Luận văn Thạc sĩ Quản lý tài nguyên và môi trường: Sử dụng chỉ số viễn thám để giám sát và phát hiện mất rừng tại tỉnh Thừa Thiên Huế giai đoạn 2017- 2019

` BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT

TRƯỜNG ĐẠI HỌC LÂM NGHIỆP

VŨ VĂN THÁI

SỬ DỤNG CHỈ SỐ VIỄN THÁM TRONG GIÁM SÁT

VÀ PHÁT HIỆN MẤT RỪNG TẠI TỈNH THỪA THIÊN

HUẾ GIAI ĐOẠN 2017 - 2020

CHUYÊN NGÀNH: QUẢN LÝ TÀI NGUYÊN VÀ MÔI TRƯỜNG

MÃ NGÀNH: 8850101

LUẬN VĂN THẠC SĨ

QUẢN LÝ TÀI NGUYÊN VÀ MÔI TRƯỜNG

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS. NGUYỄN HẢI HÒA

Hà Nội - 2020

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc

LỜI CAM ĐOAN

Tôi cam đoan, đây là công trình nghiên cứu của riêng tôi. Các số liệu,

kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong

bất kỳ công trình nghiên cứu nào khác.

Nếu nội dung nghiên cứu của tôi trùng lặp với bất kỳ công trình nghiên

cứu nào đã công bố, tôi xin hoàn toàn chịu trách nhiệm và tuân thủ kết luận

đánh giá luận văn của Hội đồng khoa học.

Hà Nội, ngày 06 tháng 11 năm 2020

Người cam đoan

Vũ Văn Thái

LỜI CẢM ƠN

Trong quá trình thực hiện đề tài, tôi đã nhận được sự giúp đỡ nhiệt tình,

sự đóng góp quý báu của nhiều cá nhân, tập thể giúp tôi hoàn thành tốt bài

luận văn này.

Trước hết, tôi xin bày tỏ lòng biết ơn sâu sắc đến tất cả các thầy giáo,

cô giáo tại Trường Đại học Lâm nghiệp đã giảng dạy và giúp đỡ tôi trong suốt

quá trình học tập của khóa Cao học 2018 - 2020; đặc biệt cảm ơn thầy giáo

PGS.TS Nguyễn Hải Hòa đã trực tiếp hướng dẫn, giúp đỡ tôi thực hiện và

hoàn thành bản Luận văn này.

Nhân dịp này, tôi xin trân trọng cảm ơn tập thể lãnh đạo và các bộ các

phòng chức năng, CCKL, các hạt Kiểm lâm trên địa bàn tỉnh Thừa Thiên Huế

đã tạo điều kiện giúp đỡ tôi trong quá trình thu thập số liệu, mẫu khóa ảnh;

nhóm nghiên cứu đề tài khoa học cấp Bộ Tài nguyên và Môi trường “Nghiên

cứu, xây dựng công cụ đánh giá chất lượng phổ của sản phẩm viễn thám

quang học độ phân giải cao và siêu cao bằng mô hình toán học phục vụ công

tác kiểm tra và nghiệm thu sản phẩm” mã số: TNMT.2017.08.03 đã hỗ trợ

đánh giá chất lượng ảnh viễn thám đầu vào. Xin được cảm ơn lãnh đạo và

đồng nghiệp thuộc Công ty TNHH Tư vấn và Phát triển Đồng Xanh đã tạo

điều kiện về mặt thời gian và hỗ trợ phân tích, xử lý số liệu giúp tôi trong quá

trình thực hiện đề tài.

Mặc dù bản thân đã rất nỗ lực nghiên cứu, nhưng do điều kiện tác

nghiệp thực hiện đề tài trên địa bàn tương đối rộng, thời gian ngắn nên Luận

văn không thể tránh khỏi những thiếu sót. Kính mong nhận được ý kiến tham

gia góp ý của các nhà khoa học, các bạn đồng nghiệp để bản Luận văn được

hoàn thiện hơn.

Tôi xin chân thành cảm ơn!

Hà Nội, ngày 06 tháng 11 năm 2020

Học viên Vũ Văn Thái

iii

MỤC LỤC

LỜI CAM ĐOAN ......................................................................................................... i

LỜI CẢM ƠN ............................................................................................................... ii

MỤC LỤC ....................................................................................................................iii

DANH MỤC CÁC CHỮ VIẾT TẮT ..................................................................... vi

DANH MỤC CÁC BẢNG .......................................................................................vii

DANH MỤC CÁC HÌNH, BIỂU ĐỒ VÀ SƠ ĐỒ ............................................... ix

ĐẶT VẤN ĐỀ ............................................................................................................... 1

Chương 1 TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU ............................................ 3

1.1. Khái quát về vấn đề mất rừng ........................................................................ 3

1.1.1. Khái niệm mất rừng ................................................................................. 3

1.1.2. Nguyên nhân mất rừng ............................................................................ 4

1.1.3. Tác hại của mất rừng .............................................................................. 6

1.1.4. Xu hướng khu vực mất rừng ................................................................... 8

1.2. Ứng dụng viễn thám trong phát hiện mất rừng ............................................ 9

1.2.1. Trên thế giới ............................................................................................. 9

1.2.2. Tại Việt Nam .......................................................................................... 13

1.2.3. Vấn đề nghiên cứu tại tỉnh Thừa Thiên Huế ........................................ 15

Chương 2 MỤC TIÊU, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU18

2.1. Mục tiêu nghiên cứu .................................................................................... 18

2.1.1. Mục tiêu tổng quát ................................................................................. 18

2.1.2. Mục tiêu cụ thể ....................................................................................... 18

2.2. Đối tượng và phạm vi nghiên cứu ............................................................... 18

2.2.1. Đối tượng nghiên cứu ............................................................................ 18

2.2.2. Phạm vi nghiên cứu ............................................................................... 18

2.3. Nội dung nghiên cứu .................................................................................... 18

2.3.1. Đánh giá hiện trạng và thực trạng quản lý tài nguyên rừng tại tỉnh

Thừa Thiên Huế ............................................................................................... 19

2.3.2 Xác định và lựa chọn một số chỉ số viễn thám để theo dõi và giám sát

mất rừng tại khu vực nghiên cứu .................................................................... 19

2.3.3. Đánh giá độ chính xác của các chỉ số viễn thám áp dụng trong theo

dõi và giám sát mất rừng ................................................................................. 19

2.3.4. Đề xuất giải pháp nâng cao hiệu quả theo dõi và giám sát mất rừng

khu vực nghiên cứu .......................................................................................... 19

2.4. Phương pháp nghiên cứu ............................................................................. 20

2.4.1. Phương pháp luận ................................................................................. 20

2.4.2. Phương pháp nghiên cứu cụ thể ........................................................... 21

Chương 3. ĐIỀU KIỆN TỰ NHIÊN, KINH TẾ XÃ HỘI KHU VỰC

NGHIÊN CỨU ........................................................................................................... 27

3.1. Điều kiện tự nhiên ........................................................................................ 27

3.1.1. Vị trí địa lý.............................................................................................. 27

3.1.2. Địa hình .................................................................................................. 29

3.1.3. Khí hậu ................................................................................................... 29

3.1.4. Thủy văn ................................................................................................. 32

3.1.5. Tài nguyên thiên nhiên .......................................................................... 33

3.2. Điều kiện kinh tế, xã hội .............................................................................. 39

3.2.1. Tăng trưởng kinh tế ............................................................................... 39

3.2.2. Tình hình phát triển các ngành, lĩnh vực ............................................. 39

3.2.3. Văn hóa, xã hội ...................................................................................... 41

Chương 4 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN ................................ 43

4.1. Thực trạng quản lý tài nguyên rừng tại tỉnh Thừa Thiên Huế ................... 43

4.1.1. Tổ chức và hoạt động của lực lượng Kiểm lâm Thừa Thiên Huế ...... 43

4.1.2. Công tác ứng dụng công nghệ viễn thám, GIS trong giám sát, phát

hiện mất rừng ................................................................................................... 45

4.2. Lựa chọn chỉ số viễn thám để theo dõi và giám sát mất rừng ................... 46

4.2.1. Kết quả tiền xử lý ảnh viễn thám .......................................................... 46

4.2.2. Kết quả xác định ngưỡng giá trị có rừng và không có rừng của một số

chỉ số viễn thám ................................................................................................ 50

