,06,07,08,09, 10,11,12 2016 6 1 02,03,04,05,06,07,08, 09,10,11,12 2 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu Miền trung Douliu Thành thị (120.5448,23. 7117) 2012 2013 2014 2015 691 09,10,11 01,02,03,04,05,06,07, 08,12 2016 Miền bắc EPA-NCU Nông thôn (121.185483,2 4.967533) 2012 842 02,03,04,05,06,07,08,09,10 01,11,12 2013 1037 02,03,04,05,06,07,09,10,11, 12 01,08 2014 4522 01,02,03,04,05,06,07,08,09, 10,11,12 2015 2271 01,02,03,04,05,06,07,08,09, 10,11,12 2016 1298 01,02,03,04,05,06,07 08,09,10,11,12 Taipei_CWB Thành thị (121.5,25.03) 2012 2587 01,02,03,04,05,06,07,08,09, 10,11,12 2013 1014 01,02,03,04,05,10,11,12 06,07,08,09 3 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu 2014 2101 01,02,03,04,05,08,09,10,11, 12 06,07 2015 2106 01,02,03,04,05,06,07,08,09, 10,11,12 2016 790 01,02,03,04,05 06,07,08,09,10,11,12 Indonesi a Java Bandung Thành thị (107.61,- 6.888417) 2012 1988 01,02,04,06,07,08,09,10,11, 12 03,05 2013 1303 01,02,03,04,05,06,07,08,09 10,11,12 2014 2247 05,06,07,08,09,10,11,12 01,02,03,04 2015 1532 04,05,06,07,08,10 01,02,03,09,11,12 2016 273 01,02,03,04,05 06,07,08,09,10,11,12 Sumatra Jambi Thành thị (103.641563,- 1.632445) 2012 1313 07,08,09,10,11,12 01,02,03,04,05,06 2013 2644 01,02,03,04,05,06,07,08,09, 10,11 12 2014 1188 01,03,04,05,06,07,08,09,10, 11,12 2 2015 854 01,02,03,04,05,06,07,08 09,10,11,12 4 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu 2016 Sulawesi Makassar Nông thôn (119.57227,- 4.99768) 2012 2013 2014 2015 4026 07,08,09,10,11,12 01,02,03,04,05,06 2016 133 1 02,03,04,05,06,07,08, 09,10,11,12 Kalimant an Palangkaraya Nông thôn (113.94624,- 2.22799) 2012 2528 07,08,09,10,11,12 01,02,03,04,05,06 2013 2434 01,02,03,04,05,06,07,08,09, 10,11,12 2014 1883 01,02,03,04,05,06,07,08,09, 10,11,12 2015 6124 01,02,03,04,05,06,07,08,09, 10,11,12 2016 358 01,02 03,04,05,06,07,08,09, 10,11,12 Pontianak Thành thị 2012 2739 07,08,09,10,11,12 01,02,03,04,05,06 5 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu (109.19086,0. 07538) 2013 6171 01,02,03,04,05,06,07 08,09,10,11,12 2014 3541 02,03,04,05,06,07,08,09,10, 11,12 1 2015 5585 01,02,03,04,06,07,08,09,10, 11,12 5 2016 786 01,02 03,04,05,06,07,08,09, 10,11,12 Lào Miền bắc Luang_Namtha Nông thôn (101.4162,20. 9311) 2012 1009 03,04,05 01,02,06,07,08,09,10, 11,12 2013 1102 01,02,03,04 05,06,07,08,09,10,11, 12 2014 2813 02,03,04 01,05,06,07,08,09,10, 11,12 2015 9312 01,02,03,04,05,06,07,08,09, 10,11 12 2016 Vientiane Thành thị 2012 2054 03,04,05,07,08,09,10,11 01,02,06,12 6 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu Miền trung (102.569642,1 7.99228) 2013 1685 02,03,04,05 01,06,07,08,09,10,11, 12 2014 2946 03,04,05 01,02,06,07,08,09,10, 11,12 2015 2016 Malaysia Khu vực phía đông Kuching Thành thị (1.49055, 110.34861) 2012 785 01,02,04,08,09,10,11,12 03,05,06,07 2013 1362 01,02,03,04,05,06,07,08,09, 10,11,12 2014 329 01,02,11,12 03,04,05,06,07,08,09, 10 2015 1764 01,02,03,04,05,06,07,08,09, 10 11,12 2016 Khu vực phía tây USM_Penang Thành thị (100.30231,5. 35838) 2012 2388 02,03,04,05,06,07,08,09,10, 11,12 1 2013 2206 01,02,03,04,05,06,07,09,10, 11,12 8 7 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu 2014 6417 01,02,03,04,05,06,07,08,09, 10,11,12 2015 5695 01,02,03,04,05,06,08,09,10, 11,12 7 2016 3446 01,02,03,04,05,06,07,08 09,10,11,12 Philippin es Mimarop a El_Nido_Airport Nông thôn (119.4135, 11.2051) 2012 561 08,09,10,11,12 01,02,03,04,05,06,07 2013 1088 01,02,03,04 05,06,07,08,09,10,11, 12 2014 2015 2016 National Capital Region Manila_Observat ory Thành thị (121.07784,14 .63525) 2012 1375 01,02,03,04,05,06,07,09,10, 11,12 8 2013 1203 01,02,03,04,09,10,11,12 05,06,07,08 2014 2769 01,02,03,04,05,06,07,08,09, 10,11,12 8 