Ứng dụng kỹ thuật viễn thám trong xác định sự cố tràn dầu: Tổng quan nghiên cứu

TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 29-08/2018 
81 
ỨNG DỤNG KỸ THUẬT VIỄN THÁM TRONG XÁC ĐỊNH 
SỰ CỐ TRÀN DẦU: TỔNG QUAN NGHIÊN CỨU 
APPLICATION OF REMOTE SENSING TECHNIQUES IN 
OIL SPILL EVENT: AN OVERVIEW 
Phan Minh Thụ1, Phạm Thị Phương Thảo2, Hồ Đình Duẩn3, Phạm Thị Anh4 
1Viện Hải dương học, 2Viện Vật lý Tp. Hồ Chí Minh, 3Viện Địa lý Tài nguyên Tp. Hồ Chí Minh 
(Viện Hàn lâm KHCNVN) 
4Viện Nghiên Cứu Môi Trường và Giao Thông, Trường Đại học Giao Thông Vận Tải Tp.HCM 
Tóm tắt: Với mật độ giao thông dày đặc, Biển Đông là một trong những tuyến vận tải bận rộn nhất 
và quan trọng nhất thế giới và cũng là nơi nhạy cảm cao đối với sự cố tràn dầu do các hoạt động hàng 
hải gây ra. Sự cố tràn dầu trên biển có thể gây ra thiệt hại lớn cho nền kinh tế - xã hội và tổn thương 
môi trường biển. Vì vậy, việc xác định phạm vi của vết dầu loang từ các sự cố tràn dầu là cần thiết để 
từ đó cung cấp dữ liệu đầu vào cho mô hình mô phỏng lan truyền dầu trên biển, từ đó hỗ trợ đưa ra 
những biện pháp ngăn chặn, giảm thiểu những tác hại đối với nền kinh tế và môi trường, trong đó viễn 
thám là một trong những công cụ hỗ trợ hữu ích, nhanh chóng và hiệu quả. Bài báo đã tổng quan các 
phương pháp ảnh viễn thám với nhiều nguồn dữ liệu khác nhau để xác định sự cố tràn dầu trên Biển 
Đông nói riêng và trên thế giới nói chung. 
Từ khóa: Môi trường biển, tràn dầu, viễn thám. 
Chỉ số phân loại: 2.5 
Abstract: Bien Dong is one of the busiest and densest marinetime routes in the world, and it is also 
highly sensitive to oil spills caused by shipping navigation. Oil spills on the sea could cause major 
damage to socio-economy and marine environment. It is therefore necessary to identify the scale of the 
oil spill to provide input data to marine oil spill simulation models, thereby supporting measures to 
prevent and minimize the damage to the economy and the environment, in which remote sensing is one 
of the most effective aid tools. The paper presents an overview of remote sensing methods with various 
data sources to identify oil spills in Bien Dong in particularly and on the world in generally. 
Keywords: Marine environment, oil spill, remote sensing. 
Classification number: 2.5 
1. Giới thiệu 
Tràn dầu có ảnh hưởng rất lớn và sâu rộng 
cũng như gây ra những tác hại nặng nề và lâu 
dài đến đời sống kinh tế, xã hội và tự nhiên. 
Chính vì vậy, khi bất cứ trường hợp nào xảy 
ra sự cố tràn dầu, các công cụ giám sát của 
công chúng cũng như truyền thông đều thể 
hiện những phản ứng dữ dội đối với những 
bên liên quan đến sự cố này. Với mong muốn 
được biết các thông tin về mức độ cũng như vị 
trí tràn dầu một cách chính xác, qua đó giúp 
cho việc ứng phó sự cố tràn dầu sẽ được thực 
hiện một cách hợp lý để giảm thiểu tác động 
của sự cố, việc hỗ trợ tích cực từ các công cụ 
phân tích viễn thám đã trở nên cần thiết. 
Cùng sự phát triển của hệ thống hạ tầng 
cơ sở, các loại vệ tinh và công nghệ hỗ trợ, 
viễn thám được sử dụng để kiểm tra các sự cố 
tràn dầu trên biển trong trường hợp bất khả 
kháng hoặc do chủ quan của con người, ví dụ 
như xả thải dầu bất hợp pháp từ tàu. Viễn thám 
cũng có thể cho phép xác định, phân vùng tác 
động của tràn dầu đối với tự nhiên và kinh tế 
xã hội. Bên cạnh đó, với sự hỗ trợ của các trạm 
quan sát mặt đất, công nghệ viễn thám ngày 
càng thể hiện vai trò của mình. Ứng dụng viễn 
thám trong giám sát tràn dầu phổ biến nhất là 
lập bản đồ vết dầu tràn từ ảnh chụp địa tĩnh, 
ảnh máy bay không người lái và ảnh vệ tinh 
radar. Các kỹ thuật ứng dụng dữ liệu vệ tinh 
để giám sát một cách trực quan sự cố tràn dầu, 
và những diễn biến của chúng đang được cải 
thiện về những hạn chế để xác định vị trí sự cố 
tràn dầu xảy ra. Bằng việc đánh giá tính cấp 
thiết và ảnh hưởng của sự cố tràn dầu, bài báo 
đã tổng quan các ứng dụng kỹ thuật viễn thám 
để xác định sự cố tràn dầu trên biển. Từ đó đề 
xuất quy trình giám sát sự cố tràn dầu bằng kỹ 
thuật viễn thám. 
