UAV hỗ trợ công tác phục hồi: nghiên cứu điển hình tại một vùng đầm lầy ở California
Trong nhiều năm, UAV thường được nhìn nhận trước hết như một công cụ chụp ảnh từ trên cao. Nhưng khi kết hợp với các điểm khống chế mặt đất, công nghệ Structure from Motion, mô hình số độ cao và các phương pháp phân loại ảnh, một chiếc drone có thể trở thành một hệ thống khảo sát có khả năng tạo ra dữ liệu định lượng phục vụ trực tiếp cho quản lý tài nguyên và phục hồi hệ sinh thái.
Đó là thông điệp đáng chú ý từ nghiên cứu “UAV to Inform Restoration: A Case Study From a California Tidal Marsh”, do John Haskins, Charlie Endris, Alexandra S. Thomsen và các cộng sự thực hiện, công bố trên Frontiers in Environmental Science ngày 1/4/2021. Bài nghiên cứu được thực hiện tại Hester Marsh, thuộc Elkhorn Slough, một vùng cửa sông ở miền Trung California, Mỹ.
Điểm quan trọng của nghiên cứu không nằm ở việc chứng minh rằng UAV có thể chụp được những bức ảnh đẹp về một khu vực phục hồi. Giá trị lớn hơn nằm ở chỗ nhóm nghiên cứu đã thử nghiệm một quy trình tương đối hoàn chỉnh: bay UAV trước, trong và sau quá trình xây dựng phục hồi; biến ảnh chụp thành các sản phẩm dữ liệu có độ chính xác cao; sau đó sử dụng những dữ liệu này để đánh giá liệu dự án có đạt được các mục tiêu đề ra hay không.
Từ một vùng đất suy thoái đến bài toán giám sát bằng UAV
Hester Marsh là một ví dụ điển hình cho những thách thức của phục hồi đất ngập nước ven biển.
Trong khoảng 150 năm, hơn một nửa diện tích đầm lầy nguyên vẹn của Elkhorn Slough đã bị mất, chủ yếu do các hoạt động đắp đê, thoát nước và thay đổi điều kiện thủy văn. Phần diện tích còn lại cũng nằm ở cao độ thấp và dễ bị tác động bởi nước biển dâng.
Năm 2018, một dự án phục hồi quy mô 25 ha tại Hester Marsh hoàn thành. Khoảng 250.000 yard khối đất được bổ sung vào khu vực đầm lầy đã suy thoái và sụt lún. Đất chủ yếu được lấy từ một sườn đồi nông nghiệp liền kề. Các tuyến kênh thủy triều chính được giữ lại, trong khi những kênh nhỏ hơn được đào lại nhằm tái tạo mạng lưới thoát nước tự nhiên.
Mục tiêu của dự án không đơn giản là “đổ thêm đất” để nâng cao mặt bằng. Các nhà quản lý cần biết liệu cao độ mới có đạt yêu cầu hay không, đất có tiếp tục sụt lún hay không, hệ thống kênh thủy triều có phát triển đúng hướng hay không và thảm thực vật có bắt đầu quay trở lại hay không.
Đây chính là lúc bài toán giám sát trở nên quan trọng.
Theo các tác giả, giám sát là một thành phần thiết yếu của mọi dự án phục hồi sinh thái. Tuy nhiên, trên thực tế, các dự án thường bị hạn chế bởi ngân sách và nhân lực. Khảo sát thực địa truyền thống có thể tốn nhiều thời gian, trong khi dữ liệu từ máy bay hoặc vệ tinh thường không có độ phân giải không gian và thời gian đủ cao cho những thay đổi nhỏ ở cấp độ địa hình hoặc thực vật.
UAV tạo ra một khoảng giữa rất đáng chú ý: độ phân giải cao hơn nhiều so với ảnh vệ tinh, chi phí và thời gian thấp hơn so với nhiều phương pháp khảo sát mặt đất, đồng thời có thể bay lặp lại theo lịch do nhà nghiên cứu chủ động lựa chọn.
