Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng phép đo độ tương đồng thống kê

32 Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất Tập 59, Kỳ 5 (2018) 32-43 
Phát hiện vùng ngập lụt tại Huế từ ảnh SAR đa thời gian bằng 
phép đo độ tương đồng thống kê 
Lê Thu Trang 1, Phạm Thị Thanh Hòa 1, Phạm Hà Thái 1, Trần Trung Anh 1, Vũ Thị 
Thơm 2 
1 Khoa Trắc địa - Bản đồ và Quản lý đất đai, Trường Đại học Mỏ - Địa chất, Việt Nam 
2 Công ty Cổ phần Dịch vụ Hạ tầng và Công nghệ Đông Nam, Việt Nam 
THÔNG TIN BÀI BÁO 
TÓM TẮT 
Quá trình: 
Nhận bài 08/8/2018 
Chấp nhận 09/10/2018 
Đăng online 31/10/2018 
 Bài báo này trình bày phương pháp phát hiện thay đổi từ ảnh RADAR độ mở 
tổng hợp đa thời gian (SAR) dựa trên phép đo độ tương đồng thống kê để 
xác định vùng ngập lụt. Từ các sản phẩm ảnh Ground Range Detected (GRD) 
đa thời gian của vệ tinh SAR Sentinel-1 được ghi nhận vào các thời điểm 
trước, trong và sau đợt lũ do ảnh hưởng của bão Damrey tháng 11 năm 
2017 tại thành phố Huế và một phần huyện Hương Trà (Thừa Thiên Huế), 
những thay đổi trên mặt đất do lũ lụt gây ra được phát hiện dựa trên khoảng 
cách Kullback-Leibler giữa hai phân bố Log-normal. Các kết quả phát hiện 
vùng ngập lụt đã được đánh giá khi so sánh với các mẫu kiểm chứng lấy từ 
ảnh quang học PlanetScope độ phân giải 3 m, và đạt độ chính xác tổng thế là 
87,3%. Các thông tin thay đổi được chiết xuất từ ảnh SAR đa thời gian sau 
đó có thể được khai thác cho nhiều mục đích như thành lập bản đồ vùng 
ngập lụt, phân tích, thống kê vùng bị ảnh hưởng, v.v.. 
© 2018 Trường Đại học Mỏ - Địa chất. Tất cả các quyền được bảo đảm. 
Từ khóa: 
Phát hiện vùng ngập lụt 
Ảnh SAR đa thời gian 
Sentinel-1 
1. Mở đầu 
Viễn thám từ lâu đã trở thành một công cụ 
hữu ích để nghiên cứu tài nguyên thiên nhiên và 
môi trường. Trong đó, rất nhiều nghiên cứu về 
giám sát và phát hiện thay đổi trên bề mặt sử dụng 
dữ liệu RADAR độ mở tổng hợp (SAR) đã được 
thực hiện trên thế giới. Từ các thay đổi bề mặt diễn 
ra nhanh chóng do thiên tai, do sự tàn phá của con 
người như: lũ lụt (Dellepiane and Angiati, 2012), 
sóng thần (Chen and Sato, 2013), phun trào núi 
lửa (Le et al., 2015), phá rừng, cháy rừng (Leblon 
et al., 2002), v.v., đến các thay đổi với diễn biến 
chậm như xói mòn (Amitrano et al., 2015), các 
thay đổi theo mùa với sự phát triển, tăng trưởng 
của thực vật (Bouvet et al. 2009), hay sự mở rộng 
không gian đô thị/nông nghiệp (Gar-OnYeh and 
Qi, 2015), v.v. Các thay đổi, biến dạng do chuyển 
động bề mặt cũng được nghiên cứu rộng rãi như: 
trượt lở đất (Colesanti and Wasowski, 2006), 
động đất và đứt gãy, sụt lún (Brunner et al., 2010), 
v.v. SAR là một phương pháp ghi nhận hình ảnh 
chủ động, nó phát ra nguồn năng lượng bức xạ 
riêng trong dải sóng microwave. Vì vậy các hệ 
thống SAR có thể hoạt động trong mọi thời điểm 
và mọi điều kiện thời tiết, có thể xuyên qua mây và 
_____________________ 
*Tác giả liên hệ 
E-mail: lethutrang@humg.edu.vn 
 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 33 
các cơn bão để thu nhận hình ảnh các đối tượng 
trên Trái Đất. So sánh với các hệ thống ghi nhận 
ảnh quang học thụ động ta thấy các hệ thống này 
phụ thuộc vào ánh sáng mặt trời hoặc các bức xạ 
nhiệt để ghi nhận hình ảnh. Hơn nữa, lượng mây 
che phủ có thể cản trở sự thu nhận ảnh, bởi ánh 
sáng mặt trời bị phản xạ bởi những đám mây và 
được ghi lại trên các bộ cảm quang học. Hai điều 
này gây hạn chế đáng kể trong việc quan sát Trái 
Đất với các bộ cảm thụ động. Chính vì vậy, các hệ 
thống thu nhận ảnh SAR có lợi thế đáng kể so với 
các kỹ thuật sử dụng ảnh quang học truyền thống, 
chúng rất thích hợp với các nhiệm vụ giám sát bề 
mặt Trái Đất. 