 82 
Journal of Transportation Science and Technology, Vol 29, Aug 2018 
2. Biển Đông: Khu vực nhạy cảm của 
hoạt động hàng hải và sự cố môi trường 
Hình 1. 
Tình hình 
hoạt động 
của hàng hải 
trên Biển 
Đông và Ấn 
Độ Dương 
năm 2017. 
 (https://www.marinetraffic.com) 
Biển Đông là một trong những khu vực 
nhạy cảm nhất thế giới về hoạt động giao 
thông vận tải biển. Tổng hợp các tuyến vận tải 
chính được thể hiện trong hình 1. Chính vì 
vậy, Biển Đông cũng là nơi nhạy cảm cao đối 
với sự cố tràn dầu do các hoạt động hàng hải 
gây ra. Với mật độ giao thông dày đặc, Biển 
Đông là một trong những tuyến vận tải bận rộn 
nhất và quan trọng nhất thế giới, với một nửa 
số tàu thương mại (trên 100.000 lượt mỗi 
năm) và 1/3 lượng hàng hóa đường biển toàn 
cầu đi qua, có lẽ không có gì đáng ngạc nhiên 
khi các nguy cơ hàng hải trên Biển Đông tiếp 
tục gây ảnh hưởng đến các tàu trong quá trình 
vận chuyển hàng hoá trong khu vực. Một số 
vụ tai nạn điển hình gần đây: Tàu Bright Ruby 
bị chìm (do bão lớn, tháng 11/2011), tàu 
Royal Prime (mắc vào rạn và bị chìm, tháng 
12/2012), tàu Harita Bauxite (chìm sau do 
động cơ hỏng, tháng 2/2013), tàu Jung Soon 
(chìm do thân tàu bị thủng, tháng 9/2013). Chỉ 
riêng các tháng đầu năm 2017, nhiều tai nạn 
giao thông vận tải đường thuỷ xảy ra trên vùng 
biển đặc quyền kinh tế của Việt Nam: Tàu 
Nhật Anh 18-BIDV chở khoảng 1873 tấn than 
cám từ Cẩm Phả đi Đồng Nai đã gặp tai nạn ở 
vùng biển Thanh Hoá (ngày 18/2/2017) và bị 
chìm; tàu Cam Ranh 68 bị trôi neo và mắc cạn 
tại vị trí gần phao hai luồng hàng hải Định An 
– Cần Thơ (ngày 13/2/2017); tàu Minh Đức 
Phát 68 từ cảng An Giang về cảng Hải Phòng 
chở hàng hóa gồm 3038 tấn gạo, cám đóng 
bao đã gặp tai nạn và bị chìm tại vùng biển 
tỉnh Thái Bình (ngày 09/3/2017); tàu Lộc Phát 
Fortume chở 43.990 tấn clinker rời đã đâm va 
với tàu container Sky Challenge đang chở 
830TEU (15.958 tấn) hàng hoá tại khu vực 
phao số 8a luồng Sài Gòn – Vũng Tàu (ngày 
11/3/2017) không có thiệt hại về người và 
hàng hoá; tàu Hải Thành 26 - BLC trọng tải 
hơn 3.000 tấn chở clinker từ Hải Phòng đi Cần 
Thơ đã va chạm với tàu Petrolimex 14 ở vùng 
biển cách Vũng Tàu 44 hải lý về phía Đông 
(ngày 27/3/2017) và bị chìm; tàu Minh Dương 
8888 hành trình từ Sài Gòn ra Hải Phòng chở 
2.786 tấn tôn cuộn và bị hỏng máy không khắc 
phục được khi cách đảo Bình Ba, Khánh Hòa 
khoảng 8 hải lý về hướng Đông Bắc (ngày 
1/4/2017); tàu Bình Dương 658 chở 970 tấn xi 
măng đóng bao từ Hải Phòng đi Nha Trang đã 
va chạm với tàu Hải Linh 02 chở 9850 tấn dầu 
DO từ Vũng Tàu về Hải phòng và tàu Bình 
Dương 658 bị chìm (ngày 19/5/2017); tàu chở 
than VTB 26 với 4.700 tấn than đã bị chìm do 
sóng lớn từ cơn bão số 2 (ngày 17/7/2017); tàu 
Hợp Tiến 36 chở khoảng 2000 tấn vật liệu xây 
dựng bị thủng vách ngăn và bị chìm khi các 
bờ biển Nha Trang khoảng 146 hải lý (ngày 
2/8/2017); tàu vận tải Đức Cường trọng tải 
4.811 tấn và đang chở 4.597.44 tấn clinker đã 
gặp sự cố, nước tràn vào buồng máy, tàu thả 
trôi tự do và chìm dần khi đi qua vùng nước vị 
trí cách phao số 0 của cảng Nghi Sơn khoảng 
0,32 hải lý về phía Đông Nam (ngày 
6/8/2017); tàu Việt Hải 06 chở hơn 3.000 tấn 
thép ngang qua biển Ninh Thuận bất ngờ 
thủng vỏ và bị chìm trong quá trình lai dắt vào 
cách bờ biển Ninh Chữ 500 m và 21.000 lít 
dầu có nguy cơ tràn ra biển (ngày 23/8/2017). 
