Tích hợp viễn thám đa nguồn và dữ liệu mặt đất để ước tính nồng độ BOD, COD và TSS trong vùng nước mặt ven biển tỉnh Cà Mau

Các tác giả

  • Phạm Văn Mạnh Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội
  • Trần Quốc Tuấn Công ty Cổ phần Công nghệ, Dịch vụ Tài nguyên và Môi trường
  • Nguyễn Văn Việt Công ty TNHH tư vấn 869
  • Trần Mai Hùng Trung tâm Kỹ thuật-Công nghệ-Quan trắc, Sở Nông nghiệp và Môi trường tỉnh Cà Mau
  • Nguyễn Thị Thu Hằng Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội
  • Đỗ Thị Nhung Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội

DOI:

https://doi.org/10.55250/Jo.vnuf.15.2.2026.085-095

Từ khóa:

BOD, COD, mô hình lập thể, tỉnh Cà Mau, TSS, viễn thám đa nguồn

Tóm tắt

Chất lượng nước mặt tại vùng ven biển tỉnh Cà Mau đã và đang chịu áp lực lớn từ các hoạt động sản xuất nông nghiệp, nuôi trồng và khai thác thủy sản, phát triển đô thị, cùng với tác động ngày càng gia tăng của biến đổi khí hậu, xâm nhập mặn và nước biển dâng. Những áp lực này làm gia tăng nồng độ các chất ô nhiễm hữu cơ, chất rắn lơ lửng và chất dinh dưỡng, đe dọa đến sức khỏe cộng đồng, sinh kế của người dân cũng như sự bền vững của các hệ sinh thái ven biển. Nghiên cứu này đề xuất một cách tiếp cận tích hợp viễn thám đa nguồn và dữ liệu mặt đất kết hợp mô hình học máy Cubist để ước tính ba thông số chất lượng nước quan trọng: tổng chất rắn lơ lửng (TSS), nhu cầu oxy hóa học (COD) và nhu cầu oxy sinh học (BOD). Độ chính xác mô hình được kiểm chứng thông qua các chỉ số thống kê gồm RMSE, R² và MAE, với kết quả cho thấy RMSE dao động từ 3,47–4,38 mg/l, R² đạt 0,74–0,85 và MAE từ 2,43–3,28 mg/l. Kết quả nghiên cứu khẳng định tiềm năng của việc tích hợp viễn thám đa nguồn với các mô hình học máy để giám sát nhanh chất lượng nước mặt ven biển, cung cấp cơ sở khoa học đáng tin cậy cho quản lý, giám sát và quyết sách nhằm bảo vệ nguồn nước và duy trì độ đa dạng sinh học ở các khu vực ven biển tương tự.

Tài liệu tham khảo

[1]. Katie K. Arkema, Laurel Field, Laura K. Nelson, Natalie C. Ban, Cailene Gunn & Sarah E. Lester (2024). Advancing the design and management of marine protected areas by quantifying the benefits of coastal ecosystems for communities. One Earth. 7(6): 989–1006. DOI: 10.1016/j.oneear.2024.04.019

[2]. Megan Gomes, Timothy J. Ralph, Marc S. Humphries, Bradley P. Graves, Tsuyoshi Kobayashi & Damian B. Gore (2025). Waterborne contaminants in high intensity agriculture and plant production: A review of on-site and downstream impacts. Science of the Total Environment. 958: 178084.

DOI: 10.1016/j.scitotenv.2024.178084.

[3]. Thi-Nhung Do, Diem-My Thi Nguyen, Jiwnath Ghimire, Kim-Chi Vu, Lam-Phuong Do Dang, Sy-Liem Pham & Van-Manh Pham (2023). Assessing surface water pollution in Hanoi, Vietnam, using remote sensing and machine learning algorithms. Environmental Science and Pollution Research. 30(34): 82230–82247.

DOI: 10.1007/s11356-023-28127-2.

[4]. Đỗ Thị Nhung, Nguyễn Thị Diễm My, Trần Quốc Tuấn, Nghiêm Văn Tuấn & Phạm Văn Mạnh. (2022). Định lượng ô nhiễm nước mặt tại thành phố Hội An dựa trên dữ liệu viễn thám và mô hình học máy. Tạp chí Khoa học Đo đạc và Bản đồ. 52: 54–64.

DOI: 10.54491/jgac.2022.52.598.

[5]. Analy Baltodano, Afnan Agramont, Katoria Lekarkar, Evangelos Spyrakos, Ils Reusen & Ann van Griensven (2024). Exploring global remote sensing products for water quality assessment: Lake Nicaragua case study. Remote Sensing Applications: Society and Environment. 36: 101331.

