Mỗi ngày, hàng trăm vệ tinh quan sát Trái Đất chụp lại mặt đất, mặt biển, mây và khí quyển, và nhiều kho ảnh trong số đó được mở miễn phí cho bất kỳ ai. Lượng ảnh lớn đến mức không đội ngũ nào xem hết bằng mắt. AI, đặc biệt là các mô hình nhận dạng ảnh, trở thành công cụ để đọc kho ảnh ấy và tìm ra những thay đổi đáng chú ý.
Khoa học dùng ảnh vệ tinh để nghiên cứu môi trường gọi là viễn thám. Nó cho phép theo dõi những thứ khó đo từ mặt đất: rừng bị mất ở vùng xa, bãi bồi cửa sông thay đổi, bờ biển bị xói, hồ chứa đầy hay cạn, chất lượng nước ven biển.
Bài này giải thích vệ tinh "nhìn" bằng những loại ánh sáng nào, AI làm gì với ảnh, những ứng dụng giám sát môi trường điển hình, giới hạn cần biết, và cách học sinh, giáo viên có thể tự xem ảnh vệ tinh miễn phí để làm dự án.
Vệ tinh nhìn thấy gì mà mắt người không thấy
Máy ảnh trên điện thoại ghi ba dải màu đỏ, lục, lam. Cảm biến đa phổ trên vệ tinh quan sát Trái Đất ghi thêm nhiều dải nữa, trong đó có cận hồng ngoại và hồng ngoại sóng ngắn. Những dải ấy cho thông tin mà mắt người không có: lá cây khoẻ phản xạ cận hồng ngoại rất mạnh, nước hấp thụ gần hết, đất trống ở giữa.
Từ các dải này, các nhà viễn thám tính ra những chỉ số đơn giản. Nổi tiếng nhất là chỉ số thực vật NDVI, so sánh phản xạ cận hồng ngoại với phản xạ ánh sáng đỏ. Cây xanh tốt cho NDVI cao, đất trống thấp, nước âm. Một vùng rừng bỗng tụt NDVI giữa mùa mưa là dấu hiệu đáng xem kỹ.
Loại thứ hai là ra đa. Vệ tinh ra đa tự phát sóng vi ba xuống mặt đất và thu sóng dội lại, nên chụp được cả ban đêm và xuyên qua mây. Với Việt Nam, nơi mùa mưa mây che nhiều tuần liền, ra đa là công cụ quý để theo dõi ngập lụt, ruộng lúa, và bằng kỹ thuật giao thoa, đo được mặt đất lún hay trồi từng milimet. Loại thứ ba là cảm biến nhiệt, cho biết nhiệt độ bề mặt, dùng để thấy cháy rừng hay đảo nhiệt đô thị.
Một số dòng vệ tinh có dữ liệu mở thường dùng
Dữ liệu từ các chương trình vệ tinh công được mở cho cộng đồng nghiên cứu và giáo dục. Bảng dưới chỉ mang tính giới thiệu; thông số và cách truy cập nên kiểm trang chính thức hiện hành của từng chương trình.
| Chương trình | Loại ảnh | Điểm mạnh |
|---|---|---|
| Landsat (Mỹ) | Quang học đa phổ, nhiệt | Chuỗi ảnh liên tục từ năm 1972, hợp để so sánh thay đổi dài hạn |
| Sentinel-2 (châu Âu, chương trình Copernicus) | Quang học đa phổ | Độ chi tiết khá, chụp lại thường xuyên, hợp theo dõi nông nghiệp, rừng, bờ biển |
| Sentinel-1 (châu Âu) | Ra đa | Nhìn xuyên mây, dùng cho ngập lụt, lún đất, tàu thuyền |
| Vệ tinh khí tượng địa tĩnh | Ảnh mây liên tục | Theo dõi mây, bão theo từng vài phút; thuộc lĩnh vực khí tượng |
| Vệ tinh đo khí quyển | Phổ kế | Đo khí như NO2, mê tan, sol khí trên diện rộng |
Việt Nam cũng có vệ tinh quan sát Trái Đất của mình, phục vụ các cơ quan trong nước. Ngoài ra còn có ảnh thương mại độ phân giải rất cao, nhưng thường phải mua và có điều khoản sử dụng riêng.
AI làm gì với hàng triệu tấm ảnh
Việc đầu tiên là phân loại lớp phủ: mỗi điểm ảnh là rừng, ruộng, nước, đô thị hay đất trống. Trước đây việc này dùng các quy tắc do người đặt ra hoặc thuật toán thống kê đơn giản. Mô hình học sâu ngày nay nhìn được cả hình dạng, kết cấu và bối cảnh xung quanh, nên phân biệt tốt hơn những thứ có màu gần giống nhau, như rừng trồng và rừng tự nhiên, ao nuôi tôm và ruộng ngập.