Như vậy tần suất xảy ra tai nạn hàng hải trên 
Biển Đông ngày càng diễn ra nhiều hơn, và do 
đó, nguy cơ tràn dầu từ những tai nạn này cũng 
ngày càng tăng. Vì vậy, quan trắc và giám sát 
các sự cố tràn dầu trên biển góp phần quan 
trọng trong việc bảo vệ tài nguyên và môi 
trường biển trong quá trình phát triển kinh tế 
và hội nhập quốc tế. 
3. Hệ thống quan trắc đại dương, kỹ 
thuật viễn thám và sự cố tràn dầu 
Kể từ sự ra đời của công nghệ không gian 
vào cuối những năm 1950, sự phát triển của 
hệ thống vệ tinh không gian và công nghệ cảm 
biến, khả năng lưu trữ và truyền dữ liệu, kết 
hợp với nhu cầu ngày càng tăng về các sản 
phẩm dữ liệu vệ tinh đã giúp cho việc mở rộng 
nhanh chóng ứng dụng của các ảnh viễn thám 
vào mục đích dân dụng, ví dụ như khí tượng 
học, hàng không, định vị, và truyền thông. 
Ngoài ra, các kết quả nghiên cứu ứng dụng từ 
TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 29-08/2018 
83 
ảnh viễn thám đã chứng minh là những công 
cụ hữu ích trong các lĩnh vực ứng dụng khác 
nhau như nông nghiệp, sử dụng đất và thủy 
văn. Các dữ liệu viễn thám cũng đã trở thành 
công cụ quan trọng để theo dõi biến động môi 
trường (ví dụ như quá trình sinh địa hoá và hải 
dương học) và là công cụ đầy hứa hẹn để giám 
sát và cảnh báo môi trường (hình 2) [30, 38, 
43, 46, 50]. 
Hình 2. 
Tương 
quan thời 
gian và độ 
phân giải 
của ảnh 
viễn thám 
với các 
lĩnh vực 
nghiên 
cứu. 
Trong lĩnh vực hải dương, kỹ thuật viễn 
thám lại càng góp phần không nhỏ cho nhiều 
nghiên cứu trên những vùng biển xa, không 
gian rộng lớn mà các chuyến khảo sát khó mà 
đạt được. Những kết quả giải đoán từ ảnh viễn 
thám như nhiệt độ bề mặt biển, chl-a tầng mặt, 
độ mặn bề mặt biển, gió, dòng chảy,... từ quy 
mô nhỏ (địa phương) đến quy mô toàn cầu 
(hình 1), một mặt cho ta biết hiện trạng phân 
bố các tính chất của bề mặt nước biển, mặt 
khác còn có thể được sử dụng như dữ liệu đầu 
vào cho các mô hình sinh thái hải dương học, 
mô hình cảnh báo các sự cố môi trường, mô 
hình dự báo tiềm năng ngư trường biển. Hệ 
thống quan trắc đại dương có thể cung cấp 
những thông tin liên quan đến hải dương học 
trên bề mặt cũng như trong toàn cột nước gần 
thời gian thực. Hệ thống này được thực hiện 
từ giữa thế kỷ XIX cho đến nay, bằng những 
kỹ thuật cổ điển đến những kỹ thuật quan trắc 
hiện đại, tự động. Những dữ liệu về khí tượng, 
thuỷ văn, hải dương, sinh học và môi trường 
được thực hiện từ các dự án hay chương trình 
nghiên cứu cấp quốc gia hoặc hợp tác quốc tế. 
