Mô hình độ cao số là gì? Các nghiên cứu khoa học liên quan

Định nghĩa Mô hình độ cao số

Mô hình độ cao số (Digital Elevation Model – DEM) là biểu diễn số hóa mặt đất dưới dạng lưới ô vuông (grid) hoặc tam giác (TIN) với mỗi ô (cell) hoặc đỉnh (node) lưu trữ giá trị cao độ. DEM cho phép mô phỏng địa hình ba chiều trên hệ tọa độ ngang XY và giá trị cao độ Z, phục vụ cho phân tích thủy văn, địa hình, quy hoạch và mô phỏng cảnh quan.

Có hai biến thể chính của DEM: Digital Terrain Model (DTM) chỉ mô tả bề mặt tự nhiên sau khi đã loại bỏ đối tượng nhân tạo và thảm thực vật, trong khi Digital Surface Model (DSM) bao gồm cao độ đỉnh thảm thực vật, công trình và các đối tượng đứng trên mặt đất. Việc lựa chọn DTM hay DSM phụ thuộc vào mục đích nghiên cứu: DTM dùng cho mô phỏng dòng chảy và phân tích luồng nước, DSM dùng cho phân tích tầm nhìn và quy hoạch đô thị.

Độ phân giải ngang (grid cell size) của DEM thường dao động từ vài cm (LiDAR) đến hàng trăm mét (SRTM) tùy theo phương pháp thu thập và mục đích sử dụng. Độ phân giải cao giúp nắm bắt chi tiết vi địa hình như rãnh nhỏ, sườn dốc nhỏ, trong khi độ phân giải thấp phù hợp với mô phỏng quy mô lớn và giảm dung lượng lưu trữ.

Nguồn dữ liệu

Nguồn dữ liệu để tạo DEM rất đa dạng, bao gồm viễn thám chủ động và bị động, khảo sát trên không và mặt đất. Mỗi nguồn dữ liệu có ưu, nhược điểm về độ phân giải, độ chính xác và phạm vi phủ sóng.

• SRTM (Shuttle Radar Topography Mission): thu bằng radar từ tàu con thoi NASA năm 2000, độ phân giải 30 m toàn cầu, phổ biến cho các nghiên cứu quy mô châu lục và quốc gia. NASA SRTM
• ASTER GDEM: sản phẩm của NASA/METI dựa trên ảnh quang học đa góc, độ phân giải 30 m, có phủ sóng toàn cầu với sai số trung bình ~15 m.
• LiDAR (Light Detection and Ranging): quét laser từ máy bay hoặc UAV, tạo đám mây điểm (point cloud) với mật độ >10 điểm/m² và độ chính xác cao (<10 cm) trong vùng khảo sát cục bộ.
• Photogrammetry và SfM: chụp ảnh đa góc bằng drone hoặc máy bay, sử dụng Structure-from-Motion để tái tạo đám mây điểm và chuyển thành DEM, độ phân giải ~10–50 cm.
• InSAR (Interferometric Synthetic Aperture Radar): Sentinel-1 của ESA cung cấp DEM và dịch chuyển bề mặt với độ phân giải ~20 m, dùng cho giám sát chuyển vị và biến dạng.

Các nguồn này có thể kết hợp (data fusion) để tận dụng ưu điểm: LiDAR và SfM cho chi tiết cao, SRTM/ASTER cung cấp phủ sóng rộng và InSAR phát hiện biến dạng động.

Phân loại mô hình

Mô hình độ cao số chia thành các dạng chính tùy theo mục đích và mức độ xử lý đối tượng.

• DEM (Digital Elevation Model): bản đồ số hóa cao độ toàn diện, bao gồm cả bề mặt tự nhiên và nhân tạo, dùng cho phân tích dòng chảy, mô phỏng lũ lụt và tính khối đất.
• DTM (Digital Terrain Model): bề mặt tự nhiên, đã loại bỏ cây cối và công trình, được khử nhiễu để mô phỏng chính xác địa vật tự nhiên, sử dụng trong đánh giá đất đai, xây dựng công trình hạ tầng và phân tích thoát nước.
• DSM (Digital Surface Model): mô tả cao độ bề mặt bao gồm tất cả đối tượng đứng trên mặt đất, phù hợp cho phân tích tầm nhìn (viewshed), planning đô thị và mô phỏng che bóng công trình.

Việc phân loại rõ ràng giúp lựa chọn mô hình phù hợp. Ví dụ, khi mô phỏng quỹ đạo nước chảy trên mặt đất, cần DTM để tránh tính sai do gốc cây và mái nhà gây cản trở dòng chảy.