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu 2015 2955 01,02,03,04,05,06,07,08,09, 10 11,12 2016 289 01,02 03,04,05,06,07,08,09, 10,11,12 Soccskarg en ND_Marbel_Uni v Nông thôn (124.842531,6 .496011) 2012 1598 01,07,08,09,10,11,12 02,03,04,05,06 2013 2609 01,02,03,04,05,06,07,08,09, 10,11,12 2014 939 02,04,05,06,09,10,11,12 01,03,07,08 2015 3612 01,02,03,04,05,06,07,08,09, 10,11,12 2016 205 1 02,03,04,05,06,07,08, 09,10,11,12 Singapor e Singapore Singapore Thành thị (103.780383,1 .297667) 2012 2184 02,03,04,05,06,07,08,09,10, 11,12 1 2013 947 02,03,04,05,06,07,08,09,10 01,11,12 2014 1878 03,04,05,07,08,09,10,11,12 01,02,06 2015 5530 01,02,03,04,05,06,07,08,09, 10,11,12 9 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu 2016 3183 01,02,03,04,05,06,07,08,09, 10,11,12 Thái Lan Miền bắc Chiang_Mai_Met _Sta Thành thị (98.972467,18 .771125) 2012 5660 01,02,03,04,05,06,07,08,09, 10,11,12 2013 4720 01,02,03,04,05,06,10,12 07,08,09,11 2014 15267 01,02,03,04,05,06,07,08,09, 10,11,12 2015 14201 01,02,03,04,05,06,07,08,09, 10,11,12 Miền nam GOT_Seaprism Nông thôn (101.4123,9.2 862) 2012 1184 03,04,09,10,11,12 01,02,05,06,07,08 2013 3843 01,02,03,04,05,06,08,09,10, 11,12 7 2014 3739 01,02,03,04,05,06,07,08,09, 10,11,12 2015 3784 01,04,05,06,07,08,09,10,11, 12 02,03 2016 866 1 02,03,04,05,06,07,08, 09,10,11,12 10 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu Songkhla_Met_St a Nông thôn (100.604583,7 .184387) 2012 1291 03,04,05,06,07,08,09,10,11, 12 01,02 2013 1026 01,02,03,04,05,10,11,12 06,07,08,09 2014 1937 01,03,04,05,06,07,08,09,12 02,10,11 2015 4239 01,02,03,04,05,06,07,08,09, 10,11,12 2016 535 03,04 01,02,05,06,07,08,09, 10,11,12 Miền trung Silpakorn_Univ Thành thị (100.041183,1 3.819308) 2012 6320 03,04,09,10,11,12 01,02,05,06,07,08 2013 11815 01,02,03,04,05,06,09,10,11, 12 07,08 2014 8569 01,02,03,04,05,06,07,08,09, 10,11 12 2015 2016 Đông bắc Ubon_Ratchathan i Thành thị (104.871011,1 5.245518) 2012 1796 03,04,05,07,08,09,10,11 01,02,06,12 2013 2247 02,03,04,05,06,07 01,08,09,10,11,12 11 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu 2014 6402 03,04,05,06,07,08,09,12 01,02,10,11 2015 6797 01,02,03,04,05,06,08,09,10, 11,12 7 2016 2004 01,02,03,04,05,06,07 08,09,10,11,12 Hồng Kông Hồng Kông Hong_Kong_Poly U Thành thị (114.179722,2 2.303333) 2012 2006 01,02,03,04,05,06,07,08,09, 10,11,12 2013 1034 01,02,03,04,05,06,12 07,08,09,10,11 2014 2329 01,02,03,04,06,07,08,10,11, 12 05,09 2015 1477 01,02,03,04,05,06,07,08,09, 10 11,12 2016 113 06,07,09,10 01,02,03,04,05,08,11, 12 Việt Nam Miền nam Bac_Lieu Nông thôn (105.73,9.28) 2012 1053 02,03,04,05,06,07,08,10,11, 12 01,09 2013 1055 01,02,03,04,05,06 07,08,09,10,11,12 2014 1472 02,03,04,05,06,07,08 01,09,10,11,12 12 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu 2015 2281 01,02,03,04,05,06,07,08,09 10,11,12 2016 Miền bắc NGHIA_DO Thành thị (105.79964,21 .04778) 2012 1204 02,03,04,05,06,07,08,09,10, 11,12 1 2013 343 01,02,03,04,05,06 07,08,09,10,11,12 2014 1159 01,02,04,05,06,07,08,09,10, 11,12 3 2015 1134 01,02,03,04,05,06,07,08,09, 12 10,11 2016 1091 01,02,03,04,05,06,07,08,11, 12 09,10 Son_La Nông thôn (103.90534,21 .33213) 2012 204 03,04 01,02,05,06,07,08,09, 10,11,12 2013 428 03,04 01,02,05,06,07,08,09, 10,11,12 2014 2513 03,04,05,06 01,02,07,08,09,10,11, 12 2015 1495 03,04,05,06,07,08,09 01,02,10,11,12 13 Quốc gia Khu vực Tên trạm AERONET Đặc điểm Vị trí (kinh độ, vĩ độ) Năm Số dòng dữ liệu Tháng có dữ liệu Tháng không có dữ liệu 2016 1077 02,03,04,05,06 01,07,08,09,10,11,12 Miền trung NhaTrang Nông thôn (109.205556,1 2.204722) 2012 4380 01,02,03,04,05,06,07,08,09, 10,11,12 2013 2967 01,02,03,04,05,06 07,08,09,10,11,12 2014 3304 02,03,04,05,11,12 