Việt Nam nằm trong vùng cận xích đạo, với 
khí hậu nhiệt đới ẩm gió mùa, có lượng mây che 
phủ trung bình hàng năm rất cao, đặc biệt là thời 
điểm có bão, vì vậy việc sử dụng các loại ảnh vệ 
tinh quang học luôn gặp khó khăn. Trung bình 
hàng năm nơi đây phải hứng chịu hàng chục cơn 
bão và áp thấp nhiệt đới, đặc biệt trong năm 2017, 
Việt Nam đã có 16 cơn bão và 4 áp thấp nhiệt đới 
(Báo Nhân dân điện tử, 2017), với rất nhiều cơn 
bão mạnh như Talas, Damrey, Kirogi, v.v. Đầu 
tháng 11/2017, Damrey - một trong những cơn 
bão mạnh nhất đổ bộ vào Việt Nam năm 2017, gây 
ảnh hưởng trên diện rộng từ Thừa Thiên Huế tới 
Bình Thuận và các tỉnh Tây Nguyên, với tốc độ gió 
lên tới 177 km/h. Đây là cơn bão gây hậu quả 
nghiêm trọng nhất kể từ năm 2001, đã làm 106 
người chết, 16 người mất tích và 315 người bị 
thương, gây thiệt hai kinh tế lên tới 22.000 tỷ đồng 
(Báo Nhân dân điện tử, 2017). Việc xác định vùng 
ngập lụt là một việc hết sức cần thiết nhằm đánh 
giá thiệt hại và tác động của lũ lụt đến đời sống của 
con người cũng như đối với môi trường. Ngoài ra, 
phạm vi ngập lụt tại một vùng được xác định từ 
các đợt thiên tai trước đó cũng hữu ích trong việc 
dự báo ảnh hưởng của bão lụt trong tương lai, 
giúp ích cho quá trình phòng hộ trước những đợt 
ngập lụt lớn, tránh được những hậu quả nghiêm 
trọng. Một số nghiên cứu về ngập lụt ở Việt Nam 
từ ảnh SAR cũng được thực hiện (Phạm Quang 
Sơn, Bùi Đức Việt, 2001; Trần Vân Anh, 2011; 
Trần Kim Châu, 2017; Nguyen, 2016), nhưng các 
nghiên cứu này chủ yếu sử dụng phương pháp so 
sánh sau phân loại với việc ứng dụng các phần 
mềm đã được trang bị sẵn một số thuật toán, hoặc 
phân tích hệ số tán xạ ngược của ảnh SAR (γ0 hoặc 
β0 hoặc σ0) để tìm ra mối liên hệ giữa hệ số này với 
bề mặt khi có nước và không có nước. Tuy nhiên, 
các phương pháp so sánh sau phân loại có độ 
chính xác phụ thuộc vào phương pháp phân loại 
sử dụng và không linh hoạt khi đối tượng cần phân 
biệt chỉ là vùng ngập nước do lũ lụt chứ không 
phải toàn bộ các lớp phủ bề mặt. Phương pháp 
phân tích hệ số tán xạ ngược phải sử dụng rất 
nhiều dữ liệu bổ trợ như mực nước trung bình của 
khu vực, sự thay đổi mực nước theo thời gian và 
theo vùng của khu vực nghiên cứu, mô hình số độ 
cao hoặc mô hình số địa hình, bản đồ sử dụng đất, 
v.v. Ngoài ra, phương pháp này cũng mất thời gian 
để có những phân tích thủ công về mối liên hệ giữa 
hệ số tán xạ ngược của các lớp phủ mặt đất với sự 
thay đổi mực nước (Nguyen, 2016). 
Trên thế giới, các thuật toán về phát hiện thay 
đổi nói chung và phát hiện vùng ngập lụt nói riêng 
từ ảnh SAR đang được nghiên cứu sâu, rộng và 
ngày càng hoàn thiện (Coppin et al., 2004). Như ta 
đã biết, không giống như đối với dữ liệu quang 
học, ảnh khác biệt (difference) giữa hai ảnh SAR 
hầu như không thể sử dụng để phát hiện thay đổi 
do ảnh hưởng của nhiễu đốm (speckle). Ảnh tỷ số 
(ratio) cho phép phát hiện thay đổi hiệu quả hơn 
ảnh khác biệt nhưng kết quả thu được có sai số 
báo động giả lớn và bị hiệu ứng mờ. Trên thực tế, 
một số mô hình phân bố được sử dụng để miêu tả 
phân bố thống kê của dữ liệu ảnh SAR, ví dụ như 
hàm Gamma, Gaussian tổng quát hóa, Weibull, 
Log-normal, v.v Sau đó các phép đo độ tương 
đồng giữa các hàm phân bố của ảnh tại các thời 
điểm khác nhau thường được sử dụng để phát 
hiện các thay đổi trên ảnh SAR. Trong bài báo này, 
vùng ngập lụt do cơn bão Damrey gây ra tại Huế 
vào tháng 11 năm 2017 sẽ được phát hiện từ các 
sản phẩm ảnh GRD đa thời gian của vệ tinh SAR 
Sentinel-1 bằng cách sử dụng khoảng cách 
Kulback-Leibler (Kullback and Leibler, 1951). 
