Giải pháp tích hợp viễn thám và GIS trong giám sát xâm nhập mặn sông Cửu Long

2261(3) 3.2019
Khoa học Tự nhiên
Mở đầu
ĐBSCL là vùng sản xuất nông nghiệp lớn nhất Việt Nam, 
đóng góp quan trọng trong cung cấp lương thực nội tiêu cũng 
như cho xuất khẩu. Tuy nhiên, nơi đây đang phải chịu ảnh 
hưởng của biến đổi khí hậu, nước biển dâng và tác động tiêu 
cực từ các công trình ngăn nước ở thượng nguồn. Hệ thống 
sông Cửu Long được tính từ Tân Châu trên sông Tiền và 
Châu Đốc trên sông Hậu chảy ra biển qua 9 cửa sông: Tiểu, 
Đại, Ba Lai, Hàm Luông, Cổ Chiên, Cung Hầu, Định An, 
Trần Đề và Bát Thát. Chế độ thủy văn của sông Cửu Long 
bị chi phối đáng kể bởi thủy triều ở biển Đông và sự suy 
giảm lưu lượng nước từ thượng nguồn. Theo số liệu của các 
trạm quan trắc cho thấy, vào mùa khô, xâm nhập mặn từ các 
cửa sông thường diễn ra và tiến sâu vào đất liền với diễn biến 
phức tạp theo thời gian. Hiện nay, số lượng trạm không đủ để 
xác định mức độ ảnh hưởng trên toàn vùng và phương pháp 
quan trắc truyền thống thường tốn kém, nhưng vẫn không cung 
cấp đủ thông tin kịp thời cho các hệ thống cảnh báo sớm [1]. 
Để khắc phục vấn đề này, nhiều nghiên cứu đã ứng dụng thành 
công việc kết hợp ảnh viễn thám với số liệu quan trắc truyền 
thống trong công tác giám sát xâm nhập mặn [2, 3]. 
Bài báo nhằm giới thiệu giải pháp sử dụng ảnh vệ tinh 
Landsat kết hợp với số liệu của 11 trạm quan trắc để giám sát 
và thành lập bản đồ xâm nhập mặn dựa trên kỹ thuật phân tích 
không gian của GIS (hình 1). 
Hình 1. Vị trí khu vực nghiên cứu và các trạm quan trắc vùng 
ĐBSCL.
Phương pháp thực hiện
Dữ liệu mặt đất
Để giám sát xâm nhập mặn trên các con sông và kênh rạch 
chính thuộc sông Cửu Long, dữ liệu đo mặn của 11 trạm quan 
trắc phân bố tại các cửa sông và dọc các sông do Đài Khí tượng 
Thủy văn khu vực Nam Bộ cung cấp vào năm 2014 được sử 
dụng (hình 2). Các trạm cung cấp dữ liệu độ mặn liên tục trong 
ngày (2 giờ/lần) từ tháng 1 đến tháng 6 trong năm. Dữ liệu được 
tổ chức, lưu trữ và quản lý trong GIS để tạo cơ sở đánh giá xu 
hướng xâm nhập mặn theo không gian và thời gian.
Giải pháp tích hợp viễn thám và GIS 
trong giám sát xâm nhập mặn sông Cửu Long
Lê Văn Trung, Trần Thị Vân, Nguyễn Nguyên Vũ*
Khoa Môi trường và Tài nguyên, Trường Đại học Bách khoa,
Đại học Quốc gia TP Hồ Chí Minh
Ngày nhận bài 2/7/2018; ngày chuyển phản biện 5/7/2018; ngày nhận phản biện 6/8/2018; ngày chấp nhận đăng 10/8/2018 
Tóm tắt:
Giải pháp truyền thống trong giám sát xâm nhập mặn sông Cửu Long đòi hỏi phải lấy mẫu thực địa, nên tốn nhiều thời 
gian và kinh phí. Bài báo giới thiệu giải pháp tích hợp ảnh viễn thám và GIS trong giám sát và thành lập bản đồ chuyên 
đề phân bố độ mặn của nước theo không gian và thời gian. Dữ liệu được sử dụng là ảnh vệ tinh Landsat 8 kết hợp với số 
liệu quan trắc độ mặn của nước được thu thập từ 11 trạm quan trắc. Kết quả phân tích cho thấy sự tương quan cao giữa 
giá trị quan trắc độ mặn của nước và giá trị độ sáng pixel của ảnh thành phần chính thứ nhất. Điều này cho phép áp dụng 
mô hình hồi quy và công cụ phân tích không gian của GIS để phát triển giải pháp giám sát xâm nhập mặn dọc sông Cửu 
Long. Giải pháp đề xuất cho phép hỗ trợ các địa phương trong việc giám sát, phân tích và phân vùng ảnh hưởng xâm 
nhập mặn ở Đồng bằng sông Cửu Long (ĐBSCL).