01,06,07,08,09,10 2015 2016 14 PHỤ LỤC 2: CÁC TẬP DỮ LIỆU ẢNH MODIS 3 km STT Tên tập dữ liệu Mô tả Geolocation Fields 1 Longitude Kinh độ 2 Latitude Vĩ độ Data Fields 1 MODIS_Band_Lan d Các bước sóng sử dụng trên địa hình đất liền 2 MODIS_Band_Oce an Các bước sóng sử dụng trên đại dương 3 Solution_1_Land Giải thuật sử dụng 4 Solution_2_Land 5 Solution_3_Land 6 Solution_Ocean 7 Solution_Index 8 Scan_Start_Time Thời gian bắt đầu quét qua 9 Solar_Zenith Góc Zenith Mặt Trời 10 Solar_Azimuth Góc Azimuth Mặt Trời 11 Sensor_Zenith Góc Zenith vệ tinh 12 Sensor_Azimuth Góc Azimuth vệ tinh 13 Scattering_Angle Góc tán xạ 14 Glint_Angle Góc lướt 15 Land_Ocean_Quali ty_Flag Cờ chất lượng 0= bad 1 = Marginal 2= Good 3=Very Good 16 Land_sea_Flag Dựa vào MOD03 Landsea mask 0 = Ocean, 1 = Land và Ephemeral water 2 =Coastal 17 Wind_Speed_Ncep _Ocean Tốc độ gió dựa trên việc phân tích NCEP đối với đại dương 18 Optical_Depth_Lan d_And_Ocean AOD tại 550nm trung bình kết hợp đại dương và đất liền với quality flag cho đất liền là 3, cho đại dương là 1,2,3 15 19 Image_Optical_De pth_Land_And_Oc ean AOD tại 550nm kết hợp đại dương và đất liền với quality flag là 0,1,2,3 20 Aerosol_Type_Lan d 1 = Continental, 2 = Moderate Absorption Fine, 3 = Strong Absorption Fine,4 = Weak Absorption Fine, 5 = Dust Coarse 21 Fitting_Error_Land 22 Surface_Reflectanc e_Land Độ phản xạ bề mặt ước tính ở mức 0.47,0.66 và 2.13µm 23 Corrected_Optical_ Depth_Land Lấy AOD ở mức 0.47, 0.55, 0.66 µm 24 Corrected_Optical_ Depth_Land_wav2 p1 Lấy AOD ở 2.13 µm 25 Optical_Depth_Rat io_Small_Land 26 Number_Pixels_Us ed_Land Số điểm ảnh được sử dụng trên đất liền tại 0,47 & 0,66 µm 27 Mean_Reflectance_ Land Hệ số phản xạ trung bình của các điểm ảnh được sử dụng để thu hồi đất tại 0.47, 0.55, 0.65, 0.86, 1.24, 1.63, 2.11 µm 28 STD_Reflectance_ Land Độ lệch chuẩn phản xạ của các điểm ảnh được sử dụng cho đất tại 0,47, 0,55, 0,65, 0,86, 1,24, 1,63, 2,11 µm 29 Mass_Concentratio n_Land 30 Aerosol_Cloud_Fra ction_Land 31 Quality_Assurance _Land Runtime QA flags 32 Solution_Index_Oc ean_Small Chỉ số xác định chế độ từ Look Up Table cho giải pháp 'tốt nhất' 33 Solution_Index_Oc ean_Large Chỉ số xác định chế độ thô từ Look Up Table cho giải pháp 'tốt nhất' 34 Effective_Optical_ Depth_Best_Ocean AOD theo giải pháp "tốt nhất" ở mức 0.47, 0.555, 0.66, 0.86, 1.24, 1.63, 2.13 µm 16 35 Effective_Optical_ Depth_Average_O cean AOD 'trung bình' ở 0.47, 0.55, 0.66, 0.86, 1.24, 1.63, 2.13 µm 36 Optical_Depth_Sm all_Best_Ocean AOD cho fine mode (best solution) ở 0.47, 0.55,0.66,0.86,1.24,1.63,2.13 µm 37 Optical_Depth_Sm all_Average_Ocean AOD cho fine mode (Average solution) ở 0.47, 0.55,0.66,0.86,1.24,1.63,2.13 µm 38 Optical_Depth_Lar ge_Best_Ocean AOD cho large mode ( 'best' solution) ở 0.47, 0.55,0.66,0.86,1.24,1.63,2.13 µm 39 Optical_Depth_Lar ge_Average_Ocean AOD cho large mode ( 'average' solution) ở 0.47, 0.55,0.66,0.86,1.24,1.63,2.13 µm 40 Mass_Concentratio n_Ocean 41 Aerosol_Cloud_Fra ction_Ocean 42 Effective_Radius_ Ocean Effective_Radius ở 0,55 µm đối với giải pháp 'tốt nhất' (1) và 'trung bình' (2) 43 PSML003_Ocean 44 Asymmetry_Factor _Best_Ocean Dung sai Asymmetry_Factor được suy ra cho dung dịch 'tốt nhất' ở 0,47, 0,555,0.66,0.86,1.24,1.63,2,13 um 45 Asymmetry_Factor _Average_Ocean Dung sai Asymmetry_Factor được suy ra cho dung dịch 'trung bình' ở 0,47, 0,555,0.66,0.86,1.24,1.63,2,13 um 46 Backscattering_Rat io_Best_Ocean Dung sai Backscattering_Ratio tính cho giải pháp 'tốt nhất' ở 0,47, 0.55,0.66,0.86,1.24,1.63,2,13 um 47 Backscattering_Rat io_Average_Ocean Dung sai Backscattering_Ratio tính cho giải pháp 'trung bình' ở 0,47, 0.55,0.66,0.86,1.24,1.63,2,13 um 48 Angstrom_Expone nt_1_Ocean Số đo Angstrom được tính cho 0.55 so với 0.86 µm đối với Giải pháp trung bình 49 Angstrom_Expone nt_2_Ocean Số đo Angstrom tính cho 0,86 so với 2,13 µm đối với Giải pháp trung bình 50 Least_Squares_Err or_Ocean 17 51 Optical_Depth_Rat io_Small_Ocean_0. 