4.2.3. Xác định ngưỡng giá trị mất rừng dựa trên chỉ số viễn thám ............ 58

4.2.4. Kết quả xác định diện tích mất rừng và đánh giá độ chính xác của các

chỉ số viễn thám áp dụng trong theo dõi và giám sát mất rừng .................... 60

4.3. Giải pháp nâng cao hiệu quả theo dõi và giám sát mất rừng khu vực

nghiên cứu ............................................................................................................ 67

4.3.1. Đề xuất các bước tính toán và sử dụng chỉ số viễn thám trong giám

sát mất rừng ...................................................................................................... 67

4.3.2. Đề xuất sử dụng chỉ số viễn thám trong theo dõi và giám sát mất rừng

........................................................................................................................... 69

4.3.3. Đề xuất việc xây dựng phần mềm phát hiện tự động mất rừng .......... 69

KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ ............................................................. 71

TÀI LIỆU THAM KHẢO ....................................................................................... 73

PHỤ LỤC

DANH MỤC CÁC CHỮ VIẾT TẮT

STT Từ viết tắt

Nghĩa đầy đủ

Ban quản lý Bảo tồn thiên nhiên Chi cục Kiểm lâm

1 2 3 4 5 6 7 8 9 10

BQL BTTN CCKL CHDCND Cộng hòa dân chủ nhân dân COP CT TSX ĐVHD FRMS FRMS mobile

PCCCR PTNT

11 GEE 12 GIS 13 KBT 14 KKR 15 16 17

QGIS

18 QLBVR S2 19 TNHH 20 TP 21 TX 22 23 UBND 24

UNFCCC

Hội nghị các bên tham gia Công ty Dự án Trường Sơn Xanh Động vật hoang dã Hệ thống theo dõi diễn biến rừng và đất lâm nghiệp Phần mềm cập nhật dữ liệu diễn biến rừng và đất lâm nghiệp trên thiết bị di động thông minh. Google Earth Engine Hệ thống thông tin địa lý Khu bảo tồn Kiểm kê rừng Phòng cháy, chữa cháy rừng Phát triển nông thôn Phần mềm mã nguồn mở sử dụng trong hệ thống thông tin địa lý Quản lý bảo vệ rừng Ảnh vệ tinh Sentinel-2 Trách nhiệm hữu hạn Thành phố Thị xã Uỷ ban nhân dân Công ước khung của Liên hợp quốc về Biến đổi khí hậu Tổ chức phát triển Hoa Kỳ Vườn Quốc gia

25 USAID 26 VQG

vii

DANH MỤC CÁC BẢNG

Bảng 3.1. Bảng dữ liệu lượng mưa bình trong năm tại trạm quan trắc khí

tượng đặt tại tỉnh Thừa Thiên Huế .................................................................. 31

Bảng 3.2. Diễn biến rừng hàng năm tỉnh Thừa Thiên Huế ............................. 38

Bảng 4.1. Số lượng biến chế Kiểm lâm Thừa Thiên Huế năm 2020 .............. 43

Bảng 4.2. Số lượng ảnh và tỷ lệ mây bình quân theo năm trong khoảng thời

gian quan tâm của nghiên cứu ......................................................................... 47

Bảng 4.3. Thông tin về ảnh Sentinel-2 trong năm 2019 sử dụng trong nghiên

cứu để tính các chỉ số NDVI, NBR, IRSI ....................................................... 48

Bảng 4.4. Giá trị NDVI trong 12 tháng của năm 2019 ................................... 51

Bảng 4.5. Bảng tính giá trị trung bình, lớn nhất, nhỏ nhất và sai tiêu chuẩn của

chỉ số NDVI của một số loại đất loại rừng ..................................................... 52

Bảng 4.6. Giá trị NBR trong 12 tháng của năm 2019 ..................................... 54

Bảng 4.7. Bảng tính giá trị trung bình, lớn nhất, nhỏ nhất và sai tiêu chuẩn của

chỉ số NBR của một số loại đất loại rừng ....................................................... 55

Bảng 4.8. Giá trị IRSI trong 12 tháng của năm 2019 ..................................... 56

Bảng 4.9. Bảng tính giá trị trung bình, lớn nhất, nhỏ nhất và sai tiêu chuẩn của

chỉ số IRSI của một số loại đất loại rừng ........................................................ 57

Bảng 4.10. Kết quả tính ngưỡng mất rừng đối với chỉ số NDVI .................... 59

Bảng 4.11. Kết quả tính ngưỡng mất rừng đối với chỉ số NBR ..................... 59

Bảng 4.12. Kết quả tính ngưỡng mất rừng đối với chỉ số IRSI ...................... 60

Bảng 4.13. Diện tích mất rừng được tính toán dựa trên các chỉ số viễn thám từ

2017 - 2020 tại tỉnh Thừa Thiên Huế .............................................................. 60

Bảng 4.14. Thống kê dữ liệu mất rừng từ 4/2017 – 5/2020 dựa trên các chỉ số

viễn thám phân theo các loại rừng .................................................................. 63

Bảng 4.15. Thống kê số lượng mẫu và diện tích mẫu sử dụng trong nghiên

cứu từ 2017 - 2019 .......................................................................................... 64

viii

Bảng 4.16. Đánh giá độ chính xác về phát hiện điểm mất rừng ..................... 65

Bảng 4.17. Số điểm chỉ số lựa chọn phát hiện được điểm mất rừng mà hai chỉ

số còn lại không phát hiện được ...................................................................... 66

Bảng 4.18. Bảng so sánh diện tích chênh lệch giữa mẫu mất rừng và diện tích

mất rừng từ ứng dụng các chỉ số tính ra .......................................................... 67

DANH MỤC CÁC HÌNH, BIỂU ĐỒ VÀ SƠ ĐỒ

Hình 3.1. Bản đồ hành chính tỉnh Thừa Thiên Huế ........................................ 28

Sơ đồ 4.1. Hoạt động bảo vệ rừng của Kiểm lâm Thừa Thiên Huế ............... 44

Sơ đồ 4.2. Sơ đồ cách tính toán để tìm ra lô mất rừng dựa vào ...................... 67

chỉ số NDVI .................................................................................................... 68

Sơ đồ 4.3. Sơ đồ cách tính toán để tìm ra lô mất rừng dựa vào chỉ số NBR .. 68

Sơ đồ 4.4. Sơ đồ cách tính toán để tìm ra lô mất rừng dựa vào chỉ số IRSI ... 69

Biểu đồ 4.1. Giá trị biến thiên của NDVI 12 tháng trong năm 2019………...51

Biểu đồ 4.2. Giá trị trung bình, giá trị tối đa, giá trị tối thiểu của chỉ số NDVI

tính của một số loại đất loại rừng……………………………………………53

Biểu đồ 4.3. Giá trị biến thiên của NBR 12 tháng trong năm 2019………....54

Biểu đồ 4.4. Biểu đồ giá trị trung bình, giá trị tối đa, giá trị tối thiểu của chỉ số

NBR tính của một số loại đất loại rừng………………………………..…….55

Biểu đồ 4.5. Giá trị biến thiên của IRSI 12 tháng trong năm 2019………….57

Biểu đồ 4.6. Biểu đồ giá trị trung bình, giá trị tối đa, giá trị tối thiểu của chỉ số

IRSI tính của một số loại đất loại rừng…………………………..…………..58

Biểu đồ 4.7. Diện tích mất rừng của các huyện từ năm 2017 - 2020 ............. 62

ĐẶT VẤN ĐỀ

Rừng là tài nguyên quý giá và rất quan trọng trong việc cân bằng môi

trường sinh thái. Rừng tự nhiên là nơi trú ẩn của các loài động vật, loài thực

vật và là một yếu tố quan trọng để đánh giá mức độ phong phú của một hệ

sinh thái trong một khu vực. Cũng như nhiều nước khác, Việt Nam là một

trong những nước gánh chịu những hậu quả nặng nề của biến đổi khí hậu do

quá trình phát triển kinh tế của con người và vấn nạn phá rừng. Theo kết quả

công bố hiện trạng rừng năm 2019 của Bộ NN&PTNT, độ che phủ rừng toàn

quốc là 41,89%. Thống kê của Tổng cục Lâm nghiệp, từ năm 2012 - 2017,

diện tích rừng tự nhiên đã bị mất do chặt phá rừng trái phép chiếm 11%, 89%

còn lại là do chuyển mục đích sử dụng rừng tại những dự án được duyệt. Năm

2019, riêng phá rừng phát hiện là 1.179 vụ (tăng 16% so với năm 2018) [4].

