P-GIS

Vệ tinh Tanager-1 giám sát phát thải khí mê tan

noreply@blogger.com (Unknown) — Fri, 11 Oct 2024 15:02:00 +0700

Vệ tinh Tanager-1 được phát triển và triển khai bởi Carbon Mapper Coalition phục vụ phát hiện và theo dõi phát thải khí mê-tan và CO2 ở mức độ chi tiết cần thiết nhằm hỗ trợ các hành động giảm thiểu trực tiếp. Tanager-1 kết hợp công nghệ vũ trụ tiên tiến của Planet và công nghệ vệ tinh nhỏ với thiết kế cảm biến quang phổ hình ảnh hiện đại được phát triển tại Phòng thí nghiệm Động cơ phản lực (JPL) của NASA.

Ngày 10 tháng 10 năm 2024, Carbon Mapper đã công bố những phát hiện đầu tiên về khí mê-tan và carbon dioxide (CO2) từ vệ tinh Tanager-1. Đây là thành quả của nhiều năm nỗ lực từ quan hệ đối tác công tư, được tài trợ bởi hoạt động từ thiện, nhằm cung cấp dữ liệu phát thải trên toàn cầu và có thể thực hiện được ở quy mô địa phương. Những quan sát này là bản xem trước về những gì sắp diễn ra khi Carbon Mapper sẽ tận dụng Tanager-1 để mở rộng quy mô quan sát phát thải ở độ nhạy chưa từng có trên các khu vực rộng lớn. Dữ liệu ở mức độ chi tiết này có thể tăng cường tính minh bạch và hướng dẫn các hành động giảm thiểu khí nhà kính cho trái đát.

Cột mốc này đã đạt được nhanh chóng, chỉ sau hơn một tháng kể từ khi Tanager-1 được phóng vào ngày 16 tháng 8. Đây là vệ tinh đầu tiên trong một loạt vệ tinh đang được phát triển thông qua liên minh do Carbon Mapper dẫn đầu hợp tác với Phòng thí nghiệm Động cơ Phản lực (JPL) của NASA và Planet Labs PBC. Các thành viên liên minh khác bao gồm RMI và Đại học bang Arizona cùng với các nhà tài trợ từ thiện như High Tide Foundation, Grantham Foundation for the Protection of the Environment, Bloomberg Philanthropies, Children’s Investment Fund Foundation và Zegar Family Foundation cùng nhiều tổ chức khác.

Bên trái - luồng khí mê-tan đầu tiên được phát hiện trong khối dữ liệu siêu quang phổ First Light của Tanager-1 (trước đây do Planet Labs phát hành). Bên phải - chi tiết phóng to của luồng khí mê-tan được phát hiện tại một bãi chôn lấp ở Karachi, Pakistan vào ngày 19 tháng 9 năm 2024. Ước tính sơ bộ của Carbon Mapper về tốc độ phát thải là 1.200 kg CH4 /h. Planet Basemap do Planet Labs cung cấp. Phát hiện khí mê-tan đầu tiên này diễn ra trong vòng vài giờ sau khi vệ tinh bay qua - vài ngày sau khi thiết bị của vệ tinh được kích hoạt và quá trình đưa vệ tinh vào vận hành và hiệu chỉnh mới bắt đầu.

Đám mây CO2 được phát hiện từ một nhà máy điện chạy bằng than ở Kendal, Nam Phi vào ngày 19 tháng 9 năm 2024. Ước tính sơ bộ của Carbon Mapper về tốc độ phát thải là 600.000 kg CO2 /h. Bản đồ nền do Planet Labs cung cấp.

Một luồng khí mê-tan được phát hiện tại một mỏ khai thác dầu khí riêng lẻ ở lưu vực Permian, Texas vào ngày 24 tháng 9 năm 2024. Ước tính sơ bộ của Carbon Mapper về tốc độ phát thải là 400 kg CH4/giờ. Bản đồ nền do Planet Labs cung cấp.

Dựa trên các cuộc khảo sát trên không được thực hiện từ năm 2016, các nhà nghiên cứu của Carbon Mapper đã tinh chỉnh các thuật toán và quy trình cần thiết để xác định và định lượng nhanh chóng các nguồn phát thải khí mê-tan và CO2 siêu lớn. Thông qua các cuộc khảo sát thí điểm khu vực này, Carbon Mapper phát hiện ra rằng gần một nửa số sự kiện phát thải siêu lớn (các nguồn phát thải > 100 kg CH4/giờ) được đánh dấu cho các cơ quan và nhà điều hành của tiểu bang trước đây chưa được biết đến và sau khi xác định được thì có thể giảm thiểu được. Những nỗ lực này đã đặt nền tảng cho công việc của Carbon Mapper với các đối tác để chuyển dữ liệu chi tiết này thành hành động giảm thiểu cụ thể.

"Việc phát hiện và định lượng phát hiện khí mê-tan và carbon dioxide nhanh chóng như vậy bằng Tanager-1 là minh chứng cho mối quan hệ đối tác độc đáo mà chúng tôi đã thiết lập. Tôi rất tự hào về kết quả này sau tất cả những nỗ lực của liên minh chúng tôi", Tổng giám đốc điều hành của Carbon Mapper Riley Duren cho biết. “Cột mốc này có thể thực hiện được nhờ sự hỗ trợ của các nhà tài trợ đã đầu tư vào công nghệ vệ tinh, khoa học, nền tảng dữ liệu, chương trình tham gia - và quan trọng nhất là nhóm. Những phát hiện đầu tiên này chỉ là khởi đầu; chúng tôi đang trên đường công bố thường xuyên dữ liệu phát thải chất lượng cao từ Tanager-1 trong tương lai gần”.

“Để đạt được các mục tiêu khí hậu đầy tham vọng, điều quan trọng là hoạt động từ thiện phải dẫn đầu một cách cẩn thận và thực hiện nhanh chóng. Đây chính xác là những gì chúng tôi đã làm với khoản đầu tư của mình vào liên minh Carbon Mapper. Chúng tôi đã có phương pháp trong cách xây dựng chương trình giám sát phát thải để thúc đẩy tính minh bạch và thông tin chi tiết về phát thải có thể hành động được, và chúng tôi đã thực hiện được”, Richard Lawrence, Nhà sáng lập kiêm Chủ tịch điều hành của High Tide Foundation cho biết. “Bây giờ là lúc nhanh chóng mở rộng quy mô đầu tư để đưa dữ liệu này đến đúng người để chúng ta có thể đẩy nhanh các hành động toàn cầu nhằm cắt giảm khí mê-tan và CO2”.

Để dữ liệu này có thể truy cập và hành động được, Carbon Mapper công khai tất cả các phát hiện về khí mê-tan và CO2 của mình để sử dụng phi thương mại trên cổng dữ liệu của mình, một nền tảng web được cập nhật liên tục với các quan sát và dữ liệu phát thải từ các nguồn cảm biến từ xa.

“Giảm ô nhiễm khí mê-tan bắt đầu bằng việc đo lường nó”, Michael R. Bloomberg, Đặc phái viên của Tổng thư ký Liên hợp quốc về Tham vọng và Giải pháp Khí hậu và Nhà sáng lập của Bloomberg L.P. và Bloomberg Philanthropies cho biết. “Dữ liệu từ vệ tinh Tanager-1 cung cấp cho chúng tôi dữ liệu thời gian thực cần thiết để xác định rò rỉ khí mê-tan tại nguồn và làm sạch chúng. Công nghệ mới này rất quan trọng để hạn chế khí thải từ một trong những tác nhân lớn nhất gây ra biến đổi khí hậu”.

Dữ liệu phát thải từ Carbon Mapper cùng với dữ liệu từ các chương trình giám sát khác sẽ rất quan trọng để giúp các chính phủ thực hiện Cam kết Khí mê-tan Toàn cầu, một thỏa thuận chưa từng có do Hoa Kỳ và Liên minh Châu Âu dẫn đầu nhằm giảm 30% lượng khí thải mê-tan toàn cầu vào năm 2030. Thỏa thuận này cũng có thể mang tính chuyển đổi trong các lĩnh vực phát thải chính như năng lượng, chất thải và nông nghiệp, trao quyền cho các công ty xác định và xác minh việc giảm phát thải trên toàn bộ chuỗi cung ứng của họ và thực hiện các cam kết đã nêu như Hiến chương Giảm phát thải Carbon Dầu khí.

Tanager-1 hiện đang được Planet và Carbon Mapper đưa vào vận hành, bao gồm thực hiện hiệu chuẩn và xác thực các hệ thống và nền tảng dữ liệu quan trọng, ngoài các hoạt động điều khiển tàu vũ trụ thường lệ khác. Sau khi hoàn tất quá trình đưa vào vận hành trong những tháng tới, Carbon Mapper sẽ tiếp tục mở rộng quy mô quan sát và cung cấp dữ liệu về khí mê-tan và CO2 thường xuyên để giúp những người ra quyết định lấp đầy khoảng trống trong hiểu biết của họ về các nguồn phát thải chính xác và trao quyền cho hành động giảm thiểu tại nguồn.

Nguồn: Planet

GIS đã được ứng dụng trong phòng chống sốt rét, sốt xuất huyết như thế nào?

noreply@blogger.com (Unknown) — Thu, 7 Mar 2024 09:48:00 +0700

GIS: thông tin tốt hơn cho ngành Y tế Cộng đồng

Ngay khi tập đoàn sản xuất vac – xin Chiron thông báo rằng không đủ liều vacxin cung cấp cho mùa dịch 2004 – 2005, Hệ thống dịch vụ sức khoẻ nhân loại (HHSS) Nebraska đã nhanh chóng nhận định hai việc cấp bách hiện nay là cung cấp vac-xin và xác định số lượng vac-xin cần thiết cho các quận trong bang. Khi nhận định này được đưa ra, HHSS đã phát triển một phương pháp hiệu quả trong việc cung cấp vac-xin khan hiếm.

Các cơ quan GIS nhanh chóng vào cuộc đưa những thông tinđánh giá tình hình và các nỗ lực ứng phó. Hàng tuần, các thông tin thống kê vac-xin cúm được cập nhật lên cấp Bang, giúp định rõ nơi cung cấp và đảm bảo mọi người dân trong danh sách ưu tiên được cấp đầy đủ vac – xin. Với vai trò ban đầu là nghiên cứu dịch tễ học, GIS giờ đây đã được dùng trong ngành y tế cộng đồng một cách rộng rãi cả về số lượng tổ chức sử dụng lẫn các dạng ứng dụng.

Từ việc phát hiện, ứng phó với việc bùng phát dịch bệnh truyền nhiễm cho đến việc cung cấp dịch vụ nhằm đảm bảo an toàn cho cấp nước và lương thực, khả năng tích hợp và phân tích dữ liệu của GIS sẽ không chỉ đơn thuần cung cấp dữ liệu mà còn cung cấp cách tiếp cận và quản lý thông tin tốt hơn.
Dịch bệnh bùng phát có liên quan chặt chẽ với môi trường tự nhiên và kinh tế xã hội. Ví dụ, trong khu vực mà việc cấp nước thiếu thốn thì bệnh dịch tả là vấn đề thường xuyên. Bệnh sốt rét xảy ra điển hình ở vùng thuận lợi cho sự sinh sôi của muỗi.

Viện ung thư quốc gia Mỹ (NCI) đã phát triển lượng lớn các ứng dụng GIS cơ bản trong việc tìm hiểu mô hình địa lý về tỷ lệ ung thư, theo dõi phát hiện và các tác động tới cộng đồng, đánh giá thực trạng môi trường, mô hình hoá sự lây lan và tỷ lệ sống sót của căn bệnh ung thư, xác định sự khác biệt về y tế, liên kết với cộng đồng và các chuyên viên nghiên cứu khác.

GIS có ý nghĩa quan trọng trong việc phát hiện, quản lý và ứng phó với sự bùng phát dịch bệnh. Trong một thế giới liên tục chuyển động như ngày nay, dịch bệnh có thể đi xa hơn và nhanh hơn trước kia. Từ một trường hợp đầu tiên phát hiện năm 1981, căn bệnh HIV/AIDS đã nhanh chóng lan khắp toàn cầu và là nguyên nhân của hơn 20 triệu cái chết.

GIS đang giúp cho việc quản lý điều trị cho các bệnh nhân nhiễm virut HIV ở Châu Phi. Dự án CellLife ở Nam Phi đã tích hợp GIS với các công nghệ khác nhằm tập hợp thông tin về việc phân phát thuốc một cách tốt hơn. Dự án này kết hợp với việc ứng dụng Cell phone, dữ liệu trên Internet, dữ liệu về HIV/AIDS và công nghệ GIS nhằm giúp các nhân viên y tế có thể nắm bắt cụ thể rõ ràng việc cung cấp thuốc cho từng người nhiễm HIV.

Mối đe doạ đối với ngành Y tế cộng đồng không chỉ là sự bùng phát trực tiếp của dịch bệnh mà còn là sự bùng phát gián tiếp qua quá trình cung cấp thức ăn. Sự bùng phát này có thể xảy ra từ nguyên nhân chủ quan lẫn hiện tượng tự nhiên. Bộ Nông nghiệp Mỹ đang triển khai một chương trình theo dõi động vật, tập trung trước hết vào vật nuôi. Chương trình này sử dụng GIS và các công nghệ thông tin khác nhằm xác định những ảnh hưởng và đặc tính của con vật trong 48 tiếng và xác định được con vật nhiễm bệnh. GIS đã chứng tỏ được giá trị của mình không chỉ trong việc quản lý sự bùng phát dịch bệnh mà còn trong việc quản lý các chương trình phòng chống và đo đếm được hiệu quả.

Giá trị của GIS trong ngành Y tế cộng đồng đã được thừa nhận rộng rãi. Mới đây, một hội nghị có sự tham gia của các lãnh đạo và các chuyên viên chăm sóc y tế từ Châu Phi, Châu Âu và Trung Đông đã được tổ chức bởi ESRI, HP, SAP, và Microsoft: "Viện chăm sóc Y tế - Dịch vụ chăm sóc y tế tối ưu và kiểm soát quỹ y tế" tập trung vào việc sử dụng GIS để đáp ứng các nhu cầu ngày càng cao của hệ thống chăm sóc y tế. Hội nghị được tổ chức vào 16 -17 tháng 3 năm 2005 tại Viên - Áo đã nêu lên sự kết hơp chặt chẽ giữa công nghệ GIS với nguồn dữ liệu và kế hoạch của các cơ quan.

GIS đã được ứng dụng trong phòng chống sốt rét, sốt xuất huyết như thế nào?

Cho đến nay trên thế giới đã có hàng loạt ứng dụng GIS và công nghệ viễn thám trong phòng chống các bệnh truyền nhiễm, bệnh xã hộinói chung và sốt rét, sốt xuất huyết nói riêng. Điển hình là các nghiên cứu của các tác giả như: Kaya. S với Ứng dụng công nghệ viễn thám xác định các yếu tố môi trường liên quan đến nguy cơ mắc sốt rét tại Kennya (The use of remote sensing for identifying Enviromental Factors Associated with Malaria Risk in Kenya), 2002.Tác giả Alharthy (2007). Vai trò của GIS trong chiến lược quản lý phòng chống sốt xuất huyết tại Jeddah, Ả Rập Saudi (Role of GIS in Dengue Control Management Strategy at Jeddah Municipality, Saudi Arabia). Tác giả Srivastava với Ứng dụng GIS trong dự báo sự phân bố véc-tơ sốt rét tại Ấn Độ, 1998 (Application of GIS to predict distribution of malaria vectors in India)… và nhiều công trình nghiên cứu khác (xem tài liệu tham khảo).

Số lượng BNSR 11 tháng 2010 của MT-TN hiển thị theo mức độ đậm nhạt

Tại Trung Quốc, tại Khóa đào tạo phòng các chống bệnh ký sinh trùng cho các nước đang phát triển tại Thượng Hải tháng 11/2009 (Training course on parasitic diseases for developing countries in Shanghai, China), đã công bố những kết quả liên quan đến ứng dụng GIS trong phòng chống bệnh Schistosomiasis. Gần đây, tại Hội thảo Công nghệ mới trong chiến lược loại trừ sốt rét khu vực sông Mê-Kông (Workshop on malaria elimination strategy and new technology in mekong region) diễn ra tháng 10/2010 tại thành phố Wuxi đã khẳng định việc ứng dụng GIS là một trong những công nghệ mới ưu tiên nằm trong chiến lược loại trừ sốt rét ở Trung Quốc trong những năm tới.

Ở Việt Nam, cho đến nay chỉ có vài nghiên cứu ứng dụng của GIS được công bố, điển hình là công trình “Ứng dụng công nghệ Viễn thám và GIS trong dự báo nguy cơ sốt rét tại huyện Hàm Thuận Nam, tỉnh Bình Thuận, 2002” của tác giả GS Nguyễn Ngọc Thạch và ThS. Nguyễn Thị Hồng Nhung (Khoa Địa lý, Trường Đại học Khoa học tư nhiên Hà Nội).