55µm Phần phân tử của AOD (ở 0,55 µm) được kết hợp bởi fine mode và giải pháp trung bình 52 Optical_Depth_by_ models_ocean AOD (ở 0,55 µm) được phân chia theo mode index (đối với Giải pháp trung bình) 53 Number_Pixels_Us ed_Ocean Số điểm ảnh được sử dụng cho đại dương ở 865 nm 54 Mean_Reflectance_ Ocean Hệ số phản xạ trung bình của các điểm ảnh được sử dụng cho đại dương tại 0.47,0.55,0.65,0.86,1.24,1.63,2.11 µm 55 STD_Reflectance_ Ocean Độ lệch chuẩn phản xạ của các điểm ảnh được sử dụng cho đại dương tại 0.47,0.55,0.65,0.86,1.24,1.63,2.11 µm 56 Quality_Assurance _Ocean Cờ chất lượng thời gian thực 57 Topographic_Altitu de_Land Độ cao địa hình trung bình (tính bằng km) đối với Đất đai 18 PHỤ LỤC 3: CÁC TẬP DỮ LIỆU ẢNH SOL KHÍ VIIRS STT Tên tập dữ liệu Mô tả VIIRS-Aeros-EDR-GEO_All 1 Height Độ cao điểm quan sát 2 Latitude Vị trí địa lý 3 Longitude 4 MidTime 5 QF1_SCAN_VIIRSAEROGEO Cờ chất lượng 6 QF2_VIIRSAEROGEO 7 SCAttitude Cách quan sát 8 SCPosition Vị trí quan sát 9 SCVelocity Tốc độ quán sát 10 SatelliteAzimuthAngle Góc Azimuth vệ tinh 11 SatelliteRange Dải vệ tinh 12 SatelliteZenithAngle Góc Zenith vệ tinh 13 SolarAzimuthAngle Góc Azimuth mặt trời 14 SolarZenithAngle Góc Zenith Mặt trời 15 StartTime thời điểm bắt đầu VIIRS-Aeros-EDR_All 1 AerosolOpticalDepthFactors AOD scale/offset 2 AerosolOpticalDepth_at_1240nm AOD dạng số nguyên theo các bước sóng khác nhau 3 AerosolOpticalDepth_at_1610nm 4 AerosolOpticalDepth_at_2250nm 5 AerosolOpticalDepth_at_412nm 6 AerosolOpticalDepth_at_445nm 7 AerosolOpticalDepth_at_488nm 8 AerosolOpticalDepth_at_550nm 9 AerosolOpticalDepth_at_555nm 10 AerosolOpticalDepth_at_672nm 19 STT Tên tập dữ liệu Mô tả 11 AerosolOpticalDepth_at_746nm 12 AerosolOpticalDepth_at_865nm 13 AngstromExponent Hệ số Angstrom 14 AngstromExponentFactors Hệ số Angstrom scale/offset 15 QF1_VIIRSAEROEDR Cờ chất lượng: 11 = 3 = High 10 = 2 = Medium 01 = 1 =Low 00 = 0 = Not Produced 16 QF2_VIIRSAEROEDR 17 QF3_VIIRSAEROEDR 18 QF4_VIIRSAEROEDR 19 QF5_VIIRSAEROEDR 20 SmallModeFraction SmallModeFraction 20 PHỤ LỤC 4: CÀI ĐẶT VÀ XỬ LÝ DỮ LIỆU 4.1. Download các sản phẩm 4.1.1. Download MOD04_3K và MYD04_3K – sản phẩm sol khí MODIS 3 km Thực hiện tải sản phẩm ảnh vệ tinh MOD04_3K và MYD04_3K từ năm 2012 đến măm 2016 theo các bước như sau: Bước 1: Truy cập địa chỉ https://ladsweb.modaps.eosdis.nasa.gov. Bước 2: Nhấn chọn Find Data. Màn hình chọn Products sẽ hiển thị lên. Chọn MODIS: Aqua hoặc MODIS: Terra trong mục chọn sensor. Chọn collection 6.1, sản phẩm là Aerosol, tích chọn sản phẩm MYD04_3K hoặc MOD04_3K. Bước 3: Chọn thời gian truy vấn dữ liệu. Lưu ý chỉ chọn 1 đến 2 tháng. 21 Bước 4: Chọn toạ độ W: 93°, N: 30°, E: 130°, S: -11.5° là khu vực nghiên cứu bao gồm Đông Nam Á, Hồng Kông và Đài Loan. Bước 5: Thực hiện truy vấn dữ liệu. Các ảnh phù hợp điều kiện truy vấn ở bước 1, 2, 3, 4 sẽ hiển thị trên màn hình. Thực hiện chọn tất cả các ảnh và sang bước cuối cùng. Bước 6: Thực hiện order. Lưu ý cần đăng nhập trước khi thực hiện bước này. Trường hợp chưa đăng nhập, hệ thống sẽ yêu cầu đăng nhập. 22 Nhấn Submit Order để thực hiện hoàn thành đặt hàng. Bước 7: Sau khi hoàn thành, sẽ có thông báo đến email của tài khoản đã đăng nhập trong bước trước. Có thể thực hiện tải ảnh thông qua địa chỉ FTP của hệ thống. 