Từ khóa: GIS, phân tích không gian, viễn thám, xâm nhập mặn.
Chỉ số phân loại: 1.7
*Tác giả liên hệ: Email: nnvu2310@gmail.com
2361(3) 3.2019
Khoa học Tự nhiên
Dữ liệu ảnh Landsat
Ảnh vệ tinh Landsat 8 (độ phân giải không gian 30 m) 
thu nhận vào các ngày: 22/02/2014, 10/3/2014, 26/3/2014, 
27/4/2014 và 13/5/2014 (tại các thời điểm trùng với thời 
gian đo độ mặn của nước). Các ảnh Landsat 8 được tải miễn 
phí từ trang web của Hiệp hội Khảo sát địa chất Hoa Kỳ 
(United States Geological Survey - USGS) với định dạng 
GeoTIFF. Các giá trị của pixel mặt nước trên ảnh Landsat 8 
được tách riêng để xác định sự tương quan với giá trị độ mặn 
tại vị trí tương ứng ngoài thực địa. Kết quả nghiên cứu đặc 
trưng phổ của ảnh Landsat 8 với các thành phần muối ứng 
với các dải bước sóng khác nhau [4, 5] cho thấy, các loại 
muối sodium sulfate, halite, gypsum, calcium carbonate, 
sodium bicarbonate đều phản xạ mạnh (hơn 80%) trong dải 
bước sóng từ 0,4 đến 1,4 μm (từ kênh khả kiến đến cận hồng 
ngoại) (hình 3). Đây là cơ sở khoa học để sử dụng các kênh 
khả kiến (kênh 2, 3, 4) và kênh cận hồng ngoại của ảnh 
Landsat để phát triển mô hình giám sát độ mặn trong nước.
Hình 3. Đường đặc trưng phản xạ phổ của muối tại các bước 
sóng khác nhau.
Xử lý dữ liệu
Ảnh Landsat được nắn chỉnh hình học bằng phương 
pháp Image to Map dựa vào bản đồ địa hình tỷ lệ 1/250.000 
với các điểm đăng ký tọa độ trên ảnh và bản đồ được chọn 
phân bố tại các biên và vùng trung tâm của ảnh (chọn giao 
lộ của đường giao thông) sao cho độ chính xác nắn chỉnh 
hình học ảnh đạt nhỏ hơn 1 pixel.
Để chiết tách mặt nước trong khu vực nghiên cứu, chỉ số 
NDWI (Normalized Difference Water Index) được sử dụng 
và được tính theo công thức:
(Green - NIR)
NDWI = 
(Green + NIR)
 (1)
Trong đó, Green là giá trị độ sáng của kênh 3, NIR là giá 
trị độ sáng của kênh 5 đối với ảnh LandSat. Chỉ số NDWI 
Integrating remote sensing 
and GIS technology in monitoring 
salinity intrusion in Mekong River 
Van Trung Le, Thi Van Tran, Nguyen Vu Nguyen*
1Department of Environment and Resources, 
Ho Chi Minh City University of Technology 
Received 2 July 2018; accepted 10 August 2018
Abstract: 
The traditional method used in monitoring salinity 
intrusion in Mekong River requires in-situ sampling which 
is costly and time consuming. This study introduces a remote 
sensing and GIS technique based solution for monitoring 
and building the thematic maps of the spatial and temporal 
distribution of salinity in water. The used data consisted 
of Landsat 8 images acquired at the same time as the data 
that were collected at 11 salinity measurement stations. The 
analysis results showed a significant correlation between the 
observed salinity data and brightness value of pixel in the 
first principal component image. The suitable regression 
equation was developed to realise the salinity intrusion by 
using Landsat time-series imagery, and the spatial analysis 
tools in GIS were used in developing maps of areas at risk 
for salinity intrusion along the Mekong River. The proposed 
method proved to be effective in monitoring, analysing 
impacts of salinity intrusion in different regions of the 
Mekong River Delta.