2. Khu vực nghiên cứu và dữ liệu sử dụng 
2.1. Khu vực nghiên cứu 
Khu vực nghiên cứu là thành phố Huế và một 
phần của huyện Hương Trà (Hình 1). Thành phố 
Huế (107031’45” kinh Ðông và 16°30’45” vĩ Bắc) 
nằm ở vị trí trung tâm của đất nước, trên trục Bắc 
- Nam của các tuyến đường bộ, đường sắt, đường 
hàng không và đường biển. Nằm gần dãy núi 
Trường Sơn, khu vực thành phố Huế là đồng bằng 
thuộc vùng hạ lưu sông Hương và sông Bồ, 
34 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 
có độ cao trung bình khoảng 3-4 m so với mực 
nước biển và thường bị ngập lụt khi đầu nguồn 
của sông Hương (trên Dãy Trường Sơn) xảy ra 
mưa vừa và lớn. Khu vực đồng bằng này tương đối 
bằng phẳng, tuy trong đó có xen kẽ một số đồi, núi 
thấp như núi Ngự Bình, Đồi Vọng Cảnh v.v. 
Thị xã Hương Trà có vị trí nằm ở phần trung 
tâm của tỉnh Thừa Thiên-Huế, giáp thành phố Huế 
về phía đông. Trên địa bàn thị xã có bờ biển dài 7 
km, có 2 con sông lớn của Tỉnh chảy qua là sông 
Bồ dài 25 km, sông Hương dài 20 km, có phá Tam 
Giang rộng 700 ha. Theo địa hình, thị xã chia làm 
3 vùng: Vùng miền núi và gò đồi, vùng đồng bằng 
và bán sơn địa, và vùng đầm phá và ven biển. 
Sau trận bão Damrey tháng 11 năm 2017, thị 
xã Hương Trà có khoảng 2.900 nhà bị ngập nước, 
độ sâu ngập từ 0,2-0,8 m. Tại thành phố Huế, hơn 
80% tuyến đường bị ngập. Các tuyến đường khu 
vực Bắc sông Hương như đường Vạn Xuân, Chi 
Lăng, Bạch Đằng, Mai Thúc Loan.... ngập bình quân 
0,5-1,3 m; các tuyến đường khu vực Nam sông 
Hương như đường Hùng Vương, Trường Chinh, 
Trần Quang Khải, Bến Nghé, Đống Đa... ngập bình 
quân 0,6-1,2 m. Nhiều tuyến giao thông liên xã, 
huyện bị nước lũ chia cắt, trong đó đường đi hai 
huyện miền núi A Lưới và Nam Đông bị sạt lở 
nghiêm trọng, hơn 100m đê biển tại xã Vinh Hải 
(huyện Phú Lộc) bị vỡ. Về thủy sản và cây trồng, 
tại thị xã Hương Trà có hơn 20 ha rừng và hàng 
trăm cây cao su bị đổ; 12 hồ cá của người dân tại 
xã Hồng Tiến, Hương Bình bị nước lớn đổ về làm 
vỡ hồ; 12 lồng cá bị trôi do đứt dây neo; 120 ha rau 
màu các loại bị ngập úng (Báo mới điện tử, 2017). 
2.2. Dữ liệu sử dụng 
Dữ liệu sử dụng gồm 03 cảnh ảnh Sentinel-1 
đa thời gian được thu nhận vào các ngày 
14/10/2017 (t1 - thời điểm trước khi xảy ra ngập 
lụt), 07/11/2017 (t2 - thời điểm đang xảy ra ngập 
lụt) và 13/12/2017 (t3 - thời điểm sau khi xảy ra 
ngập lụt). Đây là các sản phẩm ảnh GRD (Ground 
Range Detected) với độ phân giải 5 m × 20 m 
(tầm× phương vị), phân cực VV, quỹ đạo đi xuống 
(Hình 2, 3,4). 
Hình 1. Vị trí của khu vực nghiên cứu và ảnh GRD Sentinel-1 thu nhận ngày 14/10/2017. 
 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 35 
Hình 2. Ảnh Sentinel-1 khu vực nghiên cứu ngày 14/10/2017 (thời điểm t1 - trước khi xảy ra ngập lụt). 
Hình 3. Ảnh Sentinel-1 khu vực nghiên cứu ngày 07/11/2017 (thời điểm t2 - trong khi xảy ra ngập lụt). 
Hình 4. Ảnh Sentinel-1 khu vực nghiên cứu ngày 13/12/2017 (thời điểm t3 - sau khi xảy ra ngập lụt). 
