Ứng dụng kỹ thuật nội suy nghịch đảo khoảng cách có trọng số trong xây dựng bản đồ độ sâu tại Trạm Nghiên cứu và thử nghiệm biển Đầm Báy

Thông tin từ bản đồ độ sâu, hoặc các nghiên cứu về độ sâu của thủy vực có vai trò quan trọng trong nhiều lĩnh vực như hải dương học, nghiên cứu khí hậu, khí tượng học, nghiên cứu địa chất biển, quản lý hàng hải, quản lý bờ biển, giám sát tài nguyên môi trường và thủy sinh vật [1, 2]. Hiện nay, nhiều phương pháp khác nhau được sử dụng để xây dựng bản đồ độ sâu, bao gồm các phương pháp nội suy không gian từ dữ liệu độ sâu đo đạc hiện trường, phương pháp dựa trên dữ liệu địa hình hay phương pháp ứng dụng viễn thám. Trong số ba phương pháp này, nội suy không gian là phương pháp phổ biến nhất được sử dụng để xây dựng bản đồ độ sâu [3]. Trong các phương pháp nội suy không gian, nội suy nghịch đảo khoảng cách có trọng số (IDW - Inverse Distance Weighted) được xem là một trong những phương pháp nội suy đơn giản, trực quan, dễ diễn giải kết quả nhưng vẫn đảm bảo độ chính xác và độ tin cậy cần thiết, được tích hợp sẵn trong hầu hết các phần mềm GIS [4]. Kỹ thuật nội suy IDW xác định giá trị độ sâu cần nội suy bằng cách tính trung bình trọng số khoảng cách của giá trị độ sâu tại các vị trí nằm trong vùng lân cận của điểm cần tính. Mỗi điểm lân cận đều ảnh hưởng đến giá trị cần nội suy, trong đó ảnh hưởng của điểm lân cận giảm dần theo khoảng cách từ điểm lân cận đến điểm cần nội suy [5]. Từ đó cho thấy các điểm mẫu càng cách xa điểm cần nội suy sẽ càng ít ảnh hưởng đến giá trị nội suy, và ngược lại, các điểm mẫu càng gần điểm nội suy thì ảnh hưởng càng lớn đến giá trị nội suy. Giá trị độ sâu cần nội suy tại vị trí x0, kí hiệu   (x0) được xác định theo phương trình (1) [6]:

      (1)

Trong đó:
- z (xi) là giá trị của độ sâu tại vị trí được đo đạc i
- n là số vị trí lấy mẫu lân cận được sử dụng cho ước tính   (x0)
- di là khoảng cách giữa điểm x0 và điểm xi
- p là tham số lũy thừa
Thuật toán nội suy IDW có ưu điểm là tạo ra các bề mặt nội suy mượt mà và tính đến các tham số kích thước, số lượng điểm lấy mẫu và tham số lũy thừa, kiểm soát các điểm lân cận được gán trọng số trên các điểm nội suy. Phương pháp nội suy IDW ảnh hưởng bởi tham số lũy thừa (p) và số lượng điểm mẫu lân cận (n) được sử dụng. Thông thường, việc tìm kiếm giá trị p tối ưu là một quá trình tìm kiếm trên lưới: một khoảng giá trị của p cụ thể được thiết lập tùy ý hoặc dựa trên trực giác của nhà nghiên cứu, sau đó p sẽ lấy tất cả các giá trị trong khoảng đó, với một bước nhảy nhất định được chọn tùy ý [7]. Ứng với giá trị p có sai số thấp nhất trong số các giá trị được tìm kiếm sẽ được lựa chọn để gán cho tham số này. Khi tham số p thấp sẽ làm mượt bề mặt nội suy, và giá trị trọng số cao sẽ đặt nhiều trọng số hơn vào các điểm đã biết gần nhất, khiến bề mặt nội suy ít mượt mà hơn. 
Trong nghiên cứu này, phương pháp nội suy IDW được lựa chọn sử dụng để xây dựng bản đồ độ sâu tại vực nước xung quanh Trạm Nghiên cứu và thử nghiệm biển Đầm Báy (Chi nhánh Ven biển/Trung tâm Nhiệt đới Việt - Nga). Dữ liệu độ sâu tại khu vực Trạm Nghiên cứu và thử nghiệm biển Đầm Báy đã được thu thập vào tháng 9 năm 2024, sử dụng thiết bị đo sâu đơn tia GPSMAP 585 PLUS (GARMIN, Đài Loan). Thiết bị đo độ sâu GPSMAP 585 PLUS phát ra sóng âm theo phương thẳng đứng xuống đáy nước và sau đó được phản hồi trở lại máy đo độ sâu qua các tuyến đường đã được lập kế hoạch trên bản đồ kỹ thuật số. Việc đo độ sâu tại khu vực Đầm Báy được thực hiện bằng máy đo độ sâu gắn trên ca nô, với tốc độ tối đa khoảng 2,5 m/giây. Dữ liệu đo đạc độ sâu hiện trường được lưu trữ qua thẻ nhớ kết nối trực tiếp với thiết bị GPSMAP 585 PLUS, sau đó được chuyển đổi định dạng để tương thích với phần mềm QGIS nhằm thực hiện các phép tính nội suy. Tổng cộng 186 điểm dữ liệu độ sâu được thu thập trong quá trình khảo sát độ sâu tại vùng nghiên cứu. Những nghiên cứu trước đây chỉ ra rằng tham số lũy thừa p ảnh hưởng lớn đến độ chính xác của phương pháp nội suy IDW, và lựa chọn mặc định cho tham số p là 2 [6, 8]. Nghiên cứu [9] cho thấy độ chính xác của phương pháp nội suy IDW cao nhất với giá trị p bằng 2 trong số các giá trị p đã sử dụng bao gồm 1; 1,5; 2; 2,5; 3; 3,5. Bên cạnh đó, giá trị p = 2 được cài mặc định trong phương pháp nội suy IDW trên các phần mềm GIS. Do đó trong nghiên cứu này, giá trị của tham số p được sử dụng là 2 để thực hiện phép tính nội suy IDW. Phần mềm mã nguồn mở QGIS được sử dụng để thực hiện phép tính nội suy IDW và xây dựng bản đồ độ sâu cho khu vực Trạm Nghiên cứu và thử nghiệm biển Đầm Báy, với kết quả được minh họa tại Hình 1.