Bộ dữ liệu được thu thập đầu tiên là các số liệu 
về khí tượng được thực hiện bởi tàu Hải quân 
Mỹ và được giới thiệu từ năm 1853 [55]. Tuy 
nhiên, hầu như các dữ liệu về khí tượng, thủy 
văn, sinh học và môi trường được thu thập một 
cách rời rạc, không được lưu trữ một cách hệ 
thống cho đến những năm 1980. Chính sự tác 
động mạnh mẽ của hiện tượng El Nino 
1982/1983 lên hệ thống thủy văn, động lực, 
môi trường và hải dương học, gây thiệt hại 
nặng nề cho kinh tế toàn cầu [4, 41], đã đặt ra 
yêu cầu cho việc giám sát và quan trắc hải 
dương học toàn cầu. Bắt đầu từ hệ thống TAO 
(Tropical Atmosphere Ocean) với hệ thống 
trạm đo cố định ở vùng quanh đai xích đạo của 
Thái Bình Dương (1985–1994) [32]. Hệ thống 
này sau đó đổi thành TAO/TRITON khi bổ 
sung thêm TRITON (Triangle Trans-Ocean 
Buoy Network) ở vùng Tây Thái Bình Dương 
vào năm 2000 [20]. Trong những năm gần 
đây, vùng Đại Tây Dương và Ấn Độ Dương 
cũng được thiết lập các trạm quan trắc tự động 
PIRATA (Prediction and Research Moored 
Array in the Tropical Atlantic) [6] và RAMA 
(Research Moored Array for African-Asian–
Australian Monsoon Analysis and Prediction) 
[33]. Năm 1988, với sự triển khai Chương 
trình Phao trôi Toàn cầu (Global Drifter 
Program) [40], hệ thống trạm quan trắc hải 
dương học tăng lên đáng kể về số lượng cũng 
như dữ liệu có thể phục vụ cho nghiên cứu 
thủy động lực ở biển và đại dương [27, 28]. 
Tương tự các yếu tố khí tượng, thủy văn, hải 
dương và môi trường, quan sát mực nước biển 
cũng đã được thực hiện từ nhiều thế kỷ, nhưng 
đến năm 1985, Hệ thống Quan trắc Biển toàn 
cầu (Global Sea-Level Observing System - 
GLOSS) được thành lập bởi Ủy ban Hải 
dương Liên Chính phủ (IOC) với sự hợp tác 
và cung cấp dữ liệu từ 70 quốc gia thành viên 
[36]. GLOSS là tiền thân của PSMSL 
(Permanent Service for Mean Sea-Level). Hệ 
thống quan trắc Profiling floats có thể trôi dạt, 
lặn sâu và trồi lên mặt biển ở các khoảng cách 
cố định đã được thử nghiệm bởi World Ocean 
Circulation Experiment, nhưng đến năm 
1998, đề xuất về việc hình thành mạng lưới 
phao trôi toàn cần Argo [3] được xây dựng. 
Đề xuất này đã được UNESCO và cộng đồng 
khoa học chấp thuận tại Hội nghị thường niên 
của OceanObs'99 tại Pháp. Kết quả hợp tác 
của hơn 30 quốc gia, bắt đầu từ năm 2000 với 
tốc độ thiết lập khoảng 800 phao trôi mỗi năm, 
hiện nay tồn tại khoảng 3800 trên toàn đại 
dương [2], dữ liệu này có thể cung cấp các 
thông tin hải dương đến độ sâu 2000m. 
 84 
Journal of Transportation Science and Technology, Vol 29, Aug 2018 
Thêm vào đó, Chương trình Quan trắc 
Đại dương Toàn cầu (Global Ocean 
Observing System) cũng nhận được sự hợp tác 
của các tàu viễn dương trên toàn thế giới. Tất 
cả các số liệu về khí tượng, thủy văn, hải 
dương và môi trường được chia sẻ trong các 
cơ sở dữ liệu trên thế giới. 
Hình 3. 
Hệ thống 
trạm 
quan 
trắc 
TAO/TRI
TON, 
PIRATA 
và 
RAMA 
[19]. 
Hệ thống quan trắc biển và đại dương 
bằng phương pháp viễn thám được thực hiện 
triển khai từ những năm 1950 và đã có nhiều 
ưu thế. Dữ liệu viễn thám có thể giải quyết vấn 
đề về phân bố không gian và gia tăng tần suất 
quan trắc, giám sát hải dương học, cũng như 
giám sát các đối tượng nghiên cứu ở những 
khu vực mà các biện pháp quan trắc truyền 
thống không thể thực hiện được [24]. Sự cố 
tràn dầu tràn trên biển xảy ra tương đối thường 
xuyên, đặc biệt là trên những tuyến vận tải 
chính (như ở vùng biển Đông Nam Á [26, 
47][13], ở Biển Đen và Đông Hải [19, 49] và 
từ các khu vực khai thác dầu khí ngoài khơi 
[1, 16]. Hàng năm, tổng lượng dầu thải ra trên 
bề mặt biển có nguồn gốc từ 48% nhiên liệu, 
29% là dầu thô và 5% đến từ các tai nạn của 
tàu vận chuyển dầu. Pavlakis và cs. [44] bằng 
phương pháp khi phân tích 190 bức ảnh SAR 
ERS-1, đã chỉ ra rằng sự cố tràn dầu xảy ra ở 
Địa Trung Hải có tần suất cao hơn đáng kể so 
với các báo cáo về các vụ tai nạn tàu cho các 
nhà chức trách. Theo Cơ quan Vũ trụ châu Âu 
(European Space Agency) (năm 1998), 45% 
lượng dầu thải trên biển có nguồn gốc từ hoạt 
động vận tải biển. Mặc dù chưa có những 
nghiên cứu về mối quan hệ giữa tổng lượng 
dầu tràn khi có sự cố và những thiệt hại về sinh 
thái cũng như kinh tế do sự cố này gây ra, thế 
nhưng chúng đã gây thiệt hại to lớn đối với tự 
nhiên, sinh thái, kinh tế và sức khoẻ của con 
người [39]. Do đó, việc giám sát sự cố tràn dầu 
cũng như dự báo những diễn biến của sự cố sẽ 
góp phần giảm thiểu các thiệt hại này. 