4.1.2. Download GAERO_VAOOO – sản phẩm sol khí VIIRS 6 km Thực hiện tải sản phẩm sol khí VIIRS 6 km theo các bước như sau: Bước 1: Truy cập địa chỉ https://www.class.ngdc.noaa.gov để thực hiện tải sản phẩm 23 Bước 2: Chọn sản phẩm VIIRS_EDR. Bước 3: Chọn thời gian truy vấn dữ liệu. Lưu ý chỉ chọn 1 đến 2 tháng để tránh dữ liệu quá nhiều. Bước 4: Chọn toạ độ W: 93°, N: 30°, E: 130°, S: -11.5° là khu vực nghiên cứu bao gồm Đông Nam Á, Hồng Kông và Đài Loan. Bước 5: Thực hiện truy vấn dữ liệu. Các ảnh phù hợp điều kiện truy vấn ở bước 1, 2, 3, 4 sẽ hiển thị trên màn hình. Thực hiện chọn tất cả các ảnh và sang bước cuối cùng. Bước 6: Thực hiện đặt hàng. Lưu ý cần đăng nhập trước khi thực hiện bước này. Trường hợp chưa đăng nhập, hệ thống sẽ yêu cầu đăng nhập. 4.1.3. Download dữ liệu AERONET Tải dữ liệu sol khí cấp 2.0 theo các bước sau: Bước 1: Truy cập địa chỉ https://aeronet.gsfc.nasa.gov 24 Bước 2: Chọn AEROSOL OPTICAL DEPTH (V2). Màn hình chọn khu vực hiển thị, chọn Asian. Sau đó chọn quốc gia. Bước 3: Chọn trạm thuộc quốc gia đã chọn, sau đó chọn thời gian. Chỉ lấy loại dữ liệu level 2.0. Nhấn “Download” để thực hiện lấy dữ liệu. Bước 4: Nhấn “Accept” để tải dữ liệu về. 25 4.1.4. Download MCD14ML - dữ liệu các điểm cháy của MODIS Thực hiện lấy dữ liệu các điểm cháy của MODIS theo các bước sau: Bước 1: truy cập ftp://fuoco.geog.umd.edu Bước 2: Nhập tên truy cập là: fire và password: burnt Bước 3: Lấy dữ liệu trong thư mục modis/mcd14ml 26 4.2. Các chương trình xử lý 4.2.1. Chương trình xử lý ảnh MODIS 3 km Để thực hiện xử lý ảnh sol khí MODIS 3 km, cần cài đặt môi trường xử lý đáp ứng các yêu cầu như sau:  Về phần cứng: chuẩn bị 1 server với cấu hình ước chừng lớn hơn 4GB RAM và ổ cứng lớn hơn 500GB để thực hiện xử lý và lưu trữ.  Về phần mềm:  Sử dụng hệ điều hành Ubuntu 14.04  Cài đặt PHP, GDAL và các gói kết nối cơ sở dữ liệu PostgreSQL. Mã nguồn chương trình:  index.php  modishandle.php Các hàm xử lý:  index: hàm thực hiện điều hướng xử lý  createImageThumbnail: hàm tạo các ảnh PNG // convert .tif to .png exec("gdal_translate -of PNG -a_nodata '0' " . $folderFilePath . "_convert.tif" . " " . $folderFilePath . "_convert.png"); // create thumbnail from _convert.png exec("gdal_translate -of PNG -outsize 500 450 -a_nodata '0' " . $folderFilePath . "_convert.png" . " " . $folderFilePath . "_thumbnail.png");  writeCornerFile: hàm tạo các tệp ghi tọa độ các góc  checkExistsFile: hàm kiểm tra tồn tại  insertInfoImage: hàm tạo các bản tin và lưu trữ vào cơ sở dữ liệu 27  resampleMODIS: hàm xử lý trích xuất dữ liệu AOD lưu trữ dưới dạng Geotiff và chuyển đổi tập dữ liệu Optical_Depth_Land_And_Ocean sang định dạng Raster và lưu trữ vào cơ sở dữ liệu. $warp = 'gdalwarp -t_srs "+proj=longlat +datum=WGS84" -tps -ot Float32 -wt Float32 -te 93 -11.5 130 30 -tr ' . $resX . " " . $resY . " -r near -srcnodata -9999 - dstnodata -9999 -overwrite -multi " . $prefixDataset . $inputFolderPath . $fileName . $postfixDataset . " " . $folderPath . $outputFile; // 2. RASTER2PGSQL to get the raster $output = shell_exec($exePath . " -a -f rasref -F " . $folderPath . $outputFile . " " . $tableName);  moveFileToFolder: hàm xóa các tệp dữ liệu không cần thiết. Lưu trữ dữ liệu trong bảng:  Org.SatOrgMOD04_3K  Org.SatOrgMYD04_3K  Res. SatResampMOD04_3K  Res. SatResampMYD04_3K 4.2.2. Chương trình xử lý ảnh VIIRS 6 km Đề thực hiện xử lý ảnh VIIRS, cần cài đặt môi trường xử lý đáp ứng các yêu cầu về phần cứng và phần mềm như sau:  Về phần cứng: chuẩn bị nhiều server với cấu hình ước chừng lớn hơn 4GB RAM và ổ cứng lớn hơn 50GB để thực hiện xử lý đồng thời nhiều tiến trình.  Về phần mềm:  Sử dụng hệ điều hành Ubuntu 14.04  Cài đặt Python 2.7, GDAL và các gói psycopy2 để kết nối cơ sở dữ liệu PostgreSQL, pyqt4 cho giao diện. Đối với ảnh sol khí VIIRS 6 km, có nhiều dữ liệu AOD với cờ chất lượng khác nhau. Để đảm bảo dữ liệu đạt chất lượng tốt nhất, cần thực hiện lọc dữ liệu dựa trên các thông số về cờ chất lượng. Cờ chất lượng có 4 giái trị: 11 = 3 = High; 10 = 2 = Medium 01 = 1 =Low; 00 = 0 = Not Produced. Đối với các giá trị có cờ chất lượng khác 3, gán giá trị thành 65535. Gọi “python // rwh5_QF1_High_2.py để chạy chương trình. 