UAV được biến thành một hệ thống đo đạc như thế nào?
Một trong những điểm đáng chú ý nhất của nghiên cứu là nhóm tác giả không đơn giản bay drone rồi phân tích ảnh.
Họ phải giải quyết bài toán độ chính xác địa lý.
Để tạo ra mô hình số độ cao (DEM) đáng tin cậy, nhóm nghiên cứu bố trí các Ground Control Points – GCP, tức các điểm khống chế mặt đất có tọa độ và cao độ được đo chính xác bằng thiết bị khảo sát. Những điểm này giúp liên kết ảnh UAV với hệ tọa độ thực tế trên mặt đất.
Nhóm nghiên cứu tiến hành thử nghiệm nhiều mật độ GCP và nhiều độ cao bay khác nhau. Kết quả cho thấy mật độ GCP có ảnh hưởng rất lớn tới độ chính xác. Sai số giảm mạnh khi tăng số lượng GCP ở giai đoạn đầu, nhưng sau khoảng 2,1 GCP/ha, việc tăng thêm GCP không còn cải thiện đáng kể độ chính xác.
Cuối cùng, nhóm lựa chọn khoảng 1,9–2 GCP/ha cho các lần khảo sát lặp lại.
Với cấu hình này, mô hình địa hình đạt RMSE theo phương đứng khoảng 1,1 cm – một con số rất đáng chú ý đối với một hệ thống UAV được triển khai trên diện tích lớn.
Điều này cho thấy một bài học quan trọng: giá trị của UAV trong khảo sát không chỉ nằm ở bản thân chiếc drone và camera. Quy trình đo khống chế, thiết kế chuyến bay, xử lý ảnh và kiểm định kết quả mới quyết định dữ liệu cuối cùng có đáng tin cậy hay không.
Một chuyến bay có thể trả lời nhiều câu hỏi
Khi ảnh UAV đã được chuyển thành orthomosaic và DEM, dữ liệu có thể được sử dụng cho nhiều mục đích khác nhau.
Trong dự án Hester Marsh, nhóm nghiên cứu sử dụng UAV để:
- theo dõi tiến độ xây dựng;
- kiểm tra công trình có bám sát thiết kế hay không;
- tính toán khối lượng đất đã di chuyển;
- đánh giá cao độ sau khi phục hồi;
- phát hiện hiện tượng sụt lún;
- theo dõi sự hình thành và phát triển của các kênh thủy triều;
- phát hiện xói lở;
- theo dõi sự tái sinh của thảm thực vật;
- phân tích mối quan hệ giữa cao độ địa hình và sự phát triển của cây;
- cung cấp dữ liệu trực quan cho nhà quản lý, nhà tài trợ, nhà khoa học và công chúng.
Đây chính là điểm khiến nghiên cứu có ý nghĩa vượt ra ngoài một dự án phục hồi đất ngập nước.
UAV không còn chỉ đóng vai trò là “camera bay”. Nó trở thành một lớp dữ liệu không gian có thể được cập nhật liên tục, cho phép nhà quản lý so sánh cùng một khu vực theo thời gian.
Tính toán khối lượng đất: kết quả đặc biệt đáng chú ý
Một trong những ứng dụng thực tế nhất của nghiên cứu là tính toán lượng đất đã được đào và di chuyển trong quá trình xây dựng.
Nhóm nghiên cứu sử dụng phương pháp DEM of Difference – DoD, tức so sánh hai mô hình độ cao ở hai thời điểm khác nhau.
Kết quả UAV sau khi hiệu chỉnh sai số do thảm thực vật cho thấy khối lượng đất thay đổi khoảng 165.312 m³.
Con số do các chuyên gia khảo sát bằng phương pháp truyền thống đưa ra là 166.673 m³.
