Những năm qua, công nghệ viễn thám ngày càng phát triển và được ứng dụng trong nhiều ngành, lĩnh vực của đời sống xã hội. Xu hướng phát triển của công nghệ viễn thám Việt Nam và thế giới dự báo có nhiều đổi mới trong ứng dụng vào đời sống xã hội.

Dữ liệu thực địa có thể phản ánh các đặc điểm địa chất, khiến nó trở thành một trong những loại dữ liệu địa lý cơ bản được sử dụng rộng rãi trong thăm dò khoáng sản, đánh giá môi trường, phân tích tiềm năng tài nguyên và các nghiên cứu khác. Tuy nhiên, các quyết định cuối cùng liên quan đến các hoạt động thường bị giới hạn bởi độ chính xác về mặt không gian của dữ liệu địa hóa. Lấy mẫu thực địa đôi khi khó tiến hành do điều kiện tự nhiên và địa lý khắc nghiệt (ví dụ: vùng núi có độ cao lớn và địa hình phức tạp), nghĩa là chỉ có thể thu được dữ liệu khảo sát trung bình/độ chính xác thấp, có thể không phù hợp để lập bản đồ địa hóa khu vực và khám phá. Các kỹ thuật hiện đại như viễn thám có thể được sử dụng để giải quyết vấn đề này. Trong những thập kỷ gần đây, sự phát triển của công nghệ viễn thám đã cung cấp một lượng lớn dữ liệu quan sát Trái Đất với độ chính xác cao về không gian, độ phân giải thời gian và quang phổ. Ưu điểm của việc thu thập nhanh thông tin không gian và quang phổ của các khu vực rộng lớn đã thúc đẩy việc sử dụng rộng rãi dữ liệu viễn thám trong nghiên cứu khoa học địa chất. Dữ liệu viễn thám có thể giúp phân biệt các đặc điểm mặt đất khác nhau bằng cách ghi lại phản ứng điện từ của bề mặt đối với bức xạ mặt trời.

Tư liệu viễn thám là nguồn thông tin rất quan trọng cho nhiều lĩnh vực như bản đồ, điều tra và quản lý tài nguyên thiên nhiên, giám sát và bảo vệ môi trường, phòng chống thiên tai, quy hoạch phát triển, nghiên cứu khoa học và phát triển công nghệ. Với ưu thế phong phú thông tin, phản ánh một cách chính xác sự phân bố và trạng thái của các đối tượng trên mặt đất, mặt nước cũng như các mối quan hệ và sự tác động qua lại giữa các đối tượng cùng các hoạt động nên công nghệ này đã bao quát được hầu hết các mặt đời sống, kinh tế - xã hội khi có được hạ tầng hiện đại, đáp ứng yêu cầu thu, nhận, phân tích ảnh.

Ảnh viễn thám có thể thu nhận bằng nhiều kỹ thuật khác nhau nên có thể cung cấp được nhiều loại thông tin quan trọng thuộc nhiều lĩnh vực. Kỹ thuật viễn thám cho phép thu được thông tin nhanh cùng lúc trên những vùng rộng lớn đến phạm vi cả nước, khu vực, kể cả những vùng con người khó đến được và đảm bảo hình ảnh thực tại thời điểm chụp. Đồng thời, cho phép thu nhận thông tin lặp lại theo các chu kỳ khác nhau (hàng ngày, 5 - 26 ngày, mùa, năm...) nhờ đó, sử dụng tư liệu viễn thám có thể theo dõi sự biến động của nhiều đối tượng một cách liên tục, tự động mà không cần nguồn nhân lực đến tận nơi ghi nhận.

Sự phát triển các vệ tinh viễn thám thương mại công khai cho phép thu nhận được tư liệu ảnh với độ phân giải trung bình (30 - 20m), cao (10 - 3m) và siêu cao (2 - 1m); ảnh vệ tinh siêu phổ chụp một lúc 200 kênh. Nhờ đó, có thể tiến hành khảo sát, nghiên cứu thông tin đồng thời ở những mức độ khác nhau, khái quát đến chi tiết một khu vực hay một đối tượng nghiên cứu.

Sử dụng tư liệu viễn thám cho phép giảm bớt quá trình điều tra, khảo sát... tại thực địa, giúp tiết kiệm chi phí. Do vậy, viễn thám không chỉ đem lại hiệu quả về khoa học công nghệ, mà còn đem lại hiệu quả về kinh tế.

Công nghệ viễn thám đã trở thành công nghệ hiệu quả nhất để giám sát các đối tượng biến động trong không gian và thời gian cho các mục đích quản lý tài nguyên, giám sát môi trường, thiên tai và quân sự. Ngày nay, khó có thể liệt kê được đầy đủ các lĩnh vực ứng dụng công nghệ viễn thám trên thế giới. Hiệu quả ứng dụng công nghệ viễn thám về khoa học, công nghệ, kinh tế và xã hội rất lớn.