Đề có những giải pháp xử lý ngắn chặn đúng lúc thì cần phải có những biện

pháp phát hiện kịp thời.

Cùng với sự phát triển của khoa học kỹ thuật, các vệ tinh của các quốc

gia lớn đã được phóng lên để phục vụ theo dõi Trái đất nói chung, trong đó có

việc ứng dụng để theo dõi và giám sát tài nguyên rừng nói riêng. Ảnh vệ tinh

Sentinel-2 được cơ quan hàng không vũ trụ Châu Âu phát triển, bao gồm 2 vệ

tinh tinh Sentinel 2A và Sentinel 2B lần lượt được phóng lên vào ngày

30/6/2015 và 07/3/2017. Ảnh vệ tinh Sentinel-2 với độ phân giải 10m, chu kỳ

lặp lại khi cả 2 vệ tinh kết hợp là 5 ngày và được phép sử dụng miễn phí. Sự

phát triển này có ý nghĩa quan trọng khi ứng dụng vào giám sát tài nguyên

rừng, đặc biệt là việc phát hiện sớm mất rừng trong lĩnh vực Lâm nghiệp.

Thừa Thiên Huế là một trong những tỉnh có diện tích đất có rừng rộng

lớn với 228.334,37 ha, độ che phủ rừng 57,37% theo kết quả công bố hiện

trạng rừng năm 2019 của UBND tỉnh Thừa Thiên Huế [23]. Với vị trí địa lý là

tỉnh cuối cùng của khu vực Bắc Trung Bộ với địa hình đa dạng kéo dài từ dãy

núi trường sơn kéo đến tận biển, do đó công tác tuần tra bảo vệ rừng, giám sát

tài nguyên rừng của lực lượng bảo vệ rừng tại địa phương đang gặp nhiều khó

khăn. Cũng theo kết quả công bố hiện trạng rừng năm 2019 [23], tỉnh Thừa

Thiên Huế có diễn biến tăng giảm diện tích rừng năm 2019 là 8.450,90 ha,

trong đó khai thác rừng trồng năm 2019 là 5.409,33 ha, cháy rừng là 226,58

ha, phá rừng trái phép là 10,35 ha, sạt lở là 11,26 ha và nguyên nhân khác là

2.793,38 ha (rừng tự nhiên giảm 2.239,26 ha, rừng trồng giảm 554,12 ha).

Với lực lượng Kiểm lâm và các lực lượng có liên quan tham gia quản lý, bảo

vệ rừng còn thiếu và gặp nhiều khó khăn do địa bàn rộng lớn và địa hình hiểm

trở. Do đó, việc ứng dụng tư liệu viễn thám để theo dõi và phát hiện mất rừng

có ý nghĩa rất lớn cho tỉnh Thừa Thiên Huế. Trong phạm vi của luận văn,

nghiên cứu được thực hiện với chủ đề “Sử dụng chỉ số viễn thám để giám sát

và phát hiện mất rừng tại tỉnh Thừa Thiên Huế giai đoạn 2017- 2019”. Kết

quả của nghiên cứu sẽ xác định các ngưỡng chỉ số viễn thám tin cậy giúp ích

cho việc phát hiện mất rừng nhằm hỗ trợ các lực lượng chức năng có biện

pháp ngăn chặn kịp thời, qua đó tiết kiệm sức lực của con người và góp phần

tăng cường hiệu quả của công tác quản lý bảo vệ rừng và bảo tồn đa dạng sinh

học của tỉnh thuộc Trung Trường Sơn Việt Nam.

Chương 1

TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU

1.1. Khái quát về vấn đề mất rừng

1.1.1. Khái niệm mất rừng

Phần lớn các định nghĩa mô tả mất rừng (Deforestation) như là việc

chuyển đổi lâu dài hoặc vĩnh viễn từ đất có rừng sang không còn rừng. Trong

một phụ lục của một quyết định của COP/UNFCCC, mất rừng được định

nghĩa là ‘‘Sự chuyển đổi do tác động trực tiếp của con người từ đất rừng

thành đất không có rừng”. Theo Quỹ Nông lương Liên hợp quốc (FAO) định

nghĩa mất rừng là ‘‘Sự chuyển đổi rừng sang các trạng thái sử dụng khác

nhau hoặc là sự giảm thiểu dài hạn độ che phủ của cây rừng xuống dưới mức

ngưỡng tối thiểu 10%”. Những định nghĩa này chỉ quy định đối với các khu

vực có diện tích tối thiểu (FAO: 0,5 ha) và chiều cao cây tối thiểu (FAO: 5 m

tại chỗ), và hoạt động nông nghiệp không phải là hình sử dụng (đất) chủ yếu.

Nhưng các định nghĩa về độ che phủ tối thiểu, chiều cao cây và diện tích giữa

các quốc gia lại khác nhau [8, 21].

Mất rừng là nguồn phát thải khí nhà kính lớn thứ hai sau việc đốt nhiên

liệu hóa thạch [39]. Mất rừng được định nghĩa là việc chặt phá rừng và sau đó

chuyển sang sử dụng đất khác và xảy ra khi tất cả các cây che phủ của một

khu vực bị loại bỏ. Việc chặt phá rừng gây ra sự thay đổi sử dụng đất đột ngột

và thường gây ra lượng khí thải carbon lớn hơn trên mỗi ha rừng.

Mất rừng là việc chặt bỏ cây cối vĩnh viễn để nhường chỗ cho một thứ

ngoài rừng. Khái niệm này có thể bao gồm việc dọn sạch đất để làm nông

nghiệp hoặc chăn thả gia súc hoặc sử dụng gỗ làm nhiên liệu, xây dựng hoặc

sản xuất [32].

Mất rừng đề cập đến sự giảm sút diện tích rừng trên toàn thế giới bị

mất cho các mục đích sử dụng khác như đất trồng trọt nông nghiệp, đô thị hóa

hoặc các hoạt động khai thác. Các hoạt động của con người được thúc đẩy

nhanh chóng kể từ năm 1960, nạn phá rừng đã và đang ảnh hưởng tiêu cực

đến các hệ sinh thái tự nhiên, đa dạng sinh học và khí hậu. Tổ chức Nông

lương Liên hợp quốc ước tính tỷ lệ phá rừng hàng năm là khoảng 1,3 triệu

km2 mỗi thập kỷ [40].

Tại Việt Nam, hiện chưa có văn bản thống nhất và định nghĩa về khái

niệm mất rừng. Luật lâm nghiệp năm 2017 [17], chỉ có khái niệm về suy thoái

rừng là sự suy giảm về hệ sinh thái rừng, làm giảm chức năng rừng tại điểm

31, điều 2, chương I. Tuy nhiên tại điểm 3 điều này có định nghĩa rừng:

"Rừng là một hệ sinh thái bao gồm các loài thực vật rừng, động vật rừng,

nấm, vi sinh vật, đất rừng và các yếu tố môi trường khác, trong đó thành phần

chính là một hoặc một số loài cây thân gỗ, tre, nứa, cây họ cau có chiều cao

được xác định theo hệ thực vật trên núi đất, núi đá, đất ngập nước, đất cát

hoặc hệ thực vật đặc trưng khác; diện tích liên vùng từ 0,3 ha trở lên; độ tàn

che từ 0,1 trở lên". Như vậy, có thể hiệu ngược lại, mất rừng sẽ là trạng thái

ngược lại của rừng tức là không còn tồn tại của thực vật, diện tích liên vùng

nhỏ hơn 0,3 ha và độ tàn che dưới 0,1 ha. Trong khuôn khổ của nghiên cứu

này sử dụng khái niệm mất rừng là việc chuyển trạng thái đất có rừng (rừng

trồng và rừng tự nhiên) từ trạng thái có rừng chuyển sang trạng thái đất trống.

1.1.2. Nguyên nhân mất rừng

Mất rừng có thể do nhiều yếu tố gây ra, có thể do con người hoặc

nguồn gốc tự nhiên, gây ra nạn phá rừng. Các yếu tố tự nhiên bao gồm cháy

rừng tự nhiên hoặc các bệnh do ký sinh trùng gây ra có thể dẫn đến phá rừng.