Sử dụng GIS trong so sánh phân bố sốt xuất huyết 2003 và 2007 của các nước Đông Nam á

Nguồn: Báo cáo của WHO SEARO

Theo PGS.TS. Lê Xuân Hùng – Phó Viện trưởng Viện Sốt rét-KST-CT Trung ương, trong phòng chống bệnh sốt rét ở nước ta, đã có một số nghiên cứu ứng dụng GIS để theo dõi, giám sát diễn biến dịch tễ và dự báo nguy cơ xảy dịch. Kết quả của các nghiên cứu cho thấy các yếu tố tự nhiên, môi trường... có liên quan chặt chẽ đến lan truyền bệnh sốt rét. Tư liệu viễn thám, các phương pháp xử lý sẽ cung cấp các thông tin quan trọng, khách quan như chỉ số thảm thực vật (NDVI), sự thay đổi của chỉ số này đi cùng với các chỉ số khác như địa lý, khí hậu, lượng mưa và cũng cho chúng ta biết được sự phân bố, vị trí của các ca bệnh trên bản đồ địa lý. GIS là công cụ hữu hiệu để xác định các yếu tố tự nhiên, môi trường, xã hội nói trên, làm cơ sở cho xây dựng bản đồ nguy cơ sốt rét, xây dựng hệ thống giám sát và dự báo dịch sớm, từ đó có biện pháp phòng chống hiệu quả. Đưa công nghệ GIS vào nghiên cứu các yếu tố ảnh hưởng đến sự phân bố và mức độ lưu hành của bệnh sốt rét trong chương trình phòng chống sốt rét ở Việt Nam hiện nay là một vấn đề thực tiễn và cần thiết, giúp cán bộ y tế dự báo, giám sát tình hình bệnh, từ đó có biện pháp ngăn chặn nguy cơ xảy dịch, bảo vệ sức khỏe cho cộng đồng.
Khó khăn trong ứng dụng công nghệ hiện nay đối với ngành y tế nói chung và phòng chống sốt rét nói riêng là việc sử dụng các số liệu cơ bản về địa lý (thôn bản, cơ sở y tế...), thiếu cán bộ sử dụng thành thạo thông tin địa lý. Thiếu phương tiện như máy tính và nghèo thông tin... Đầu tư cho GIS tốn nhiều thời gian, công sức và cả nguồn kinh phí (đặc biệt là dữ liệu ảnh vệ tinh). Mặt khác hầu hết các phần mềm GIS còn phức tạp và cồng kềnh, đòi hỏi cán bộ thực hiện công việc này phải được được đào tạo, tập huấn và có kiến thức nhất định về tin học.

Phòng chống sốt rét phải có những phương pháp tiếp cận mới trong hệ thống thông tin nhằm phát hiện và dự báo những diễn biến bất thường của bệnh. Hệ thống giám sát dịch tễ và dự báo dịch sớm dựa vào màng lưới hệ thống y tế, cơ sở dữ liệu đa ngành hiện tại tuy đã có nhiều hiệu quả, song vẫn chưa đáp ứng được yêu cầu giám sát dịch bệnh, đặc biệt là hiện nay những thách thức lớn mà chúng ta đang phải đối mặt như giao lưu dân số, ô nhiễm môi trường, phá rừng, thiên tai... chiếm một không gian địa lý quan trọng. Để có được kết quả tốt hơn, hiện nay công nghệ viễn thám (remote sensing) với những hình ảnh vệ tinh và hệ thông tin địa lý GIS đang dần được ứng dụng để giám sát các bệnh truyền nhiễm, trong đó có sốt rét.

Sự phân bố ca TVSR 11 tháng 2010 của MT-TN

Thay cho lời kết

Việc ứng dụng công nghệ GIS và viễn thám trong phòng chống, dự báo bệnh tật nói chung cũng như sốt rét, sốt xuất huyết, bệnh ký sinh trùng và véc-tơ truyền nói riêng ở Việt Nam, đặc biệt là khu vực miền Trung – Tây Nguyên thực sự rất cần thiết trong thời gian tới. Để thực hiện được lĩnh vực này cần có sự quan tâm của Bộ Y tế (Cục Y tế dự phòng, Cục Môi trường, Vụ Khoa học và Đào tạo), Chương trình Quốc gia PCSR, Lãnh đạo, Hội đồng Khoa học – Công nghệ của 3 Viện Sốt rét-KST-CT và sự hỗ trợ từ các Viện địa lý và Viện Công nghệ thông tin Quốc gia.

Qua bài viết này, tác giả rất mong muốn các ý kiến đóng góp, thảo luận, chia sẽ thông tin, hợp tác về lĩnh vực GIS/ArView/HealthMapper trong PCSR, sốt xuất huyết, bệnh ký sinh trùng và côn trùng truyền bệnh của các chuyên gia, đồng nghiệp trong khu vực miền Trung – Tây Nguyên.

Một số địa chỉ tải dữ liệu thời tiết miễn phí

noreply@blogger.com (Unknown) — Thu, 7 Mar 2024 09:47:00 +0700

Trang web của Trung tâm nghiên cứu Hệ thống trái đất thuộc NOAA cung cấp các đường link cho phép người dùng có thể truy xuất dữ liệu thời tiết từ nhiều nguồn khác nhau.

Bên cạnh đó, người dùng có thể tải ảnh vệ tinh miễn phí và nhiều dữ liệu khác khi truy cập vào trang này.

http://www.esrl.noaa.gov/psd/data/othersources/

Rất nhiều dữ liệu dạng grid và vector cập nhật liên tục về tình hình khí tượng thủy văn trên toàn cầu được lưu trữ trên các máy chủ của NOAA và chúng hoàn toàn miễn phí.

5 xu hướng mới nổi trong năm 2023 từ công nghệ định vị giám sát

noreply@blogger.com (Unknown) — Thu, 19 Jan 2023 10:05:00 +0700

Trong thập kỷ qua, các công nghệ định vị không gian đã thay đổi cách thức hoạt động của các doanh nghiệp cũng như tiến hành phục vụ nhiều khách hàng trong nhiều lĩnh vực khác nhau. Với các giải pháp sáng tạo như ma trận khoảng cách và API tối ưu hóa tìm đường, các doanh nghiệp đã tăng cường tận dụng các công nghệ dựa trên vị trí để hợp lý hóa và cải thiện hoạt động hậu cần và chặng cuối của họ.

Theo một công ty nghiên cứu thị trường hàng đầu, ngành công nghiệp định vị thông minh và phân tích dữ liệu dựa trên vị trí dự kiến sẽ tăng từ 15,7 tỷ đô la vào năm 2021 lên khoảng 30 tỷ đô la vào năm 2026. Điều này tương đương với mức tăng ấn tượng 90% về giá trị của các dịch vụ dựa trên vị trí so với cùng kỳ năm ngoái, làm nổi bật rõ ràng tiềm năng của những công nghệ này.

Các công nghệ định vị sẽ tiếp tục được áp dụng rộng rãi và khi bước sang năm 2023, chúng ta sẽ xem xét các xu hướng mới nổi hàng đầu thúc đẩy các giải pháp không gian địa lý cho doanh nghiệp cũng như các cơ quan quản lý.

Các lĩnh vực có thể phát triển cho công nghệ và phân tích dựa trên vị trí là gì?

Hãy cùng tìm hiểu và khám phá năm xu hướng mới trong giám sát và định vị sẵn sàng thay đổi cách chúng ta làm việc và sinh sống:

1. Tăng cường tập trung vào thành phố thông minh và quy hoạch đô thị

Các thành phố thông minh yêu cầu nguồn cấp dữ liệu không gian địa lý liên tục để hoạt động hiệu quả. Với nhiều thành phố thông minh hơn đang được lên kế hoạch phát triển trên toàn cầu, phạm vi sử dụng các công nghệ dựa trên vị trí để cải thiện hiệu quả, bảo mật và khả năng đáp ứng là rất cao và tiềm năng này dự kiến sẽ tăng lên trong tương lai gần.

Các ứng dụng cho các công nghệ và dịch vụ dựa trên vị trí là rất lớn. Các cơ quan chủ quản có thể tận dụng chúng để:

- Cải thiện giao thông vận tải và hậu cần bằng cách tối ưu hóa các tuyến đường và giảm tắc nghẽn giao thông.

- Cải thiện an ninh xã hội thông qua việc sử dụng các cảm biến và hệ thống giám sát có thể cảnh báo chính quyền về bất kỳ mối đe dọa hoặc sự cố tiềm ẩn nào.

- Cải thiện các dịch vụ công bằng cách cung cấp thông tin theo thời gian thực và cho phép phân bổ nguồn lực hiệu quả cho các dịch vụ công như quản lý chất thải và ứng phó khẩn cấp.

- Cải thiện tính bền vững bằng cách đối chiếu và phân tích dữ liệu về tác động môi trường của các hoạt động của thành phố như phân phối và quản lý năng lượng, giao thông đường bộ, v.v.

2. Thêm nhiều ứng dụng của bản đồ lập thể (3D mapping)

Những tiến bộ trong công nghệ mô hình hóa và quét 3D đã giúp phát triển các bản đồ không gian 3 chiều có độ chính xác cao và chi tiết. Có nhiều ứng dụng tiềm năng cho lập bản đồ 3D, bao gồm điều hướng, chuyến tham quan ảo, phân tích không gian địa lý, quy hoạch đô thị, trò chơi nhập vai và trải nghiệm thực tế tăng cường/thực tế ảo, thậm chí hướng dẫn các nỗ lực cứu hộ và tái thiết khi đối mặt với thảm họa thiên nhiên.

Bản đồ 3D cũng được kỳ vọng sẽ thúc đẩy phân tích không gian địa lý của các thành phố đô thị bằng cách trực quan hóa và phân tích chính xác các dữ liệu như mật độ dân số, mô hình sử dụng đất và điều kiện môi trường. Đối với các mục đích quy hoạch đô thị và thành phố thông minh, bản đồ 3D có thể được sử dụng để mô hình hóa và mô phỏng tác động của các dự án phát triển được đề xuất đối với môi trường sống.

3. Sự nổi lên của dữ liệu cộng đồng

Hầu hết các nhà cung cấp bản đồ đã bắt đầu dựa vào dữ liệu có nguồn gốc từ cộng đồng như nội dung do người dùng khởi tạo và cập nhật theo thời gian thực để cải thiện độ chính xác và mức độ liên quan của bản đồ của họ.

Dữ liệu cộng đồng đề cập đến thông tin được thu thập và đóng góp bởi một số lượng lớn các cá nhân chứ không phải là một tổ chức hoặc công ty đơn lẻ. Trong ngữ cảnh của các nhà cung cấp dịch vụ bản đồ và không gian địa lý, dữ liệu được cung cấp bởi đám đông có thể bao gồm nội dung do người dùng tạo, chẳng hạn như ảnh, bài đánh giá và xếp hạng của các địa điểm và doanh nghiệp, cũng như các cập nhật theo thời gian thực về giao thông, xây dựng và các sự kiện khác có thể tác động đến điều hướng và du lịch.

Các nhà cung cấp bản đồ thường sử dụng dữ liệu được cung cấp bởi cộng đồng để bổ sung và làm phong phú bản đồ của họ, vì dữ liệu này có thể cung cấp thông tin và thông tin chuyên sâu có giá trị, cập nhật và phù hợp hơn so với những gì có sẵn thông qua các nguồn truyền thống. Ví dụ: nhà cung cấp bản đồ có thể sử dụng dữ liệu có nguồn gốc từ cộng đồng để thêm các điểm yêu thích mới, chẳng hạn như nhà hàng và điểm du lịch hoặc để cập nhật giờ hoạt động hoặc thông tin liên hệ cho danh sách hiện có.

Tuy nhiên, điều quan trọng cần lưu ý là dữ liệu được cung cấp bởi cộng đồng có thể khó xác minh hơn và có thể không phải lúc nào cũng chính xác. Các nhà cung cấp bản đồ thường có sẵn các quy trình để xem xét và xác thực dữ liệu được cung cấp bởi cộng đồng trước khi đưa dữ liệu đó vào bản đồ của họ, nhưng điều quan trọng cần lưu ý là loại dữ liệu này có thể không phải lúc nào cũng đáng tin cậy.

4. Tăng cường tích hợp với các công nghệ mới nổi như IoT và AR/VR

Sự phổ biến của các thiết bị cầm tay và Internet vạn vật (Internet of Things - IoT) đã tạo ra một lượng lớn dữ liệu có thể được sử dụng để nâng cao độ chính xác và mức độ phù hợp của bản đồ và dịch vụ không gian địa lý. IoT đề cập đến một mạng lưới các thiết bị được kết nối được nhúng các cảm biến và các công nghệ khác cho phép chúng thu thập, truyền và trao đổi dữ liệu. Các nhà cung cấp dịch vụ dựa trên vị trí có thể sử dụng dữ liệu IoT theo nhiều cách khác nhau, bao gồm cải thiện độ chính xác và mức độ phù hợp của các dịch vụ dựa trên vị trí cũng như nâng cao trải nghiệm của khách hàng. Nó cũng có thể được sử dụng để cải thiện hiệu quả của hậu cần bằng cách tối ưu hóa các tuyến đường và giảm mức tiêu thụ nhiên liệu, cải thiện hiệu quả của các dịch vụ công cộng như phân phối năng lượng và hiểu rõ hơn về hành vi của người tiêu dùng và xu hướng thị trường cho các doanh nghiệp.

Chúng ta cũng đang chứng kiến sự phát triển của công nghệ thực tế ảo tăng cường (AR) và thực tế ảo (VR), trong đó các công nghệ dựa trên vị trí (cụ thể hơn là bản đồ 3D) có thể giúp tạo ra trải nghiệm nhập vai ảo.

5. Tăng cường công tác theo dõi quản lý

Với việc ngày càng có nhiều doanh nghiệp dựa vào hậu cần và quản lý chuỗi cung ứng để thực hiện các cam kết với khách hàng, nhu cầu theo dõi và quản dự kiến sẽ tăng trong những năm tới. Các công nghệ không gian địa lý và API bản đồ tùy chỉnh được sử dụng để theo dõi và quản lý các tài sản vật chất, chẳng hạn như phương tiện và thiết bị, cũng như để giám sát và tối ưu hóa việc sử dụng các tài sản này. Điều này có thể đặc biệt hữu ích cho các doanh nghiệp có số lượng lớn tài sản cần quản lý hoặc cần theo dõi vị trí và chuyển động của thiết bị của họ trong thời gian thực.

Vào năm 2023, các nhà cung cấp dịch vụ dựa trên vị trí và không gian địa lý sẽ tập trung vào việc nâng cao khả năng hiển thị của tài sản trong quá trình di chuyển và sử dụng hàng hóa, tăng cường an ninh bằng cách cảnh báo cho các nhóm hậu cần và giao hàng về bất kỳ sự di chuyển hàng hóa trái phép nào, đồng thời nâng cao hiệu quả của hệ thống vận chuyển và hậu cần.

Các công nghệ định vị và giám sát không gian địa lý có thể là những công cụ rất quan trọng đối với các doanh nghiệp cũng như các cơ quan quản lý. Tiềm năng chuyển đổi là rất lớn và các lĩnh vực ứng dụng công nghệ dựa trên vị trí tiếp tục phát triển.

Cuối cùng, hãy quan sát những điều thú vị sắp xảy ra trong năm nay!

Credit: Gaurav Bubna

Một số chỉ số thông dụng tính toán trên ảnh Sentinel và Landsat

noreply@blogger.com (Unknown) — Mon, 13 Sep 2021 12:26:00 +0700

Hiện tại, rất nhiều chỉ số quang phổ có thể tính toán được từ dữ liệu vệ tinh như chỉ số khác biệt thực vật, chỉ số nước, tuyết, đất, lửa, đô thị... Hai vệ tinh phổ biến là Landsat và Sentinel cung cấp cơ hội tuyệt vời cho người dùng trong việc tính toán các chỉ số này.

Bài viết này tổng hợp và trình bày lại một số chỉ số quang phổ thông dụng tính toán trên dữ liệu vệ tinh Sentinel và Landsat. Người dùng có thể ứng dụng các phép phân tích raster (raster calculation) để thực hiện các phép phân tích trên những phần mềm thông dụng như ArcGIS hay QGIS.

Các chỉ số quang phổ chính tính toán từ dữ liệu Sentinel và Landsat

Dưới đây là bộ công thức áp dụng trên các tổ hợp kênh ảnh Landsat 4, 5, 7, 8 và Sentinel MSI.

1. Chỉ số thực vật khác biệt quân bình (NDVI)

Công thức chung: NDVI = (NIR – Red) / (NIR + Red)

NDVI (Landsat 8) = (B5 – B4) / (B5 + B4)
NDVI (Landsat 4 – 7) = (B4 – B3) / (B4 + B3)
NDVI (Sentinel 2) = (B8 – B4) / (B8 + B4)

2. Chỉ số thực vật khác biệt quân bình "xanh" (GNDVI)

Tương tự như NDVI, chỉ số GNDVI được biến đổi một chút để nêu bật hơn nữa tính chất biến thiên của diệp lục trong lá cây. Công thức như sau:

Công thức chung: GNDVI = (NIR-GREEN) /(NIR+GREEN)

GNDVI (Landsat 8) = (B5 – B3) / (B5 + B3)
GNDVI (Landsat 4 – 7) = (B4 – B2) / (B4 + B2)
GNDVI (Sentinel 2) = (B8 – B3) / (B8 + B3)

3. Chỉ số thực vật tăng cường (EVI)

Chỉ số thực vật tăng cường EVI tương tự như NDVI và cũng được sử dụng để đánh giá mức độ tươi tốt của thực vật. Tuy nhiên, EVI đã có sự hiệu chỉnh một số điều kiện của khí quyển và nhiễu trên phần bóng của thực vật để trở nên nhạy cảm hơn với những khu vực có thực vật dày đặc. EVI sử dụng hệ số "L" để hiệu chỉnh phần bóng thực vật, hệ số "C" hiệu chỉnh khí quyển và băng xanh lam (B). Sự hiệu chỉnh này cho phép tăng cường tỷ số giữa hai kênh R và NIR, đồng thời giảm tác động của vùng bóng thực vật và nhiễu khí quyển.