28 Mã nguồn:  rwh5_QF1_High_2.py Các hàm chức năng:  qfflag_value: Dữ liệu cờ chất lượng là các số nguyên. Hàm này thực hiện chuyển đổi dữ liệu lưu trữ từ số nguyên sang số nhị phân. Sau đó tách 2 số nhị phân cuối cùng.  startFilterQF: Hàm này thực hiện các việc:  Quét lần lượt các tệp tin .h5 trong thư mục  Chuyển vào thư mục theo năm/ tháng/ tên file/ file /h5  Tìm các giá trị cờ khác ‘11’ và gán giá trị AOD thành 65535  Tạo dataset và lưu lại tệp .h5 Thực hiện:  Thực hiện phân loại toàn bộ ảnh và lọc cờ trước khi tiền xử lý và trích xuất dữ liệu AOD. 29 Sau khi đã phân loại và lọc cờ cho các ảnh sol khí của VIIRS 6km, thực hiện xử lý các ảnh vệ tinh tuần tự từng tệp. Dữ liệu AOD cần trích xuất nằm trong tập dữ liệu AerosolOpticalDepth_at_550nm. Gọi “python //main.py” để chạy chương trình. Mã nguồn:  main.py: Chứa các hàm gọi khi xử lý  constants.py: chứa các tham số cần thiết khi xử lý. Nếu chạy trên giao diện, không cần sửa các tham số của tệp này.  postgres_server.py: Chứa các hàm lưu trữ dữ liệu vào cơ sở dữ liệu PostgreSQL.  resample.py: Chứa các hàm tiền xử lý ảnh  filter_data.py: Chứa các hàm lọc dữ liệu  hdf_factory.py: Chứa các partern mẫu  utilities.py: Chứa các hàm tiện ích Các hàm chức năng main.py:  ProcessingSatelliteImgVinh: hàm xử lý ảnh Các hàm chức năng resample.py:  Hdf5ToRawImageAOT: hàm chuyển đổi dữ liệu dạng hdf5 sang dạng raw 30 command = "gdal_translate -of GTiff HDF5:\"" + h5file + "\"://All_Data/VIIRS- Aeros-EDR_All/AerosolOpticalDepth_at_" + str(band) + "nm " + out  CorrectGCPs: hàm chỉnh lại đúng tọa độ của các GCP  Resample: hàm thực hiện tái tạo mẫu và chuyển đổi sang định dạng Geotiff command = "gdalwarp -t_srs '+proj=longlat +datum=WGS84' -tps -ot Float32 -wt Float32 -te 93 -11.5 130 30 -tr 0.05 -0.05 -r near -srcnodata 0.0 -dstnodata 0.0 - overwrite -multi {0} {1}".format(vrt_fname, resampfname)  ResampleHdf5InDir: xóa các tệp tin tạm Các hàm chức năng postgres_server.py:  Connect: kết nối cơ sở dữ liệu  InsertOrgData: tạo các dòng dữ liệu ảnh gốc  checkExistsFileInDB: kiểm tra xem đã xử lý ảnh chưa  InsertResData: tạo các dòng dữ liệu dạng Raster và lưu vào bảng res. SatResampVIIRS Lưu trữ dữ liệu trong bảng:  Org.SatOrgVIIRSAOT  Res. SatResampVIIRS 4.2.3. Chương trình xử lý dữ liệu AERONET Để thực hiện xử lý dữ liệu AERONET, cần cài đặt môi trường xử lý đáp ứng các yêu cầu như sau:  Về phần cứng: chuẩn bị 1 server với cấu hình ước chừng lớn hơn 4GB RAM và ổ cứng lớn hơn 50GB để thực hiện xử lý và lưu trữ.  Về phần mềm:  Sử dụng hệ điều hành Ubuntu 14.04  Cài đặt PHP, GDAL và các gói kết nối cơ sở dữ liệu PostgreSQL. Mã nguồn chương trình:  aeronet.php Các hàm xử lý: 31  insertData: hàm thực hiện đọc dữ liệu AOD trên tệp tin và lưu trữ vào cơ sở dữ liệu.  getStationId: hàm lấy ID của trạm AERONET Lưu trữ dữ liệu trong bảng:  org.grdaeraot_data 4.2.4. Chương trình xử lý dữ liệu các điểm cháy Để thực hiện xử lý ảnh sol khí MODIS 3 km, cần cài đặt môi trường xử lý đáp ứng các yêu cầu như sau:  Về phần cứng: chuẩn bị 1 server với cấu hình ước chừng lớn hơn 4GB RAM và ổ cứng lớn hơn 50GB để thực hiện xử lý và lưu trữ.  