Tuy nhiên, các hoạt động của con người là một trong những nguyên nhân

chính gây ra nạn phá rừng toàn cầu. Theo Tổ chức Nông lương (FAO), việc

mở rộng nông nghiệp gây ra gần 80% nạn phá rừng trên toàn cầu, với việc

xây dựng các cơ sở hạ tầng như đường sá hay đập nước, cùng với các hoạt

động khai thác và đô thị hóa, là nguyên nhân còn lại của nạn phá rừng.

a. Nông nghiệp

Có thể nói nông nghiệp là nguyên nhân chính dẫn đến việc mất rừng.

Theo FAO, nông nghiệp gây ra khoảng 80% nạn phá rừng; thậm chí 33%

nạn phá rừng do nông nghiệp gây ra là hậu quả của nông nghiệp tự cung tự

cấp - chẳng hạn như nông nghiệp nông dân địa phương ở các nước đang phát

triển [40].

Nông nghiệp thương mại hoặc công nghiệp (trồng trọt và chăn nuôi)

gây ra khoảng 40% diện tích rừng bị mất - do tìm kiếm không gian để trồng

thực phẩm, sợi hoặc nhiên liệu sinh học (như đậu nành, dầu cọ, thịt bò, gạo,

ngô, bông và mía). Cũng đặc biệt thú vị khi lưu ý rằng vật nuôi được cho là

nguyên nhân gây ra khoảng 14% nạn phá rừng toàn cầu. Những lý do chính

khiến diện tích đất rộng lớn đòi hỏi phải vừa chăn nuôi vừa trồng thực phẩm.

b. Xây dựng

Việc xây dựng cơ sở hạ tầng của con người cũng là nguyên nhân dẫn

đến nạn phá rừng. Cụ thể hơn, 10% vụ phá rừng có thể là do các cơ sở hạ tầng

mới phục vụ lối sống hiện tại của con người theo 4 cách chính: giao thông vận

tải, chuyển đổi và tạo ra năng lượng [40].

Một mặt, các con đường, đường ray, bến cảng hoặc sân bay đã được

xây dựng để chuyển tất cả các loại hàng hóa - từ ngũ cốc và trái cây đến gia

vị, khoáng chất hoặc nhiên liệu hóa thạch - trực tiếp đến các trung tâm thương

mại hoặc đến các địa điểm chuyển đổi. Vì vậy, ban đầu chỉ có cây ăn quả,

nhưng đã sớm có đường xá cho phép vận chuyển trái cây đi các vùng khác.

Và trong khi một số hàng hóa đã được và được thu gom thủ công, những loại

khác như than, dầu, khí đốt tự nhiên, sinh khối, nhưng cũng như thịt, sữa hoặc

rượu mạnh, đòi hỏi phải xây dựng các cơ sở hạ tầng khai thác, vận chuyển.

c. Đô thị hóa

Sự chuyển dịch dân cư đang khiến người dân chuyển từ nông thôn ra

thành thị cũng góp phần vào nạn phá rừng (5%, theo FAO). Sự tăng trưởng đô

thị này - trong đó 68% dân số thế giới dự kiến sẽ sống ở các thành phố vào

năm 2050 - đang dẫn đến sự tăng trưởng theo cấp số nhân của các địa điểm

tiêu dùng và nhà ở [40]. Và khi các thành phố trở nên lớn hơn để có thể chứa

nhiều người hơn, chúng thách thức các ranh giới tự nhiên xung quanh chúng,

thường dẫn đến nạn phá rừng. Đây là một trong những nguyên nhân khiến

nạn phá rừng diễn ra.

d. Cháy rừng

Các đám cháy tự nhiên trong các khu rừng nhiệt đới có xu hướng hiếm

nhưng dữ dội. Các đám cháy do con người đốt thường được sử dụng để giải

phóng đất đai để sử dụng trong nông nghiệp. Đầu tiên, gỗ có giá trị được khai

thác, sau đó phần thực vật còn lại bị đốt cháy để nhường chỗ cho các loại cây

trồng như đậu nành hoặc chăn thả gia súc. Năm 2019, số vụ cháy do con

người gây ra đã tăng vọt. Tính đến tháng 8 năm 2019, hơn 80.000 đám cháy

đã bùng cháy ở Amazon, tăng gần 80% so với năm 2018 [39].

1.1.3. Tác hại của mất rừng

Mất rừng gây ra nhiều hậu quả cho các hệ sinh thái tự nhiên và nó đặt

ra những vấn đề nghiêm trọng đối với khả năng phục hồi của không chỉ mỗi

quốc gia mà còn của cả hành tinh chúng ta.

a. Ảnh hưởng của mất rừng đến đa dạng sinh học

Hậu quả được biết đến nhiều nhất của việc mất rừng là đe dọa đa dạng

sinh học. Trên thực tế, rừng đại diện cho một số trung tâm đa dạng sinh học

thực sự nhất. Từ động vật có vú đến chim, côn trùng, động vật lưỡng cư hay

thực vật, rừng là nơi cư trú của nhiều loài quý hiếm và mong manh. Lưu ý

rằng 80% động vật và thực vật trên cạn sống trong rừng [40].

Với việc phá hủy các khu rừng, các hoạt động của con người đang đặt

toàn bộ hệ sinh thái vào tình trạng nguy hiểm, tạo ra sự mất cân bằng tự nhiên

và khiến sự sống bị đe dọa. Thế giới tự nhiên rất phức tạp, liên kết với nhau

và được tạo thành từ hàng nghìn yếu tố phụ thuộc lẫn nhau và trong số các

chức năng khác, cây cối cung cấp bóng râm và nhiệt độ lạnh hơn cho động vật

và các cây nhỏ hơn hoặc thảm thực vật có thể không tồn tại được với sức

nóng của ánh sáng mặt trời trực tiếp. Bên cạnh đó, cây cối cũng cho động vật

ăn trái cây trong khi cung cấp thức ăn và nơi ở cần thiết để chúng tồn tại.

b. Ảnh hưởng của mất rừng đến sinh kế

Rừng khỏe mạnh hỗ trợ sinh kế của 1,6 tỷ người trên toàn cầu, một tỷ

người trong số họ thuộc nhóm nghèo nhất thế giới. Điều này có nghĩa là có rất

nhiều người phụ thuộc vào rừng để sinh tồn và sử dụng chúng để săn bắt và

hái lượm các sản phẩm thô cho quá trình nông nghiệp quy mô nhỏ của họ.

Nhưng ở các nước đang phát triển như Indonesia, Việt Nam, Brazil hoặc

Mexico, hệ thống quản lý đất đai còn nhiều hạn chế đã vô tình cho phép các

doanh nghiệp lớn có được những khu đất này và sử dụng chúng cho các mục

đích khác, làm gián đoạn và ảnh hưởng không nhỏ cuộc sống của người dân

địa phương. Điều này dẫn đến việc người dân địa phương sau đó phải thực

hiện một trong hai lựa chọn. Họ có thể quyết định từ bỏ mảnh đất “của mình”

và di cư đến một nơi khác, tránh xung đột và chấp nhận thách thức của một

cuộc sống mới khác. Hoặc họ có thể ở lại và làm việc cho các công ty khai

thác trong những đồn điền - thường bị trả lương không công bằng và làm việc

trong những điều kiện vô nhân đạo. Ở một số quốc gia như Mexico, chủ sở

hữu đồn điền thường bị buộc phải chia sẻ lợi nhuận của họ với các tập đoàn

địa phương để giữ cho họ tồn tại và tránh bị đốt cháy hoa màu [40].

c. Ảnh hưởng của mất rừng đến an toàn lương thực

Mất rừng làm lương thực có thể dẫn đến mất an ninh lương thực trong

tương lai. Ngày nay, 52% diện tích đất được sử dụng để sản xuất lương thực

bị tác động vừa phải hoặc nghiêm trọng bởi xói mòn đất [40]. Về lâu dài, đất

thiếu dinh dưỡng, trong lành có thể dẫn đến năng suất thấp và mất an toàn vệ

sinh thực phẩm.

d. Ảnh hưởng của mất rừng đến xói lở đất

Mất rừng làm suy yếu và thoái hóa đất. Đất rừng thường không chỉ giàu

chất hữu cơ hơn mà còn có khả năng chống xói mòn, thời tiết xấu và các hiện

tượng thời tiết khắc nghiệt hơn. Điều này xảy ra chủ yếu là do rễ cây giúp cố

định cây trong đất và cây che nắng giúp đất khô từ từ. Do đó, việc mất rừng

có thể đồng nghĩa với việc đất ngày càng trở nên mỏng manh, khiến khu vực

này dễ bị ảnh hưởng bởi các thảm họa thiên nhiên như lở đất và lũ lụt.

e. Ảnh hưởng của mất rừng đến biến đổi khí hậu

Mất rừng cũng góp phần rất lớn vào biến đổi khí hậu. Cây cối hấp thụ

và lưu trữ CO2 trong suốt cuộc đời của chúng, nếu nói về rừng nhiệt đới,

chúng chứa hơn 210 gigatons carbon. Và điều đáng lo ngại là việc phá hủy

những cây rừng có hai tác dụng phụ tiêu cực lớn.