36 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 
Sản phẩm ảnh GRD là sản phẩm bậc 1 đã được 
xử lý như sau: Dữ liệu SAR thô được điều chỉnh 
(focused) trong mặt phẳng hình học tầm nghiêng 
để thu được các sản phẩm số phức đơn nhìn 
(Single-Look Complex - SLC). Sau đó, dữ liệu SLC 
được xử lý đa nhìn và được quy chiếu theo mặt 
phẳng thực địa bằng cách sử dụng mô hình 
ellipsoid Trái Đất và chiều cao địa hình. Kết quả 
của quá trình này là các sản phẩm thực địa được 
phát hiện bậc 1 GRD. Các thông tin chính của dữ 
liệu ảnh SAR sử dụng trong bài báo này được nêu 
trong Bảng 1. 
Ngoài ra, để hỗ trợ cho việc khảo sát khu vực 
nghiên cứu, giải đoán ảnh SAR và kiểm tra kết quả, 
chúng tôi sử dụng thêm các dữ liệu bổ trợ sau: ảnh 
quang học PlanetScope độ phân giải 3m, thu nhận 
ngày 14/10/2017 (Hình 5), mô hình số độ cao 
(Hình 6) được thành lập từ ảnh ALOS-PALSAR, độ 
phân giải 12.5 m (©USGS) và số liệu mực nước lúc 
9 giờ ngày 7/11/2017 (thời điểm ngập lụt) trên 
sông Hương tại Kim Long đạt 2,82 m, dưới báo 
động 3 là 0,68 m. 
3. Phương pháp nghiên cứu 
Như đã đề cập ở trên, để xác định vùng ngập 
lụt từ ảnh SAR đa thời gian, việc cốt lõi là phát hiện 
được sự thay đổi giữa các ảnh tại các thời điểm thu 
nhận ảnh trước và sau khi ngập lụt. Phương pháp 
hiệu quả để xác định sự thay đổi giữa các ảnh SAR 
đã được công bố trên nhiều tạp chí có uy tín về 
khoa học Trái Đất và viễn thám là phương pháp sử 
dụng độ lệch Kullback-Leibler (Kullback and 
Leibler, 1951). Đây là một phép đo độ tương đồng 
thống kê từ lý thuyết thông tin. Trong bài báo này, 
chúng tôi khai thác phương pháp này để xác định 
vùng ngập lụt của khu vực thành phố Huế và một 
phần huyện Hương Trà. 
Độ lệch Kullback-Leibler là một trị đo định 
lượng sự khác biệt giữa các hàm mật độ xác suất 
(Inglada and Mercier, 2007). Đây là một phép đo 
không đối xứng về sự khác biệt giữa hai phân bố 
xác suất PX và PY của biến ngẫu nhiên X và Y: 
 dx
yP
xP
xPYXK
Y
X
X 
)(
)(
log)(
Có thể thấy rằng K(X‖Y)#K(Y‖X) (Inglada and 
Mercier, 2007), vì thế dạng đối xứng của độ lệch 
Kullback-Leibler được xác đinh như sau: 
 XYKYXKXYdYXd KLKL 
2
1
),(),(
dKL là khoảng cách Kullback-Leibler (KLD), 
được sử dụng để đo độ tương đồng giữa các phân 
bố của hai ảnh SAR tại hai thời điểm khác nhau 
nhằm phát hiện thay đổi trên bề mặt. Sự thay đổi 
trên thực địa làm cho các thuộc tính thống kê của 
các ảnh đa thời gian cũng thay đổi. KLD có thể sử 
dụng để xác định sự khác nhau về hình dáng của 
các hàm mật độ xác suất cục bộ của các ảnh. 
Trên thực tế, để mô tả các vùng không đồng 
nhất, các hàm phân bố thực nghiệm thường được 
sử dụng. Các nghiên cứu thực nghiệm coi nhiễu 
đốm không được phát triển đầy đủ và các hàm 
phân bố được định nghĩa dựa vào kết quả thực 
nghiệm (Le, 2015). 
Đặc điểm kỹ thuật Dữ liệu Sentinel-1 
Nhà sản xuất Cơ quan hàng không Châu Âu (ESA) 
Vệ tinh Sentinel-1A 
Ngày ra mắt 3/4/2004 
Quỹ đạo vệ tinh Đi xuống 
Góc tới 43.1° 
Chu kỳ lặp 12 ngày 
Tần số ảnh C-band tại 5.405 GHz 
Chế độ chụp IW 
Dạng dữ liệu GRD (Ground Range Detected) 
Độ phân giải 5m × 20m (tầm × phương vị) 
Phân cực VV 
Khu vực nghiên cứu Thành phố Huế và một phần huyện Hương Trà, Thừa Thiên Huế 
Số lượng ảnh 3 ảnh 
Thời điểm ghi nhận ảnh 2017/10/14, 2017/11/07, 2017/12/13 
Bảng 1. Các thông số chính của các ảnh Sentinel-1 sử dụng. 
(1) 
(2) 
 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 37 
Hình 5. Ảnh quang học PlanetScope độ phân giải 3m, thu nhận ngày 14/10/2017 của khu vực 
nghiên cứu (tổ hợp màu giả). 
Hình 6. Mô hình số độ cao khu vực nghiên cứu (©USGS). 