Công thức chung: EVI = G * ((NIR – R) / (NIR + C1 * R – C2 * B + L))

EVI (Landsat 8) = 2.5 * ((B5 – B4) / (B5 + 6 * B4 – 7.5 * B2 + 1))
EVI (Landsat 4 – 7) = 2.5 * ((B4 – B3) / (B4 + 6 * B3 – 7.5 * B1 + 1))
EVI (Sentinel 2) = 2.5 * ((B8 – B4) / (B8 + 6 * B4 – 7.5 * B2 + 1))

4. Chỉ số thực vật nâng cao (AVI)

Chỉ số toán học này, tương tự như NDVI, sử dụng hai kênh phổ là đỏ (R) và cận hồng ngoại (NIR). AVI được ứng dụng trong các nghiên cứu giám sát cây trồng và thảm phủ theo chuỗi thời gian. Nếu sử dụng kết hợp AVI và NDVI, người dùng có thể xác định tốt hơn sự khác biệt giữa các nhóm thực vật hơn việc chỉ sử dụng 1 chỉ số.

Công thức chung: AVI = [NIR * (1-Red) * (NIR-Red)] ^1/3

AVI (Landsat 8) = [B5 * (1 – B4)*(B5 – B4)]^1/3
AVI (Landsat 4 – 7) = [B4 * (1 – B3)*(B4 – B3)]^1/3
AVI (Sentinel 2) = [B8 * (1 – B4)*(B8 – B4)]^1/3

5. Chỉ số thực vật có hiệu chỉnh theo môi trường đất (SAVI)

SAVI giảm bớt ảnh hưởng của môi trường đất phía dưới lớp thực vật trong chỉ số NDVI. Khi tính SAVI từ ảnh vệ tinh Landsat Surface Reflectance, các chuyên gia thêm vào hệ số "L = 0.5" trong phương trình NDVI (sử dụng hai kênh R và NIR) như một hệ số chung cho hầu hết các dạng thảm thực vật. người dùng cũng có thể tùy biên gia giảm "L" đi theo từng hoàn cảnh.

Công thức chung: SAVI = ((NIR – R) / (NIR + R + L)) * (1 + L)

SAVI (Landsat 8) = ((B5 – B4) / (B5+ B4 + 0.5)) * (1.5)
SAVI (Landsat 4 – 7) = ((B4 – B3) / (B4+ B3 + 0.5)) * (1.5)
SAVI (Sentinel 2) = (B08 – B04) / (B08 + B04 + 0.428) * (1.428)

Ở công thức trên, đối với ảnh Landsat, L có giá trị 0.5; còn với Sentinel, L = 0.428.

6. Chỉ số ức chế ẩm độ (MSI)

MSI viết tắt của Moisture Stress Index - chỉ số ức chế ẩm độ, được sử dụng trong các nghiên cứu về ức chế sinh lý của thảm thực vật do thiếu nước. Giá trị của MSI tương quan nghịch với chỉ số thực vật. Điều này đồng nghĩa với việc nếu MSI càng cao thì cây trồng càng khô héo, hay nói cách khác, thiếu nước nghiêm trọng. Miền giá trị của MSI dao động từ 0 đến 3.

Công thức chung: MSI = Mid_IR / NIR

MSI (Landsat 8) = B6 / B5
MSI (Landsat 4 – 7) = B5 / B4
MSI (Sentinel 2) = B11 / B08

7. Chỉ số diệp lục xanh (GCI)

Trong lĩnh vực viễn thám, chỉ số diệp lục xanh được sử dụng nhằm ước tính hàm lượng diệp lục có trong lá thực vật. Hàm lượng diệp lục đại diện cho mức độ sinh trưởng của thực vật. Chỉ số giảm khi thực vật bị ức chế và chính vì vậy GCI được ứng dụng trong theo dõi sức khỏe cây trồng.

Công thức chung: GCI = (NIR) / (Green) – 1

GCI (Landsat 8) = (B5 / B3) -1
GCI (Landsat 4 – 7) = (B4 / B2) -1
GCI (Sentinel 2) = (B9 / B3) -1

8. Chỉ số cháy rừng (NBRI)

Nguyên nhân cháy rừng có thể do con người gây ra hoặc cũng do tự nhiên, nhưng điểm chung là hoạt động này phát thải vào khí quyển một lượng lớn khí nhà kính. Chỉ số NBRI sử dụng hai kênh phổ Near Infrared (cận hồng ngoại) và Short-wave Infrared (hồng ngoại sóng ngắn) là hai kênh có mức độ nhạy cảm cao với sự thay đổi của thảm thực vật để phát hiện những khu vực bị cháy hoặc quá trình phục hồi hệ sinh thái.

Công thức chung: NBR = (NIR – SWIR) / (NIR+ SWIR)

NBRI (Landsat 8) = (B5 – B7) / (B5 + B7)
NBRI (Landsat 4 – 7) = (B4 – B7) / (B4 + B7)
NBRI (Sentinel 2) = (B8 – B12) / (B8 + B12)

9. Chỉ số đất trống (BSI)

Bare Soil Index (BSI) hay chỉ số đất trống, là một chỉ số kết hợp các kênh Blue (xanh lam), Red (đỏ), Near Infrared (cận hồng ngoại) và Short-wave Infrared (hồng ngoại sóng ngắn) để giám sát biến thiên trạng thái đất mặt.

10. Chỉ số nước khác biệt quân bình (NDWI)

NDWI được ứng dụng nhiều trong giám sát nước mặt từ dữ liệu vệ tinh. Chỉ số sử dụng hai kênh phổ là Green (xanh lá cây) và Near Infrared (cận hồng ngoại) của dữ liệu viễn thám.

Công thức chung: NDWI = (NIR – SWIR) / (NIR + SWIR)

NDWI (Landsat 8) = (B3 – B5) / (B3 + B5)
NDWI (Landsat 4 – 7) = (B2 – B4) / (B2 + B4)
NDWI (Sentinel 2) = (B3 – B8) / (B3 + B8)

11. Chỉ số tuyết khác biệt quân bình (NDSI)

Tương tự như NDVI hay NDWI, chỉ số NDSI được ứng dụng trong giám sát tuyết phủ bề mặt. hai kênh Green (xanh) và Short-wave Infrared (hồng ngoại sóng ngắn) được sử dụng trong phép tính toán chỉ số.

Công thức chung: NDSI = (Green-SWIR) / (Green+SWIR)

NDSI (Landsat 8) = (B3 – B6) / (B3 + B6)
NDSI (Landsat 4 – 7) = (B2 – B5) / (B2 + B5)
NDSI (Sentinel 2) = (B3 – B11) / (B3 + B11)

12. Chỉ số băng khác biệt quân bình (NDGI)

Chỉ số NDGI được sử dụng trong giám sát các hồ băng hoặc diện tích băng bao phủ trên bề mặt. Chỉ số sử dụng hia kênh phổ là Red và Green.

Công thức chung: NDGI = (NIR-Green)/(NIR+Green)

NDGI (Landsat 8) = (B3 – B4) / (B3 + B4)
NDGI (Landsat 4 – 7) = (B2 – B3) / (B2 + B3)
NDGI (Sentinel 2) = (B3 – B4) / (B3 + B4)

13. Chỉ số thực vật kháng khí quyển (ARVI)

Chỉ số thực vật khác biệt quân bình NDVI trình bày ở trên có điểm yếu là phụ thuộc rất nhiều vào điều kiện khí quyển. ARVI được ra đời nhằm hạn chế bớt tác động của khí quyển lên giá trị NDVI. Bằng cách sử dụng thêm kênh xanh lam (blue), ARVI được tính toán như sau.

ARVI = (NIR – (2 * Red) + Blue) / (NIR + (2 * Red) + Blue)

14. Chỉ số cấu trúc điểm ảnh không nhạy cảm (SIPI)

Chỉ số cấu trúc điểm ảnh không nhạy cảm được sử dụng trong tính toán biến thiên của tán lá thực vật. Chỉ số tính toán tỷ lệ giữa các vùng lá vàng (úa, khô) và lá xanh (nhiều diệp lục) để ước tính mức độ ức chế của thực vật.

Công thức chung: SIPI = (NIR – Blue) / (NIR – Red)

Nếu phát hiện lỗi trong bài viết, xin vui lòng phản ánh qua phần Comment. Xin cám ơn.

Xử lý dữ liệu ảnh vệ tinh bằng các bộ công cụ và nền tảng mã mở (FREE)

noreply@blogger.com (Unknown) — Thu, 19 Aug 2021 18:05:00 +0700

Ứng dụng viễn thám xoay quanh các lĩnh vực khác nhau như quản lý thiên tai, nghiên cứu khí hậu, phân tích kinh tế, xã hội, địa chất, thiên văn và vật lý... Số lượng vệ tinh giám sát trái đất tính đến thời điểm hiện tại rất đa dạng và phong phú về chủng loại. Các vệ tinh này theo dõi nhiều khu vực khác nhau trên bề mặt trái đất, truyền về trung tâm dữ liệu mặt đất một lượng lớn thông tin hàng ngày. Các nhà khoa học, nghiên cứu và các cơ quan, tổ chức luôn nỗ lực sử dụng những dữ liệu này. Tuy nhiên, phân tích dữ liệu vệ tinh khá phức tạp do lượng dữ liệu rất lớn.

Hiện nay, rất nhiều dữ liệu viễn thám được thu nhận ở các bước sóng khác nhau (kênh phổ) và cung cấp miễn phí cho người dùng. Do đó, số lượng ứng dụng dữ liệu vệ tinh ngày càng tăng trưởng mạnh. Với dữ liệu vệ tinh, người dùng có thể tiến hành các cuộc điều tra trên diện rộng trong thời gian ngắn. Dữ liệu viễn thám được phân tích theo phương pháp truyền thống với nhiều phần mềm phát triển bởi các cơ quan không gian, viện nghiên cứu, công ty tư nhân và các cá nhân trên toàn cầu. Dưới đây là một số phần mềm và công cụ xử lý ảnh vệ tinh:

SNAP - Brockmann Consult, SkyWatch and C-S and ESA (Download)
QGIS - Gary Sherman, currently maintained by volunteer developers (Download)
SAGA GIS - J.Böhner, O.Conrad, R.Köthe and A.Ringeler (Website) (Download)
GRASS - GRASS Development Team (Download)
PolSARPro - The Institute of Electronics and Telecommunications of Rennes (France) and ESA (Download)
Whitebox GAT - John Lindsay and Anthony Francioni (Download)

Viễn thám chủ động và viễn thám thụ động cung cấp thông tin bổ sung cho nhau, lấp đầy các khoảng trống cần thiết, tạo khả năng ứng dụng rộng rãi của dữ liệu viễn thám. Sau đây, chúng ta sẽ thảo luận một số ứng dụng của viễn thám chủ động được áp dụng rộng rãi.

Giám sát dịch chuyển mặt đất

Radar khẩu độ tổng hợp (SAR) là một trong những kỹ thuật giám sát trái đất độ phân giải cao (vài mét) thu nhận từ các cảm biến siêu cao tần phát sóng chủ động. Kỹ thuật giao thoa tín hiệu (InSAR) sử dụng tổ hợp 2 ảnh SAR để giám sát biến dạng mặt đất. Với chuỗi dữ liệu thu nhận liên tục theo thời gian, biến dạng ở mức độ rất nhỏ vài cm/một năm có thể được xác định. Kỹ thuật này thường được gọi là DInSAR (Defferential InSAR).

Thông tin chiết tách từ ảnh vệ tinh sử dụng kỹ thuật DInSAR đóng vai trò quan trọng trong công tác giám sát thiên tai như động đất, hoạt động núi lửa, sạt lở đất và sụt lún. Phân tích giao thoa InSAR chỉ có thể tiến hành với các cặp ảnh "góc đơn phức hợp" (SLC), trong đó các thành phần cường độ và pha được biểu thị dưới dạng số phức cho mỗi pixel. Các giá trị cường độ và pha sau đó có thể được tính toán từ các số phức.

Đồ hình giao thoa được tạo ra từ tính toán sự khác biệt về pha của 2 cặp ảnh SAR tại cùng một vị trí, tương quan với bề mặt địa hình khu vực. Trong kỹ thuật DInSAR, ảnh hưởng của địa hình được loại bỏ bằng mô hình số độ cao (DEM) và các thay đổi về pha đại diện cho sự dịch chuyển mặt đất giữa hai thời điểm giám sát.

Trong một nghiên cứu thí điểm, hai ảnh SLC Sentinel-1 được thu nhận tại khu vực thành phố Mexico City để đánh giá sụt lún trong giai đoạn 6/6/2016- đến 10/9/2026. Hình 1 dưới đây mô tả vị trí thu nhận ảnh. Quy trình xử lý ảnh giao thoa cho ảnh Sentinel-1 bao gồm coregistration, interferogram formation (hiệu chỉnh pha và tạo ảnh tương quan), TOP deburst, lọc pha Goldstein, phase unwrapping (snaphu), phase to displacement, và terrain correction. Chi tiết về quy trình này có thể được tham khảo tại đây (tiếng Anh).

Hình 1. Khu vực nghiên cứu tại Mexico City

Ảnh vệ tinh Sentinel-1 có thể tải tại đây.

Kết quả xử lý DInSAR được minh họa ở Hình 2. Khu vực không có dịch chuyển bề mặt được hiển thị màu trắng; vùng sụt lún màu đỏ và vùng trồi lên màu xanh nước biển. Giám sát các thay đổi ở cấp độ centimet (cm) thực sự là một kết quả ấn tượng với công nghệ viễn thám với vệ tinh bay chụp ở độ cao 690km trên bề mặt trái đất. Thanh tỷ lệ dịch chuyển trên bản đồ đang sử dụng đơn vị mét để mô tả các dịch chuyển. Nếu chuyển đổi sang đơn vị centimet (cm), các dịch chuyển có thể nhìn được dao động từ 4.2 đến 8.1 cm.

Hình 2. Dịch chuyển bề mặt được tính toán bằng phần mềm SNAP.
Khu vực xanh nước biển thể hiện sự trồi lên, màu đỏ thể hiện khu vực lún xuống.

Phát hiện các tuyến đường mới

Kỹ thuật InSAR tương quan cho phép tính toán sự tương đồng giữa các điểm trên 2 ảnh chụp. Với cặp ảnh SAR này (chụp ở 2 thời điểm khác nhau), những thuộc tính như sự thay đổi độ nhám, hằng số điện môi, các dịch chuyển bề mặt được phân tích dựa trên hệ số tương quan này. Một cách tổng quát, miền giá trị của hệ số tương quan biến thiên từ 0 đến 1, biểu diễn thay đổi, với 0 thể hiện sự khác biệt hoàn toàn giữa 2 cảnh ảnh (có sự thay đổi lớn) và 1 thể hiện sự giống nhau hoàn toàn (không có thay đổi). Bề mặt tự nhiên luôn bao hàm dãy giá trị này khi tính toán các ảnh SAR chụp từ vệ tinh với kỹ thuật InSAR.

Hình 3. Ảnh động mô tả (A) Giá trị InSAR coherence; (B) Các đoạn đường giao thông mới; (C) Các đoạn đường được vẽ lại bằng màu vàng và tím.

Hiện nay, ảnh vệ tinh Sentinel-1 được chụp từ 2 vệ tinh Sentinel-1A và Sentinel-1B cho phép rút ngắn thời gian có ảnh tại cùng một khu vực từ 12 ngày xuống còn 6 ngày. Đây là một tư liệu miễn phí và là một trong những ưu điểm rất quan trọng đối với nhiều dự án sử dụng dữ liệu vệ tinh với số lượng lớn. Sentinel-1 còn được ứng dụng rộng rãi trong giám sát mặt nước, đánh giá tác động của ngập lụt và sạt lở đất.

Khá nhiều ứng dụng giám sát ngập lụt đã được nhóm chuyên gia của P-GIS tiến hành trong suốt những năm qua với tư liệu Sentinel-1.

Theo dõi tình hình xuất nhập khẩu hàng hóa các tháng

noreply@blogger.com (Unknown) — Thu, 15 Apr 2021 22:28:00 +0700

Tổng cục Hải Quan phát hành các bản tin hàng tháng trên trang Thống kê Hải quan về tình hình xuất nhập khẩu hàng hóa của Việt Nam theo đường chính ngạch qua cửa khẩu quốc tế. Những dữ liệu này ở dạng bảng số liệu rời rạc nên rất khó tra cứu và tổng hợp thông tin.