Công nghệ viễn thám ngày càng đóng vai 
trò quan trọng trong việc xác định các sự cố 
tràn dầu [14, 15]. Khả năng giám sát sự cố dựa 
trên dữ liệu viễn thám đã được chứng minh 
bằng các công trình công bố nhiều vùng biển 
khác nhau trên các loại ảnh vệ tinh khác nhau. 
Ví dụ, ảnh vệ tinh ERS-1 được sử dụng để xác 
định sự cố tràn dầu trên vùng biển Na Uy [5, 
54] hoặc ảnh ERS ở bờ biển Tây Ban Nha 
[31]. Cho đến hiện nay, các hình ảnh vệ tinh 
SAR là lựa chọn tốt ...  đến 
10,5 m và làm thay đổi vùng bờ biển. Một 
cách tổng quát là cần tiếp tục nghiên cứu về 
việc sử dụng IR gần để mở rộng ứng dụng của 
nó cho sự cố tràn dầu. 
Sử dụng dữ liệu ảnh cực tím (UV): Dầu 
hiển thị rõ ràng dưới ánh sáng Mặt trời ở vùng 
tia UV. Do đó, các cảm biến tia cực tím đã 
được sử dụng để lập bản đồ các lớp phủ dầu 
bởi vì bóng có độ phản xạ UV cao ở độ dày 
thấp (<0,1 m). Các bức ảnh UV và hồng ngoại 
chồng lên nhau đôi khi được sử dụng để tạo ra 
một bản đồ độ dày tương đối của dầu. Tuy 
nhiên, kết quả định lượng độ dày này thường 
cao gấp ba lần so với phương pháp sử dụng IR 
do lượng tia UV ít hơn nhiều. Các dữ liệu tia 
UV phụ thuộc vào nhiều sự thay đổi của dầu, 
bao gồm: Sóng, ánh sáng Mặt trời và vật liệu 
sinh học, do đó UV ít được sử dụng để xác 
định sự cố tràn dầu trong viễn thám. 
Cảm biến vi sóng thụ động: Các cảm 
biến vi sóng thụ động đo nguồn bức xạ vi sóng 
từ biển có thể phát hiện sự khác biệt về độ phát 
xạ vi sóng giữa nước và dầu. Các tín hiệu vi 
sóng phát hiện cũng thay đổi với độ dày dầu, 
vì vậy đo độ phóng xạ có thể được sử dụng để 
TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 29-08/2018 
87 
đo độ dày dầu Slick. Tuy nhiên, do có sự nhiễu 
loạn và độ phân giải không gian thấp, cho nên 
khác biệt tín hiệu thường thấp. 
Kỹ thuật sử dụng dữ liệu huỳnh quang 
laser (Laser fluorosensors): Dưới ánh sáng 
huỳnh quang laser, các hợp chất dầu thơm sẽ 
tương tác với ánh sáng UV, hấp thụ năng 
lượng ánh sáng và giải phóng năng lượng dư 
thừa dưới dạng ánh sáng khả kiến. Các bước 
sóng hấp thụ và phát xạ là duy nhất đối với 
dầu. Các loại dầu có cường độ phát huỳnh 
quang và quang phổ riêng biệt sẽ giúp cho việc 
phân biệt các lớp dầu khác nhau. Dữ liệu 
huỳnh quang laser là nguồn dữ liệu tốt nhất để 
phân biệt giữa các loại dầu nhẹ, trung bình và 
nặng. Cảm biến huỳnh quang laser là rất hữu 
ích và là phương pháp duy nhất phân biệt giữa 
rong biển bị ảnh hưởng của dầu và không 
rong, cũng như phát hiện dầu trên bờ biển. 
Cảm biến huỳnh quang laser còn cung cấp một 
số thông tin phân tích hóa học cho người sử 
dụng. 
Kỹ thuật sử dụng ảnh Radar: Tín hiệu 
sóng vô tuyến (radar) thường mang lại hình 
ảnh rõ nét ở khu vực nhiễm loạn tín hiệu ánh 
sáng. Dầu loang trên được biểu hiện ở vùng 
dữ liệu ít bị nhiễu loạn hoặc vùng tối trên hình 
ảnh radar. Nhiều chất cũng làm giảm hiện 
tượng nhiễu loạn, chẳng hạn như các vạch 
nước ngọt, khu vực bình tĩnh, bóng râm phía 
sau cấu trúc hoặc đặc điểm địa hình, tảo biển, 
dầu sinh học và luân trùng sống trên biển. 