Hai kết quả rất gần nhau.
Điều này có ý nghĩa lớn về mặt quản lý dự án.
Khối lượng đất là một trong những yếu tố trực tiếp quyết định chi phí của các dự án san lấp và phục hồi địa hình. UAV vì vậy có thể được sử dụng như một công cụ kiểm tra độc lập đối với kết quả khảo sát của nhà thầu hoặc đơn vị đo đạc.
Nó cũng có thể hỗ trợ ước tính chi phí trong giai đoạn lập kế hoạch cho những dự án tương tự.
Tuy nhiên, nghiên cứu đồng thời chỉ ra một giới hạn quan trọng: UAV không tự động tạo ra kết quả chính xác nếu dữ liệu đầu vào có vấn đề.
Trong trường hợp này, thảm thực vật trước khi xây dựng làm cho DEM cao hơn thực tế. Nếu không hiệu chỉnh, khối lượng tính toán lên tới 178.604 m³. Sau khi hiệu chỉnh sai số do thực vật, kết quả giảm xuống còn 165.312 m³.
Nói cách khác, UAV rất mạnh nhưng không phải “hộp đen”. Người sử dụng phải hiểu dữ liệu được tạo ra như thế nào và những yếu tố nào có thể làm sai lệch kết quả.
UAV phát hiện cả những thay đổi mà mắt thường khó nhìn thấy
Sau khi hoàn thành phục hồi, UAV tiếp tục được sử dụng để theo dõi cao độ của vùng đầm lầy.
Mục tiêu ban đầu là đưa mặt bằng lên khoảng 1,95 m NAVD88, sau đó để mặt đất ổn định về mức dài hạn khoảng 1,89 m NAVD88.
Khảo sát UAV đầu tiên sau khi công trình hoàn thành cho thấy cao độ trung bình khoảng 1,915 m.
Điều thú vị hơn là UAV có thể cho thấy quá trình sụt lún diễn ra không đồng đều.
Trong 21 ngày đầu tiên sau khi hoàn thành, cao độ trung bình giảm khoảng 3 cm. Sau đó, thay đổi tương đối nhỏ trong nhiều khu vực. Một số điểm cá biệt giảm khoảng 12 cm.
Thông tin này không chỉ có giá trị khoa học.
Nếu một khu vực bị sụt lún nhiều, nước có thể tích tụ và cây khó phát triển. Nhà quản lý có thể xác định chính xác vị trí đó trên bản đồ và yêu cầu bổ sung đất hoặc điều chỉnh biện pháp phục hồi.
Đó chính là mô hình adaptive management – quản lý thích ứng: dữ liệu từ UAV không chỉ dùng để “báo cáo dự án đã làm gì”, mà còn giúp quyết định bước tiếp theo phải làm gì.
Drone cũng nhìn thấy quá trình cây cối quay trở lại
Một thách thức khác của phục hồi đầm lầy là làm thế nào xác định thảm thực vật đang phát triển.
Nhóm nghiên cứu thử nghiệm các chuyến bay ở độ cao 10 m, 30 m và 60 m.
Kết quả rất trực quan: càng bay thấp, khả năng phát hiện cây nhỏ càng cao. Với những cây có kích thước dưới 10 cm, tỷ lệ phát hiện lần lượt là 45% ở 10 m, 25% ở 30 m và chỉ 5% ở 60 m. Đối với cây lớn hơn 20–50 cm, tỷ lệ này là 95%, 90% và 70%.
Nhưng bay quá thấp lại làm tăng thời gian bay và lượng dữ liệu phải xử lý.
Vì vậy, nhóm nghiên cứu lựa chọn độ cao 30 m cho việc lập bản đồ thảm thực vật trên toàn bộ khu vực. Đây là một ví dụ điển hình về bài toán cân bằng giữa độ phân giải và hiệu quả vận hành.