Thứ nhất, chặt cây có nghĩa là chúng sẽ thải CO2 trở lại bầu khí quyển

mà chúng đang giữ. Thứ hai, ít cây hơn đồng nghĩa với việc giảm khả năng

thu nhận và lưu trữ CO2 nói chung của hành tinh. Cả hai tác động này đều góp

phần tiêu cực vào hiệu ứng nhà kính và biến đổi khí hậu. Trên thực tế, trong

khi lương thực và nông nghiệp chiếm 24% lượng khí thải gây hiệu ứng nhà

kính, mất rừng được ước tính là nguyên nhân gây ra 10-15% tổng lượng khí

thải CO2 do con người gây ra [39].

1.1.4. Xu hướng khu vực mất rừng

Tổ chức Nông lương Liên hợp quốc (FAO) ước tính tỷ lệ mất rừng

hàng năm là khoảng 1,3 triệu km vuông mỗi thập kỷ, mặc dù tốc độ này đã

chậm lại ở một số nơi vào đầu thế kỷ 21 do các hoạt động quản lý rừng được

tăng cường và thiết lập các khu vực bảo tồn thiên nhiên [38].

Trên khắp thế giới, mất rừng xảy ra hầu hết ở các vùng nhiệt đới, nơi

có nhiều loại rừng khác nhau: từ rừng mưa ẩm ướt đến rừng nhiệt đới khác

rụng lá vào mùa khô và trở thành rừng cây. Bởi vì ranh giới giữa các loại rừng

này là tùy ý và không rõ ràng, các ước tính khác nhau về mức độ phá rừng đã

xảy ra ở vùng nhiệt đới [38].

Một số nơi trên thế giới đã quản lý để bảo vệ rừng của họ khỏi nạn phá

rừng trong khi những nơi khác thì diện tích rừng của họ bị suy giảm. Theo

báo cáo của FAO, 6 triệu ha đất đã bị mất từ rừng sang nông nghiệp kể từ

năm 1990 trong miền nhiệt đới. Những thay đổi này khác nhau đáng kể nhưng

có 3 ví dụ quan trọng trên toàn thế giới về nạn phá rừng: rừng nhiệt đới

Amazon, Indonesia và Borneo, và Châu Phi [40].

1.2. Ứng dụng viễn thám trong phát hiện mất rừng

1.2.1. Trên thế giới

Việc sử dụng các chỉ số viễn thám trong phát hiện mất rừng trên thế

giới đã được tiến hành cách đây rất nhiều năm, có rất nhiều nhà nghiên cứu đã

đưa ra nhiều phương pháp và ứng dụng khác nhau trong lĩnh vực phát hiện

sớm mất rừng và đưa ra cảnh báo đến giờ thế giới vẫn đang sử dụng. Tùy ở

mỗi nước trong mỗi giai đoạn cụ thể có những phương pháp và hệ thống phát

hiện sớm mất rừng, cảnh báo mất rừng cháy rừng khác nhau, song nhìn chung

các phương pháp và hệ thống này đều dựa trên cơ sở mối quan hệ giữa sự

thay đổi của các chỉ số viễn thám giữa hai thời kỳ để tìm ra sự thay đổi lớp

phủ thực vật, từ đó phát hiện ra những khu vực rừng bị mất.

Lu và các cộng sự (2016) [34], đã sử dụng ảnh MODIS đa thời gian để

phát hiện mất rừng. Nghiên cứu này minh họa việc phát hiện các điểm ngắt

trong chuỗi dữ liệu ảnh MODIS đa thời gian về sự thay đổi lớp phủ mặt đất ở

vùng Amazon của Brazil bằng cách sử dụng khung phát hiện thay đổi BFAST

(Breaks For Additive Season and Trend). BFAST bao gồm Quy trình biến

động theo kinh nghiệm (EFP) để cảnh báo sự thay đổi và quy trình định vị

thời gian điểm thay đổi. Kết quả thu được cho thấy BFAST là một cách tiếp

cận mạnh mẽ chống lại mối tương quan không gian và thời gian nhẹ, sử dụng

các mảng để dễ dàng quy trình mô hình hóa sự thay đổi không gian - thời gian

và hướng tới phân tích có thể lan truyền và mở rộng. Và khả năng áp dụng

phương pháp này trong phát hiện mất rừng là rất khả quan, đặc biệt là những

vùng rừng rậm.

Watanabe và các cộng sự (2017) [33], đã phát triển thuật toán phát hiện

sớm mất rừng với bằng việc sử dụng chuỗi dữ liệu PALSAR-2/ScanSAR và

dữ liệu ảnh Landsat để kiểm tra sự khác biệt và tìm ra các khu vực rừng bị

phá. Dựa trên cảm biến quang học (Landsat) thông tin về phá rừng được thực

hiện khoảng 16 ngày một lần và dữ liệu SAR lấy khoảng 1,5 tháng một lần.

Kết quả của nghiên cứu đã được phát hành trên hệ thống web và có thể truy

cập miễn phí từ trình duyệt của các thiết bị máy tính, hoặc thiết bị di động

thông minh. Hệ thống này dựa trên dữ liệu giám sát tình trạng mất rừng và sự

thay đổi rừng ở các vùng nhiệt đới, bao gồm hơn 61 quốc gia.

Saleh và các cộng sự (2019) [36], đã mô tả thuật toán phát hiện mất

rừng, suy thoái rừng bằng cách sử dụng sử dụng chỉ số thực vật trên ảnh vệ tinh

có độ phân giải cao đối với hệ sinh thái rừng ngập mặn và đầm lầy. Ảnh vệ tinh

SPOT 4, 5 và 6 được sử dụng trong các năm 2007, 2012 và 2014 được chuyển

đổi thành ba chỉ số thực vật là: i) Chỉ số khác biệt thực vật (NDVI: Normalised

Difference Vegetation Index), ii) Chỉ số diệp lục trong khác biệt thực vật

(GNDVI: Green-Normalized Difference Vegetation index) và Chỉ số khác biệt

xanh và đỏ trong thực vật (NRGI:Normalized Green-Red Vegetation Index).

Nhóm tác giả đã sử dụng phương pháp tính toán ba chỉ số nêu trên dựa giá trị

trên các pixel ảnh từ đó tìm ra ngưỡng để tách các vùng nước, đất trống, bóng

mây và thảm thực vật. Nghiên cứu đã kết luận việc sử dụng chỉ số NDVI và

GNDVI đã phát hiện tốt các điểm mất rừng, trong khi đó việc phát hiện suy

thoái rừng sẽ phát hiện tốt hơn khi sử dụng chỉ số NRGI.

Reinisch và các cộng sự (2020) [27], đã sử dụng kết hợp ảnh đa phổ với

ảnh Radar để phát hiện khu vực bị mất rừng ở Valles Caldera thuộc dãy núi

Jamez phía Bắc của New Mexico. Nhóm tác giả đã thử các tổ hợp Radar và

đa phổ khác nhau và chỉ ra rằng ảnh giao thoa giữa Radar và NDVI làm nổi

bật mối quan hệ bất thường trong vùng rừng bị mất. Sau đó nhóm tác giả thực

hiện các phép so sánh giữa phản xạ phổ trên ảnh đa phổ và tán xạ ngược trên

ảnh Radar thì thấy hiệu quả khi phân tích các biến động trong thời gian ngắn.