Việc thứ hai là phát hiện thay đổi. So chuỗi ảnh cùng một nơi qua nhiều thời điểm, mô hình đánh dấu nơi khác biệt so với quy luật bình thường của mùa. Thử thách là tách thay đổi thật khỏi thay đổi giả: mây, bóng mây, khói, góc nắng khác nhau, lúa vừa gặt. Các hệ thống cảnh báo mất rừng gần thời gian thực hoạt động theo cách này.
Việc thứ ba là đếm và đo: số tàu thuyền, diện tích bãi bồi, chiều rộng dòng sông, chiều dài bờ biển bị lở. Gần đây các mô hình nền tảng được huấn luyện trên kho ảnh vệ tinh khổng lồ đang được thử để giảm lượng ảnh phải gán nhãn tay cho mỗi bài toán mới. Đây là hướng phát triển nhanh, nên khi dùng công cụ cụ thể bạn cần kiểm phiên bản và tài liệu hiện hành.
Từ ảnh thô đến bản đồ: một quy trình viễn thám điển hình
Ảnh vệ tinh tải về chưa dùng ngay được. Bước đầu là tiền xử lý: hiệu chỉnh ảnh hưởng của khí quyển để giá trị điểm ảnh phản ánh đúng mặt đất, che bỏ mây và bóng mây, nắn ảnh cho khớp toạ độ để ảnh các ngày khác nhau chồng khít lên nhau. Với ảnh ra đa, còn phải lọc nhiễu lốm đốm đặc trưng của loại sóng này. Nhiều kho dữ liệu hiện cung cấp sẵn ảnh đã qua một phần các bước trên.
Bước thứ hai là gán nhãn: chuyên gia khoanh những vùng mẫu đã biết chắc là rừng, ruộng, nước, đô thị, thường dựa vào khảo sát thực địa hoặc ảnh độ phân giải cao hơn. Đây là khâu tốn công nhất và quyết định chất lượng mô hình. Mẫu gán sai hay chỉ lấy ở một vùng nhỏ thì mô hình học sai theo.
Bước thứ ba là huấn luyện và đánh giá. Mô hình học từ phần lớn số mẫu, phần còn lại được giữ riêng để kiểm tra. Kết quả được báo cáo bằng độ chính xác tổng thể và độ chính xác của từng lớp, vì một mô hình có thể đúng 95% tổng thể mà vẫn sai nhiều ở lớp hiếm như rừng ngập mặn. Cuối cùng mới là chạy cho cả vùng, rồi đem bản đồ đi so với thực địa thêm một lần. Biết quy trình này giúp bạn đọc một bản đồ vệ tinh với con mắt tỉnh táo hơn.
Những việc giám sát môi trường điển hình
Mất rừng và cháy rừng. Phát hiện vùng rừng bị chặt, bị cháy, kể cả ở nơi xa đường giao thông. Cảnh báo sớm giúp lực lượng kiểm lâm đến kiểm tra kịp thời.
Sông đổi dòng và sạt lở bờ sông. So đường bờ qua nhiều năm cho thấy đoạn nào đang bị khoét, đoạn nào bồi. Kết hợp với thông tin về khai thác cát giúp hiểu nguyên nhân.
Bờ biển và rừng ngập mặn. Theo dõi đường bờ biển tiến hay lùi, diện tích rừng ngập mặn thu hẹp hay phục hồi, đầm nuôi trồng mở rộng ra sao.
Chất lượng nước. Màu nước ven biển và hồ chứa cho biết độ đục, tảo nở hoa. Đây là chỉ báo gián tiếp, cần lấy mẫu thật để khẳng định.
Ngập lụt. Ảnh ra đa sau mưa lớn cho bản đồ vùng ngập nhanh, giúp các đội cứu hộ và đánh giá thiệt hại.
Ô nhiễm không khí diện rộng. Vệ tinh đo khí NO2 và bụi trên cột khí quyển, cho bức tranh vùng; nồng độ ở mặt đất nơi bạn thở vẫn cần trạm đo dưới đất.
Giới hạn: ảnh vệ tinh không phải sự thật tuyệt đối
Thứ nhất là độ phân giải. Một điểm ảnh của nhiều vệ tinh mở tương ứng với một ô vuông hàng chục mét trên mặt đất; một cây đơn lẻ, một con đường mòn, một bãi rác nhỏ có thể không thấy được. Thứ hai là mây: vùng nhiệt đới có những tháng gần như không có ảnh quang học sạch mây, nên chuỗi thời gian bị đứt.