Phương pháp tạo mô hình

Quy trình tạo DEM bao gồm thu thập đám mây điểm, xử lý điểm thô, phân loại và chuyển thành lưới cao độ:

• LiDAR Processing: lọc điểm mặt đất (ground filtering), loại bỏ điểm cây và công trình, sử dụng thuật toán Progressive Morphological Filter hoặc Cloth Simulation Filter để định danh điểm mặt đất.
• SfM Photogrammetry: xử lý ảnh qua phần mềm như Agisoft Metashape, Pix4D, tái tạo đám mây điểm with Structure-from-Motion và Multi-View Stereo, sau đó lọc và phân loại tương tự LiDAR.
• InSAR Processing: sử dụng SNAP ESA để tính interferogram, hiệu chỉnh pha, chuyển đổi thành độ cao với mô hình địa tĩnh và tham chiếu datum.
• Interpolation: biến đám mây điểm thành lưới ô vuông bằng các thuật toán như Kriging, Inverse Distance Weighting (IDW), hoặc Spline để đảm bảo độ liên tục và giảm nhiễu.

Phương pháp	Ưu điểm	Nhược điểm
LiDAR	Độ chính xác cao, mật độ điểm lớn	Chi phí cao, dữ liệu lớn
SfM	Chi phí thấp, linh hoạt UAV	Phụ thuộc ánh sáng, khó khăn ở vùng rừng rậm
InSAR	Phủ rộng, phát hiện biến dạng	Độ phân giải thấp hơn LiDAR, phụ thuộc cấu trúc bề mặt
SRTM/ASTER	Phủ sóng toàn cầu, miễn phí	Độ phân giải và độ chính xác giới hạn

Kết quả cuối cùng là DEM dưới dạng raster hoặc TIN, có thể nhập vào GIS/remote sensing để phân tích độ dốc, hướng sườn, phân vùng lưu vực và mô phỏng môi trường.

Tiền xử lý và tái tạo lưới

Dữ liệu thu thập từ LiDAR, SfM hay InSAR thường chứa nhiễu, outliers và các điểm dư thừa do bề mặt phức tạp hoặc lỗi thu thập. Bước tiền xử lý đầu tiên là lọc điểm mặt đất (ground filtering) để tách biệt các điểm phản hồi từ bề mặt tự nhiên với điểm từ cây cối, công trình hoặc thiết bị thu thập. Các thuật toán như Progressive Morphological Filter hoặc Cloth Simulation Filter thường được sử dụng cho dữ liệu LiDAR, kết hợp với phân loại màu sắc và phản xạ để loại bỏ điểm không mong muốn.

Kế tiếp là chuẩn hóa hệ tọa độ và datum cao độ. Dữ liệu đầu vào có thể ở đa dạng hệ quy chiếu ngang và dọc (vertical datum), do đó cần chuyển đổi sang một hệ tọa độ chung (ví dụ UTM, WGS84) và quy chuẩn cao độ (NAVD88, EGM96) để đảm bảo tính nhất quán khi phân tích đa nguồn. Việc này thực hiện qua phần mềm GIS như ArcGIS hoặc QGIS, sử dụng công cụ Reproject hoặc Warp để chuyển đổi lưới.

Cuối cùng là bước tái tạo lưới DEM từ đám mây điểm đã xử lý. Các phương pháp interpolation phổ biến bao gồm:

• Kriging: Ưu điểm cho giá trị trung bình tối ưu và ước lượng sai số cho mỗi cell; tính toán dựa trên hàm đồng biến (variogram).
• Inverse Distance Weighting (IDW): Đơn giản, nhanh; trọng số tỉ lệ nghịch với khoảng cách, phương trình:
  $z(x,y)=\frac{\sum_{i=1}^n \frac{z_i}{d_i^p}}{\sum_{i=1}^n \frac{1}{d_i^p}}$
• Spline: Cho bề mặt mượt, phù hợp khi yêu cầu độ liên tục bậc hai; thường dùng thin-plate hoặc bicubic spline.