Keywords: GIS, remote sensing, salinity intrusion, spatial 
analysis.
Classification number: 1.7
Hình 2. Độ mặn trung bình của nước sông Cửu Long (tại 11 trạm 
quan trắc).
2461(3) 3.2019
Khoa học Tự nhiên
nhằm làm nổi bật khả năng phản xạ của nước trong bước 
sóng Green (0,525-0,600 μm) so với bước sóng hồng ngoại 
NIR (0,845-0,885 μm).
Khảo sát tương quan
Theo đặc trưng phản xạ phổ, độ mặn của nước có sự 
tương quan với các kênh từ khả kiến đến cận hồng ngoại 
(tương ứng với các kênh phổ 1, 2, 3, 4, 5 của ảnh Landsat). 
Kết quả khảo sát tương quan tuyến tính giữa ảnh Landsat 
cùng thời điểm thu nhận với 40 giá trị độ mặn đo thực tế tại 
11 trạm quan trắc như trong bảng 1.
Bảng 1. Hệ số tương quan giữa độ phản xạ phổ với độ mặn.
Hệ số tương quan (r)
Kênh 1 - Coastal Aerosol 0,67790
Kênh 2 - Blue 0,785104
Kênh 3 - Green 0,81233
Kênh 4 - Red 0,82786
Kênh 5 - Near Infrared (NIR) -0,58903
Kết quả cho thấy có sự tương quan cao đối với các kênh 
khả kiến (kênh 2, 3 và 4). Tuy nhiên các kênh này thường 
có những thông tin trùng lắp, nên để chiết tách các thông tin 
chủ yếu dễ nhận biết độ mặn, phương pháp phân tích thành 
phần chính (PCA) được áp dụng (bảng 2).
Bảng 2. Phân tích thành phần chính từ kênh 1 đến kênh 5 của 
ảnh Landsat 8.
Thành phần 
chính
Lượng thông tin 
(%)
Thành phần 
chính
Lượng thông tin 
(%)
PC1 88,60 PC4 0,12
PC2 8,94 PC5 0,03
PC3 2,29
Khảo sát sự tương quan giữa các thành phần chính (từ 
PC1 đến PC5) với giá trị độ mặn thực tế cho thấy: thành 
phần chính đầu tiên PC1 chứa phần lớn lượng thông tin 
(88,6%) cho bởi 5 kênh ảnh Landsat và có sự tương quan 
cao (0,86) với 40 giá trị độ mặn thực tế cho bởi 11 trạm quan 
trắc (bảng 3).
Bảng 3. Hệ số tương quan giữa giá trị pixel trên ảnh thành phần 
chính và độ mặn thực tế.
Hệ số tương quan (r)
PC1 0,86
PC2 0,56
PC3 -0,50
PC4 -0,26
PC5 0,24
Chọn mô hình giám sát xâm nhập mặn từ ảnh Landsat
Để chọn mô hình phù hợp sử dụng ảnh vệ tinh trong 
giám sát xâm nhập mặn, bộ dữ liệu gồm 55 giá trị độ mặn 
quan trắc thực tế tại 11 trạm quan trắc và giá trị phản xạ phổ 
của ảnh Landsat tương ứng với các kênh: 3 (Green), 4 (Red) 
và thành phần chính (PC1) được sử dụng. Trong đó, 30% dữ 
liệu (15 giá trị) được tách thành bộ dữ liệu kiểm tra nhằm 
đánh giá sự phù hợp của các mô hình thông qua việc tính 
toán giá trị sai số bình phương nhỏ nhất (Root Mean Square 
Error - RMSE). Mô hình phù hợp được lựa chọn là mô hình 
có hệ số xác định R2 lớn nhất và RMSE nhỏ nhất. Kết quả 
khảo sát giá trị độ mặn (biến phụ thuộc) và giá trị pixel của 
các kênh ảnh và thành phần chính PC1 là các biến độc lập 
(Digital Number - DN) trên 8 mô hình thực nghiệm (phi 
tuyến và tuyến tính) cho thấy mô hình hồi quy phi tuyến 
được chọn có dạng: 
Độ mặn (g/l) S = a.e b.(DN) (2) 
Trong đó, a và b là các tham số và DN là giá trị độ sáng 
của ảnh tương ứng. Kết quả hồi quy xác định các tham số 
cho kênh 3 (Green), kênh 4 (Red) và thành phần chính PC1 
như trong bảng 4.