Nhóm chuyên gia của AgroInfoServ và PowerGIS phối hợp xây dựng một ứng dụng quản trị thông tin xuất nhập khẩu lấy nguồn dữ liệu của Tổng cục Hải quan. Hệ thống được xây dựng theo dạng bảng tin (dashboard) phục vụ công tác tra cứu và tóm lược thông tin. Hệ thống được liên kết với bản đồ trực tuyến giúp người xem có các thông tin về phạm vi địa lý và dễ dàng so sánh kim ngạch Xuất khẩu - Nhập khẩu.

Nhóm phát triển xin được giới thiệu cùng mọi người về sản phẩm này.

☰ Mở rộng

Thống kê thiệt hại do thiên tai gây ra từ năm 2006 đến nay

noreply@blogger.com (Unknown) — Fri, 9 Apr 2021 18:31:00 +0700

Tổng cục Phòng chống Thiên tai thuộc Bộ Nông nghiệp và Phát triển Nông thôn có công bố hàng năm về thống kê thiệt hại do thiên tai gây ra. Những số liệu này có thể không phản ánh hoàn toàn tình hình thực tế do những khó khăn trong công tác thu thập, tiếp nhận thông tin và điều tra thực địa. Tuy nhiên, bức tranh về các loại hình thiên tai, tác nhân và những đối tượng chịu ảnh hưởng có thể được phác họa nhằm phục vụ công tác lập kế hoạch và ra quyết định của cơ quan chức năng.

Số liệu có thể được tham khảo và tải về từ trang web của Tổng cục Phòng chống Thiên tai theo địa chỉ dưới đây:

http://phongchongthientai.mard.gov.vn/Pages/Thong-ke-thiet-hai.aspx

Với hình thức bảng số liệu, dãy số liệu thống kê về các loại hình thiên tai, thiệt hại và tác nhân được lưu trữ riêng rẽ từng năm, gây khó khăn trong việc theo dõi, tổng hợp và phân tích thông tin. Nhóm chuyên gia của P-GIS đã tải về các bảng số liệu này và thiết kế một hệ thống theo dõi, tổng hợp thông tin trên giao diện đơn giản và thuận tiện hơn cho người dùng.

Hy vọng công cụ này sẽ giúp ích cho các nhà nghiên cứu và các chuyên gia muốn tìm hiểu số liệu về thiên tai ở Việt Nam.

Dãy số liệu được thống kê từ năm 2006 đến 2020.

Ghi chú: Người dùng có thể kết xuất (export) bảng số liệu tập tin Excel để phục vụ mục đích báo cáo và tình bày kết quả.

Ứng dụng trực tuyến thống kê thiệt hại do thiên tai gây ra được nhóm phát triển của P-GIS xây dựng.

☰ Mở rộng

Cách kết xuất dữ liệu được minh họa như trong hình bên dưới.

Cuộc chiến của 5 nền tảng WebGIS "chất" nhất - Phần 1

noreply@blogger.com (Unknown) — Tue, 6 Apr 2021 21:00:00 +0700

Một WebGIS được coi là nền tảng (Platform) sẽ được hiểu là một hệ thống WebGIS hoạt động giống như hạt nhân của các trang web bản đồ trực tuyến (online GIS, WebGIS, online map, web map). Các lập trình viên có thể sử dụng nhân WebGIS này và lập trình bằng nhiều ngôn ngữ khác nhau qua giao tiếp API để xây dựng giao diện của trang web và kết nối với nhân WebGIS nhằm tạo ra một trang web với tính năng bản đồ trực tuyến.

Bằng cách đó, việc xây dựng một trang bản đồ trực tuyến sẽ giống như lập trình giao diện trang web và "nhúng" phần bản đồ lấy từ nền tảng WebGIS mà lập trình viên lựa chọn.

Trong bài viết này, P-GIS sẽ đề cập đến các nền tảng sau:

- ArcGIS,

- Carto,

- Mapbox,

- Mango map, và

- GIS Cloud.

Lý do không đưa Googlemaps vào trong bài viết không phải P-GIS coi nhẹ nền tảng này mà vì Googlemaps chưa thực sự thể hiện một cách đầy đủ các tính năng hoàn thiện của một hệ bản đồ theo đúng nghĩa của nó. Nền tảng nổi tiếng của Google hoạt động giống như một sân chơi giúp các nhà bản đồ đặt dữ liệu của mình lên trên rồi lại phải đi "mượn" một số công cụ khác từ bên ngoài để tô vẽ, trình bày nội dung dữ liệu của mình.

① Đánh giá tổng quan

⮊ ArcGIS Online

ESRI đang nắm giữ một bảo bối trong ngành GIS. Không chỉ là các hệ thống phần mềm GIS trên desktop mà cả hệ thống GIS trực tuyến. Điển hình là ArcGIS online với hàng tá tính năng siêu việt. Hệ thống này vô cùng tiện lợi cho các doanh nghiệp bởi khả năng tích hợp và dễ sử dụng. Tất nhiên, điểm hay nhất nằm ở chỗ bạn không cần phải biết lập trình cũng có thể tạo ra được một trang bản đồ trực tuyến bắt mắt.

⮊ Carto

Bảo bối của Carto chính là khả năng kết hợp Postgress và PostGIS trong dịch vụ WebGIS của nền tảng. Nền tảng cho phép người dùng có thể toàn quyền kiểm soát cơ sở dữ liệu mà không cần phải cài đặt (setup), sao lưu hoặc tiến hành cập nhật (update). Carto cũng được thiết kế hướng tới hỗ trợ các lập trình viên ở cấp độ cao khiến họ không tốn nhiều công sức khi ứng dụng nền tảng. Theo kinh nghiệm của nhóm P-GIS, với vài đoạn mã đơn giản, các lập trình viên có thể thay đổi cách thức Carto truy xuất dữ liệu trong tài khoản của người dùng, đồng thời hiển thị chúng với mức độ tùy biến (màu sắc, kiểu dáng) vô cùng chuyên nghiệp.

⮊ Mapbox

Mapbox thực sự là một gã siêu ngầu trong làng WebGIS. Các trang mạng như Foursquare, Pinterest hay hàng loạt tờ báo online đều dùng Mapbox bởi gã có thể vẽ các kiểu bản đồ họ muốn. Mapbox được xây dựng theo hướng hỗ trợ các lập trình viên như kiểu của Carto. Giao diện bản đồ hiển thị mượt mà, bắt mắt. Mapbox sử dụng công nghệ tilemap, hiển thị nhanh, đa tỷ lệ và hoàn toàn có thể tùy biến. Hiện tại, đây là nền tảng có lượng truy cập lớn nhất.

⮊ Mango Map

Trái xoài này không hề non như tuổi đời của nó. Trong khi các nền tảng khác cố gắng tập trung vào phát triển thật nhiều công cụ nặng ký thì Mango Map lại đi theo một hướng khác. Nền tảng này hướng tới sự đơn giản của người dùng trong việc xuất bản bản đồ. Các lập trình viên phát triển theo hướng ứng dụng hỗ trợ người dùng và bỏ qua mọi sự phức tạp của công nghệ. Khác hẳn Carto hay Mapbox, Mango Map không cần người dùng phải lập trình dù chỉ là một dòng lệnh.

⮊ GIS Cloud

GIS Cloud không phải là một sự thay thế cho ArcGIS Online nhưng cách thức trình bày của nền tảng khá giống với người tiền nhiệm đến từ ESRI. Giao diện dạng ruy băng (ribbon) kiểu Microsoft Office khiến phần mềm khá bắt mắt. Dẫu đã đạt được gần 100 nghìn người dùng, GIS Cloud vẫn còn phải làm nhiều việc nếu muốn cạnh tranh với những người khổng lồ đi trước.

② Về mặt giá cả

⮊ ArcGIS Online

Chi phí cho hệ thống này lên tới 2500 USD cho bản quyền người dùng cá nhân. ESRI cung cấp cho người dùng cơ hội tích điểm để có được "tín chỉ" cho các chức năng nâng cao. Điểm trừ nằm ở chính chỗ này. Nếu không có "tín chỉ" thì người dùng chỉ được khai thác các tính năng cơ bản mà thôi. Phiên bản miễn phí (free) của ArcGIS Online cho phép các file vector chỉ được tối đa 1000 đối tượng. Theo thử nghiệm của P-GIS, nếu sử dụng dịch vụ WFS kết nối với ArcGIS Online, bạn cũng chỉ có thể nâng mức tối đa này lên 3000 đối tượng cho mỗi tập tin vector.

⮊ Carto

Carto có giá phải chăng hơn với mức phí 200 USD một tháng. Hệ thống cũng cho người dùng miễn phí trong giới hạn có thể thành lập được 2 bản đồ và mỗi bản đồ không quá 4 lớp thông tin (tính đến thời điểm tháng 4/2021 điều này đang diễn ra). Mỗi khi "xuống tiền", tùy thuộc vào những gói dịch vụ với mức giá khác nhau mà người dùng có thể gia tăng khối lượng dữ liệu, số lượng bản đồ và các lệnh API tương tác.

⮊ Mapbox

Đối với Mapbox, bạn sẽ trả tiền cho những gì mà bạn đang dùng. Chi phí của dịch vụ phụ thuộc vào lưu lượng dữ liệu tương tác với người dùng thông qua dịch vụ của Mapbox. Điều này có nghĩa là bạn sẽ trả nhiều tiền nếu trang web của bạn có nhiều người xem, và ngược lại. Tuy nhiên, vẫn có một khoảng hở trong dịch vụ cho phép bạn không phải trả tiền mà vẫn được sử dụng Mapbox nếu như lưu lượng truy cập vào bản đồ của bạn nằm trong một giới hạn cho phép. Vì lẽ đó mà các hãng thông tấn như CNN, Bloomberg hay Washington Post đã khai thác Mapbox cho dịch vụ của họ.

⮊ Mango Map

Chi phí cho dịch vụ bản đồ của Mango Map dao động từ 50-500 USD mỗi tháng. Bạn có thể trả tiền khi cần và hủy gói thuê bao khi muốn. Mango Map giảm giá cho bạn nếu bạn cam kết sử dụng lâu dài. Tài khoản miễn phí cũng được cấp trong vòng 1 tháng, sau đó toàn bộ dữ liệu sẽ bị xóa khi thời hạn sử dụng thử nghiệm đã hết.

⮊ GIS Cloud

GIS Cloud có mức giá khá cạnh tranh cho dịch vụ của mình. Người dùng có nhiều sự lựa chọn trả phí hàng tháng. Ví dụ dịch vụ thu thập dữ liệu mobile cho một tài khoản cá nhân có giá 20 USD/tháng. Dịch vụ biên tập bản đồ Map Editor có giá 55 USD/tháng. Các lựa chọn khác được GIS Cloud liệt kê trên trang web của họ kèm theo một số khuyến mại.

Xem thêm:

Phần 2

Phần 3

P-GIS Team

Nguồn: GIS Geography

Cuộc chiến của 5 nền tảng WebGIS "chất" nhất - Phần 2

noreply@blogger.com (Unknown) — Tue, 6 Apr 2021 20:30:00 +0700

③ Về tính năng kỹ thuật

⮊ ArcGIS Online

ArcGIS Online được trang bị nhiều tính năng hỗ trợ đa hệ điều hành. Được xây dựng bởi công ty hàng đầu thế giới về công nghệ GIS, hệ thống nổi bật hơn hẳn những nền tảng còn lại. Người dùng của ESRI yêu thích phần mềm này vì họ có hầu như tất cả những gì mong muốn, từ biên tập bản đồ, dựng cảnh 3D, thu thập dữ liệu thực địa. Xây dựng ứng dụng cho thiết bị cầm tay cũng khá dễ dàng với Web App Builder (WAB). Người dùng có thể lưu dữ liệu trên máy chủ của ESRI là ArcGIS Server. Các lập trình viên sẽ tiến hành chỉnh sửa mẫu biểu trong các tập tin HTML, CSS hay Javascript để cá nhân hóa ứng dụng tạo những nét riêng biệt cho trang web của mình.

⮊ Carto

Các lập trình viên sử dụng bộ API của Carto để làm ứng dụng riêng cho mình. Với SQL API, người dùng tương tác trên cơ sở dữ liệu bản đồ bằng các câu lệnh SQL. Sau đó, sử dụng Map API, họ sẽ tương tác với thành phần bản đồ. Sự kết hợp nhuần nhuyễn giữa bản đồ và cơ sở dữ liệu thông qua các API này là điều tâm đắc nhất đối với người dùng Carto.

⮊ Mapbox

MBTiles được coi là xương sống của hệ thống Mapbox. Cung cấp hàng tá các loại maptile, Carto hầu như có thể đáp ứng gần hết yêu cầu của khách hàng trong việc chọn lựa kiểu dáng mà họ ưa thích. Người dùng cũng có thể sử dụng bộ lệnh API của Mapbox để cá nhân hóa giao diện cho mình. Mapbox Studio, một công cụ biên tập của Mapbox sẽ hỗ trợ người dùng biên tập kiểu dáng hiển thị bản đồ để cuối cùng đưa lên giao diện người dùng sao cho bắt mắt nhất.

⮊ Mango Map

Vẫn như vậy, Mango Map đơn giản mà hiệu quả. Người dùng không có được nhiều tính năng phức tạp như tìm đường đi, kể chuyện bằng bản đồ hay hiển thị 3D, nhưng họ có một giao diện thân thiện và dễ sử dụng. Không cần phải biết tới API hay CSS, Mango Map mang đến cho người dùng trải nghiệm thoải mái bằng cách click chuột và hiện bản đồ nhanh gọn.

⮊ GIS Cloud

GIS Cloud không quá nổi bật nhưng hệ thống được xây dựng theo định hướng xử lý công việc. Cụ thể, GIS Cloud cung cấp các công cụ thu thập dữ liệu thực địa, biên tập và chỉnh sửa bản đồ, chia sẻ với đám đông. Nhìn chung, hệ thống được lập trình phát triển theo yêu cầu người dùng.

④ Sự phổ biến

ArcGIS Online chiếm phần lớn thị phần và đẩy vị trí số 2 cho Mapbox. Khiêm tốn hơn, Carto nằm ở vị trí thứ 3 và tiếp theo là các nền tảng Mango Map và GIS Cloud.

Một câu hỏi đặt ra là những số liệu này lấy từ đâu ra?

Nhóm đánh giá đã sử dụng công cụ tìm kiếm Google và đánh giá bằng từ khóa tìm kiếm trong 12 tháng qua với tên của các nền tảng này. Có thể cách thức này chưa hoàn toàn chính xác nhưng nó cũng phần nào thể hiện sự phổ biến của các nền tảng trong bài đánh giá.

Cụ thể, số liệu thu được như sau:

Nền tảng	Điểm
ArcGIS Online	47.2
Mapbox	41.3
Carto	10.2
Mango Map	0.7
GIS Cloud	0.6

Xem thêm:

Phần 1

Phần 3

P-GIS Team

Nguồn: GIS Geography

Cuộc chiến của 5 nền tảng WebGIS "chất" nhất - Phần 3

noreply@blogger.com (Unknown) — Tue, 6 Apr 2021 20:00:00 +0700

⑦ Quy mô ứng dụng

⮊ ArcGIS Online

ArcGIS Online phù hợp cho các tổ chức lớn hoặc quy mô chính phủ. Nếu như bạn có ngân sách lớn và muốn quản lý trên diện rộng, đây là công cụ phù hợp nhất. Trong trường hợp bạn không phải là một lập trình viên giỏi thì ArcGIS Online là sự lựa chọn không tồi. Trong điều kiện tổ chức của bạn sử dụng các ứng dụng khác của ESRI, việc tích hợp ArcGIS Online và các phần mềm trong hệ sinh thái của ESRI trở nên rất giá trị và đơn giản.

⮊ Carto

Carto sẽ rất thú vị nếu bạn biết lập trình và muốn xây dựng một ứng dụng bản đồ trực tuyến theo ý muốn bằng các API của nền tảng. Đặc biệt, khi bạn giỏi Postgress và PostGIS, những thành phần cốt lõi của Carto, bạn sẽ rất thích dùng nền tảng này.

⮊ Mapbox

Khi quy mô dữ liệu và lưu lượng truy cập của bạn không cố định, Mapbox sẽ mang đến một sự lựa chọn rất tốt về tài chính. Bạn chỉ trả phí cho lượng dữ liệu mà người dùng truy cập vào trang web của bạn. Mapbox cũng là một trong những hệ thống tinh tế nhất hiện nay. Mặc dù đứng thứ 2 về tính phổ dụng, Mapbox vẫn đòi hỏi bạn một chút kinh nghiệm về lập trình.

⮊ Mango Map

Mango Map là hệ thống có mức trả phí rẻ nhất hiện nay, bạn chỉ trả khoảng 50 USD một tháng. Không những tốt về giá, đây cũng là một nền tảng dễ sử dụng nhất. Tuy không nhiều tính năng nhưng nó lại thực sự hữu ích cho các nhà bản đồ yêu thích tính đơn giản.

⮊ GIS Cloud

Nếu như bạn chỉ cần Hiển thị, Chỉnh sửa vector và Thu thập dữ liệu, hãy dùng ngay GIS Cloud. Nền tảng phù hợp cho các tổ chức nhỏ từ 5-10 người. Các phần mềm QGIS và ArcGIS đều có plugin xuất bản Bản đồ của GIS Cloud - rất tiện lợi, giúp bạn bỏ qua giao diện web trên trình duyệt và xuất bản thẳng nội dung từ các phần mềm GIS này.