Ngay cả với nhiều kết quả định dạng tương tự, 
cảm biến radar là rất cần thiết trong việc xác 
định tràn dầu bởi đặc điểm hoạt động ban đêm 
và không bị ảnh hưởng bởi thời tiết, mây hoặc 
sương mù. Hiện nay, ảnh Radar được xem như 
là dữ liệu tiêu chuẩn để lập bản đồ dầu loang 
trên biển. Nhiều tùy chọn vệ tinh radar với 
vùng phủ sóng rộng rãi hiện có giá trị cho 
người sử dụng. 
5. Kết luận 
Tóm lại, dầu tràn trên biển có thể gây ra 
nhiều tác động không tốt đến kinh tế, xã hội 
và môi trường. Trong khi đó, Biển Đông là 
khu vực sôi động về hoạt động hàng hải và 
cũng là vùng nhạy cảm về tràn dầu. Trong 
những năm gần đây, các sự cố tràn dầu trên 
biển xảy ra ngày càng gia tăng. Do đó, việc 
xác định và lập bản đồ dầu loang trên biển 
đóng vai trò quan trọng trong việc giám sát và 
cảnh báo sự cố tràn dầu. Bài báo đã phân tích 
những đặc tính dữ liệu trong đánh giá tràn dầu 
và lựa chọn các nguồn dữ liệu viễn thám cho 
nghiên cứu tràn dầu trên biển 
Tài liệu tham khảo 
[1] Abbriano, R.M., et al., Deepwater Horizon Oil Spill: A Review 
of the Planktonic Response. Oceanography 2011. 24: p. 294–
301. 
[2] ARGO, 2017. Current Status of Argo. Argo Project. [Online 
]. 
[3] Argo Science Team, On the design and implementation of 
Argo – An initial plan for a global array of profiling floats. 
Melbourne, Australia: GODAE International Project office, 
c/o Bureau of Meteorology. International CLIVAR project 
Office ICPO Report No. 21. GODAE Report No 5, 1998. 
[4] Barnard, P.L., et al., Extreme oceanographic forcing and 
coastal response due to the 2015–2016 El Niño. Nature 
Communications 2017. 8: p. 14365. 
[5] Bern, T.-I., et al., Oil spill detection using satellite based SAR: 
Experience from a field experiment. Proc. 1st ERS-1 
Symposium, Cannes, France (1992, 4–6 November), 1992. p. 
829-834. 
[6] Bourlès, B., et al., The Pirata Program: History, 
Accomplishments, and Future Directions. Bulletin of the 
American Meteorological Society 2008. 89(8): p. 1111-1125. 
[7] Bruzzone, L., et al., An advanced system for the automatic 
classification of multitemporal SAR images. IEEE 
Transactions on Geoscience and Remote Sensing 2004. 42(6): 
p. 1321-1334. 
[8] Cao, F., et al., An Unsupervised Segmentation With an 
Adaptive Number of Clusters Using the SPAN/H/α/A 
Space and the Complex Wishart Clustering for Fully 
Polarimetric SAR Data Analysis. IEEE Transactions on 
Geoscience and Remote Sensing 2007. 45(11): p. 3454-3467. 
[9] Cloude, S.R., Pottier, E., An entropy based classification 
scheme for land applications of polarimetric SAR. IEEE 
Transactions on Geoscience and Remote Sensing 1997. 35(1): 
p. 68-78. 
[10] Doulgeris, A.P., et al., Automated Non-Gaussian Clustering of 
Polarimetric Synthetic Aperture Radar Images. IEEE 
Transactions on Geoscience and Remote Sensing 2011. 
49(10): p. 3665-3676. 
[11] Duong, N.D., et al., OilDetect 1.0 - A System for Analysis of 
Oil Spill in Sar Image. Asian Journal of Geoinformatics 2012. 
12(2): p. 12-18. 
[12] Ersahin, K., et al., Segmentation and Classification of 
Polarimetric SAR Data Using Spectral Graph Partitioning. 
IEEE Transactions on Geoscience and Remote Sensing 2010. 
48(1): p. 164-174. 
[13] Fan, K., et al., Satellite SAR analysis and interpretation of oil 
spill in the offshore water of Hong Kong. Annals of GIS 2010. 
16(4): p. 269-275. 
[14] Fingas, M., Brown, C., Oil Spill Remote Sensing. In Orcutt, J. 
(ed.), Earth System Monitoring: Selected Entries from the 
Encyclopedia of Sustainability Science and Technology, 
Springer New York, New York, NY. 2013. p. 337-388. 
[15] Fingas, M., Brown, C., Review of oil spill remote sensing. 
Marine Pollution Bulletin 2014. 83(1): p. 9-23. 
[16] Gong, Y., et al., A review of oil, dispersed oil and sediment 
interactions in the aquatic environment: Influence on the fate, 
transport and remediation of oil spills. Marine Pollution 
Bulletin 2014. 79(1): p. 16-33. 
[17] Haule, K., et al., Possibilities of optical remote sensing of 
dispersed oil in coastal waters. Estuarine, Coastal and Shelf 
Science 2017. 195: p. 76-87. 