38 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 
Áp dụng phân tích về các mô hình thống kê 
phù hợp với dữ liệu ảnh SAR trong nghiên cứu (Le, 
2015), chúng tôi đã sử dụng KLD giữa hai phân bố 
Log-normal để đo sự khác biệt giữa các ảnh SAR 
đa thời gian. KLD giữa hai hàm phân bố Log-
normal được nêu trong (Atto et al., 2013) như sau: 
1
2
111
2
1
,;,KL
2
X
2
Y
2
Y
2
X
2
Y
2
X
2
YXYYXXLogn





   
Trong đó α và β lần lượt là tham số tỷ lệ log và 
tham số hình dạng của hàm phân bố. 
Trên cơ sở đó, vùng ngập lụt trên bề mặt được 
phát hiện từ ảnh SAR theo quy trình phát hiện 
thay đổi được nêu trong Hình 7. 
3.1. Thu thập và tiền xử lý dữ liệu 
Sau khi được lựa chọn và thu thập, các dữ liệu 
sẽ được tiền xử lý. Các sản phẩm ảnh GRD 
Sentinel-1 đã được hiệu chỉnh bức xạ, chuyển đổi 
về dạng ảnh cường độ, được xử lý đa nhìn để làm 
giảm nhiễu đốm v ... hẳng 
thực địa dựa trên mô hình ellipsoid Trái Đất 
WGS84, vì vậy các ảnh SAR đa thời gian này chỉ cần 
được đồng đăng kí. Công việc này được thực hiện 
bởi mô đun ENVI SARscape. Các dữ liệu bổ trợ thu 
thập được cũng được chuẩn hóa, đưa về cùng hệ 
tọa độ thống nhất với nhau. Các bước tính toán 
tiếp theo được thực hiện bằng MATLAB 
(v.9.0.0.341360 - R2016a). 
3.2. Phát hiện thay đổi 
Các ảnh sau khi đã tiền xử lý sẽ được dùng để 
phát hiện thay đổi giữa các thời điểm thu nhận 
ảnh. Khoảng cách KL giữa hai phân bố Log-normal 
(Log-normal KLD) được sử dụng để tính độ tương 
đồng tại các vị trí tương ứng trên các cặp ảnh (t1 
và t2; t2 và t3; t1 và t3) theo công thức (3). 
Để chứng minh hiệu quả của phương pháp 
Log-normal KLD trong phát hiện thay đổi trên ảnh 
SAR, các phương pháp tính toán độ khác biệt, tính 
tỷ số và tỷ số trung bình cục bộ cũng được sử dụng 
để phát hiện thay đổi và so sánh kết quả. 
3.3. Phân ngưỡng 
Với mục đích tự động đưa ra quyết định phân 
lớp (thay đổi hoặc không thay đổi), một số thuật 
toán phân ngưỡng đã được nghiên cứu, ví dụ như: 
phương pháp Otsu, thuật toán dựa trên entropy, 
ngưỡng Kittle-Illingworth, phát hiện CFAR, v.v. 
Các thuật toán kinh điển này sau đó được phát 
triển để phù hợp với thuộc tính thống kê của dữ 
liệu SAR. Trong bài báo này, phương pháp phân 
ngưỡng sai số nhỏ nhất Kittler-Illingworth (Kittler 
and Illingworth, 1986) được áp dụng để lựa chọn 
giá trị ngưỡng sử dụng để tách biệt các phần tử 
thay đổi (bị ngập lụt) và không thay đổi (không bị 
ngập lụt). 
(3) 
Hình 7. Quy trình phát hiện thay đổi từ ảnh SAR đa thời gian. 
 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 39 
3.4. Đánh giá độ chính xác và lập bản đồ phát 
hiện thay đổi 
Bằng cách so sánh ảnh phát hiện thay đổi với 
các mẫu thực địa, ma trận sai số được thành lập để 
đánh giá độ chính xác của kết quả phát hiện thay 
đổi thu được. Các sai số giới hạn (sai số bỏ sót, sai 
số phát hiện nhầm và sai số tổng thể) được tính từ 
ma trận này. Nếu các sai số nằm trong giới hạn cho 
phép thì ta thành lập bản đồ phát hiện thay đổi 
(bản đồ ngập lụt) từ kết quả thu được. 
4. Kết quả và thảo luận 
4.1. Phát hiện thay đổi bằng phương pháp Log-
normal KLD 
Hình 8 thể hiện mức độ tương đồng đo được 
theo phương pháp Log-normal KLD giữa các cặp 
ảnh. Trong hình 8a và 8b ta thấy các vùng thay đổi 
(vùng ngập lụt) thể hiện rất rõ (khu vực sáng màu) 
khi ta tính khoảng cách KL giữa ngày xảy ra ngập 
lụt với ngày trước và sau thời điểm ngập lụt. Khi 
so sánh giữa hai ngày trước và sau ngập lụt, ta thấy 
tại những vùng trước đó phát hiện bị ngập thì trên 
hình 8c đã không còn. 