Nếu tiến hành phân tích nhóm (phân loại, phân đoạn các quãng phản xạ phổ

và tán xạ ngược) theo độ che phủ của tán cây thì nó tương quan cao với mức

độ thưa của rừng. Kết quả nghiên cứu là phân lớp được mực độ che phủ tán

cây từ việc kết hợp ảnh Radar với ảnh đa phổ quang học.

Eduarda và các cộng sự (2020) [29] đã thành công trong việc phát hiện

thay đổi hiện trạng sử dụng đất, lớp phủ phủ thực vật (LULCC) độ chính xác

lên đến 97,73%, từ đó phân tách sự thay đổi của LULCC theo mùa và mất

rừng. Nhóm nghiên cứu đã theo dõi chỉ số NDVI của các loại LULCC theo

mùa và tìm ra được các ngưỡng giá trị cho từng loại, từ đó tìm loại trừ dược

sự thay đổi của giá trị NDVI theo mùa và tìm ra khu vực rừng bị mất.

Fawzi và các cộng sự 2018 [37], đã tiến hành phân loại lớp phủ mặt đất

khu vực vườn quốc gia Gunung Palung, Indonesia bằng phương pháp

Maximum Likelihood trên 11 cảnh ảnh Landsat, độ chính xác của kết quả

phân loại lên đến trên 95% với 11 lớp đối tượng. Sau đó, tiến hành đo đạc tỉ lệ

mất rừng kết hợp với luật “Lãi kép”. Các kết quả thu được chỉ ra rằng tỉ lệ

mất rừng trong khu vực nghiên cứu đã giảm 0,21% vào năm 2017 và thấp hơn

120 lần vào đỉnh điểm mất rừng tại tháng 12 năm 1997. Đồng thời kết quả

cũng đã nhấn mạnh rằng dữ liệu viễn thám mở và miễn phí như dữ liệu

Landsat và Sentinel vẫn là nguồn dữ liệu quan trọng để theo dõi mất rừng

theo dòng lịch sử.

Bên cạnh đó, các nhóm nghiên cứu khác còn thực hiện phát hiện tự

động mất rừng bằng cách sử dụng các chỉ số tính toán trên cơ sở dữ liệu đa

phổ của ảnh vệ tinh như của Mozgovoy và các cộng sự (2019) [26]. Nhóm đã

sử dụng dữ liệu ảnh Landsat-7, Landsat-8, Sentinel-2 và Terra (ASTER) để

làm dữ liệu phân tích với các chỉ số NDVI, EVI, ARVI, SAVI. Khâu then

chốt của nghiên cứu này chính là việc xác định ngưỡng của giá trị NDVI, giá

trị này sẽ này trong khoảng 0,2 - 0,4 tùy theo mùa. Trên cơ sở đó, nhóm tác

giả đã so sánh và chỉ ra khu vực mất rừng. Điểm đặc biệt trong nghiên cứu

này là nhóm tác giả không có các đo đạc thực địa để tham chiếu; thay vào đó,

các kết quả phát hiện mất rừng được số hóa trực tiếp trên ảnh dựa vào kinh

nghiệm của người thực hiện được coi như là tham chiếu. Ước tính của chuyên

gia về sai số đối với tiêu chuẩn này là 3-5% và được coi là chấp nhận được.

Việc mất rừng có xu hướng hầu hết tập trung ở các vùng rừng nhiệt

đới, vì vậy nhóm tác giả Michael Schultz và cộng sự (2016) [35] đã lựa chọn

khu vực nghiên cứu là Brazil, Ethiopia và Việt Nam, đồng thời sử dụng tám

chỉ số là EVI, GEMI, NDFI, NDMI, NDVI, SAVI, TCg, TCw đối với dữ liệu

Landsat để tính toán đa thời gian, sau đó tiến hành phân tích sự mất rừng sử

dụng phương pháp giám sát BFAST. Đầu tiên, mô hình xu hướng theo mùa

bao gồm mô hình xu hướng tuyến tính và chuỗi sóng bậc nhất được điều

chỉnh phù hợp dựa trên các quan sát trong kỳ đầu được lựa chọn là cơ sở để

so sánh. Sau đó, mô hình được ngoại suy cho kỳ giám sát và được so sánh với

số liệu thực tế của kỳ giám sát. Nếu giá trị tuyệt đối của tổng di chuyển

(MOSUM) của các phần dư trong thời gian theo dõi là đáng kể, thì sẽ phát

hiện ra sự mất rừng. Kết quả lập bản đồ mát rừng sử dụng NDFI và NDVI

nhìn chung không nhạy cảm nhất với tần suất quan sát trong khi các chỉ số

thực vật khác được cải thiện nhiều nhất nếu tăng tần suất quan sát. Đồng thời

việc kết hợp các bản đồ mất rừng dựa trên các chỉ số thực vật khác nhau sẽ

làm tăng độ chính xác của bản đồ tổng thể.

Cũng nghiên cứu giám sát mất rừng tại khu vực rừng nhiệt đới nhưng

tác giả Hesbon Ochego [31], chọn vùng Aberdares tại Kenya để làm khu vực

nghiên cứu, và chỉ sử dụng chỉ số NDVI cho dữ liệu Landsat cùng với kỹ

thuật xử lý phát hiện biến động sau phân loại để tiến hành phát hiện mất rừng.

Sự khác biệt NDVI trung bình dương từ 1987 - 2000 là một dấu hiệu cho thấy

sự giảm sinh khối trong giai đoạn nghiên cứu này. Điều này thể hiện sự suy

giảm thảm thực vật. Do đó, xác nhận sự thay đổi được phát hiện thông qua

phân tích sau phân loại.

1.2.2. Tại Việt Nam

Mặc dù viễn thám đã và đang được ứng dụng rất rộng rãi trong lâm

nghiệp nói chung và quản lý tài nguyên rừng nói riêng. Tuy nhiên, phổ biến

nhất là các ứng dụng áp dụng kỹ thuật giải đoán bằng mắt để chiết tách thông

tin từ dữ liệu ảnh mà chưa có nhiều công bố chiết tách thông tin tự động và

hay sử dụng các chỉ số được tính toán từ ảnh viễn thám.

Nghiên cứu của nhóm tác giả Nguyễn Thanh Hoàn và cộng sự (2017)

[14] đã sử dụng phương pháp phân tích vectơ thay đổi đa biến trên tư liệu ảnh

Landsat-8 để xác định vị trí mất rừng tại hai huyện thuộc tỉnh Đăk Nông.

Trong đó, nhóm tác giả đã sử dụng chỉ số NDVI và NDSI để làm cơ sở phân

tích vectơ thay đổi đa biến trên hai chiều: thay đổi NDVI và thay đổi NDSI.

Theo phân tích logic, những khu vực bị mất rừng thì giá trị NDVI sẽ giảm và

giá trị NDSI sẽ tăng. Kết quả nghiên cứu cho thấy nếu sử dụng lô khoanh vi

từ ảnh Landsat-8 để phát hiện vị trí mất rừng thì độ chính xác đạt tới 99,2%;

nếu sử dụng đơn vị phát hiện mất rừng là lô kiểm kê có sẵn thì độ chính xác

cũng đạt được 91,6%. Các kết quả này chứng minh tính hiệu quả cũng như

khả thi khi áp dụng phương pháp này trong phát hiện mất rừng.

Cùng sử dụng dữ liệu ảnh Landsat nhưng nhóm tác giả Nguyễn Hải

Hòa và cộng sự (2016) [13] lại dùng phương pháp phân loại không kiểm định

cho giá trị NDVI nghiên cứu biến động diện tích rừng tại khu vực vườn quốc

gia Xuân Sơn. Trên cơ sở tính toán giá trị NDVI sau khi tính chuyển giá trị độ

xám về giá trị phản xạ đỉnh khí quyển, nhóm tác giả đã tính toán giá trị

NDVI, và phân loại không giám định trên kết quả đó và kết hợp với giải đoán

bằng mắt để xác định biến động đất lâm nghiệp khu vực tại nghiên cứu, qua

đó xác định được biến động diện tích rừng. Nhóm tác giả đã kết luận, phương

pháp phân loại bằng chỉ số NDVI kết hợp với điều tra thực địa cho độ tin cậy

khá cao.