[18] Horta, M.M., et al., A comparison of clustering fully 
polarimetric SAR images using SEM algorithm and GP 
mixture model with different initializations. The 19th 
International Conference on Pattern Recognition, 2008. p. 1-
4. 
 88 
Journal of Transportation Science and Technology, Vol 29, Aug 2018 
[19] Ivanov, A.Y., et al., An Experience of using RADARSAT, ERS-
1/2 and Envisat SAR Images for Oil Spills Mapping in the 
Waters of the Caspian Sea, Yellow Sea and East China Sea. 
Proceedings of the 2004 Envisat & ERS Symposium (ESA 
SP-572). 6-10 September 2004, Salzburg, Austria, 2005. p. 
[20] JAMSTEC, 2017. TRIangle Trans-Ocean buoy Network 
(TRITON). Japan Agency for Marine - Earth Science and 
Technology. [Online 
]. 
[21] Kersten, P.R., et al., Unsupervised classification of 
polarimetric synthetic aperture Radar images using fuzzy 
clustering and EM clustering. IEEE Transactions on 
Geoscience and Remote Sensing 2005. 43(3): p. 519-527. 
[22] Kiranyaz, S., et al., Collective Network of Binary Classifier 
Framework for Polarimetric SAR Image Classification: An 
Evolutionary Approach. IEEE Transactions on Systems, Man, 
and Cybernetics, Part B (Cybernetics) 2012. 42(4): p. 1169-
1186. 
[23] Legler, D.M., et al., The current status of the real-time in situ 
Global Ocean Observing System for operational 
oceanography. Journal of Operational Oceanography 2015. 
8(sup2): p. s189-s200. 
[24] Lillisand, T., et al., Remote Sensing and Image Interpretation 
(seventh ed.), Wiley. 2015. 
[25] Lonnqvist, A., et al., Polarimetric SAR Data in Land Cover 
Mapping in Boreal Zone. IEEE Transactions on Geoscience 
and Remote Sensing 2010. 48(10): p. 3652-3662. 
[26] Lu, J., Marine oil spill detection, statistics and mapping with 
ERS SAR imagery in south-east Asia. International Journal of 
Remote Sensing 2003. 24(15): p. 3013-3032. 
[27] Lumpkin, R., Elipot, S., Surface drifter pair spreading in the 
North Atlantic. Journal of Geophysical Research: Oceans 
2010. 115(C12): p. n/a-n/a. 
[28] Lumpkin, R., Johnson, G.C., Global ocean surface velocities 
from drifters: Mean, variance, El Niño–Southern Oscillation 
response, and seasonal cycle. Journal of Geophysical 
Research: Oceans 2013. 118(6): p. 2992-3006. 
[29] Lupidi, A., et al., Fast Detection of Oil Spills and Ships Using 
SAR Images. Remote Sensing 2017. 9(3): p. 230. 
[30] Malthus, T.J., Mumby, P.J., Remote sensing of the coastal 
zone: an overview and priorities for future research. 
International Journal of Remote Sensing 2003. 24(13): p. 
2805 - 2815. 
[31] Martínez, A., Moreno, V., An oil spill monitoring system 
based on SAR images. Spill Science & Technology Bulletin 
1996. 3(1): p. 65-71. 
[32] McPhaden, M.J., Busalacchi, A.J., A TOGA Retrospective. 
Oceanography 2010. 23(3): p. 86–103. 
[33] McPhaden, M.J., et al., RAMA: The Research Moored Array 
for African–Asian–Australian Monsoon Analysis and 
Prediction*. Bulletin of the American Meteorological Society 
2009. 90(4): p. 459-480. 
[34] Migliaccio, M., et al., The PALSAR Polarimetric Mode for Sea 
Oil Slick Observation. IEEE Transactions on Geoscience and 
Remote Sensing 2009. 47(12): p. 4032-4041. 
[35] Minh, H.L., Dinh, D.N., Oil spills detection and classification 
by ALOS PALSAR at Viet Nam East Sea. 7th FIG Regional 
Conference Spatial Data Serving People: Land Governance 
and the Environment – Building the Capacity, Hanoi, 
Vietnam, 19-22 October 2009 2009. p. 1-12. 
[36] Monserrat, S., et al., Meteotsunamis: atmospherically induced 
destructive ocean waves in the tsunami frequency band. Nat. 
Hazards Earth Syst. Sci. 2006. 6(6): p. 1035-1051. 
[37] Mostafa, A.A., et al., Segmentation by Classification for 
Through-the-Wall Radar Imaging Using Polarization 
Signatures. IEEE Transactions on Geoscience and Remote 
Sensing 2012. 50(9): p. 3425-3439. 
[38] Mumby, P.J., et al., Remote sensing of coral reefs and their 
physical environment. Marine Pollution Bulletin 2004. 48(3): 
p. 219-228. 
[39] National Research Council, An Ecosystem Services Approach 
to Assessing the Impacts of the Deepwater Horizon Oil Spill 
in the Gulf of Mexico, The National Academies Press, 
Washington, DC. 2013. 