Bảng 4. Phương trình tương quan xác định độ mặn (S) với giá trị 
pixel tương ứng các kênh phổ 3 (G), 4 (R) và thành phần chính 
(PC1).
STT Mô hình Hệ số R2 RMSE
1 S = 0,0014.e0,0006.(PC1) 0,82 1,592
2 S = 0,0001.e0,0011.(G) 0,78 2,029
3 S = 0,0131.e0,0007.(R) 0,75 2,073
Kết quả cho thấy, ảnh thành phần chính PC1 có hệ số 
xác định R2 lớn hơn các kênh ảnh khả kiến nên mô hình phù 
hợp nhất được chọn là sử dụng ảnh thành phần chính PC1 
trong giám sát xâm nhập mặn với thuật toán phi tuyến dạng 
Exponential có hệ số xác định bởi: S = 0,0014 e 0,0006.(PC1).
Hình 4 thể hiện biểu đồ tương quan giữa 40 giá trị độ 
mặn quan trắc thực tế và giá trị phản xạ phổ tương ứng của 
ảnh thành phần chính PC1 với sai số bình phương nhỏ nhất 
(RMSE=1,592) và hình 5 thể hiện kết quả đánh giá mô hình 
giám sát xâm nhập mặn trên 15 giá trị độ mặn quan trắc 
thực tế. 
6 
3 S = 0,0131.e0,0007.(R) 
0,75 
2,073 
Kết quả cho thấy, ảnh thành phần chính PC1 có hệ số xác định R2 lớn hơn các 
kênh ảnh khả kiế nên mô ình phù hợp nhất được chọn là sử dụng ảnh thành phần 
chính PC1 tro g giám sát xâm nhập mặn với t uật toán phi tuyến dạng Exponential 
có hệ số xác địn bởi: S = 0,0014 e 0,0006.(PC1). 
Hình 4 thể hiện biểu đồ tương quan giữa 40 giá trị độ mặn quan trắc thực tế 
và giá trị phản xạ phổ tương ứng của ảnh thành phần chính PC1 với sai số bình 
phương nhỏ nhất (RMSE=1,592) và hình 5 thể hiện kết quả đánh giá mô hình giám 
sát xâm nhập mặn trên 15 giá trị độ mặn quan trắc thực tế. 
Hình 4. Tương quan giữa giá trị độ mặn và giá trị phản xạ từ ảnh Landsat. 
Hình 5. Đánh giá kết quả theo số liệu thực tế tại các trạm quan trắc. 
Tạo bản đồ chuyên đề xâm nhập mặn từ ảnh Landsat 
Hình 4. Tương quan giữa giá trị độ mặn và giá trị phản xạ từ 
ảnh Landsat.
2561(3) 3.2019
Khoa học Tự nhiên
Hình 5. Đánh giá kết quả theo số liệu thực tế tại các trạm quan 
trắc.
Tạo bản đồ chuyên đề xâm nhập mặn từ ảnh Landsat
Bản đồ xâm nhập mặn được thành lập dựa trên mô hình 
đề xuất: độ mặn S = 0,0014.e 0,0006.(PC1) cho các ảnh Landsat 
ở các thời điểm thu nhận khác nhau. Trong đó, các giá trị 
DN của pixel ảnh PC1 được chuyển thành giá trị độ mặn 
và được vector hóa bởi phần mềm GIS để thể hiện sự phân 
bố không gian của độ mặn trên các con sông chính và kênh 
rạch thuộc sông Cửu Long. Cấp độ mặn được phân thành 
bốn cấp dựa trên ngưỡng mặn ảnh hưởng đến sinh trưởng 
của cây trồng là 4 g/l, bao gồm: (1) Nhiễm mặn thấp (độ 
mặn <4 g/l); (2) Nhiễm mặn trung bình (4-7 g/l); (3) Nhiễm 
mặn cao (7-10 g/l); (4) Nhiễm mặn rất cao (độ mặn >10 g/l).