Không giống như quá trình lấy mẫu địa hóa tốn nhiều thời gian và công sức, các kỹ thuật viễn thám có thể thu được thông tin quang phổ về các đặc điểm mặt đất một cách nhanh chóng và hiệu quả. Thông tin phổ do dữ liệu viễn thám ghi lại được xác định bởi các đặc tính tương tác giữa sóng điện từ và các đối tượng mặt đất, nghĩa là các đặc tính phổ của các đối tượng mặt đất. Các nghiên cứu trước đây đã chỉ ra rằng các đặc điểm hấp thụ (ví dụ: bước sóng và độ sâu hấp thụ) của các vật thể trên mặt đất có liên quan chặt chẽ với các dạng rung động phân tử và hành vi chuyển tiếp điện tử của các phân tử khác nhau. Trong những năm gần đây, một số nghiên cứu đã tiết lộ rằng phản ứng của các vật thể trên mặt đất đối với sóng điện từ hiển thị trong dữ liệu viễn thám cũng tương quan với hàm lượng của các yếu tố địa hóa. Ví dụ, sự khác biệt về hàm lượng nhôm có trong mica trắng phân bố rộng rãi trong đá magma felsic trung gian có thể được thể hiện bằng bước sóng của đỉnh hấp thụ chẩn đoán của các khoáng chất này. Bước sóng tương ứng với đỉnh hấp thụ đặc trưng càng ngắn thì hàm lượng nhôm trong mica trắng càng cao. Phát hiện này giúp xác định thành phần khoáng chất và phân loại đá bằng dữ liệu viễn thám, vì các loại và hàm lượng mica trắng trong các thạch học khác nhau tuân theo các quy tắc nhất định. Sử dụng dữ liệu quang phổ phản xạ để giải quyết các vấn đề địa hóa đã trở thành một thông lệ phổ biến trong những năm gần đây vì các hiệu ứng ứng dụng đã được chứng minh là đáng kể.

Từ khía cạnh địa chất, dữ liệu địa hóa có thể cung cấp thông tin chỉ dẫn cho việc thăm dò khoáng sản. Tuy nhiên, do phạm vi rộng của phương tiện lấy mẫu và sự hiện diện rộng rãi của các nguyên tố khác nhau trong các cơ thể địa chất khác nhau, dấu hiệu của các dị thường địa hóa đại diện cho các cơ thể địa chất thường không rõ ràng. Với thông tin phổ phong phú, dữ liệu viễn thám có thể phân biệt các đối tượng mặt đất với các đặc điểm vật lý do sự khác biệt trong phổ phản xạ của các đối tượng mặt đất khác nhau. Kết hợp dữ liệu viễn thám và địa hóa có thể tận dụng hiệu quả các lợi thế của hai bộ dữ liệu trong việc xác định các đối tượng mặt đất. Việc sử dụng các thuật toán tổng hợp để phân tích toàn diện dữ liệu địa hóa và viễn thám đã có một lịch sử lâu dài. Các thuật toán tổng hợp hình ảnh dữ liệu địa hóa và viễn thám ban đầu tập trung vào các phương pháp tuyến tính; ví dụ, phép biến đổi IHS đã được sử dụng để hợp nhất Landsat MSS và dữ liệu địa hóa để tìm các vùng dị thường và biến đổi vàng. Dữ liệu địa chất, địa hóa và viễn thám cũng được sử dụng ở Iran để phân tích thành phần chính; chức năng này có thể xác định hai kiểu khoáng hóa, bao gồm kiểu khoáng hóa cromit podiform và kiểu khoáng hóa vàng-antimon biểu mô. Với sự cải thiện chất lượng dữ liệu viễn thám và sự phát triển của khoa học máy tính, các phương pháp phi tuyến tính trong lĩnh vực tổng hợp hình ảnh đã dần được phát triển. Đặc biệt, bằng cách đưa các phương pháp học máy vào tích hợp thông tin địa lý, công nghệ máy tính có thể giúp đạt được sự hợp nhất dữ liệu hiệu quả và chất lượng cao. 