Quan sát góc trên bên phải của Hình 8c có thể 
thấy một số thay đổi được phát hiện. Thực chất, 
khu vực này là vùng nước (biển và các đầm), các 
thay đổi phát hiện được là do có sự khác nhau về 
bức xạ bởi các tia radar rất nhạy cảm với hàm 
lượng nước, độ nhám hay sự gồ ghề của bề mặt (Le 
- Toan, 2007). Vì thế sự thay đổi được phát hiện ở 
đây chỉ do sự khác nhau về bề mặt nước, tính chất 
của nước tại các thời điểm thu nhận ảnh. Khi 
không nghiên cứu về các đối tượng này thì chúng 
nên được tạo mặt nạ (không thay đổi) trên các ảnh 
trước khi tính toán. 
4.2. So sánh kết quả phát hiện thay đổi bằng 
phương pháp Log-normal KLD với các 
phương pháp khác biệt, tỷ số và tỷ số trung 
bình cục bộ 
Hình 9 cho thấy khả năng phát hiện thay đổi 
từ ảnh SAR theo các phương pháp khác nhau. Do 
ảnh hưởng của nhiễu đốm, phương pháp khác biệt 
(Hình 9a) cho ảnh kết quả rất nhiễu, và trên thực 
tế, phương pháp này không được sử dụng trong 
phát hiện thay đổi từ ảnh SAR. Phương pháp tỷ số 
(Hình 9b) có thể hạn chế phần nào ảnh hưởng của 
nhiễu đốm (có tính chất nhân) vì thế kết quả bớt 
nhiễu hơn nhưng lại bị hiệu ứng mờ. Với phương 
pháp tỷ số trung bình cục bộ (Hình 9c), ảnh kết 
quả được giảm nhiễu khá nhiều (do lấy trung 
bình) nhưng có tỷ lệ báo động giả (false alarm 
rate) cao do khó phân biệt tự động vùng thay đổi 
và không thay đổi. Trên Hình 9d, ta thấy phương 
pháp khoảng cách KL giữa 2 hàm phân bố Log-
normal đã phân tách một cách rõ ràng vùng thay 
đổi và không thay đổi, dễ dàng cho việc lập bản đồ 
phát hiện thay đổi khi áp dụng một phương pháp 
phân ngưỡng tự động. 
Từ ảnh mức độ tương đồng theo các phương 
pháp khác nhau, áp dụng phương pháp phân 
ngưỡng KI để tách biệt các vùng thay đổi và không 
thay đổi, ta thu được ảnh phát hiện thay đổi dạng 
nhị phân như Hình 10. Kết quả của phương pháp 
Log-normal KLD (Hình 10d) cho thấy rằng ảnh 
phát hiện thay đổi tách biệt rõ ràng các vùng bị 
ảnh hưởng bởi lũ và vùng không bị ảnh hưởng. Các 
phương pháp khác (hình 10a, 10b, 10c) cho kết 
quả nhiễu, khó đánh giá được phạm vi ảnh hưởng 
của vùng bị ngập lụt. 
Hình 8. Ảnh mức độ tương đồng của các cặp ảnh tại khu vực nghiên cứu theo phương pháp Log-normal 
KLD:(a) giữa hai ảnh thu nhận tại thời điểm trước và trong khi ngập lụt (t1 và t2); (b) giữa hai ảnh thu 
nhận tại thời điểm trong và sau khi khi ngập lụt (t2 và t3); (c) giữa hai ảnh thu nhận tại thời điểm trước và 
sau khi ngập lụt (t1 và t3). 
40 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 
Hình 9. Ảnh mức độ tương đồng giữa hai ảnh SAR thu nhận tại thời điểm trước và trong khi ngập lụt (t1 và 
t2) tại khu vực nghiên cứu theo các phương pháp khác nhau: (a) phương pháp khác biệt (difference); (b) 
phương pháp tỷ số (ratio); (c) phương pháp tỷ số trung bình cục bộ (local mean ratio) và (d) phương pháp 
Log-normal KLD. 
Hình 10. Kết quả phát hiện thay đổi dạng nhị phân giữa hai ảnh thu nhận tại thời điểm trước và trong khi 
ngập lụt (t1 và t2) tại khu vực nghiên cứu theo các phương pháp khác nhau: (a) phương pháp khác biệt 
(difference); (b) phương pháp tỷ số (ratio); (c) phương pháp tỷ số trung bình cục bộ (local mean ratio) và (d) 
phương pháp Log-normal KLD, với phương pháp phân ngưỡng tự động KI. 
 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 41 
4.3. Đánh giá độ chính xác kết quả phát hiện 
thay đổi và lập bản đồ vùng ngập lụt 
Để đánh giá định lượng các kết quả phát hiện 
thay đổi, chúng tôi sử dụng các mẫu kiểm chứng 
của khu vực nghiên cứu, thu được từ kết quả phân 
tích ảnh quang học độ phân giải cao, mô hình số 
độ cao. 
Bảng 2 thể hiện ma trận sai số của kết quả 
phát hiện thay đổi khi so sánh ảnh phát hiện thay 
đổi theo phương pháp Log-normal KLD với 9211 
mẫu kiểm chứng của cả hai lớp thay đổi và không 
thay đổi. 