Đáng chú ý hơn, khi kết hợp ảnh RGB với dữ liệu cận hồng ngoại (NIR), độ chính xác ước tính độ phủ thực vật được cải thiện. Chỉ số NSE đạt 0,74 với ảnh RGB+NIR, so với 0,69 đối với ảnh RGB ở độ cao 30 m.
Khoảng một năm sau khi hoàn thành phục hồi, bản đồ UAV cho thấy khoảng 6,8% diện tích mặt bằng đầm lầy đã có thảm thực vật. Dữ liệu cũng cho phép nhóm nghiên cứu xem xét mối quan hệ giữa sự phát triển của cây và cao độ địa hình.
Như vậy, UAV giúp biến khái niệm khá trừu tượng như “hệ sinh thái đang phục hồi” thành những dữ liệu có thể đo đếm, lập bản đồ và so sánh theo thời gian.
Từ giám sát đến ra quyết định
Một trong những phát hiện thú vị của nghiên cứu liên quan tới các bờ kênh thủy triều.
Một bên bờ được gia cố bằng đất bùn nhằm hạn chế xói lở, trong khi bên còn lại không được gia cố. Sau một năm, dữ liệu UAV cho thấy bờ được gia cố có cao độ tương đương hoặc thậm chí cao hơn so với ban đầu, trong khi bờ không được gia cố có dấu hiệu mất cao độ.
Kết quả này đã góp phần dẫn tới việc áp dụng biện pháp gia cố bờ ở quy mô lớn hơn tại một khu vực phục hồi lân cận.
Đây có lẽ là điểm quan trọng nhất của toàn bộ nghiên cứu.
Giá trị của UAV không nằm ở việc tạo ra nhiều dữ liệu hơn, mà ở khả năng biến dữ liệu thành quyết định quản lý tốt hơn.
Trong quá trình xây dựng, hình ảnh UAV từng giúp phát hiện nhanh một khu vực có nguy cơ xói lở, cho phép nhà thầu điều chỉnh khi máy móc vẫn còn tại hiện trường, qua đó có thể tránh những chi phí phát sinh lớn hơn về sau.
Nhưng UAV không thay thế hoàn toàn khảo sát mặt đất
Nghiên cứu cũng rất đáng chú ý ở chỗ các tác giả không quảng bá UAV như một giải pháp thay thế tuyệt đối cho mọi phương pháp khảo sát.
Họ so sánh UAV với terrestrial laser scanning (TLS), surface elevation tables (SET) và airborne LiDAR.
UAV có lợi thế lớn về khả năng bao phủ không gian, thời gian triển khai và chi phí. Nhưng mỗi phương pháp có thế mạnh riêng. Chẳng hạn, SET có độ chính xác rất cao tại những vị trí cố định nhưng phạm vi bao phủ rất nhỏ. TLS có độ chính xác cao nhưng chi phí và thời gian triển khai lớn hơn đáng kể. LiDAR có thể bao phủ diện tích rất lớn nhưng thường không có khả năng thu thập dữ liệu với tần suất tùy biến như UAV.
Điều đó dẫn tới một cách tiếp cận thực tế hơn: UAV nên được xem là một thành phần trong hệ thống giám sát đa phương pháp, chứ không nhất thiết phải thay thế tất cả các công cụ hiện có.
Đặc biệt, khảo sát mặt đất vẫn cần thiết để kiểm chứng và hiệu chỉnh dữ liệu UAV trong những trường hợp phức tạp.
Bài học lớn hơn cho ngành UAV
Nghiên cứu Haskins và cộng sự được thực hiện năm 2021, nhưng nhiều bài học trong đó vẫn rất đáng chú ý đối với xu hướng phát triển UAV hiện nay.
Thứ nhất, giá trị của UAV đang chuyển từ hình ảnh sang dữ liệu.