Về phần mềm:  Sử dụng hệ điều hành Ubuntu 14.04  Cài đặt PHP, GDAL và các gói kết nối cơ sở dữ liệu PostgreSQL. Mã nguồn chương trình:  mcd14ml.php Các hàm xử lý:  connect: kết nối cơ sở dữ liệu PostgreSQL  insertData: hàm thực hiện đọc dữ liệu các điểm cháy và lưu vào cơ sở dữ liệu. Lưu trữ dữ liệu trong bảng:  validate.data_fires_asian 32 4.3. Các bảng trong cơ sở dữ liệu Bảng org.SatOrgMOD04_3k Là bảng lưu trữ dữ liệu sol khí MODIS, level 2, độ phân giải 3 km, download từ NASA. Cấu trúc chi tiết: STT Tên trường Kiểu dữ liệu/ Độ rộng Mô tả Primary/Foreign key 1 ID int Mã tự tăng PK 2 FileName Varchar(100) Tên file 3 Path Varchar(100) Đường dẫn vào thư mục chứa ảnh trên máy chủ: /Năm/Tháng/Filename 4 Collection smallint Phiên bản sản phẩm của NASA 5 Corner Polygon Toạ độ bốn góc 6 TypeID int + Ladsweb + ĐHCN 7 AQStime Datetime Thời gian vệ tinh chụp ảnh 8 UpdateTime Datetime Thời gian cập nhật (insert, update) để thống kê 9 isDelete boolean Mặc định là False, nếu người dùng chọn xóa tạm thì sẽ là True (lưu trong thùng rác) Bảng org.SatOrgMYD04_3k Lưu trữ dữ liệu sol khí MODIS, level 2, độ phân giải 3 km, download từ NASA. Chi tiết bảng như: STT Tên trường Kiểu dữ liệu/Độ rộng Mô tả Primary/Foreign key 1 ID int Mã tự tăng PK 2 FileName Varchar(100) Tên file 33 3 Path Varchar(100) Đường dẫn vào thư mục chứa ảnh trên máy chủ: /Năm/Tháng/Filename 4 Collection smallint Phiên bản sản phẩm của NASA 5 Corner Polygon Toạ độ bốn góc 6 TypeID int + Ladsweb + ĐHCN 7 AQStime Datetime Thời gian vệ tinh chụp ảnh 8 UpdateTime Datetime Thời gian cập nhật (insert, update) để thống kê 9 isDelete boolean Mặc định là False, nếu người dùng chọn xóa tạm thì sẽ là True (lưu trong thùng rác) Bảng org.SatOrgVIIRSAOT Lưu trữ dữ liệu sol khí VIIRS, level 2, độ phân giải 6 km, download từ NOAA. Chi tiết bảng như sau: STT Tên trường Kiểu dữ liệu/Độ rộng Mô tả Primary/Foreign key 1 ID int Mã tự tăng PK 2 FileName Varchar(100) Tên file 3 Path Varchar(300) Đường dẫn vào thư mục chứa ảnh trên máy chủ: /Năm/Tháng/Filename 4 Collection smallint Phiên bản sản phẩm của NASA 5 Corner Polygon Toạ độ bốn góc 6 TypeID int + NASA + ĐHCN 7 AQStime Datetime Thời gian vệ tinh chụp ảnh 8 UpdateTim e Datetime Thời gian cập nhật (insert, update) để thống kê 9 isDelete boolean Mặc định là False, nếu người dùng chọn xóa tạm thì sẽ là True (lưu trong thùng rác) 34 Bảng res.SatResampMOD04_3K Lưới toàn quốc 3x3 km STT Tên trường Kiểu dữ liệu/ Độ rộng Mô tả Primary/Foreign key 1 ID bigserial Mã PK 2 FileName Varchar(100) Tên file 3 FilePath Varchar(300) Đường dẫn vào thư mục chứa ảnh trên máy chủ: /Năm/Tháng/Filename 4 RasRef raster Ảnh band AOD 3km 5 GridID int Lưới chiếu sử dụng FK (apom.gridlatlon) 6 Cloudmask raster Mặt nạ mây 7 Projection byte Hệ quy chiếu (1=LatLon: Tham chiếu bảng GridLatLon, 2: UTM: Tham chiếu bảng GridUTM) 8 OrgID integer Tham chiếu đến ảnh gốc FK(org.satorgmod04_3k) 9 AqsTime Datetime Ảnh đã xử lý theo ngày chụp 10 UpdateTime Datetime Thời gian cập nhật (insert, update) để thống kê Bảng res.SatResampMYD04_3K Lưới toàn quốc 3x3 km STT Tên trường Kiểu dữ liệu/ Độ rộng Mô tả Primary/Foreign key 1 ID Bigserial Mã PK 35 STT Tên trường Kiểu dữ liệu/ Độ rộng Mô tả Primary/Foreign key 2 FileName Varchar(100) Tên file 3 FilePath Varchar(300) Đường dẫn vào thư mục chứa ảnh trên máy chủ: /Năm/Tháng/Filename 4 RasRef raster Ảnh band AOD 3x3 km 5 GridID int Lưới chiếu sử dụng FK (apom.gridlatlon) 6 Cloudmask raster 7 Projection byte Hệ quy chiếu (1=LatLon: Tham chiếu bảng GridLatLon, 2: UTM: Tham chiếu bảng GridUTM) 8 OrgID integer Tham chiếu đến ảnh gốc FK(org.satorgmyd0 4_3k) 9 AqsTime Datetime Ảnh đã xử lý theo ngày chụp 10 UpdateTime Datetime Thời gian cập nhật (insert, update) để thống kê Bảng res.SatResampVIIRS Lưới toàn quốc 6x6 km STT Tên trường Kiểu dữ liệu/ Độ rộng Mô tả Primary/Foreign key 1 ID Bigserial Mã PK 2 FileName Varchar(100) Tên file 3 FilePath Varchar(300) Đường dẫn vào thư mục chứa ảnh trên máy chủ: /Năm/Tháng/Filename 36 STT Tên trường Kiểu dữ liệu/ Độ rộng Mô tả