Một nghiên cứu gần đây của nhóm tác giả Nguyễn Văn Thị (2018) [19]

đã mở ra một hướng mới trong việc kết hợp ảnh viễn thám quang học và radar

trong giám sát rừng. Nhóm đã nghiên cứu quan hệ giữa tán xạ ngược của ảnh

Sentinel-1 và chỉ số NDVI tính từ ảnh Sentinel-2 cho rừng khộp tại tỉnh Đắk

Lắk. Kết quả cho thấy hai giá trị này có quan hệ với nhau khá chặt chẽ theo

hàm logarit và sự kết hợp giữa phân cực VV và VH có tương quan chặt hơn

(R2 = 0,7374) so với phân cực VV (R2=0,6535) hay HH (R2=0,6826) riêng lẻ.

Kết quả này đã ứng dụng được lợi thế của cả hai loại dữ liệu viễn thám, qua

đó xây dựng được bản đồ NDVI không mây, mở ra một triển vọng mới trong

giám sát rừng không chỉ là khộp ở Đắk Lắk mà còn nhiều loại rừng khác.

Một nghiên cứu khác về ứng dụng viễn thám trong giám sát biến động

diện tích rừng là của nhóm tác giả Trần Thu Hà (2016) [11]. Nhóm đã sử

dụng ảnh chỉ số NDVI tính từ ảnh Landsat đa thời gian để phản ánh trình

trạng phát triển của thực vật tại thời điểm chụp ảnh, kết hợp với phương pháp

phân loại hướng đối tượng để đưa ra các phân tích và đánh giá đa thời gian

đối đối với sự biến đổi giá trị NDVI, và tạo ra các giá trị ngưỡng. Trên cơ sở

đó, sự biến động về thực phủ được xác định và thể hiện được diện tích đất

rừng biến động. Để nâng cao độ chính xác cho kết quả xác định thay đổi diện

tích đất rừng, nhóm đã sử dụng thêm các ảnh có độ phân giải cao như SPOT6

hay VNREDSat-1, kết hợp với điều tra thực địa. Các kết quả thu được khẳng

định thêm một lần nữa là sự kết hợp NDVI và kỹ thuật sau phân loại là

phương pháp phát hiện biến động diện tích nói chung và mất rừng nói riêng

đơn giản, nhanh chóng và độ chính xác hoàn toàn đạt yêu cầu với công sức và

kinh phí thấp hơn nhiều so với các phương pháp truyền thống trước đây.

Nhóm tác giả Trần Quang Bảo và cộng sự (2017) [1] đã đánh giá diễn

biến tài nguyên nguyên rừng mà cụ thể là mất rừng và suy thoái rừng trên cơ

sở dữ liệu ảnh viễn thám từ nguồn Google Earth để có độ phân giải không

gian tốt nhất, kết hợp với phương pháp phân loại hướng đối tượng và phương

pháp phân tích trong GIS. Kết quả đã chỉ ra diện tích biến động rừng cụ thể

tại khu vực nghiên cứu là huyện Vĩnh Cửu, tỉnh Đồng Nai, có nhấn mạnh vào

diện tích mất rừng tự nhiên và diện tích rừng trồng, rừng ngoài quy hoạch.

Nghiên cứu này cũng đã chỉ ra nguyên nhân trực tiếp và gián tiếp ảnh hưởng

đến biến động diện tích rừng.

Báo cáo kết quả thực hiện dự án "Thiết lập thí điểm hệ thống tuần tra,

giám sát lửa rừng, sự thay đổi rừng và đất lâm nghiệp cấp huyện" của Bộ

NN&PTNT [2] năm 2020 do PGS. TS. Phùng Văn Khoa làm chủ nhiệm có

đưa ra ngưỡng mất rừng đối với khu vực tỉnh Điện Biên với chỉ số NDVI là

dNDVI > 45,0% hoặc dNDVI > 0,308; chỉ số NBR là dNBR > 41,0% hoặc

dNBR > 0,248. Nghiên cứu về mất rừng tại Thừa Thiên Huế trong luận văn

này cũng có cách làm tương tự với đề tài này, ngoài ra có sử dụng thêm chỉ số

IRSI là chỉ số kết hợp giữa NDVI và NBR. Mô tả chi tiết về chỉ số IRSI có

trong phần phương pháp nghiên cứu.

Có thể nhận thấy, không chỉ ở Việt Nam mà còn trên cả thế giới, chỉ số

được sử dụng nhiều nhất trong các nghiên cứu về thực vật nói chung và rừng nói

riêng là NDVI. Hầu hết các phương pháp đều sử dụng chỉ số thực vật NDVI làm

yếu tố chính. Sự kết hợp chỉ số này với các chỉ số khác, giúp cho việc trích xuất

kết quả trở nên thuận lợi và khách quan hơn. Một khía cạnh thú vị nữa trong các

nghiên cứu là dữ liệu phụ trợ chủ yếu sử dụng thông tin khí hậu.

1.2.3. Vấn đề nghiên cứu tại tỉnh Thừa Thiên Huế

Tại tỉnh Thừa Thiên Huế, hiện tại chưa có nghiên cứu nào sâu và cụ thể

về ứng dụng viễn thám để theo dõi và phát hiện mất rừng. Các công trình

nghiên cứu chủ yếu xoay quanh vấn đề đề đánh giá biến động lớp phủ thực

vật sử dụng công nghệ viễn thám và GIS trong phân loại các trạng trạng thái

rừng, phân loại lớp phủ thực vật như:

Nguyễn Văn Lợi (2013) [15] đã thực hiện nghiên cứu “Phân tích chỉ số

khác biệt thực vật (NDVI) của ảnh viễn thám để đánh giá biến động che phủ

thực vật rừng giai đoạn 2005 - 2011 tại ban quản lý rừng phòng hộ đầu nguồn

Sông Hương, tỉnh Thừa Thiên Huế”. Theo tác giả đánh giá biến động che phủ

thực vật rừng được thực hiện trên cơ sở phân tích chỉ số khác biệt thực vật

(Normalized difference vegetation index-NDVI) ảnh viễn thám Landsat ETM

+ năm 2005 và 2011. Kết quả nghiên cứu cho thấy lớp che phủ thực vật rừng

ở ban quản lý rừng phòng hộ (QLRPH) đầu nguồn sông Hương có sự suy

giảm về diện tích, diện tích rừng mất đi do làm hồ chứa nước cho nhà máy

thủy điện Bình Điền với diện tích khoảng 496,8 ha, song chất lượng rừng có

xu hướng tăng dần, điều này thể hiện giá trị NDVI cực đại tăng từ 0,78 (năm

2005) lên 0,89 (năm 2011).

Nguyễn Xuân Hiếu (2013) [12] đã thực hiện nghiên cứu “Ứng dụng

viễn thám và GIS thành lập bản đồ biến động các loại thực phủ địa bàn thành

phố Huế - tỉnh Thừa Thiên Huế”. Tác giả đã sử dụng ảnh vệ tinh Landsat

ETM 2001 và 2010 kết hợp phương pháp phân loại có kiểm định với thuật

toán Maximum Likelihood để thành lập được bản đồ thực phủ Thành phố Huế

giai đoạn 2001 - 2010 tỷ lệ 1/60.000. Kết quả của nghiên cứu đã thành lập

được bản đồ biến động và đánh giá được biến động thực phủ khu vực thành

phố Huế - tỉnh Thừa Thiên Huế giai đoạn 2001-2010 tỷ lệ 1/60.000. Tuy

nhiên, trong đề tài tác giả chưa đưa ra được những phân tích cụ thể về các

nguyên nhân gây ra biến động các lớp thực phủ.

Trương Đức Nguyên (2020) [16] đã tiến hành nghiên cứu “Ứng dụng

ảnh viễn thám và GIS để theo dõi biến động tài nguyên rừng tại xã Hồng Bắc,

huyện A Lưới, tỉnh Thừa Thiên Huế”. Tác giả đã sử dụng ảnh Landsat 5 cho

năm 2010, ảnh Landsat 8 cho năm 2015 và 2019 để xây dựng bản đồ biến

động diện tích rừng và phân tích được nguyên nhân gây ra các biến động tại

xã Hồng Bắc. Tác giả đã chỉ ra sự thay đổi trong đó có diện tích rừng tự nhiên

qua các năm, diện tích rừng tự nhiên chuyển thành rừng trồng hoặc nương rẫy

của người dân, qua đó đề xuất các giải pháp quản lý bền vững nguồn tài

nguyên rừng tại khu vực nghiên cứu.