Cuối cùng, bạn có thể dùng thử tất cả các hệ thống này và tự rút ra cho mình kết luận về nền tảng yêu thích nhất. Đối với P-GIS, nếu không phải trả tiền thì GIS Cloud là sự lựa chọn hàng đầu, tiếp theo là Carto rồi đến ArcGIS. Mango Map đứng thứ 4, P-GIS thích hệ thống này nhưng ghét trả phí. Còn riêng Mapbox, cái này quá phức tạp và tốn thời gian, kể cả khâu tích hợp các layer bản đồ lên Mapbox cũng không được dễ dàng cho lắm.

Xem thêm:

Phần 1

Phần 2

P-GIS Team

Nguồn: GIS Geography

3 nguồn dữ liệu đường giao thông đáng xem

noreply@blogger.com (Unknown) — Sun, 4 Apr 2021 13:02:00 +0700

Các chuyên gia GIS thường quan tâm đến dữ liệu đường có cấu trúc topology (hay còn gọi là geometric networks) hơn là những đường nét thông thường. Dữ liệu có cấu trúc topology cho phép thực hiện các tìm kiếm đường đi ngắn nhất, tính toán khoảng cách giữa 2 điểm hoặc đơn giản là tính tổng chiều dài đường giao thông trong một khu vực nào đó.

Dữ liệu trông giống đường giao thông như kiểu các bản vẽ thiết kế trên AutoCAD hay Microstation thông thường không đặt nặng vấn đề xây dựng cấu trúc topology. Nếu chỉ để in ra, nhìn và dựa vào đó thi công thì dữ liệu bản vẽ AutoCAD luôn là sự ưu tiên hàng đầu của các nhà thiết kế.

Gần như mặc định, trong lĩnh vực GIS, dữ liệu có cấu trúc topology được coi là một trong những tiêu chuẩn bắt buộc. Tuy nhiên, một câu hỏi đặt ra là những dữ liệu này ở đâu, lấy như thế nào và phải trả phí ra sao?

May mắn thay, bên cạnh các đòi hỏi về tài chính, một số nguồn dữ liệu giao thông lại được mở ra hoàn toàn miễn phí đối với người dùng. Chúng ta hãy điểm qua 3 nguồn dữ liệu đường giao thông sáng giá nhất (cả miễn phí và trả phí).

① Nguồn dữ liệu mở OpenStreetMap

Đây là một trong những nguồn dữ liệu giao thông miễn phí có mức độ chi tiết cao nhất. Bạn có thể tìm thấy đường đi ở những khu vực nhỏ như thôn bản, đường liên xã, liên tỉnh... Với độ phủ toàn cầu, dữ liệu OpenStreetMap đáp ứng mong mỏi của người dùng trên khắp hành tinh bởi nó vừa chính xác, chi tiết lại hoàn toàn miễn phí.

Làm thế nào để tải được dữ liệu OpenStreetMap về máy tính của bạn, hãy tham khảo các cách sau:

- Sử dụng Geofabrik: http://download.geofabrik.de

- Thông qua Wikipedia: https://wiki.openstreetmap.org/wiki/Downloading_data

- Dùng các phần mềm QGIS hoặc ArcGIS với các plugins miễn phí trên kho ứng dụng.

② US Census - TIGER Data (free)

TIGER là từ viết tắt của Topological Integrated Geographic Encoding and Referencing. Đây là nguồn dữ liệu miễn phí của chính phủ Mỹ.

TIGER gần như là một nền dữ liệu được sử dụng sau này bởi hầu hết các tổ chức dữ liệu miễn phí khác, bao gồm OpenStreetMap (năm 2008), Evan Waze và MapQuest.

Điểm ưu việt của TIGER là hệ thống cho phép sử dụng công cụ tìm kiếm địa chỉ (Geocoding). Tính năng này cho phép người dùng tìm kiếm tọa độ của các điểm thông qua địa chỉ đường phố của chúng. Sau này, OpenStreetMap đã phát triển công cụ GeoCode lên thành các bộ lệnh API, hỗ trợ các nhà lập trình tự động Geocode bằng nhiều ngôn ngữ lập trình khác nhau để tiến hành công việc một cách tự động.

TIGER Geocode có thể truy cập tại đây: https://geocoding.geo.census.gov/geocoder/locations/onelineaddress?form

③ ArcGIS Streetmap Premium (trả phí)

Dữ liệu trả phí thường không được hoan nghênh nhưng cái gì cũng có giá của nó. Hệ thống đường giao thông của ESRI với tên gọi ArcGIS Streetmap thực sự đáng đồng tiền bát gạo bởi độ chính xác và tính chi tiết của nó. Điểm tuyệt vời của hệ thống này là việc bạn chỉ cần trả tiền là có thể sử dụng được ngay một cách dễ dàng. Chỉ đơn giản là bật ArcGIS lên và kết nối trực tiếp với hệ thống dữ liệu này thông qua tài khoản cá nhân của mình.

Bạn cũng có thể thực hiện tác vụ GeoCode ngay trên phần mềm ArcGIS cùng các phép phân tích đường đi (Network Analysis) với ArcGIS.

Cái giá của sự tiện lợi này là một khoản phí nhỏ mà bạn sẽ phải trả. Tuy nhiên, nếu không phải tốn công chỉnh sửa, biên tập, ghép mảnh và làm nhiều việc khác thì cho dù mất một khoản phí sử dụng, dữ liệu này cũng rất đáng được xem xét.

Trong trường hợp vẫn muốn dùng nguồn này mà không muốn mất phí, bạn còn một lựa chọn cuối cùng. Đó là sử dụng hệ thống bản đồ nền Basemap của ESRI trong phần mềm ArcGIS hoặc các bản trực tuyến WebGIS. Chúng sẽ xuất hiện dưới dạng Tilemap trên ứng dụng của bạn. Bạn sẽ không thể chỉnh sửa hoặc phân tích dữ liệu đường đi được nhưng bạn lại có một bản đồ nền khá đẹp cho khu vực hiển thị trên bản đồ.

Dữ liệu ArcGIS Premium có thể tham khảo tại đây:

https://www.esri.com/en-us/arcgis/products/arcgis-streetmap-premium/overview

Plastic Field Surveys in Vietnam

noreply@blogger.com (Unknown) — Fri, 26 Feb 2021 20:43:00 +0700

More than eight million metric tons of plastic are dumped into our oceans every year, and 90 percent of global marine plastic pollution is estimated to come from just ten rivers, 8eight of them in Asia. In one study, Vietnam was estimated to have the 4th highest rate of mismanaged plastic waste worldwide, with 0.28-0.73 million metric tons per year of marine plastic debris.

The Mekong River is listed amongst the top ten polluting rivers worldwide. Solid waste generation in Vietnam has doubled in less than fifteen years and is expected to double again by 2030. However, reliable statistics on the amount and varieties of plastic in Vietnamese rivers, sea and islands are missing, as well as information on key areas where plastic is leaking into the waterways.

The overall purpose of the plastic diagnostics is to deepen knowledge on the different plastic waste types leaking into rivers and the ocean. In addition, the surveys will also increase the understanding of plastic waste quantities and key locations for plastic waste leakage into waterways. The results are intended to inform policies and investment programs to reduce marine plastic pollution.

Plastic Field Surveys in Vietnam

Top 10 điểm phát tán rác thải nhựa

Top 10 places

Top 10 sản phẩm phổ biến nhất

Top 10 products

Địa điểm xả rác nhiều nhất

Top items by categories

MẢNH NHỰA CỨNG		MẢNH NHỰA MỀM		MẢNH NHỰA PHIM		BAO GÓI BÁNH KẸO
Địa điểm	Rach Rau Ram	Địa điểm	Bien Lai Hoa	Địa điểm	Bien Lai Hoa	Địa điểm	Bai song Lach Tray
Số mảnh	20	Số mảnh	1443	Số mảnh	66	Số mảnh	22
Khối lượng (g)	940	Khối lượng (g)	7240	Khối lượng (g)	93	Khối lượng (g)	171
BAO GÓI THỰC PHẨM		BAO BÌ NHỰA KHÁC		CHAI ĐỒ UỐNG PET 2		CHAI ĐỒ UỐNG PET 2
Địa điểm	Bien Rang	Địa điểm	Bien Lai Hoa	Địa điểm	Bien Thuan An	Địa điểm	Bai Bien Nam O
Số mảnh	178	Số mảnh	116	Số mảnh	6	Số mảnh	3
Khối lượng (g)	430	Khối lượng (g)	292	Khối lượng (g)	265	Khối lượng (g)	130
CHAI ĐỒ ƯỚNG HDPE		BÌNH CHỨA THỰC PHẨM		CHAI ĐỰNG SP CÁ NHÂN 1		CHAI ĐỰNG SP CÁ NHÂN 2
Địa điểm	Bai Bien Pha Got	Địa điểm	Bai Bien Nam O	Địa điểm	Bien 30/4	Địa điểm	Bien Ho Be
Số mảnh	6	Số mảnh	2	Số mảnh	4	Số mảnh	1
Khối lượng (g)	49	Khối lượng (g)	40	Khối lượng (g)	60	Khối lượng (g)	50
NẮP CHAI / HDPE		ĐẦU LỌC THUỐC LÁ		BẬT LỬA		TÚI NILON 1
Địa điểm	Bien 30/4	Địa điểm	Bai Sao	Địa điểm	Bien Rang	Địa điểm	Bai Bien Pha Got
Số mảnh	48	Số mảnh	61	Số mảnh	23	Số mảnh	257
Khối lượng (g)	200	Khối lượng (g)	19	Khối lượng (g)	200	Khối lượng (g)	2340
TÚI NILON 2		ĐỒ DÙNG BẰNG XỐP		ĐỒ DÙNG BẰNG NHỰA (PET)		ĐỒ DÙNG BẰNG NHỰA (PP)
Địa điểm	Bien 30/4	Địa điểm	Bien 30/4	Địa điểm	Bien Rang	Địa điểm	Bai Truong
Số mảnh	16	Số mảnh	680	Số mảnh	102	Số mảnh	77
Khối lượng (g)	1152	Khối lượng (g)	470	Khối lượng (g)	200	Khối lượng (g)	253
ỐNG HÚT		BAO BÌ, HỘP THUỐC BVTV		DÂY NHỰA		SP CHĂM SÓC CÁ NHÂN
Địa điểm	Bien Thuan An	Địa điểm	Bien Lai Hoa	Địa điểm	Bai Bien Pha Got	Địa điểm	Rach Rau Ram
Số mảnh	509	Số mảnh	34	Số mảnh	52	Số mảnh	36
Khối lượng (g)	297	Khối lượng (g)	1152	Khối lượng (g)	574.2	Khối lượng (g)	2011
RÁC NHỰA Y TẾ		NGƯ CỤ 1		NGƯ CỤ 2		NHỰA KHÁC
Địa điểm	Bien 30/4	Địa điểm	Bien Lai Hoa	Địa điểm	Bien Rang	Địa điểm	Bien Rang
Số mảnh	29	Số mảnh	119	Số mảnh	677	Số mảnh	230
Khối lượng (g)	231	Khối lượng (g)	3810	Khối lượng (g)	5190	Khối lượng (g)	4623
KIM LOẠI		THỦY TINH		CAO SU		GIẤY / GỖ
Địa điểm	Bien Pha Got	Địa điểm	Bien Rang	Địa điểm	Bai Sao	Địa điểm	Song Sai Gon - Dong Nai
Số mảnh	53	Số mảnh	33	Số mảnh	42	Số mảnh	7
Khối lượng (g)	1364	Khối lượng (g)	4220	Khối lượng (g)	810	Khối lượng (g)	1021
VẢI		RÁC HỖN HỢP		Ghi chú: Dữ liệu được thu thập tại thực địa trong khuôn khổ dự án "Plastic Field Surveys in Vietnam " do Ngân hàng Thế giới (WB) tài trợ. Bản đồ: Đỗ Minh Phương, PowerGIS. Xử lý dữ liệu: GreenHub.
Địa điểm	Bien Lai Hoa	Địa điểm	Bai Bien Pha Got
Số mảnh	124	Số mảnh	35
Khối lượng (g)	2670	Khối lượng (g)	4635.5

Địa điểm : Location
Số mảnh: Number of pieces found
Khối lượng (g): Weight (g)

Dữ liệu thảm phủ toàn cầu, độ phân giải 100m (FREE)

noreply@blogger.com (Unknown) — Fri, 11 Sep 2020 09:19:00 +0700

Bản đồ lớp phủ độ phân giải 100 m toàn cầu đầu tiên năm 2015 - được phát hành chỉ hơn một năm trước - tiếp tục truyền cảm hứng cho hàng nghìn người dùng với các ứng dụng trong nông nghiệp, đa dạng sinh học & bảo tồn thiên nhiên.

Ngày 9/9/2020, nhóm kỹ thuật dự án Global Landcover đã phát hành bản cập nhật hàng năm cho bản đồ độ phủ đất toàn cầu 100m, bao gồm giai đoạn 2015-2019, với 23 loại hình thảm phủ cho 10 nhóm thảm phủ chính.

Đây là nguồn dữ liệu toàn cầu miễn phí có độ phân giải cao nhất từ trước đến nay. Bản đồ được thành lập từ dữ liệu của các vệ tinh Sentinal do Cơ quan Hàng không Vũ trụ Châu Âu thực hiện.

Dữ liệu có thể được tải về bằng nhiều cách và công cụ khác nhau:

1. Sử dụng công cụ Global Land Cover Viewer.

2. Lập trình trên nền tảng Google Earth Engine.

3. Sử dụng công cụ Zenodo Open Science Platform, và

4. Sử dụng Geo-Wiki Platform.

Dưới đây là đoạn mã java phát triển trên môi trường Google Earth Engine, có kèm giao diện người dùng cho bảng chú giải. Sử dụng công cụ này có thể giúp theo dõi nhanh hiện trạng lớp phủ mới nhất năm 2019 trên toàn cầu.

1. Người dùng không có tài khoản Google Earth Engine xem dữ liệu tại đây.

2. Người dùng có tài khoản Google Earth Engine chạy ứng dụng và lấy mã nguồn tại đây.

Codes chương trình

/*
Demonstration of Copernicus Landcover product
Written by: Phuong Do, 2020
Email: dphuong@gmail.com
*/

//Import data
var dataset = ee.Image("COPERNICUS/Landcover/100m/Proba-V-C3/Global/2019")
.select('discrete_classification');

//Set map center to north Vietnam
Map.setCenter(105.3693, 21.6221, 8);
//Add product to map
Map.addLayer(dataset, {}, "Land Cover 2019");

// Create a panel with vertical flow layout.
// set position of panel
var legend = ui.Panel({
style: {
position: 'bottom-left',
padding: '8px 15px'
}
});

// Create legend title
var legendTitle = ui.Label({
value: 'Landcover Codes',
style: {
fontWeight: 'bold',
fontSize: '18px',
margin: '0 0 4px 0',
padding: '0'
}
});

// Add the title to the panel
legend.add(legendTitle);

// Creates and styles 1 row of the legend.
var makeRow = function(color, name) {

// Create the label that is actually the colored box.
var colorBox = ui.Label({
style: {
backgroundColor: '#' + color,
// Use padding to give the box height and width.
padding: '8px',
margin: '0 0 4px 0'
}
});

// Create the label filled with the description text.
var description = ui.Label({
value: name,
style: {margin: '0 0 4px 6px'}
});

// return the panel
return ui.Panel({
widgets: [colorBox, description],
layout: ui.Panel.Layout.Flow('horizontal',false)
});
};

// Palette with the colors
var palette =['282828', 'FFBB22', 'FFFF4C','F096FF','FA0000','B4B4B4','F0F0F0','0032C8','0096A0','FAE6A0','58481F','009900','70663E','00CC00','4E751F','007800','666000','8DB400','8D7400','A0DC00','929900','648C00','000080','ffffff'];

// name of the legend
var names = ['0 - Unknown','20 - Shrubs','30 - Herbaceous vegetation','40 - Cultivated and managed vegetation / agriculture','50 - Urban / built up','60 - Bare / sparse vegetation','70 - Snow and ice','80 - Permanent water bodies','90 - Herbaceous wetland','100 - Moss and lichen','111 - Closed forest, evergreen needle leaf','112 - Closed forest, evergreen broad leaf','113 - Closed forest, deciduous needle leaf','114 - Closed forest, deciduous broad leaf','115 - Closed forest, mixed','116 - Closed forest, not matching any of the other definitions','121 - Open forest, evergreen needle leaf','122 - Open forest, evergreen broad leaf','123 - Open forest, deciduous needle leaf','124 - Open forest, deciduous broad leaf','125 - Open forest, mixed','126 - Open forest, not matching any of the other definitions','200 - Oceans, seas. Can be either fresh or salt-water bodies','-- Written by: Phương Đỗ, 2020 --'];

// Add color and and names
for (var i = 0; i < 24; i++) {
legend.add(makeRow(palette[i], names[i]));
}

// add legend to map (alternatively you can also print the legend to the console)

ui.root.add(legend);

Cước phí dữ liệu (Mobile Data) ở đâu rẻ nhất ?

noreply@blogger.com (Unknown) — Thu, 10 Sep 2020 09:39:00 +0700

Nguồn dữ liệu về 5,554 mobile data plans của 228 quốc gia và vùng lãnh thổ được thu thập và phân tích bởi Cable.co.uk từ 03/02/2020 đến 25/02/2020. Chi phí trung bình của một gigabyte (1GB) được tính toán và so sánh để tạo thành một bảng định giá dữ liệu di động trên toàn thế giới.