Ngày nay, các thuật toán học máy (như random forest, máy vectơ hỗ trợ, v.v.) đã được ứng dụng rộng rãi trong lĩnh vực địa chất. Tiến bộ đáng kể đã được thực hiện trong việc nhận dạng mục tiêu, chẳng hạn như phân tích và phát hiện thảm họa địa chất, thăm dò khoáng sản, xác định dị thường địa hóa... Các phương pháp học máy dựa trên kỹ thuật lập bản đồ thạch học đã được phát triển và cải thiện đáng kể, và dữ liệu viễn thám được sử dụng để tiết lộ thành phần của vật liệu và/hoặc mối quan hệ giữa các thành phần địa hóa và nội dung của chúng. Cơ sở nội tại của những nghiên cứu này là kết hợp dữ liệu viễn thám với dữ liệu địa hóa để phân tích các đặc tính hóa lý của các đơn vị thạch học. Các phương pháp tổng hợp dữ liệu viễn thám và địa hóa thường được sử dụng bao gồm random forest, các thành phần chính độc lập … Tuy nhiên, do sự khác biệt nổi bật về quy mô không gian của dữ liệu viễn thám và địa hóa, các phương pháp tổng hợp hiện tại gặp khó khăn trong việc phản ánh thông tin chi tiết có trong dữ liệu viễn thám, điều này có thể gây ra lỗi trong việc tạo ra các kết quả tổng hợp lý tưởng khả thi hoặc sẵn sàng để sử dụng cho công việc thực tế. Ngoài ra, các phương pháp nội suy địa hóa học truyền thống, chẳng hạn như Inverse Distance Weighting (IDW) và Kriging, gây ra những bất tiện riêng trong thực tế. IDW không hiệu quả đối với các mẫu được phân cụm và các điều kiện thống kê được sử dụng cho phương pháp Kriging nghiêm ngặt hơn. Những điều này có thể làm cho kết quả nội suy của hai thuật toán này không đạt yêu cầu để phân tích sâu hơn. Đóng góp này đề xuất một chiến lược hợp nhất dữ liệu viễn thám và dữ liệu địa hóa, bổ sung các chi tiết không gian có trong cái trước cho cái sau, cho phép giải quyết cơ bản các hạn chế của việc sử dụng các phương pháp nội suy truyền thống trên dữ liệu. Do đó, khi dữ liệu viễn thám được thêm vào, việc tạo dữ liệu thực địa có độ phân giải cao không còn là “tự mô phỏng” mà thay vào đó là “dựa trên bằng chứng”. Từ góc độ kinh tế và tiện lợi, cả dữ liệu viễn thám với thông tin không gian phong phú và dữ liệu địa hóa ở quy mô nhỏ hơn đều tương đối dễ dàng có được. 

Trên thực tế, dữ liệu thực địa tại các trạm đo có độ chính xác thấp đã trở thành một yếu tố quan trọng hạn chế độ chính xác của các nghiên cứu liên quan. Việc thu thập dữ liệu thực địa có độ chính xác cao đòi hỏi sự hỗ trợ rất lớn về con người, vật chất và tài chính, điều này khá khó khăn đối với các nghiên cứu có ngân sách thấp. Theo các đặc điểm của phạm vi bao phủ rộng, độ chính xác cao và thu thập dữ liệu viễn thám rẻ, bài báo này đề xuất một chiến lược hợp nhất dựa trên dữ liệu địa hóa và dữ liệu viễn thám. Phương pháp có thể nâng cao chất lượng công tác địa chất và giảm chi phí kinh tế ở những vùng có điều kiện tự nhiên khắc nghiệt. Kết quả thực nghiệm cho thấy thực sự có mối tương quan giữa dữ liệu thực địa và dữ liệu viễn thám, và chiến lược hợp nhất được đề xuất trong bài báo này có thể tích hợp hiệu quả thông tin tần số cao của dữ liệu viễn thám và dữ liệu thực địa theo mối tương quan, cho phép tinh chỉnh dữ liệu thực địa [1]. Theo chiến lược hợp nhất được đề xuất trong bài báo này, việc hợp nhất giữa viễn thám và địa hóa dựa trên học máy đã đạt được kết quả tốt, điều này chứng tỏ tính hiệu quả của chiến lược hợp nhất. Các phương pháp phi tuyến tính có thể thêm các chi tiết không gian của dữ liệu viễn thám vào kết quả tổng hợp và duy trì thông tin tần số thấp của các yếu tố thực địa. Kết quả cho thấy các phương pháp phi tuyến có thể phản ánh tốt hơn các đặc điểm phân bố của dữ liệu thực địa tại trạm đo. Trong lĩnh vực địa chất, sự tổng hợp và phân bố vật chất là một quá trình phi tuyến tính, và kết quả hợp nhất phản ánh tốt hơn kết luận này. Trong số hai phương pháp phi tuyến tính, SVR có thể mô tả tốt hơn các chi tiết không gian trong dữ liệu viễn thám trong khi vẫn giữ sự phân bố của các yếu tố địa hóa nhất quán. Tuy nhiên, học sâu đã thay thế các phương pháp truyền thống với kết quả vượt trội về các vấn đề như phân loại, phát hiện.

Tài liệu tham khảo

[1] Bai, S., & Zhao, J. (2023). A New Strategy to Fuse Remote Sensing Data and Geochemical Data with Different Machine Learning Methods. Remote Sensing, 15(4), 930.