Lớp 
Mẫu kiểm chứng 
(pixels) Tổng 
số 
Thay đổi 
Không 
thay đổi 
Ảnh phát hiện 
thay đổi 
(pixels) 
Thay đổi 4052 227 4279 
Không 
thay đổi 
951 3981 4932 
Tổng số 5003 4208 9211 
Phương pháp này đã phát hiện đúng 4052 
pixel đã thay đổi, phát hiện nhầm 227 pixel thay 
đổi giả (không thay đổi nhưng lại phân vào lớp 
thay đổi), trong khi bỏ qua 951 pixel thay đổi 
(nhưng lại phân vào lớp không thay đổi). Theo đó, 
sai số nhầm lẫn là 5,3%, sai số bỏ sót là 19,0% và 
sai số tổng thể là 12,7%. Vậy độ chính xác tổng thể 
phát hiện thay đổi đạt được là 87,3%. 
Hơn nữa, so sánh ảnh phát hiện thay đổi với 
mô hình số độ cao của khu vực nghiên cứu cho 
thấy những vùng bị ngập lụt đều nằm trong những 
vùng trũng so với địa hình chung của khu vực. 
Sau khi ảnh phát hiện thay đổi đã đạt yêu cầu, 
bản đồ chuyên đề có thể được thành lập dựa trên 
kết quả đã đạt được. Hình 11 thể hiện bản đồ ngập 
lụt tại khu vực thành phố Huế và một phần huyện 
Hương Trà trong đợt bão Damrey tháng 11 năm 
2017. 
5. Kết luận 
Bài báo này đã trình bày phương pháp phát 
hiện, chiết xuất những thông tin thay đổi nói 
chung và thông tin ngập lụt nói riêng từ ảnh radar
Bảng 2. Ma trận sai số. 
Hình 11. Bản đồ ngập lụt Huế 11/2017. 
42 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 
độ mở tổng hợp đa thời gian. Phương pháp xác 
định độ tương đồng thống kê dựa trên khoảng 
cách Kullback-Leibler giữa hai phân bố Log-
normal (Log-normal KLD) được sử dụng trong bài 
báo cho thấy đây là phương pháp phù hợp với 
dạng dữ liệu phức tạp SAR để phát hiện chính xác, 
hiệu quả các thay đổi trên bề mặt Trái Đất. Các kết 
quả thực nghiệm đã chứng minh khả năng của 
phương pháp này khi mà một số phương pháp 
thông dụng (phương pháp khác biệt, phương 
pháp tỷ số, v.v.) không thể áp dụng cho dữ liệu SAR 
để phát hiện thay đổi do ảnh hưởng vốn có của 
nhiễu đốm. 
Với bộ dữ liệu Sentinel-1 gồm 3 sản phẩm ảnh 
GRD ghi nhận thông tin của thành phố Huế và một 
phần của huyện Hương Trà tại thời điểm xảy ra 
trận bão Damrey đầu tháng 11 năm 2017, vùng 
ngập lụt tại khu vực này đã được xác định. Kết quả 
thực nghiệm chứng tỏ sự phù hợp và hiệu quả của 
phương pháp Log-normal KLD khi đã xác định 
được vùng bị ảnh hưởng bởi đợt bão lũ này với độ 
chính xác cao (hơn 87%). 
Kết quả của nghiên cứu này cho thấy có thể áp 
dụng phương pháp xác định độ tương đồng thống 
kê Log-normal KLD giữa các ảnh SAR đa thời gian 
cho các cơ quan, trung tâm, đơn vị nghiên cứu 
thực hiện về giám sát, quản lý tài nguyên môi 
trường để phát hiện kịp thời và chính xác vùng bị 
ngập lụt cũng như những thay đổi của bề mặt Trái 
Đất do nhiều nguyên nhân khác nhau gây ra. 
Tài liệu tham khảo 
Amitrano, D., Ciervo, F., Di Bianco, P., Di Martino, 
G., Iodice, A., Mitidieri, F., Riccio, D., Ruello, G., 
Papa, M., and Koussoube, Y., 2015. Monitoring 
Soil Erosion and Reservoir Sedimentation in 
Semi-arid RegionThrough Remote Sensed SAR 
Data: A Case Study in Yatenga Region, Burkina 
Faso. Engineering Geology for Society and 
Territory, Springer link 3, 539-542. 
Atto, A. M., Trouve, E., Berthoumieu, Y., and 
Mercier, G., 2013. Multidate divergence 
matrices for the analysis of SAR image time 
series. IEEE Transactions on Geoscience and 
Remote Sensing 51(4), 1922-1938. 
Báo mới điện tử, 2017. https://Báo mới điện tử, 
2017.com/thua-thien-hue-thiet-hai-nang-ne-
sau-bao-so-12/c/ 23842962.epi 
Báo Nhân dân điện tử, 2017.  
nhandan.com.vn/ megastory/2017/12/28/ . 
Bouvet, A., Le Toan Thuy, and Nguyen Lam Dao, 
2009. Monitoring of the Rice Cropping System 
in the Mekong Delta Using ENVISAT/ASAR 
Dual Polarization Data. IEEE Transactions on 
Geoscience and Remote Sensing 47 (2), 517-
526. 
Brunner, D., Lemoine, G., and Bruzzone, L., 2010. 