Vietnam đứng thứ 10 trong những nước có giá dữ liệu rẻ nhất trên thế giới.

Bản đồ mức cước phí cho dịch vụ dữ liệu mobile Data trên thế giới

5 nước có gói cước rẻ nhất thế giới

Năm quốc gia rẻ nhất về chi phí trung bình cho 1GB dữ liệu di động là Ấn Độ (0,09 USD), Israel (0,11 USD), Kyrgyzstan (0,21 USD), Ý (0,43 USD) và Ukraine (0,46 USD).
Ngược lại với đắt nhất, không có quốc gia nào trong số này là đảo. Hơn nữa, tất cả chúng đều chứa cơ sở hạ tầng băng thông rộng bằng sợi quang tuyệt vời (Ý, Ấn Độ, Ukraine, Israel), hoặc trong trường hợp của Kyrgyzstan chủ yếu dựa vào dữ liệu di động như là phương tiện chính để giữ cho người dân của họ kết nối với phần còn lại của thế giới.

5 nước có gói cước đắt nhất thế giới

Năm quốc gia đắt nhất về chi phí trung bình cho 1GB dữ liệu di động là São Tomé và Príncipe (28,26 USD), Bermuda (28,75 USD), Nauru (30,47 USD), Quần đảo Falkland (40,41 USD) và Saint Helena (52,50 USD).
Những điểm tương đồng giữa năm quốc gia này đều rất nổi bật và rõ ràng. Họ đều là quốc đảo. Các đảo ít có khả năng có cơ sở hạ tầng cáp quang rộng khắp, và vì các mạng di động thường dựa vào kết nối với đường trục cáp quang, nên các giải pháp đắt tiền hơn như đường lên vệ tinh đã phải được thiết lập - một chi phí được chuyển cho người tiêu dùng.

Xếp hạng cước phí Mobile Data theo vùng lãnh thổ

Tải file dữ liệu gốc (XLS) tại đây.

Nguồn:www.cable.co.uk

Biểu diễn sự thay đổi của lòng sông bằng ảnh động

noreply@blogger.com (Unknown) — Tue, 8 Sep 2020 13:36:00 +0700

Sông Hồng tại địa phận Thành phố Hà Nội (Việt Nam) có sự biến động dòng chảy mạnh mẽ (đoạn qua huyện Đan Phượng và Mê Linh) trong giai đoạn 1990-2000. Để theo dõi quá trình biến động này, ứng dụng Google Earth Engine truy xuất dữ liệu mặt nước hàng năm của JRC (Jean-Francois Pekel, Andrew Cottam, Noel Gorelick, Alan S. Belward, High-resolution mapping of global surface water and its long-term changes. Nature 540, 418-422 (2016). (doi:10.1038/nature20584) sẽ cho phép tạo ảnh động để diễn tả các biến đổi này.

Đoạn mã dưới đây được tham khảo từ mã nguồn của Justin Braaten sẽ minh họa cho ý tưởng trên.

var rect =
/* color: #00ffff */
/* displayProperties: [
{
"type": "rectangle"
}
] */
ee.Geometry.Polygon(
[[[105.56669468195913, 21.20241967085154],
[105.56669468195913, 21.03203770961315],
[105.85371250422476, 21.03203770961315],
[105.85371250422476, 21.20241967085154]]], null, false);

var col = ee.ImageCollection('JRC/GSW1_1/YearlyHistory').map(function(img) {
var year = img.date().get('year');
var yearImg = img.gte(2).multiply(year);
var despeckle = yearImg.connectedPixelCount(15, true).eq(15);
return yearImg.updateMask(despeckle).selfMask().set('year', year);
});

function appendReverse(col) {
return col.merge(col.sort('year', false));
}

var bgColor = 'FFFFFF'; // Assign white to background pixels.
var riverColor = '0D0887'; // Assign blue to river pixels.
var annualCol = col.map(function(img) {
return img.unmask(0)
.visualize({min: 0, max: 1, palette: [bgColor, riverColor]})
.set('year', img.get('year'));
});
var basicAnimation = appendReverse(annualCol);

var aoi = rect;
var videoArgs = {
dimensions:
600, // Max dimension (pixels), min dimension is proportionally scaled.
region: aoi,
framesPerSecond: 5
};

var bgImg = ee.Image(1).visualize({palette: bgColor});
var fadeFilter = ee.Image(1).visualize({palette: bgColor, opacity: 0.1});
var fadeFilterCol = col.map(function(img) {
var imgVis = img.visualize({palette: riverColor});
return imgVis.blend(fadeFilter).set('year', img.get('year'));
});
var yearSeq = ee.List.sequence(1984, 2018);
var fadeCol = ee.ImageCollection.fromImages(yearSeq.map(function(year) {
var fadeComp =
fadeFilterCol.filter(ee.Filter.lte('year', year)).sort('year').mosaic();
var thisYearImg = col.filter(ee.Filter.eq('year', year)).first().visualize({
palette: riverColor
});
return bgImg.blend(fadeComp).blend(thisYearImg).set('year', year);
}));

print(ui.Thumbnail(appendReverse(fadeCol), videoArgs));

Map.addLayer(rect,{},"Observed region");

Source code:

https://code.earthengine.google.com/1217d7c1d100aa4d9b1a7023490ba3ea

Theo dõi và dự báo đường đi của bão

noreply@blogger.com (Unknown) — Tue, 1 Sep 2020 08:49:00 +0700

Hệ thống cơ sở dữ liệu trực tuyến Living Atlas of the World của công ty ESRI đang chia sẻ rất nhiều lớp thông tin không gian về nhiều chủ đề, trong đó có các thông tin về bão, và dự báo bão. Công cụ ArcGIS trực tuyến cho phép người dùng nhanh chóng xây dựng bộ bản đồ trực tuyến của mình với giao diện đẹp, nhanh và tiện lợi.

Sử dụng bộ dữ liệu ArcGIS Living Atlas Active Hurricanes được chia sẻ rộng rãi, P-GIS xin giới thiệu hệ thống theo dõi bão trực tuyến với những cơn bão mới nhất trên phạm vi toàn cầu. Hệ thống còn cho phép dự báo đường đi của bão cũng như tốc độ gió xoáy trên đường đi. Dữ liệu về các cơn bão được cập nhật liên tục theo chu kỳ 15 phút một lần.

☰ Phóng to

7 nguồn dữ liệu khí hậu miễn phí

noreply@blogger.com (Unknown) — Sun, 28 Jun 2020 17:38:00 +0700

The expression goes: “You can’t manage what you can’t measure”. And for measuring climate, it’s world climate data that benchmarks the health of our planet.

You may be wondering:

Where can I find the best world climate data sources? Glad you asked. Because today we list the top 7 world climate data sources.

It gets better:

Each climate data source provides a geographic component to it. Because climate is a spatial problem, it requires spatial thinking.

So climate change believers (and non-believers), let’s dive right in and explore the data behind our planet’s climate.

① NASA Earth Observatory

Các chuyên gia hàng đầu về khí hậu tiết lộ bộ sưu tập dữ liệu khoa học Trái đất khổng lồ của họ. Nó nằm trong Đài quan sát Trái đất của NASA (NASA Earth Observatory), nơi mọi người có thể theo dõi 16 yếu tố khí hậu như aerosol, nhiệt độ và carbon từ năm 1999. Điểm tuyệt vời nhất là cách NASA giúp công chúng dễ hiểu và tiếp cận nguồn dữ liệu. Nếu bạn đang tìm kiếm một nguồn dữ liệu khác để nghiên cứu hành tinh của chúng ta từ không gian, hãy thử NASA Earth Observations (NEOs).

Các nội dung:

carbon monoxide: khí CO;
chlorophyll: diệp lục;
cloud fraction: mây;
fires: cháy;
net primary production: phát thải khí;
net radiation: bức xạ;
ocean temperature: nhiệt độ đại dương;
rainfall: lượng mưa
snow cover: tuyết;
temperature: nhiệt độ;
water vapor: hơi nước;
vegetation: thảm thực vật;

② European Space Agency Climate Change Initiative (CCI)

Châu Âu dường như có một động lực to lớn để theo dõi biến đổi khí hậu. Rốt cuộc, dự án Copernicus đã dành toàn bộ đôi vệ tinh của mình để giám sát khí hậu trái đất từ không gian. Tổ chức Sáng kiến Biến đổi Khí hậu của Cơ quan Vũ trụ Châu Âu (CCI - European Space Agency Climate Change Initiative) đã khởi động chương trình 40 năm quan sát trái đất bằng vệ tinh đã hợp nhất dữ liệu của các dự án cũ trong quá khứ.

Các nội dung:

aerosols: bụi mịn;
biomass: sinh khối;
clouds: mây;
fires: cháy;
greenhouse gases: khí nhà kính;
glaciers: sông băng;
ice sheets: tầng băng;
land cover: lớp phủ;
lakes: hồ;
ocean color: màu đại dương;
ozone permafrost: tầng băng vĩnh cửu;
salinity: độ mặn;
sea levels: mực nước biển;
snow: tuyết;
soil moisture: độ ẩm đất;
temperature: nhiệt độ;
water vapor: hơi nước.

③ UNEP Environmental Data Explorer

Theo bản kế hoạch lớn, Liên Hợp Quốc là nhà lãnh đạo toàn cầu trong việc xây dựng một chương trình nghị sự về môi trường hợp tác để cả thế giới cùng thực hiện. Tuy nhiên, bằng cách nào đó, những người tìm kiếm dữ liệu đã bỏ qua kho lưu trữ khổng lồ về dữ liệu biến đổi khí hậu từ Chương trình Môi trường Liên Hợp Quốc (UNEP). Chương trình khám phá dữ liệu môi trường UNEP (UNEP Environmental Data Explorer) nắm giữ hơn 500 loại dữ liệu khác nhau luôn rộng mở với người dùng.

Các nội dung:

agriculture: nông nghiệp;
carbon dioxide emissions: phát thải khí CO2;
disasters: thảm họa;
endangered species: các loài có nguy cơ tuyệt chủng;
energy: năng lượng;
greenhouse gases: khí nhà kính;
living planet index: sự sống trái đất;
methane emissions: phát thải khí mêtan;
nitrous oxide emissions: phát thải khí oxit nitơ;
population: dân số;
protected areas: khu bảo tồn.

④ US Government Open Data Initiative

Tổng cộng, có 377 bộ dữ liệu khí hậu nằm trong Sáng kiến Dữ liệu mở của chính phủ Hoa Kỳ. Nhưng đó không phải là tất cả. Để đối phó các thách thức của biến đổi khí hậu, Bộ công cụ Giảm nhẹ tác động BĐ Khí hậu của Hoa Kỳ đơn giản hóa quá trình xây dựng các cộng đồng ứng phó. Ví dụ: bạn có thể tiếp cận những điểm dễ bị tổn thương môi trường bằng cách thu nhận những dự báo về khí hậu cho đến năm 2100. Bằng cách tìm kiếm mã zip của bạn trong Climate Explorer, bạn có thể biết được những rủi ro của quốc gia mình và bảo vệ tốt hơn các khoản đầu tư của bạn trong tương lai.

Các nội dung:

Arctic: Bắc cực;
coastal flooding: ngập lụt ven biển;
ecosystem vulnerability: tổn thương hệ sinh thái;
hazards: tai biến môi trường;
severe weather: thời tiết cực đoan;
tribal nations: các vùng đất bảo tồn;
water resources: tài nguyên nước

⑤ FAO GeoNetwork

Mạng lưới Địa lý Liên Hợp Quốc của Tổ chức Nông - Lương (FAO GeoNetwork) lưu trữ 247 bộ dữ liệu về khí hậu. Tất cả đều là dữ liệu không gian. FAO GeoNetwork không chỉ cung cấp nhiều loại dữ liệu không gian mà còn bao gồm hình ảnh vệ tinh, bản đồ trực tuyến và các ứng dụng liên quan.

Các nội dung:

biodiversity hotspots: điểm nóng đa dạng sinh học;
carbon sequestration: cô lập cácbon;
cropland expansion: mở rộng đất trồng trọt;
deforestation: nạn phá rừng;
Koeppen climate classification: phân loại khí hậu theo phương pháp Koeppen;
protected areas: các khu bảo tồn.

⑥NASA's SocioEconomic Data and Applications Center (SEDAC)

Trung tâm Dữ liệu kinh tế xã hội và Ứng dụng của NASA (SEDAC) lưu trữ tất cả thông tin về mối tương tác của con người với môi trường. Không chỉ là nguồn dữ liệu tốt nhất về các tác động của con người lên tự nhiên, NASA SEDAC còn cung cấp 123 bộ dữ liệu liên quan đến bảo tồn và khí hậu.

Các nội dung:

deforestation: nạn chặt phá rừng;
drought: hạn hán;
environmental performance index: chỉ số môi trường;
human footprint: tác động của con người;
species richness: sự phong phú về loài;
sea level rise impacts: tác động do mực nước biển dâng;
sustainability index: chỉ số bền vững.

⑦ Organization for Economic Co-operation and Development (OECD)

Còn một nguồn dữ liệu môi trường mà chúng tôi chưa đề cập đến. Và đây có thể là nguồn dữ liệu "khủng" nhất so với tất cả các nguồn kể trên. Mục đích của OECD là xây dựng các chính sách tốt hơn và một hành tinh tốt hơn cho thế hệ tương lai. Không thể phủ nhận, chính sách môi trường cần sự hợp tác toàn cầu. Vì vậy, ưu tiên hàng đầu của OECD là trung tâm kiến thức phục vụ phân tích dữ liệu khí hậu (Climate Data Analysis).

Các nội dung:

forest resources: tài nguyên rừng;
greenhouse gases: khí nhà kính;
green households: hộ gia đình xanh;
population: dân số;
waste: chất thải;
water withdrawal: sử dụng nước.

Bạn sẽ làm gì với những nguồn dữ liệu trên?

5 nguồn dữ liệu DEM toàn cầu hoàn toàn miễn phí

noreply@blogger.com (Unknown) — Sat, 27 Jun 2020 12:13:00 +0700

5 Free Global DEM Data Sources – Digital Elevation Models

Want to elevate your chances of finding a digital elevation model (DEM) data? Let’s dive into our list of free global DEM data sources.

DEM, viết tắt của Digital Elevation Model hay còn được gọi là mô hình số độ cao, là một trong những nguồn dữ liệu địa hình phổ biến nhất trên thế giới, được lưu ở định dạng ô lưới (grid/raster). Bài viết này giới thiệu 5 nguồn DEM miễn phí có độ phủ toàn cầu.

① Space Shuttle Radar Topography Mission (SRTM)

NASA chỉ mất đúng 11 ngày để chụp mô hình số độ cao toàn cầu độ phân giải 30 mét với chương trình Shuttle Radar Topography Mission (SRTM). Trở lại vào tháng 2 năm 2000, tàu con thoi Endeavour đã ra mắt với hệ thống SRTM trên khoang.

Sử dụng hai ăng ten radar và một đường truyền duy nhất, tàu con thoi đã thu thập đủ dữ liệu để tạo ra một mô hình số độ cao bằng cách sử dụng một kỹ thuật được gọi là radar khẩu độ tổng hợp giao thoa kế (inSAR). Băng tần C-Band có khả năng xuyên qua tán cây che phủ mặt đất khá tốt nhưng SRTM vẫn gặp khó khăn trong các khu sườn dốc bởi các hiệu ứng foreshortening, layover và shadow.

Vào cuối năm 2014, chính phủ Hoa Kỳ đã phát hành DEM SRTM độ phân giải cao nhất cho đông đảo người dùng. Mô hình số độ cao toàn cầu này có độ phân giải 1-arc second hay tương đương độ phân giải không gian khoảng 30 mét. Ngoài ra, độ phủ của nó gần hết thế giới với độ chính xác chiều đứng dưới 16m.

Bạn có thể tải dữ liệu SRTM ở đâu?

Dữ liệu SRTM DEM đang được lưu trữ trên USGS Earth Explorer. Để tải về, chọn khu vực bạn quan tâm. Trong tab data, chọn Digital Elevation --> SRTM --> SRTM 1-ArcSecond Global. Hướng dẫn tải dữ liệu từ USGS Earth Explorer có thể được xem tại đây (bản tiếng Anh).

② ASTER Global Digital Elevation Model

Chương trình hợp tác giữa NASA và chính phủ Nhật Bản đã tạo nên hệ thống Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER). Một phần của dự án này đã cho ra bộ sản phẩm ASTER Global Digital Elevation Model (GDEM), một mô hình số độ cao ở quy mô toàn cầu.

ASTER GDEM tự hào ra mắt với độ phân giải 90 mét ở phạm vi toàn cầu và 30 mét trên lãnh thổ Hoa Kỳ. Mặc dù có độ phân giải cao và độ bao phủ lớn (80% Trái đất), người dùng không hài lòng và bày tỏ vấn đề với các điểm chết của nó, thường ở các khu vực nhiều mây.