Một orthomosaic đẹp có thể có giá trị truyền thông. Nhưng DEM, bản đồ thay đổi địa hình, bản đồ độ phủ thực vật và dữ liệu khối lượng đất có giá trị trực tiếp đối với kỹ thuật, quản lý dự án và ra quyết định.
Thứ hai, UAV đặc biệt phù hợp với những khu vực khó tiếp cận. Đầm lầy, vùng ngập nước, khu vực xói lở, sườn dốc hoặc những địa hình mà con người khó khảo sát thường xuyên là những nơi drone có lợi thế rõ rệt.
Thứ ba, khảo sát lặp lại là một lợi thế rất lớn. Khi cùng một khu vực được bay nhiều lần theo một quy trình chuẩn hóa, UAV có thể tạo thành một “chuỗi thời gian không gian”, cho phép theo dõi quá trình biến đổi của địa hình và hệ sinh thái.
Và cuối cùng, quy trình quan trọng không kém thiết bị. Nhóm nghiên cứu khuyến nghị phải lập kế hoạch giám sát UAV ngay từ trước khi phục hồi bắt đầu, thay vì chỉ nghĩ tới việc bay drone sau khi dự án đã hoàn thành. Việc có dữ liệu nền trước phục hồi giúp tạo ra cơ sở so sánh đáng tin cậy cho toàn bộ dự án.
Từ California đến Việt Nam
Đối với Việt Nam, những bài học này đặc biệt đáng quan tâm.
Các chương trình phục hồi rừng ngập mặn, đất ngập nước, hành lang sông, vùng ven biển, khai thác mỏ sau đóng cửa, phục hồi cảnh quan sau xây dựng hạ tầng hay theo dõi xói lở bờ sông đều có thể đặt ra những bài toán tương tự: địa hình thay đổi như thế nào, đất đã được di chuyển bao nhiêu, thực vật phục hồi ra sao, khu vực nào đang có vấn đề và dự án có thực sự đạt mục tiêu hay không?
UAV có thể cung cấp một lớp dữ liệu tương đối rẻ, nhanh và có độ phân giải cao để trả lời những câu hỏi đó.
Nhưng bài học quan trọng nhất từ nghiên cứu California không phải là “hãy mua drone”.
Bài học là: hãy thiết kế một hệ thống dữ liệu UAV ngay từ đầu – từ dữ liệu nền, điểm khống chế, quy trình bay, cảm biến, xử lý ảnh, kiểm chứng thực địa cho tới cách sử dụng kết quả để điều chỉnh dự án.
Khi đó, UAV không còn đơn thuần là thiết bị bay.
Nó trở thành một phần của hạ tầng quan trắc.
Và trong một thế giới mà phục hồi hệ sinh thái ngày càng phải được chứng minh bằng dữ liệu, đây có thể là một trong những hướng ứng dụng quan trọng nhất của công nghệ UAV.
Về bài nghiên cứu
Bài báo “UAV to Inform Restoration: A Case Study From a California Tidal Marsh” được John Haskins, Charlie Endris, Alexandra S. Thomsen, Fuller Gerbl, Monique C. Fountain và Kerstin Wasson thực hiện, công bố trên Frontiers in Environmental Science, chuyên mục Environmental Informatics and Remote Sensing, ngày 1/4/2021. DOI của bài báo là 10.3389/fenvs.2021.642906.
Đây là một nghiên cứu có tính ứng dụng cao đối với những người làm UAV mapping, trắc địa, GIS, viễn thám, quản lý tài nguyên, môi trường và phục hồi sinh thái.
The Sky Watch cung cấp bản PDF tiếng Anh nguyên bản để độc giả muốn tìm hiểu sâu hơn có thể đọc đầy đủ phương pháp nghiên cứu, dữ liệu, bảng kết quả và các khuyến nghị kỹ thuật của nhóm tác giả.
PDF nguyên bản: UAV to Inform Restoration: A Case Study From a California Tidal Marsh — Haskins et al., Frontiers in Environmental Science, 2021.