Earthquake Damage Assessment of Buildings 
Using VHR Optical and SAR Imagery. IEEE 
Transactions on Geoscience and Remote 
Sensing, 48(5), 2403-2420. 
Chen, S., and Sato, M., 2013. Tsunami damage 
investigation of built-up areas using 
multitemporal spaceborne full polarimetric 
SAR images. IEEE Transactions on Geoscience 
and Remote Sensing, 51, 1985-1997. 
Colesanti, C., and Wasowski, J., 2006. Investigating 
landslides with space-borne Synthetic 
Aperture Radar (SAR) interferometry. 
Engineering Geology 88, 173-199. 
Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., 
and Lambin, E., 2004. Review ArticleDigital 
change detection methods in ecosystem 
monitoring: a review. International Journal of 
Remote Sensing 25(9), 1565-1596. 
Dellepiane, S. G., and Angiati, E., 2012. A new 
method for cross-normalization and 
multitemporal visualization of SAR images for 
the detection of flooded areas. IEEE 
Transactions on Geoscience and Remote 
Sensing 50(7), 2765-2779. 
Gar-OnYeh, A., and Qi, Z., 2015. Space-time 
integration in geography and giscience. 
Chapter 19: Short-interval monitoring of land 
use andland cover change using a time series 
of RADARSAT-2 polarimetric SARimages. 
Springer Link. 
Inglada, J., and Mercier, G., 2007. A new statistical 
similarity measure for change detection in 
multitemporal SAR images and its extensionto 
multiscale change analysis. IEEE Transactions 
on Geoscience and Remote Sensing 45(5), 1432-
1445. 
 Lê Thu Trang và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 32-43 43 
Kittler, J., and Illingworth, J., 1986. Minimum error 
thresholding. Patten Recognition 19 (1), 41-47. 
Kullback, S., and Leibler, R. A., 1951. On 
Information and Sufficiency. Ann. Math. 
Statist., 22(1), 79-86. 
Le Thu Trang, 2015. Change Information 
Extraction from Synthetic Aperture Radar 
Image Time Series. PhD Dissertation, Grenoble 
Alpes University. 
Le Thu Trang, Atto, A. M., Trouvé, E., Solikhin, A., 
and Pinel, V., 2015. Changedetection matrix for 
multitemporal filtering and change analysis of 
SAR and PolSAR image time series. ISPRS 
Journal of Photogrammetry and Remote 
Sensing, 107, 64-76. 
Le Toan Thuy, 2007. Lecture: Advanced Training 
Course on Land Remote Sensing. 
Leblon, B., Kasischke, E., Alexander, M., Doyle, M., 
and Abbott, M., 2002. Fire Danger Monitoring 
Using ERS-1 SAR Images in the Case of 
Northern Boreal Forests. Natural Hazards, 
Kluwer Academic Publishers 27, 231-255. 
Nguyen Van Trung, 2016. Inudation extent and 
flood frequency mapping of Cuu long rivers 
delta using multi-temporal ERS-2 data. 
International Conference on GeoInformatics 
for Spatial-Infrastructure Development in 
Earth & Allied Sciences (GIS-IDEAS 2016). 
Hanoi, Vietnam. 
Phạm Quang Sơn, Bùi Đức Việt, 2001. Sử dụng ảnh 
vệ tinh Radarsat (SAR) và GIS trong nghiên cứu 
ngập lụt đồng bằng Huế-Quảng Trị. Tạp chí Các 
Khoa học về Trái Đất 4 (23), 423-430. 
Trần Kim Châu, 2017. Mapping extent of flooded 
area using Sentinel 1 satellite image. Tạp chí 
Khoa học Kỹ thuật Thủy lợi và Môi trường 
58(9/2017), 78-82. 
Trần Vân Anh, 2011. Nghiên cứu xử lý ảnh radar 
SAR cho xác định nhanh vùng ngập lụt bằng các 
phần mềm miễn phí mã nguồn mở. Đề tài 
KHCN cấp cơ sở, Mã số T11-22, Đại học Mỏ - Địa 
Chất. 
ABSTRACT 
Inundation detection in Hue from multitemporal SAR images by using 
statistical similarity measure 
Trang Thu Le 1, Hoa Thanh Thi Pham 1, Thom Thi Vu 2, Thai Ha Pham 1, Anh Trung Tran 1 
1 Faculty of Geomatics and Land Administration, Hanoi University of Mining and Geology, Vietnam 
2 Dong Nam Technology and Infrastucture Services Joint Stock Company, Vietnam 
This paper presents a method for change detection using multitemporal synthetic aperture radar 
images based on statistical similarity measure in order to determine inundation regions. From Ground 
Range Detected (GRD) products of SAR Sentinel-1 satellite acquired before, during and after the the flood 
caused by typhoon Damrey in Hue city and a part of Huong Tra district, Thua Thien Hue province, changes 
on the ground were detected using Kullback-Leibler distance between two Log-normal distributions. 
Inundation detection results were evaluated by validation samples derived from optical 3 m resolution 
PlanetScope image, and the obtained accuracy is 87,3%. Change information extracted from 
multitemporal SAR images then could be exploited for different tasks, such as: inundation region 
mapping, statistical analysis of affected areas, etc.