Thứ ba là sai số của mô hình. Một bản đồ phân loại đẹp mắt có thể sai đáng kể ở những lớp hiếm hoặc ở vùng mô hình ít được huấn luyện. Nghiên cứu nghiêm túc luôn báo cáo độ chính xác bằng cách đối chiếu với điểm kiểm tra thực địa. Khi đọc tin "vệ tinh cho thấy mất X hecta rừng", bạn nên hỏi: định nghĩa rừng là gì, độ phân giải bao nhiêu, đã kiểm thực địa chưa.
Thứ tư là chuyện quyền riêng tư và đạo đức. Ảnh độ phân giải rất cao có thể thấy nhà cửa, xe cộ. Dữ liệu cần được dùng cho mục đích chung, không để theo dõi cá nhân. Và cuối cùng, phát hiện từ vệ tinh chỉ là bước đầu; kết luận về vi phạm hay nguyên nhân phải do cơ quan chức năng xác minh tại hiện trường.
Dự án nhỏ cho học sinh: xem thay đổi quê mình qua ảnh vệ tinh
Học sinh trung học hoàn toàn có thể làm một dự án viễn thám đơn giản với các công cụ xem ảnh miễn phí trên trình duyệt. Quy trình gợi ý, có giáo viên hướng dẫn:
- Chọn một nơi quen thuộc và có thay đổi dễ thấy: một đoạn sông, bãi biển, hồ chứa, khu đô thị mới. Không chọn nhà riêng của ai.
- Tìm ảnh cùng mùa ở nhiều năm khác nhau, ví dụ cách nhau năm năm, để tránh nhầm thay đổi theo mùa với thay đổi thật.
- Đặt các ảnh cạnh nhau, khoanh vùng thay đổi, đo chiều dài, diện tích bằng công cụ đo có sẵn.
- Nhờ AI giải thích khái niệm và gợi ý giả thuyết: "Bờ sông này lùi vào khoảng 50 mét trong 5 năm. Những nguyên nhân tự nhiên và do con người nào có thể gây ra, và cần dữ liệu gì để kiểm từng giả thuyết?"
- Kiểm chứng tại thực địa nếu an toàn, hoặc hỏi người dân địa phương, và ghi rõ trong báo cáo đâu là quan sát, đâu là suy luận.
Khi chia sẻ kết quả, chỉ dùng ảnh ở mức khu vực, không đăng ảnh phóng to nhà riêng của người khác. Đây cũng là bài học tốt về tôn trọng quyền riêng tư khi dùng dữ liệu mở.
Câu hỏi thường gặp
Ảnh vệ tinh trên ứng dụng bản đồ có phải ảnh trực tiếp không?
Không. Ảnh nền trên các ứng dụng bản đồ thường là ảnh ghép từ nhiều lần chụp, có thể cũ vài tháng tới vài năm, đã được chọn ảnh ít mây. Để xem ảnh mới, cần dùng các kho ảnh vệ tinh có ghi ngày chụp.
Vệ tinh có nhìn thấy từng người không?
Các vệ tinh dữ liệu mở có độ phân giải hàng chục mét nên không thấy người. Ảnh thương mại độ phân giải cao nhất có thể thấy xe, nhưng một người chỉ là vài điểm ảnh, không nhận ra được ai.
NDVI cao có nghĩa là rừng tốt không?
NDVI cao cho biết có nhiều lá xanh khoẻ, nhưng ruộng lúa đang thì con gái, vườn cây ăn trái hay rừng trồng cũng cho NDVI cao. Chỉ số này không phân biệt được rừng tự nhiên với cây trồng, cần thêm thông tin khác.
Vì sao ảnh vệ tinh mùa mưa ở Việt Nam hay toàn mây?
Ảnh quang học ghi ánh sáng phản xạ nên không nhìn xuyên mây. Mùa mưa ở nhiều vùng của Việt Nam mây che gần như liên tục. Các nhà viễn thám dùng ảnh ra đa, hoặc ghép nhiều ảnh để lấy phần không mây.
Học sinh có cần biết lập trình để làm viễn thám không?
Không bắt buộc. Nhiều công cụ trên trình duyệt cho phép xem, so sánh, đo ảnh mà không cần lập trình. Muốn phân tích chuỗi ảnh lớn thì biết lập trình cơ bản sẽ có lợi, và AI có thể giúp giải thích đoạn mã mẫu.
AI phát hiện mất rừng có chính xác không?
Các hệ thống tốt phát hiện được phần lớn các vùng mất rừng đủ lớn, nhưng vẫn có cảnh báo nhầm do mây, khói, mùa khô rụng lá, và bỏ sót vùng nhỏ. Vì vậy cảnh báo luôn cần người kiểm tra lại bằng ảnh khác hoặc tại hiện trường.