Primary/Foreign key 4 RasRef raster Ảnh band AOD 6kmx6km, 550nm 5 GridID int Lưới chiếu sử dụng FK (apom.gridlatlon) 6 Cloudmask raster 7 Projection byte Hệ quy chiếu (1=LatLon: Tham chiếu bảng GridLatLon, 2: UTM: Tham chiếu bảng GridUTM) 8 OrgID integer Tham chiếu đến ảnh gốc FK(tham chiếu đến bảng org.SatOrgVIIRSA OT) 9 AqsTime Datetime Ảnh đã xử lý theo ngày chụp 10 UpdateTime Datetime Thời gian cập nhật (insert, update) để thống kê Bảng org.grdaeraot_data Lưu trữ dữ liệu sol khí đo được tại trạm quan trắc AERONET. Cấu trúc bảng như sau: STT Tên trường Kiểu dữ liệu/Độ rộng Mô tả Primary/Foreign key 1 ID int Mã tự tăng PK, Auto increment 2 StationID int FK / Reference GrdStation(ID) 3 ProcessType double Chất lượng dữ liệu 4 AQStime Datetime Thời gian thu thập dữ liệu 37 STT Tên trường Kiểu dữ liệu/Độ rộng Mô tả Primary/Foreign key 5 Solzen double 6 aod_1020 double 7 aod_1640 double 8 aod_870 double 9 aod_675 double 10 aod_667 double 11 aod_555 double 12 aod_551 double 13 aod_532 double 14 aod_531 double 15 aod_500 double 16 aod_490 double 17 aod_443 double 18 aod_440 double 19 aod_412 double 20 aod_380 double 21 aod_340 double 22 UpdateTime Datetime Thời gian cập nhật (insert, update) để thống kê 23 isDelete boolean Mặc định là False, nếu người dùng chọn xóa tạm thì sẽ là True (lưu trong thùng rác) 24 aod_550 double AOD tại 550nm 38 STT Tên trường Kiểu dữ liệu/Độ rộng Mô tả Primary/Foreign key 25 Angstrom double Thông số Angstrom Bảng org.grdstation STT Tên trường Kiểu dữ liệu/Độ rộng Mô tả Primary/Foreign key 1 site_name character varying (100) 2 longitude double precision 3 latitude double precision 4 elevation double precision 5 country character varying (100) 6 id integer 7 name character varying (200) 8 location geometry 9 type smallint 10 altitude double precision 11 provinceid bigint 12 site_type character varying (100) Bảng validate.data_fires_asian STT Tên trường Kiểu dữ liệu/Độ rộng Mô tả Primary/Foreign key 1 yyyymmdd character varying 50 2 hhmm character varying 50 3 sat character varying 10 4 lat numeric 5 lon numeric 6 t21 double precision 7 t31 double precision 39 8 sample double precision 9 frp double precision 10 conf double precision 11 type smallint 12 country character varying 200 13 location geometry Bảng validate. select_data_final STT Tên trường Kiểu dữ liệu/Độ rộng Mô tả Primary/Foreign key 1 file_name text Yes No 2 table_name character varying 100 3 time_range integer 4 neighbor_pixel integer 5 stationid integer 6 year integer 7 month integer 8 aqstime timestamp without time zone 9 sate_aod numeric 10 aronet_aod numeric 4.4. Chương trình tích hợp dữ liệu Sau khi đã có đầy đủ dữ liệu AOD từ vệ tinh và AOD từ AERONET, thực hiện tích hợp dữ liệu và lưu trữ. Dữ liệu sau khi tích hợp sẽ được kết xuất ra file CSV hoặc lưu vào trong cơ sở dữ liệu. Mã nguồn:  select_data.py Đầu vào:  Dữ liệu AOD từ MODIS và VIIRS trong bảng SatResampMYD04_3k, SatResampMOD04_3K, SatResampVIIRS. 40  Dữ liệu AOD trong bảng org.grdaeraot_data.  Các bán kính tương ứng cho MODIS bao gồm: 3, 6, 9, 12, 15, 18, 21, 24, 27, 30 km.  Các bán kính tương ứng cho VIIRS là 6, 12, 18, 24, 30 km.  Các giá trị thời gian là 15 phút và 30 phút. Các hàm sử dụng:  Corel_Sate_Aeronet: là hàm sử dụng để tìm ra các bản tin tương ứng giữa AOD vệ tinh và AOD trạm quan trắc. Dữ liệu AOD vệ tinh được lấy theo bán kính R quanh trạm. Dữ liệu AOD trạm quan trắc được lấy theo thời gian trước và sau T phút so với thời gian vệ tinh bay qua.  Cách Gọi hàm xử lý như sau: Corel_Sate_Aeronet("C:/result/mod3k_aronet_30m_18km.csv","res.satresampmod04_ 3k",30,6) Lưu trữ kết quả:  Kết quả lưu trong bảng validate. select_data_final.  Hoặc lưu trữ trong tệp .CSV. 41 42 43 44 45 46 47