Kết quả và thảo luận
Hình 6 thể hiện bản đồ xâm nhập mặn vùng hạ lưu sông 
Cửu Long được thành lập từ ảnh Landsat 8 thu nhận ngày 
22/02/2014. Kết quả cho thấy độ mặn 4 g/l từ các cửa sông Cửa 
Tiểu, Cửa Đại, Cửa Hàm Luông (tỉnh Bến Tre) xâm nhập sâu 
hơn 50 km vào nội đồng.
Xâm nhập mặn vào nội đồng theo các cửa sông lớn có xu 
hướng giảm vào tháng 5. Hình 7 thể hiện mức nhiễm mặn 
trung bình (4 g/l) chỉ còn xấp xỉ 30 km trên bản đồ xâm nhập 
mặn ngày 13/5/2014.
Hình 7. Phân bố độ mặn trên các nhánh chính (ngày 13/5/2014).
Từ cuối tháng 2 đến giữa tháng 5/2014, toàn bộ các tỉnh 
Bến Tre, Trà Vinh đã bị nước mặn xâm nhập. Riêng tại Bến 
Tre, chỉ có huyện Chợ Lách là bị nhiễm mặn thấp, còn các 
huyện ven biển như Bình Đại, Ba Tri, Thạnh Phú đều nằm 
trong ranh mặn có giá trị lớn từ 7 đến hơn 10 g/l.
Phân tích xu hướng xâm nhập mặn theo thời gian từ các 
cửa sông chính của sông Cửu Long vào nội đồng (bảng 5) 
cho thấy giải pháp ứng dụng ảnh vệ tinh Landsat thể hiện 
khá phù hợp (so với 15 giá trị kiểm tra thực tế) sự phân bố 
không gian và xâm nhập mặn theo thời gian.
Bảng 5. Phân tích xâm nhập mặn dọc sông tính từ các cửa sông 
của ĐBSCL.
Cửa sông 22/02/2014 13/5/2014
Cửa Tiểu 52 km 21 km
Cửa Đại 56 km 28 km
Cửa Ba Lai 47 km 25 km
Cửa Hàm Luông 50 km 32 km
Cửa Cổ Chiên 47 km 35 km
Cửa Cung Hầu 48 km 36 km
Cửa Định An 38 km 30 km
Cửa Trần Đề 43 km 19 km
Việc tạo công cụ GIS phân tích trực quan ở nhiều cấp độ 
mặn khác nhau có thể hỗ trợ hiệu quả cho công tác giám sát 
xâm nhập mặn trên toàn bộ mạng lưới sông và kênh rạch 
vùng ĐBSCL. Quy trình thực hiện sẽ tiết kiệm được thời 
gian và chi phí, cũng như tạo thông tin hữu ích cho hệ thống 
cảnh báo sớm (hình 8).
Hình 6. Bản đồ xâm nhập mặn thành lập từ ảnh Landsat (tháng 
2/2014).
2661(3) 3.2019
Khoa học Tự nhiên
9 
Hình 8. Quy trình thành lập bản đồ xâm nhập mặn từ ảnh vệ tinh. 
Kết luận 
Mật độ các trạm quan trắc dọc sông Cửu Long hiện nay chưa đủ để xác định 
cụ thể xâm nhập mặn theo không gian và thời gian (tác động đến từng xã và công 
trình ngăn mặn). Bài báo đề xuất giải pháp phối hợp dữ liệu quan trắc thực tế tại 
các trạm hiện nay với dữ liệu ảnh viễn thám Landsat đa thời gian, nhằm thành lập 
bản đồ và giám sát xâm nhập mặn hiệu quả cho vùng ĐBSCL. Kết quả đạt được có 
thể cung cấp thông tin trực quan cho các nhà khoa học kết hợp mô hình về thủy 
triều và lưu lượng nước từ thượng nguồn để tạo các hệ thống cảnh báo sớm. Ngoài 
ra, giải pháp đề xuất nhằm hỗ trợ nhà quản lý đưa ra giải pháp ứng phó xâm nhập 
mặn phù hợp, phân vùng ảnh hưởng mặn trong các khu vực canh tác nông nghiệp ở 
nội đồng, lập kế hoạch mùa vụ nhằm hạn chế thiệt hại do xâm nhập mặn. 