 
Hình 1. Bản đồ độ sâu tại Trạm Nghiên cứu và thử nghiệm biển Đầm Báy

Để đánh giá độ chính xác của kết quả nội suy độ sâu trong khu vực nghiên cứu, dữ liệu độ sâu thực tế được phân chia thành hai tập: 80% dành cho huấn luyện (training set) và 20% cho kiểm tra (test set). Sau đó, các giá trị độ sâu nội suy (predicted values) được so sánh với các giá trị độ sâu đo đạc thực tế (actual values) trong tập dữ liệu kiểm tra. Hai chỉ số quan trọng được tính toán để đánh giá độ chính xác của mô hình là: Sai số trung bình toàn phương (RMSE - Root Mean Square Error), chỉ ra độ chính xác tổng thể của mô hình và khả năng phát hiện sai số lớn trong các dự đoán; và hệ số xác định (R²), phản ánh mức độ giải thích biến thiên của dữ liệu thực tế từ các giá trị nội suy. Kết quả tính toán cho thấy mô hình nội suy IDW có khả năng ước lượng độ sâu tại khu vực nghiên cứu với độ chính xác cao, với giá trị RMSE đạt 1,38 m và R² lên tới 93% (Hình 2). 

Hình 2. So sánh độ sâu đo đạc và dự báo từ mô hình nội suy IDW

Bản đồ độ sâu tại khu vực xung quanh Trạm Nghiên cứu và thử nghiệm biển Đầm Báy cho thấy khu vực này có độ sâu tương đối thấp, dao động từ -1,3 đến -17,8 m, với giá trị độ sâu trung bình đạt -6,5 m. Đặc biệt, phần mặt nước nằm trong ranh giới của Trạm Nghiên cứu và thử nghiệm biển Đầm Báy có độ sâu trung bình đạt -4,1 m, với giá trị độ sâu thay đổi từ -1,3 đến -7,6 m. Điều này tạo điều kiện thuận lợi cho sự sinh tồn và phát triển của san hô trong khu vực ranh giới của Trạm. 
Bản đồ độ sâu tại Trạm nghiên cứu và thử nghiệm biển Đầm Báy là sản phẩm của nhiệm vụ quỹ gen: “Lưu giữ, bảo tồn nguồn gen một số loài san hô thuộc giống Acropora tại vùng biển Đầm Báy, vịnh Nha Trang” do Chi nhánh Ven biển chủ trì. Bản đồ độ sâu này được thành lập với mục đích phục vụ cho các hoạt động thử nghiệm biển, bảo tồn nguồn gen các loài động vật biển quý hiếm và là cơ sở dữ liệu quan trọng cho các hoạt động nghiên cứu khác tại Đầm Báy.

Tác giả: Nguyễn Trịnh Đức Hiệu, Trần Đức Diễn (Phòng Sinh thái Nhiệt đới, Chi nhánh Ven biển, Trung tâm Nhiệt đới Việt - Nga)

Tài liệu tham khảo:
1.    Amini, L. and A. Kakroodi, Bathymetry of shallow coastal environment using multi-spectral passive data under rapid sea–level change, Journal of Sea Research, 2023, 194: p. 102403.
2.    Tran, H.T.T., Q.H. Nguyen, T.H. Pham, G.T.H. Ngo, N.T.D. Pham, T.G. Pham, C.T.M. Tran, and T.N. Ha, Novel Learning of Bathymetry from Landsat 9 Imagery Using Machine Learning, Feature Extraction and Meta-Heuristic Optimization in a Shallow Turbid Lagoon, Geosciences, 2024, 14(5): p. 130.
3.    Curtarelli, M., J. Leão, I. Ogashawara, J. Lorenzzetti, and J. Stech, Assessment of spatial interpolation methods to map the bathymetry of an Amazonian hydroelectric reservoir to aid in decision making for water management, ISPRS International Journal of Geo-Information, 2015, 4(1): p. 220-235.
4.    Maleika, W., Inverse distance weighting method optimization in the process of digital terrain model creation based on data collected from a multibeam echosounder, Applied Geomatics, 2020, 12(4): p. 397-407.
5.    Respati, S. and T. Sulistyo, The effect of the number of inputs on the spatial interpolation of elevation data using IDW and ANNs, Geodesy and Cartography, 2023, 49(1): p. 60–65-60–65.
6.    Li, J. and A.D. Heap, A review of spatial interpolation methods for environmental scientists, Geoscience Australia, 2008.
7.    Barbulescu, A., A. Bautu, and E. Bautu, Optimizing inverse distance weighting with particle swarm optimization, Applied Sciences, 2020, 10(6): p. 2054.
8.   Webster, R. and M.A. Oliver, Geostatistics for environmental scientists, John Wiley & Sons, 2007.
9.    Pham Gia Tung, Huynh Van Chuong, Tran Thi Phuong, Tran Thi Minh Chau, and Nguyen Tu Duc, Impact of power value in IDW interpolation method on accuracy of the soil organic matter (SOM) mapping, GIS-IDEAS 2016, 2016.