[40] Niiler, P., Chapter 4.1 The world ocean surface circulation. 
International Geophysics 2001. 77: p. 193-204. 
[41] NOAA, 2017. El Niño and climate prediction. Tropical 
Atmosphere Ocean Project, Reports to the Nation on Our 
Changing Planet. National Oceanic and Atmospheric 
Administration. [Online 
]. 
[42] Nguyễn Đình Dương, 2011. Nghiên cứu ô nhiễm dầu trên biển 
Việt Nam và biển Đông. Viện Hàn lâm Khoa học và Công 
nghệ Việt Nam. [Online 
kien/tin-khoa-hoc/trong-nuoc/739-nghien-cuu-o-nhiem-dau-
tren-bien-viet-nam-va-bien-dong-phan-1]. 
[43] Palmer, S.C.J., et al., Remote sensing of inland waters: 
Challenges, progress and future directions. Remote Sensing 
of Environment 2015. 157: p. 1-8. 
[44] Pavlakis, P., et al., Monitoring Oil-Spill Pollution in the 
Mediterranean with ERS SAR. Earth Observation Quarterly 
1996. 52: p. 
[45] Phạm Hà Anh, Đào Văn Hiền, Sự cố tràn dầu và khả năng ứng 
dụng công nghệ viễn thám, GIS trong giám sát tại Việt Nam. 
Tạp chí Môi trường 2017. 8/2017: p. 
[46] Richardson, L.L., LeDrew, E.F., Remote sensing of aquatic 
coastal ecosystem processes: Science and management 
applications, Remote Sensing and Digital Image Processing, 
Springer, The Netherlands. 2006. Vol. 9. 
[47] Rosenberg, D., Chung, C., Maritime Security in the South 
China Sea: Coordinating Coastal and User State Priorities. 
Ocean Development & International Law 2008. 39(1): p. 51-
68. 
[48] Salisbury, J.W., et al., Thermal infrared remote sensing of 
crude oil slicks. Remote Sensing of Environment 1993. 45(2): 
p. 225-231. 
[49] Shi, L., et al., Oil spill mapping in the western part of the East 
China Sea using synthetic aperture radar imagery. Int. J. 
Remote Sens. 2008. 29(21): p. 6315-6329. 
[50] Turner, W., et al., Remote sensing for biodiversity science and 
conservation. Trends in Ecology & Evolution 2003. 18(6): p. 
306-314. 
[51] Thomas, G., Annamalai, M., Texture analysis using income 
inequality metrics. 2014 IEEE International Instrumentation 
and Measurement Technology Conference (I2MTC) 
Proceedings, 2014. p. 988-992. 
[52] Trịnh Lê Hùng, Phát hiện và phân loại vết dầu trên biển từ dữ 
liệu ảnh vệ tinh đa phổ Landsat 7 ETM+. Dầu khí 2015. 
2/2015: p. 60-66. 
[53] Trịnh Lê Hùng, Mai Đình Sinh, Phát hiện và phân loại vết dầu 
trên ảnh Envisat Asar bằng phương pháp lọc thích nghi và 
ứng dụng Fuzzy Logic. Dầu khí 2014. 5/2014: p. 49-55. 
[54] Wahl, T., et al., Practical use of ERS-1 SAR images in 
pollution monitoring. Geoscience and Remote Sensing 
Symposium, 1994. IGARSS '94. Surface and Atmospheric 
Remote Sensing: Technologies, Data Analysis and 
Interpretation., International, 1994. 4: p. 1954-1956 vol.1954. 
[55] Williams, F.L., Matthew Fontaine Maury, scientist of the sea, 
Rutgers University Press, New Brunswick. 1969. 
[56] Wu, Y., et al., Region-Based Classification of Polarimetric 
SAR Images Using Wishart MRF. IEEE Geoscience and 
Remote Sensing Letters 2008. 5(4): p. 668-672. 
[57] Yang, Y., et al., Texture Statistics Features of SAR Oil Spills 
Imagery. 2012 2nd International Conference on Remote Sensing, 
Environment and Transportation Engineering, 2012. p. 1-4. 
[58] Yu, P., et al., Unsupervised Polarimetric SAR Image Segmentation 
and Classification Using Region Growing With Edge Penalty. 
IEEE Transactions on Geoscience and Remote Sensing 2012. 
50(4): p. 1302-1317. 
[59] Zhang, H., et al., Synthetic Aperture Radar Image Segmentation 
by Modified Student's t-Mixture Model. IEEE Transactions on 
Geoscience and Remote Sensing 2014. 52(7): p. 4391-4403. 
[60] Zhen, Y., Cheng-Chang, L., Wavelet-based unsupervised SAR 
image segmentation using hidden Markov tree models. Object 
recognition supported by user interaction for service robots, 2002. 
2: p. 729-732 vol.722. 
 Ngày nhận bài: 31/5/2018 
 Ngày chuyển phản biện: 4/6/2018 
 Ngày hoàn thành sửa bài: 25/6/2018 
 Ngày chấp nhận đăng: 2/7/2018