DOI: 10.1016/j.rsase.2024.101331.

[6]. Hongran Li, Hui Zhao, Chao Wei, Min Cao, Jian Zhang, Heng Zhang & Dongqing Yuan (2024). Assessing water quality environmental grades using hyperspectral images and a deep learning model: A case study in Jiangsu, China. Ecological Informatics. 84: 102854.

DOI: 10.1016/j.ecoinf.2024.102854.

[7]. Jun Huang, Xiaojuan Liu, Yan Lin & Lipeng Ge (2024). Spatio-temporal pattern analysis of coastal zone in Nansha based on remote sensing technology. Remote Sensing Applications: Society and Environment. 35: 101222. DOI: 10.1016/j.rsase.2024.101222.

[8]. Le Van Muoi, Chotpantarat Srilert, Van Pham Dang Tri & Toan Pham Van (2022). Spatial and temporal variabilities of surface water and sediment pollution at the main tidal-influenced river in Ca Mau Peninsular, Vietnamese Mekong Delta. Journal of Hydrology: Regional Studies. 41: 101082.

DOI: 10.1016/j.ejrh.2022.101082.

[9]. Nguyễn Thị Thu Hằng, Đỗ Diệu Anh, Đặng Đỗ Lâm Phương, Đỗ Thị Nhung, Nguyễn Thị Diễm My, Nguyễn Hữu Việt Hiệu, Nguyễn Viết Dương & Phạm Văn Mạnh (2025). Ứng dụng công nghệ địa không gian và thuật toán học máy lập bản đồ nguy cơ cháy rừng nhiệt đới theo mùa khu vực Tây Nguyên, Việt Nam. Tạp chí Khoa học và Công nghệ Lâm nghiệp. 14(4): 107–118.

DOI: 10.55250/Jo.vnuf.14.4.2025.107-118

[10]. Phan Lê Hoàng, Đặng Đỗ Lâm Phương, Đỗ Thị Nhung, Nguyễn Thị Thu Hằng, Nguyễn Thị Diễm My, Hứa Hoàng Huế & Phạm Văn Mạnh (2025). Tích hợp viễn thám và giải tích số định lượng xâm nhập mặn tại hạ du Đồng bằng sông Cửu Long, Việt Nam. Tạp chí Khoa học và Công nghệ Lâm nghiệp. 14(5): 087–098.

DOI: 10.55250/Jo.vnuf.14.5.2025.087-098

[11]. Haixia Guo, Rongshuo Cai & Hongjian Tan (2023). Projected harmful algal bloom frequency in the Yangtze River Estuary and adjacent waters. Marine Environmental Research. 183: 105832.

DOI: 10.1016/j.marenvres.2022.105832

[12]. M. M. Mahbubul Syeed, Md. Shakhawat Hossain, Md. Rajaul Karim, Mohammad Faisal Uddin, Mahady Hasan & Razib Hayat Khan (2023). Surface water quality profiling using the water quality index, pollution index and statistical methods: A critical review. Environmental Sustainability Indicators. 18: 100247.

DOI: 10.1016/j.indic.2023.100247

[13]. Ziying Wu, Jingjia Pang, Jinyu Li, Yuwen Wang, Jingyi Ruan, Xueling Zhang, Linshu Yang, Yuxuan Pang & Ying Gao (2025). A review of remote sensing-based water quality monitoring in turbid coastal waters. Intelligent Marine Technology Systems. 3(1): 24.

DOI: 10.1007/s44295-025-00075-2.

[14]. Rasmus Houborg & Matthew F. McCabe (2018). A hybrid training approach for leaf area index estimation via Cubist and random forests machine-learning. ISPRS Journal of Photogrammetry and Remote Sensing. 135: 173–188.

DOI: 10.1016/j.isprsjprs.2017.10.004.

Tải xuống

Đã Xuất bản

15/02/2026

Cách trích dẫn

Văn Mạnh, P., Quốc Tuấn, T., Văn Việt, N., Mai Hùng, T., Thị Thu Hằng, N., & Thị Nhung, Đỗ. (2026). Tích hợp viễn thám đa nguồn và dữ liệu mặt đất để ước tính nồng độ BOD, COD và TSS trong vùng nước mặt ven biển tỉnh Cà Mau. TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP, 15(2), 085–095. https://doi.org/10.55250/Jo.vnuf.15.2.2026.085-095

Số

Chuyên mục

Quản lý tài nguyên và Môi trường

Các bài báo được đọc nhiều nhất của cùng tác giả

<< < 1 2 3 4 > >>