Phương pháp	Đặc điểm	Độ phức tạp tính toán
Kriging	Ước lượng sai số, phù hợp biến động không gian	Cao
IDW	Đơn giản, nhanh	Thấp
Spline	Bề mặt mượt, liên tục cao	Trung bình

Đánh giá chất lượng

Độ chính xác DEM được đánh giá bằng so sánh với tập điểm đo thực địa (ground control points – GCP) hoặc mô hình tham chiếu có độ phân giải cao hơn. Các chỉ số thường sử dụng bao gồm RMSE (Root Mean Square Error):

$\mathrm{RMSE} = \sqrt{\frac{1}{N}\sum_{i=1}^N \bigl(z_i^{\text{DEM}} - z_i^{\text{ref}}\bigr)^2}$

Trong đó $z_i^{\text{DEM}}$ và $z_i^{\text{ref}}$ lần lượt là giá trị cao độ của DEM và điểm tham chiếu, $N$ là số điểm. RMSE thấp cho thấy DEM gần khớp với thực tế hơn.

Chỉ số CE90 (Circular Error 90%) và LE90 (Linear Error 90%) mô tả độ sai lệch ngang và dọc mà 90% điểm nằm trong phạm vi đó. Ví dụ, CE90 = 5 m nghĩa là 90% kết quả vị trí cao độ sai lệch không quá 5 m so với tham chiếu.

Ứng dụng

Thủy văn và môi trường: DEM giúp xác định mô hình dòng chảy, phân vùng lưu vực, tính toán thể tích nước và mô phỏng ngập lụt. Công cụ như HEC-HMS và SWAT sử dụng DEM để xây dựng mạng lưới dòng sông và phân tích quá trình chuyển tải trầm tích.

Quy hoạch đô thị và xây dựng: DSM hỗ trợ phân tích tầm nhìn (viewshed) và che bóng (shadow analysis) cho công trình cao tầng, quy hoạch giao thông, xác định vùng ngập và đường tiếp cận khẩn cấp. ArcGIS Urban và CityEngine tích hợp DEM/DSM cho mô phỏng 3D thành phố.

• Phân tích dốc và hướng sườn cho thiết kế đường giao thông và ống dẫn.
• Tính khối đất (cut-and-fill) trong thiết kế san lấp mặt bằng.

Quản lý rừng và nông nghiệp chính xác: Tính toán độ dốc, hướng ánh sáng và dòng chảy bề mặt để tối ưu trồng trọt, tưới tiêu và phòng chống xói mòn. Phần mềm QGIS với plugin Grass r.slope.aspect hỗ trợ phân tích.

Thách thức và hạn chế

Độ phân giải DEM thấp (≥30 m) không thể nắm bắt chi tiết vi địa hình như rãnh nhỏ hoặc kênh mương, gây sai số lớn trong mô phỏng dòng chảy nhỏ. LiDAR và SfM cung cấp độ phân giải cao nhưng tạo ra lượng dữ liệu lớn đòi hỏi lưu trữ và xử lý phức tạp.

InSAR và radar viễn thám chịu ảnh hưởng từ điều kiện thời tiết, độ ẩm và mật độ thảm thực vật, dẫn đến nhiễu pha và sai số cao độ. Việc kết hợp nhiều nguồn dữ liệu đòi hỏi các thuật toán data fusion phức tạp và đáng tin cậy.

Xu hướng nghiên cứu tương lai

Công nghệ AI/ML được áp dụng cho tự động hóa lọc nhiễu và phân loại điểm mặt đất, giảm sai số outlier. Mạng neural convolutional (CNN) có thể học đặc trưng địa hình từ DEM để dự đoán các vùng có nguy cơ lũ lụt hoặc sạt lở.

Mô hình DEM thời gian thực (real-time DEM) từ dữ liệu UAV và IoT (Internet of Things) hỗ trợ giám sát biến đổi địa hình sau bão, động đất hoặc hoạt động khai thác khoáng sản. Hệ thống sensor network kết nối UAV, máy bay không người lái và trạm mặt đất cung cấp cập nhật nhanh chóng.

Sự phát triển của cloud computing và GIS dịch vụ (ArcGIS Online, Google Earth Engine) giúp xử lý DEM quy mô lớn mà không cần hạ tầng cục bộ mạnh, mở rộng khả năng ứng dụng cho các tổ chức quy mô nhỏ và cộng đồng nghiên cứu.

Tài Liệu Tham Khảo

• USGS. Digital Elevation Models (DEMs). usgs.gov/3dep
• ESA. Sentinel-1 User Guide. sentinel.esa.int
• Gesch, D. B. (2007). The National Elevation Dataset. Photogrammetric Engineering & Remote Sensing, 73(1), 3–11. doi:10.14358/PERS.73.1.3
• Maune, D. F. (Ed.). (2007). Digital Elevation Model Technologies and Applications: The DEM Users Manual. ASPRS. asprs.org
• Li, Z., Zhu, Q., & Gold, C. (2004). Digital Terrain Modeling: Principles and Methodology. CRC Press. crcpress.com