ASTER GDEM đã sử dụng những cặp ảnh lập thể và phương pháp tính tương quan hình ảnh kỹ thuật số. Dựa trên hai hình ảnh chụp ở các góc khác nhau, hệ thống đã sử dụng hiệu ứng thị sai và kỹ thuật trắc địa ảnh để xác định độ cao. Tuy nhiên, lỗi các khu vực bị che phủ bởi mây ảnh hưởng lớn đến độ chính xác của ASTER, điều mà SRTM DEM không gặp phải. Tùy theo đặc điểm kỹ thuật của các bộ cảm biến thụ động và chủ động, chất lượng DEM có thể bị ảnh hưởng đáng kể.

Nhưng theo thời gian, dữ liệu ASTER DEM đã được cải thiện với nhiều hiệu chỉnh sáng giá (sửa lỗi mất dữ liệu). Vào tháng 10 năm 2011, ASTER GDEM phiên bản 2 đã được phát hành rộng rãi, đây là một cải tiến đáng kể.

Mặc dù ở cấp độ thử nghiệm, ASTER GDEM-2 được đánh giá thể hiện địa hình chính xác hơn so với SRTM DEM ở khu vực địa hình núi non hiểm trở. Bạn nên tự kiểm chứng điều này.

Bạn có thể tải xuống ASTER GDEM ở đâu?

Dữ liệu ASTER DEM hoàn toàn miễn phí và có thể được tải xuống từ USGS Earth Explorer. Trong tab data, chọn Digital Elevation --> ASTER.

③ JAXA's Global ALOS 3D World

ALOS World 3D là mô hình số bề mặt (Digital Surface Model) có độ phân giải 30 mét (DSM) được chụp bởi Cơ quan thám hiểm hàng không vũ trụ Nhật Bản (JAXA). Gần đây, DSM này đã được cung cấp rộng rãi cho công chúng.

Điều thú vị nằm ở chỗ nó là bộ dữ liệu độ cao quy mô toàn cầu chính xác nhất hiện nay. Hệ thống sử dụng Vệ tinh Quan sát Trái đất Nâng cao DAICHI (ALOS) dựa trên cặp ảnh lập thể thu nhận từ cảm biến PRISM.

Bạn có thể tải xuống ALOS 3D World của JAXA ở đâu?

Nếu bạn muốn mô hình số bề mặt DSM vô cùng chính xác này, bạn sẽ phải đăng ký trực tuyến thông qua JAXA Global ALOS Portal để tải xuống.

④ Light Detection and Ranging (LiDAR)

Bạn có thể nghĩ rằng việc tìm dữ liệu LiDAR giống như đấm trong bóng tối.

Nhưng điều đó không còn tồn tại nữa.

Dần dần và đều đặn, chúng ta đang tiếp cận gần hơn đến một bộ dữ liệu LiDAR có độ phủ toàn cầu.

Với Open Topography đứng đầu danh sách ở vị trí số 1, chúng ta có thể tham khảo Danh sách 6 nguồn dữ liệu LiDAR tốt nhất có sẵn trực tuyến miễn phí.

Không gì có thể đánh bại LiDAR về độ chính xác không gian. Sau khi đã xử lý, bạn có thể xây dựng một mô hình số địa hình DEM ấn tượng từ LiDAR.

Và nếu bạn vẫn không thể tìm thấy bất cứ tài nguyên gì trong liên kết ở trên, hãy thử liên hệ chính quyền địa phương. Biết đâu bạn sẽ được cung cấp dữ liệu đó miễn phí.

⑤ Mars Orbiter Laser Altimeter (MOLA)

Chúng tôi "vứt" chủ đề này ra đây với mục đích khơi gợi sự chú ý của bạn.

Các nhà khoa học không chỉ lập bản đồ về độ cao Trái đất.

Dựa trên Thiết bị Laser đo độ cao quỹ đạo Sao Hỏa (Mars Orbiter Laser Altimeter - MOLA), bạn có thể xem địa hình gồ ghề của sao Hỏa. Ví dụ, bản đồ Địa hình Sao Hỏa này sử dụng dữ liệu từ MOLA.

Trên thực tế, các nhà khoa học đã sử dụng MOLA để tìm ra những dòng suối cổ trên sao Hỏa. Nếu điều này không khiến bạn thích thú, chúng tôi không biết có thể làm gì hơn.

Bạn có thể tải xuống MOLA DEM ở đâu?

Trung tâm Khoa học Thiên văn của USGS (USGS Astrogeology Science Center) là trung tâm dữ liệu địa hình DEM cho Sao Hỏa. USGS đã tính toán cao độ từ giải pháp trường trọng lực sao Hỏa GMM-2B với mức sai số trong khoảng ± 3 m.

Ai nói GIS không vui?

Bản đồ các phòng tập Gym tại Hà Nội

noreply@blogger.com (Unknown) — Fri, 22 May 2020 15:06:00 +0700

Sử dụng kỹ thuật Geocode, một kỹ sư công nghệ cũng có thể dễ dàng xây dựng hệ thống bản đồ các địa điểm dịch vụ của mình mà không cần phải có nhiều kỹ năng về GIS. Hiện tại, các nhà cung cấp dịch vụ Geocode phổ biến được biết tới như OpenStreetmaps, Googlemaps, Bingmaps, Tomtom, Here, Vietmap... đều có những gói miễn phí (FREE) cho phép người dùng sử dụng cơ sở dữ liệu của họ (database) để trích xuất tọa độ điểm từ địa chỉ đường phố.

Minh họa dưới đây của P-GIS cho phép trong 30 phút có thể xây dựng được một bản đồ địa điểm các phòng tập Gym trên địa bàn thành phố Hà Nội.

Việc ứng dụng bản đồ cho phép người dùng đánh giá được phân bố không gian của các đối tượng, từ đó có những chiến lược, kế hoạch kinh doanh/quản lý phù hợp hơn. Rõ ràng, bên cạnh các bảng số liệu truyền thống kiểu Excel, bản đồ sẽ là một công cụ hiển thị trực quan mà hầu như các nhà quản lý đều cần dùng đến.

Diễn biến dịch viêm phổi cấp do Corona Virus

noreply@blogger.com (Unknown) — Tue, 4 Feb 2020 13:41:00 +0700

Số liệu thống kê mới nhất cho thấy dịch virus Corona tại Trung Quốc bùng phát trùng dịp chuẩn bị Tết Nguyên đán, virus Corona đã xuất hiện tại nhiều khu vực trên thế giới, trong đó có khu vực Đông Nam Á như Việt Nam, Thái lan, Singapore,...

Trường Y học thuộc Đại học Johns Hopkins, Hoa Kỳ đã mở website cung cấp số liệu thống kê tình hình lây nhiễm virus Corona theo thời gian thực. Khi truy cập website, người dân có thể cập nhật thông tin về số ca nhiễm bệnh theo từng quốc gia, tổng số ca nhiễm trên toàn cầu, số ca tử vong và số ca đã hồi phục.

Diễn biến lan truyền dịch bệnh được P-GIS thể hiện qua bản đồ dưới đây.

Số liệu trong bài viết được thu thập từ trang web của Trường Y học thuộc Đại học Johns Hopkins và hệ thống dữ liệu thống kê Knoema.

Giám sát diện tích tưới nước vụ Đông Xuân 2020 vùng Đồng bằng Sông Hồng

noreply@blogger.com (Unknown) — Sun, 2 Feb 2020 16:53:00 +0700

Thông thường, báo cáo nhanh về diện tích được cấp nước phục vụ gieo trồng lúa thông qua các đợt xả nước của EVN sẽ do các Sở Nông nghiệp và Phát triển Nông thôn cấp tỉnh gửi lên Bộ Nông nghiệp và Phát triển Nông thôn. Định kỳ 10 ngày báo cáo nhanh cho phép Bộ theo dõi tiến độ sản xuất và phục vụ sản xuất 3 lần trong 1 tháng. Các báo cáo tháng được gửi trước ngày 25 hàng tháng sẽ cung cấp những số liệu chính thống, làm căn cứ cho Bộ Nông nghiệp và Phát triển Nông thôn điều hành hoạt động sản xuất.

Phương pháp thu thập số liệu hoàn toàn dựa vào thống kê từ cấp xã đến cấp huyện và tổng hợp lên cấp tỉnh. Ngoài các con số về tình hình sản xuất, tình hình diện tích đất lúa được cấp nước phục vụ đổ ải cũng được báo cáo bằng phương pháp này.

Tại vùng đồng bằng sông Hồng, vụ Đông Xuân đóng một vai trò quan trọng đối với hoạt động sản xuất lúa và việc xuống giống đúng thời vụ sẽ góp phần đảm bảo một mùa vụ thắng lợi. Do đó, việc cấp nước đổ ải cũng luôn được quan tâm và đóng một vai trò lớn đối với hoạt động sản xuất. Hàng năm, đồng bằng sông Hồng được cấp nước 3 đợt trong khoảng 20 ngày đến 1 tháng. Hoạt động cấp nước do EVN phụ trách, phối hợp với Bộ Nông nghiệp và Phát triển Nông thôn, điều phối hoạt động sản xuất lúa trong vùng.

Để giám sát diện tích được cấp nước qua các đợt bơm nước của EVN, ngoài phương pháp thống kê kể trên, ứng dụng ảnh viễn thám giám sát diện tích được cấp nước hiện cũng đã được nhiều cơ quan trong và ngoài nước sử dụng. Đặc biệt, với ảnh vệ tinh radar, độ nhạy cảm của tín hiệu với đất ướt và đất khô cho phép các nhà khoa học giám sát hiệu quả những khoanh thửa đã được cấp nước. Tư liệu ảnh vệ tinh radar Sentinel-1 hiện đáp ứng khá tốt các yêu cầu kỹ thuật và tài chính của công tác giám sát tưới tiêu. Với độ phân giải mặt đất 10m, thời gian thu nhận từ 6-12 ngày và hoàn toàn miễn phí, Sentinel-1A và Sentinel-1B đã và đang được ứng dụng rộng rãi trên toàn cầu.

Ứng dụng của P-GIS trong công tác giám sát diện tích được tưới nước vụ Đông Xuân 2020 tại đồng bằng sông Hồng là một ví dụ. Hệ thống giám sát sử dụng các ảnh Sentinel-1 đa thời gian, giám sát diện tích đất lúa trước và sau khi bơm nước để so sánh diện tích được tưới mới. Công tác thống kê được triển khai nhanh với phần mềm GIS cho phép các nhà quản lý nhanh chóng có số liệu về diện tích đất lúa được bơm nước đổ ải qua các đợt. Từ đó hỗ trợ công tác điều hành sản xuất tốt hơn.

Ở thời điểm hiện tại, theo lịch bơm nước của EVN, công tác bơm nước đợt 1 đã được tiến hành từ ngày 20 đến 23/1/2020. Bản đồ Giám sát diện tích đất lúa được tưới nước vụ Đông Xuân 2020 cho Đợt 1 đã giúp thống kê phần diện tích được bơm nước mới cũng như phần diện tích đất lúa có nước đổ ải.

Tới các thời điểm bơm nước tiếp theo, P-GIS sẽ công bố kết quả giám sát diện tích đất lúa được bơm nước trong từng đợt trên trang web này.

Dưới đây là thống kê diện tích đất lúa cấp tỉnh và cấp huyện được cấp nước tưới trong vụ Đông Xuân 2020.

Thống kê cấp tỉnh

Tỉnh	Diện tích đất lúa (ha)	Diện tích đất lúa tưới mới đợt 1, 2020 (ha)	Diện tích đất lúa đã có sẵn nước, 2020 (ha)	Tỷ lệ tưới mới đợt 1 (%)	Tỷ lệ đất lúa đã có sẵn nước (%)	Tổng tỷ lệ đất lúa có nước đợt 1 (%)
Bắc Ninh	48,592	11,243	3,011	23	6	29
Hà Nam	44,871	14,211	6,193	32	14	46
Hải Dương	87,611	13,303	5,593	15	6	21
Hưng Yên	46,638	7,521	1,705	16	4	20
Nam Định	99,012	31,505	13,326	32	13	45
Ninh Bình	55,722	12,194	9,856	22	18	40
Quảng Ninh	21,148	1,966	1,259	9	6	15
Thái Bình	104,871	30,824	6,930	29	7	36
Tp. Hà Nội	154,358	19,382	17,786	13	12	25
Tp. Hải Phòng	58,637	8,961	3,622	15	6	21
Vĩnh Phúc	44,384	3,793	2,780	9	6	15
Tổng	765,844	154,903	72,061	20	9	29