LỜI CẢM ƠN 
 Nghiên cứu này được tài trợ bởi Chương trình quốc gia về KH&CN phục vụ 
phát triển bền vững vùng Tây Nam Bộ (Chương trình Tây Nam Bộ), thông qua Đề 
tài “Xây dựng hệ thống thông tin địa lý ĐBSCL” mã số KHCN-TNB.ĐT/14-
19/C03. Các tác giả xin trân trọng cảm ơn. 
TÀI LIỆU THAM KHẢO 
[1] Cục Thông tin KH&CN Quốc gia (2016), Xâm nhập mặn tại ĐBSCL: 
nguyên nhân, tác động và các giải pháp ứng phó. 
[2] Mohammad Haji Gholizadeh, Assefa M. Melesse, Lakshmi Reddi 
(2016), “A Comprehensive Review on Water Quality Parameters Estimation Using 
Remote Sensing Techniques”, Sensors, 16(1298), pp.1-43. 
Hình 8. Quy trình thành lập bản đồ xâm nhập mặn từ ảnh vệ 
tinh.
Kết luận
Mật độ các trạm quan trắc dọc sông Cửu Long hiện nay 
chưa đủ để xác định cụ thể xâm nhập mặn theo không gian 
và thời gian (tác động đến từng xã và công trình ngăn mặn). 
Bài báo đề xuất gi i p áp phối hợp dữ liệu quan trắc thực tế 
tại các trạm hiện n y với dữ liệu ản viễn thám Landsat đa 
thời gian, nhằm thành lập bản đồ và giám sát xâm nhập mặn 
hiệu quả cho vùng ĐBSCL. Kết quả đạt được có thể cung 
cấp thông tin trực quan cho các nhà khoa học kết hợp mô 
hình về thủy triều và lưu lượng nước từ thượng nguồn để 
tạo các hệ thống cảnh báo sớm. Ngoài ra, giải pháp đề xuất 
nhằm hỗ trợ nhà quản lý đưa ra giải pháp ứng phó xâm nhập 
mặn phù hợp, phân vùng ảnh hưởng mặn trong các khu vực 
canh tác nông nghiệp ở nội đồng, lập kế hoạch mùa vụ nhằm 
hạn chế thiệt hại do xâm nhập mặn.
LỜI CẢM ƠN 
Nghiên cứu này được tài trợ bởi Chương trình quốc gia 
về KH&CN phục vụ phát triển bền vững vùng Tây Nam Bộ 
(Chương trình Tây Nam Bộ), thông qua Đề tài “Xây dựng 
hệ thống thông tin địa lý ĐBSCL” mã số KHCN-TNB.
ĐT/14-19/C03. Các tác giả xin trân trọng cảm ơn.
TÀI LIỆU THAM KHẢO
[1] Cục Thông tin KH&CN Quốc gia (2016), Xâm nhập mặn tại 
ĐBSCL: nguyên nhân, tác động và các giải pháp ứng phó.
[2] Mohammad Haji Gholizadeh, Assefa M. Melesse, Lakshmi 
Reddi (2016), “A Comprehensive Review on Water Quality 
Parameters Estimation Using Remote Sensing Techniques”, Sensors, 
16(1298), pp.1-43.
[3] S.K. McFeeters (1996), “The use of the Normalized Difference 
Water Index (NDWI) in the delineation of open water features”, 
International Journal of Remote Sensing, 17(7), pp.1425-1432.
[4] A. Akhtar, Kh.H. Shahbaz, Nisar, A.H. Munir, A. Suad (2013), 
“Characterizing soil salinity in irrigated agriculture using a remote 
sensing approach”, Phys. Chem. Earth, pp.1-10.
[5] G.I. Metternicht, J.A. Zinck (2003), “Remote sensing of soil 
salinity: potentials and constraints”, Remote Sensing of Environment, 
85, pp.1-20.