Thống kê cấp huyện

Huyện	Tỉnh	Diện tích đất lúa (ha)	Diện tích đất lúa tưới mới đợt 1, 2020 (ha)	Diện tích đất lúa đã có sẵn nước, 2020 (ha)	Tỷ lệ tưới mới đợt 1 (%)	Tỷ lệ đất lúa đã có sẵn nước (%)	Tổng tỷ lệ đất lúa có nước đợt 1 (%)
Tp. Bắc Ninh	Bắc Ninh	3,698	427	358	12	10	22
H. Từ Sơn	Bắc Ninh	3,633	710	269	20	7	27
H. Yên Phong	Bắc Ninh	6,999	803	620	11	9	20
H. Tiên Du	Bắc Ninh	5,736	1,189	288	21	5	26
H. Thuận Thành	Bắc Ninh	7,541	1,663	161	22	2	24
H. Gia Bình	Bắc Ninh	5,671	1,739	225	31	4	35
H. Lương Tài	Bắc Ninh	6,121	1,960	704	32	12	44
H. Quế Võ	Bắc Ninh	9,193	2,752	386	30	4	34
Tp. Phủ Lý	Hà Nam	4,544	1,157	510	25	11	36
H. Kim Bảng	Hà Nam	7,117	1,655	1,237	23	17	40
H. Duy Tiên	Hà Nam	6,489	1,679	1,177	26	18	44
H. Lý Nhân	Hà Nam	8,321	2,862	613	34	7	41
H. Thanh Liêm	Hà Nam	8,151	3,051	1,520	37	19	56
H. Bình Lục	Hà Nam	10,249	3,807	1,136	37	11	48
Tp. Hải Dương	Hải Dương	2,010	169	67	8	3	11
H. Kinh Môn	Hải Dương	8,157	245	173	3	2	5
H. Thanh Hà	Hải Dương	3,542	391	68	11	2	13
H. Kim Thành	Hải Dương	6,323	488	507	8	8	16
H. Cẩm Giàng	Hải Dương	5,821	493	101	8	2	10
H. Nam Sách	Hải Dương	6,175	551	69	9	1	10
H. Gia Lộc	Hải Dương	7,104	816	213	11	3	14
H. Chí Linh	Hải Dương	10,129	1,415	1,339	14	13	27
H. Tứ Kỳ	Hải Dương	11,070	1,613	642	15	6	21
H. Ninh Giang	Hải Dương	9,395	2,011	898	21	10	31
H. Bình Giang	Hải Dương	8,265	2,111	915	26	11	37
H. Thanh Miện	Hải Dương	9,620	3,000	601	31	6	37
H. Văn Giang	Hưng Yên	1,889	67	12	4	1	5
H. Văn Lâm	Hưng Yên	2,220	254	91	11	4	15
Tp. Hưng Yên	Hưng Yên	1,365	274	92	20	7	27
H. Khoái Châu	Hưng Yên	5,008	475	167	9	3	12
H. Yên Mỹ	Hưng Yên	5,187	576	82	11	2	13
H. Phù Cừ	Hưng Yên	5,428	588	48	11	1	12
H. Mỹ Hào	Hưng Yên	5,057	976	172	19	3	22
H. Tiên Lữ	Hưng Yên	5,153	1,025	183	20	4	24
H. Kim Động	Hưng Yên	5,711	1,477	360	26	6	32
H. Ân Thi	Hưng Yên	9,620	1,809	498	19	5	24
Tp. Nam Định	Nam Định	1,236	334	44	27	4	31
H. Trực Ninh	Nam Định	9,007	1,622	3,493	18	39	57
H. Mỹ Lộc	Nam Định	4,613	1,847	185	40	4	44
H. Xuân Trường	Nam Định	7,433	2,296	1,442	31	19	50
H. Nam Trực	Nam Định	11,397	2,770	1,801	24	16	40
H. Hải Hậu	Nam Định	13,426	3,035	1,205	23	9	32
H. Giao Thủy	Nam Định	8,762	3,766	1,380	43	16	59
H. Nghĩa Hưng	Nam Định	13,705	4,586	1,141	33	8	41
H. Vụ Bản	Nam Định	11,435	4,985	1,023	44	9	53
H. Ý Yên	Nam Định	17,998	6,264	1,612	35	9	44
Tp. Tam Điệp	Ninh Bình	1,054	110	457	10	43	53
Tp. Ninh Bình	Ninh Bình	1,532	225	251	15	16	31
H. Hoa Lư	Ninh Bình	4,473	723	1,237	16	28	44
H. Gia Viễn	Ninh Bình	8,721	1,379	2,265	16	26	42
H. Yên Mô	Ninh Bình	9,385	1,629	1,789	17	19	36
H. Nho Quan	Ninh Bình	11,922	1,840	2,421	15	20	35
H. Kim Sơn	Ninh Bình	9,778	2,727	181	28	2	30
H. Yên Khánh	Ninh Bình	8,857	3,561	1,255	40	14	54
H. Ba Chẽ	Quảng Ninh	1,409	3	2	0	0	0
Tp. Hạ Long	Quảng Ninh	496	49	26	10	5	15
H. Hoành Bồ	Quảng Ninh	2,811	54	14	2	0	2
Tp. Uông Bí	Quảng Ninh	2,473	130	108	5	4	9
H. Đông Triều	Quảng Ninh	7,691	748	369	10	5	15
H. Yên Hưng	Quảng Ninh	6,268	982	740	16	12	28
Tp. Thái Bình	Thái Bình	3,820	656	74	17	2	19
H. Vũ Thư	Thái Bình	10,710	2,995	365	28	3	31
H. Hưng Hà	Thái Bình	13,757	3,357	791	24	6	30
H. Quỳnh Phụ	Thái Bình	15,522	3,763	695	24	4	28
H. Tiền Hải	Thái Bình	12,878	4,774	2,686	37	21	58
H. Thái Thụy	Thái Bình	17,918	4,781	1,026	27	6	33
H. Kiến Xương	Thái Bình	14,370	5,164	176	36	1	37
H. Đông Hưng	Thái Bình	15,896	5,334	1,117	34	7	41
H. Đan Phượng	Tp. Hà Nội	812	8	8	1	1	2
Q. Nam Từ Liêm	Tp. Hà Nội	791	12	18	2	2	4
Q. Hoàng Mai	Tp. Hà Nội	1,212	31	57	3	5	8
Q. Long Biên	Tp. Hà Nội	1,425	46	98	3	7	10
Q. Hà Đông	Tp. Hà Nội	1,259	97	61	8	5	13
H. Hoài Đức	Tp. Hà Nội	2,354	108	24	5	1	6
H. Gia Lâm	Tp. Hà Nội	4,419	199	184	5	4	9
H. Thanh Trì	Tp. Hà Nội	2,387	205	301	9	13	22
Tp. Sơn Tây	Tp. Hà Nội	4,315	236	193	5	4	9
H. Phúc Thọ	Tp. Hà Nội	5,975	419	184	7	3	10
H. Đông Anh	Tp. Hà Nội	10,122	443	314	4	3	7
H. Quốc Oai	Tp. Hà Nội	6,469	624	607	10	9	19
H. Thạch Thất	Tp. Hà Nội	7,763	626	331	8	4	12
H. Sóc Sơn	Tp. Hà Nội	15,078	856	453	6	3	9
H. Ba Vì	Tp. Hà Nội	13,848	895	530	6	4	10
H. Mê Linh	Tp. Hà Nội	6,581	901	451	14	7	21
H. Thường Tín	Tp. Hà Nội	7,761	1,069	850	14	11	25
H. Chương Mỹ	Tp. Hà Nội	14,277	1,974	2,372	14	17	31
H. Mỹ Đức	Tp. Hà Nội	10,103	2,404	2,819	24	28	52
H. Thanh Oai	Tp. Hà Nội	8,883	2,564	723	29	8	37
H. Ứng Hòa	Tp. Hà Nội	15,353	2,605	4,701	17	31	48
H. Phú Xuyên	Tp. Hà Nội	13,171	3,060	2,507	23	19	42
Q. Lê Chân	Tp. Hải Phòng	105	3	1	3	1	4
Q. Hải An	Tp. Hải Phòng	535	28	53	5	10	15
H. Cát Hải	Tp. Hải Phòng	702	35	149	5	21	26
Q. Đồ Sơn	Tp. Hải Phòng	770	60	57	8	7	15
Q. Kiến An	Tp. Hải Phòng	949	103	55	11	6	17
Q. Dương Kinh	Tp. Hải Phòng	1,646	130	61	8	4	12
H. An Dương	Tp. Hải Phòng	5,352	317	94	6	2	8
H. Thủy Nguyên	Tp. Hải Phòng	11,151	732	314	7	3	10
H. An Lão	Tp. Hải Phòng	6,275	737	311	12	5	17
H. Kiến Thụy	Tp. Hải Phòng	6,558	1,212	872	18	13	31
H. Tiên Lãng	Tp. Hải Phòng	11,130	1,454	478	13	4	17
H. Vĩnh Bảo	Tp. Hải Phòng	13,464	4,150	1,177	31	9	40
Tx. Phúc Yên	Vĩnh Phúc	2,768	109	74	4	3	7
Tp. Vĩnh Yên	Vĩnh Phúc	1,744	144	168	8	10	18
H. Tam Đảo	Vĩnh Phúc	3,652	189	79	5	2	7
H. Sông Lô	Vĩnh Phúc	4,930	296	232	6	5	11
H. Bình Xuyên	Vĩnh Phúc	5,760	311	351	5	6	11
H. Yên Lạc	Vĩnh Phúc	5,736	476	408	8	7	15
H. Tam Dương	Vĩnh Phúc	4,757	710	382	15	8	23
H. Vĩnh Tường	Vĩnh Phúc	8,484	746	471	9	6	15
H. Lập Thạch	Vĩnh Phúc	6,553	812	615	12	9	21

Thông tin thêm: Bộ NN&PTNT vừa có thông báo về lịch lấy nước phục vụ gieo cấy lúa vụ Đông Xuân 2019-2020 khu vực Trung du và Đồng bằng Bắc Bộ với tổng cộng 18 ngày, chia làm 3 đợt.
+ Đợt 1: Từ 0h ngày 20/1 đến 24h ngày 23/1/2020 (4 ngày)
+ Đợt 2: Từ 0h ngày 5/2 đến 24h ngày 12/2/2020 (8 ngày)
+ Đợt 3: Từ 0h ngày 19/2 đến 24h ngày 24/2/2020 (6 ngày)
Nguồn: https://evn.com.vn/d6/news/Se-co-3-dot-cap-nuoc-do-ai-vu-Dong-Xuan-2019-2020-0-0-24711.aspx

Khảo sát tình hình đốt rơm rạ trên địa bàn TP. Hà Nội

noreply@blogger.com (Unknown) — Wed, 15 Jan 2020 20:53:00 +0700

Từ lâu, đốt rơm rạ đã trở thành một trong những thói quen của các hộ gia đình trồng lúa. Quan niệm của bà con nông dân từ xưa đến nay thì việc đốt đồng có một số lợi ích: Không tốn công và chi phí xử lý rơm rạ trên đồng ruộng,... Tuy nhiên, theo các nhà khoa học thì việc đốt rơm rạ trực tiếp trên đồng ruộng đã gây ra những tác hại lớn hơn gấp nhiều lần so với những lợi ích mà nó mang lại.

Để có cái nhìn thực tế về tình trạng đốt rơm rạ sau thu hoạch, nhóm nghiên cứu thuộc Đại học Khoa học Tự nhiên (VNU) và Trung tâm Viễn thám & GIS (Viện Quy hoạch và Thiết kế Nông nghiệp) đã tiến hành khảo sát tình hình đốt rơm rạ địa bàn thành phố Hà Nội trong 2 vụ Xuân và Mùa năm 2019.

Trước hết, khi đốt đồng các chất hữu cơ trong rơm rạ và trong đất sẽ biến thành chất vô cơ nên tro than của rơm rạ cũng chỉ cung cấp được một lượng dinh dưỡng rất nhỏ cho đồng ruộng.
Trong khi việc nung đốt ở nhiệt độ cao sẽ làm cho một lượng nước lớn trong đất bị bốc hơi. Nếu đốt đồng nhiều lần và lâu dài sẽ làm cho đất biến chất và trở nên chai cứng.
Một tác hại khác của đốt đồng là gây ô nhiễm môi trường. Bởi lẽ khi đốt rơm rạ, không chỉ có khí CO2 (dioxid cacbon) thải vào không khí, mà các khí độc khác như CH4 (metan), khí CO (cacbon monoxid) và một ít khí SO2 (dioxid sunfur) cũng thải vào.
Theo ước tính của các nhà chuyên môn, đốt 1ha (trung bình 7 tấn rơm rạ) sẽ phát thải 9,1 tấn CO2; 798kg khí CO; 398kg các chất hữu cơ độc hại và 12kg tro bụi.
Hơn nữa, thành phần chủ yếu của rơm rạ là chất xenlulozơ, hemixenlulozơ và các chất hữu cơ kết dính... khi đốt cháy sẽ tạo ra các loại khí độc, con người hít vào sẽ gây ảnh hưởng đến sức khỏe, nhất là sẽ dễ mắc các chứng bệnh về đường hô hấp, gây co thắt phế quản và không loại trừ nguy cơ gây ung thư phổi, nhất là trẻ em; khói do đốt rơm rạ là che khuất tầm nhìn là tác nhân gây tai nạn giao thông,....
Đốt đồng còn là một sự lãng phí. Theo Viện Nghiên cứu lúa Quốc tế (IRRI), trong 1 tấn rơm chứa 5-8kg đạm; 1,2kg lân; 20kg kali; 40kg silic và 400kg carbon. Do vậy, đốt bỏ rơm rạ cũng có nghĩa là đã bỏ đi một lượng phân bón, chất dinh dưỡng cần thiết cho cây lúa.
Cuối cùng, việc đốt đồng còn tiêu diệt các loại côn trùng có ích, góp phần làm mất cân bằng sinh thái ruộng lúa - một trong những nguyên nhân gây bộc phát sâu bệnh trên đồng ruộng, buộc bà con nông dân phải sử dụng một lượng lớn thuốc bảo vệ thực vật để phòng trừ, khiến chi phí sản xuất lúa cao.

Kết quả khảo sát qua 2 vụ Xuân và vụ Mùa năm 2019 cho thấy tình hình đốt rơm rạ sau thu hoạch còn tương đối phổ biến trên địa bàn thành phố. Ở một mức độ nào đó, nghiên cứu còn hạn chế khi không rà soát lặp đi lặp lại trên cùng 1 khu vực ở nhiều thời điểm khác nhau sau thu hoạch. Nếu có, khả năng quan sát thấy số lượng vụ đốt rơm rạ còn cao hơn nhiều so với số liệu hiện tại. Dưới đây là bản đồ các điểm khảo sát của nhóm nghiên cứu và quan sát thực tế thể hiện bằng ảnh chụp có gắn tọa độ kèm theo các điểm trên bản đồ.

Phóng to bản đồ

Kỹ thuật chiết tách dữ liệu và lập bản đồ

noreply@blogger.com (Unknown) — Thu, 21 Nov 2019 10:44:00 +0700

Kỹ thuật chiết tách dữ liệu (data extraction) đã được phát triển từ khá lâu, song hành với sự phát triển của mạng Internet và công nghệ tin học. Tuy nhiên, dường như kỹ thuật này mới chỉ được các công ty lớn và các tập đoàn thương mại, ngân hàng ứng dụng, khai thác một cách hiệu quả.

Minh họa chiết tách dữ liệu từ trang web vào bảng dữ liệu có cấu trúc

Chiết tách dữ liệu thực chất là gì?

Lấy ví dụ chúng ta đang quan tâm đến danh sách các công ty, tổ chức hoạt động trong lĩnh vực bảo hiểm tại Việt Nam. Trang web những trang vàng Yellowpages cung cấp cho người dùng một công cụ tìm kiếm và hiển thị thông tin khá đầy đủ, hữu ích. Trên trang web này, chúng ta có thể tìm kiếm từ khóa đơn giản "danh sách các công ty bảo hiểm ở việt nam". Kết quả trả về tại thời điểm viết bài này là 490 công ty, theo địa chỉ sau:

https://www.yellowpages.vnn.vn/tgcls/20131560/danh-sách-các-công-ty-bảo-hiểm-ở-việt-nam.html

Người dùng có thể copy-paste để sao chép dữ liệu này và thành lập một cơ sở dữ liệu riêng cho mình. Tuy nhiên phương pháp này mang nặng tính thủ công và mất rất nhiều thời gian. Bên cạnh đó, khi nguồn dữ liệu có sự thay đổi, người dùng hầu như phải cập nhật lại từ đầu.

Kỹ thuật chiết tách dữ liệu cho phép thực hiện 2 việc quan trọng:

- Tự động lấy dữ liệu từ một địa chỉ web hợp lệ thông qua;

- Tự động lập bảng dữ liệu và đưa dữ liệu vào đúng các trường dữ liệu do người dùng định nghĩa.

Để làm được việc này, người dùng cần 2 điều kiện thỏa mãn:

- Trang web (địa chỉ Internet) để lấy số liệu phải được thiết kế có cấu trúc. Nói cách khác, dữ liệu trên đó thường được kết xuất từ cơ sở dữ liệu gốc nên có tính lặp đi lặp lại rất cao, dễ nhận biết cấu trúc.

- Người dùng cần có một công cụ để chiết xuất dữ liệu, tự động xây dựng bảng dữ liệu.

Trong ví dụ ở trên, trang web Yellowpages hiển thị dữ liệu theo dạng có cấu trúc vì các thông tin được kết xuất từ cơ sở dữ liệu gốc. Vì thế, khi người dùng duyệt qua các công ty bảo hiểm trong kết quả tìm kiếm, có thể thấy các trường thông tin được lặp đi lặp lại giống nhau đối với từng công ty trong danh sách kết quả tìm kiếm.

2 công ty trong danh sách các kết quả tìm kiếm

Các công cụ chiết xuất dữ liệu từ địa chỉ Internet có thể kể đến như Data Extractor, Import.io và rất nhiều mà người dùng có thể tìm thấy trên Google. Điển hình là Import.io (http://import.io) với khả năng chiết xuất tuyệt vời có thể nhanh chóng "độ" toàn bộ nội dung tìm kiếm ở trên để đưa vào bảng số liệu "sạch, đẹp" cho người dùng.

Giao diện của trang web Import.io

Khi sử dụng Import.io, tất nhiên người dùng sẽ phải "dạy" cho chương trình biết các trường dữ liệu nào cần lấy và cách tự động "lật trang" khi trang web có dữ liệu có nút "Next page". Điều này đòi hỏi người dùng phải "thao tác" một chút nhưng không đáng kể gì vì tác vụ cũng khá đơn giản.

Nhìn vào bảng kết quả dưới đây, chắc hẳn bạn sẽ khá hài lòng.

Kết quả tìm kiếm trong định dạng Excel

Ấn tượng hơn nữa, kỹ thuật Geocode sẽ cho phép người dùng "biến" các dòng địa chỉ (trong cột Address) thành tọa độ địa lý (Latitude, Longitude) để "bắn" chúng lên bản đồ. Có nhiều dịch vụ Geocode trên thế giới, điển hình là bộ công cụ của các phần mềm như MapInfo Professional, ESRI ArcGIS, QGIS,..., hay các công cụ trực tuyến của Google API, Openstreetmaps.

Trong bài này, nhóm kỹ thuật của P-GIS sử dụng công cụ geocode của Google thông qua Google API để thành lập bản đồ các công ty bảo hiểm ở Việt Nam. Kết quả ngay ở dưới đây.

Cần nói thêm chút về Geocode. Bản chất của Geocode là ước tính tọa độ của một địa điểm nào đó thông qua địa chỉ đường phố. Do vậy, trong nhiều trường hợp, tọa độ của điểm cần định vị chỉ mang tính tương đối, chưa hẳn chính xác như trên thực tế. Dẫu sao, trong việc định vị và lập bản đồ nếu không đòi hỏi độ chính xác tuyệt đối thì kỹ thuật Geocode là sự lựa chọn hàng đầu.

Trong bối cảnh cần lập bản đồ các công ty bảo hiểm trên toàn quốc, việc ghép nối và vận hành tự động các công cụ với địa chỉ cung cấp dữ liệu thành một sản phẩm là bản đồ sẽ giúp người dùng nhanh chóng có được những gì mình mong đợi ở một độ chính xác tương đối.

Biển đảo Việt Nam nhìn từ vệ tinh

noreply@blogger.com (Unknown) — Fri, 15 Nov 2019 22:47:00 +0700

Đảo Cát Bà - TP. Hải Phòng

Biển đảo Việt Nam vô cùng đẹp và luôn là nguồn cảm hứng cho khách du lịch 4 phương đổ về. Hơn thế nữa, nhìn từ vệ tinh với một góc khác với nhiếp ảnh thông thường, đảo quê hương hiện lên lung linh trên nền nước biển xanh thẫm.

P-GIS đã sử dụng các vệ tinh Landsat-7, Landsat-8, IKONOS và Quickbird để ghi lại hình ảnh của những hòn đảo và bãi biển nổi tiếng của Việt Nam suốt từ Móng Cái tới Cà Mau. Toàn bộ hình ảnh được tổ hợp theo hệ thống màu tự nhiên.

Bộ ảnh đã được ngân hàng BIDV sử dụng để in lịch đón năm mới 2015 - năm của Biển đảo Quê hương.

P-GIS hy vọng đây chỉ là sự khởi đầu. Mong các bạn comment phía dưới những đảo còn thiếu. Đồng thời, nếu có thể, cung cấp cho chúng tôi tọa độ các đảo mà bạn gợi ý để chúng tôi tiếp tục bổ sung thêm vào cơ sở dữ liệu này. Xin trân trọng cám ơn.