Nhìn chung, chưa có nhiều các nghiên cứu về ứng dụng viễn thám và

GIS trong công tác quản lý tài nguyên rừng tại tỉnh Thừa Thiên Huế, đặc biệt

là các nghiên cứu sâu trong lĩnh vực phát hiện mất rừng. Do vậy, cần thiết

phải có thêm nhiều hơn các nghiên cứu nhằm phát hiện sớm mất rừng để góp

phần hỗ trợ cho công tác quản lý tài nguyên rừng bền vững trên địa bàn tỉnh

Thừa Thiên Huế ngày càng được nâng cao.

Chương 2

MỤC TIÊU, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1. Mục tiêu nghiên cứu

2.1.1. Mục tiêu tổng quát

Nghiên cứu thực hiện nhằm cung cấp thêm cơ sở khoa học về ứng dụng

tư liệu ảnh viễn thám và công nghệ GIS trong theo dõi, giám sát và phát hiện

mất rừng tại Việt Nam.

2.1.2. Mục tiêu cụ thể

Đánh giá hiện trạng và thực trạng hoạt động quản lý tài nguyên rừng tại

tỉnh Thừa Thiên Huế;

Xác định và lựa một số chỉ số viễn thám trong theo dõi, giám sát mất

rừng khu vực nghiên cứu;

Đề xuất sử dụng chỉ số thực vật trong theo dõi, giám sát mất rừng tại

khu vực nghiên cứu.

2.2. Đối tượng và phạm vi nghiên cứu

2.2.1. Đối tượng nghiên cứu

Đối tượng nghiên cứu: Toàn bộ diện tích rừng trên địa bàn tỉnh Thừa

Thiên Huế bao gồm cả rừng tự nhiên và rừng trồng.

2.2.2. Phạm vi nghiên cứu

Phạm vi về nội dung: Sử dụng một số chỉ số viễn thám để theo dõi,

giám sát mất rừng từ ảnh vệ tinh Sentinel-2.

Phạm vi về không gian: Nghiên cứu được thực hiện tại toàn bộ các

huyện, thị xã, thành phố có rừng trên địa bàn tỉnh bao gồm: Thành phố Huế, 2

thị xã (Hương Thủy và Hương Trà) và 6 huyện (A Lưới, Nam Đông, Phong

Điền, Phú Lộc, Phú Vang, Quảng Điền).

Phạm vi về thời gian: Nghiên cứu thực hiện được thực hiện trong thời

gian từ năm 2017- 2020, chia thành 3 kỳ, gồm kỳ 1 từ 4/2017 - 4/2018, kỳ 2

từ 4/2018 - 4/2019 và kỳ 3 từ 4/2019 - 5/2020.

2.3. Nội dung nghiên cứu

2.3.1. Đánh giá hiện trạng và thực trạng quản lý tài nguyên rừng tại tỉnh

Thừa Thiên Huế

Đánh giá hiện trạng tài nguyên rừng:

Diện tích các loại rừng;

Trữ lượng;

Phân bố (đối tượng quản lý, địa hình,..);

Độ che phủ.

Thực trạng quản lý:

Các đơn vị quản lý rừng và diện tích quản lý của các đơn vị;

Thực trạng về số lượng các cán bộ kiểm lâm, lực lượng bảo vệ rừng

chuyên trách tại các đơn vị quản lý rừng tại khu vực nghiên cứu;

Công tác ứng ứng dụng công nghệ viễn thám, GIS trong giám sát, phát

hiện sớm mất rừng.

2.3.2 Xác định và lựa chọn một số chỉ số viễn thám để theo dõi và giám sát

mất rừng tại khu vực nghiên cứu

Mô tả và lựa chọn các chỉ số sử dụng để theo dõi, giám sát mất rừng tại

khu vực nghiên cứu;

Mô tả các bước xử lý, tính toán các chỉ số đã lựa chọn;

Thực hiện các tính toán các chỉ số đã lựa chọn theo năm nghiên cứu:

Xác định giá trị;

Ngưỡng biến động;

Chỉ số thống kê, độ tin cậy.

2.3.3. Đánh giá độ chính xác của các chỉ số viễn thám áp dụng trong theo

dõi và giám sát mất rừng

Đánh giá độ chính xác của chỉ số viễn thám trong giám sát mất rừng;

Đánh giá độ tin cậy của ảnh Sentinel-2 trong giám sát mất rừng.

2.3.4. Đề xuất giải pháp nâng cao hiệu quả theo dõi và giám sát mất rừng

khu vực nghiên cứu

Đề xuất các bước tính toán và sử dụng chỉ số viễn thám trong giám sát

mất rừng.

Đề xuất sử dụng chỉ số viễn thám trong theo dõi và giám sát mất rừng.

Đề xuất việc xây dựng phần mềm phát hiện tự động mất rừng.

2.4. Phương pháp nghiên cứu

2.4.1. Phương pháp luận

Thực tế cho thấy, việc mất rừng tại các quốc gia trên thế giới diễn ra

khá phức tạp và không đồng nhất bởi ảnh hưởng của điều kiện tự nhiên, mô

hình khai thác sử dụng và quản lý của con người. Chính vì vậy, phương thức

hoạch định và quản lý tài nguyên rừng cần phải có kế hoạch dựa trên việc

theo dõi, đánh giá các biến động để đảm bảo phát triển bền vững. Việc ứng

dụng công nghệ viễn thám nói chung và sử dụng các chỉ số thực vật nói riêng

là một hướng nghiên cứu rất hợp lý, từ đó có thể giám sát, đánh giá một cách

nhanh chóng và khách quan về sự biến động của đối tượng này.

Cơ sở khoa học của dữ liệu ảnh viễn thám quang học là phản xạ phổ của

các đối tượng tự nhiên, có thể phân tích và thể hiện, đặc biệt có thể phát hiện,

chia tách các khu vực mất rừng với các diện tích vùng riêng biệt. Dựa trên đặc

trưng phản xạ phổ của các đối tượng, bằng các mô hình, phần mềm chuyên

dụng, dữ liệu ảnh viễn thám được xử lý để xác định và chia tách với từng đối

tượng. Dữ liệu ảnh viễn thám đa thời gian cho phép xác định nhanh chóng biến

động lớp phủ rừng nói chung và mất rừng nói riêng trong khoảng thời gian giữa

các thời điểm thu ảnh. Các thông tin về các đối tượng rừng sau khi chiết tách,

có thể tạo ra các bản đồ hiện trạng và tính toán cụ thể diện tích tại từng thời

điểm cũng như tổng hợp phân tích kết quả về phân bố và biến động.

Chỉ số thực vật NDVI thể hiện chất lượng thảm thực vật màu xanh lá

cây trên mặt đất, giá trị chỉ số này nằm trong khoảng -1 đến +1, giá trị càng

cao thì thực vật càng dày. Đối với đối tượng là rừng thì chỉ số này khá cao

(khoảng 0,6 đến 1), khi giá trị này bị sụt giảm tức là thực vật bị mất đi, hay

nói các khác là rừng bị mất. Tương tự đối với các chỉ số thực vật khác, giá trị

của chỉ số sẽ biểu diễn chất lượng thảm thực vật dưới cách này hay cách khác.

Trên tư liệu ảnh viễn thám, giá trị NDVI được tính cho từng điểm ảnh,

do vậy, đối với mỗi khu vực được xác định là mất rừng đều có thể tính toán

được số lượng điểm ảnh tại vùng đó, hay nói cách khác là hoàn toàn chỉ ra

được diện tích rừng bị mất vì mỗi điểm ảnh đều đã có kích thước cụ thể và

thông số này phụ thuộc vào tư liệu ảnh sử dụng để tính toán.

Trong khuôn khổ nghiên cứu này, dựa vào cơ sở phương pháp luận nêu

trên, quy trình xác định và thể hiện biến động mất rừng đã được xây dựng.

Dựa vào nghiên cứu, khảo sát hiện trạng, theo dõi biến động và tác động của

những quá trình biến đổi, các nhà quản lý có thể đưa ra đề xuất giải pháp quản

lý, quy hoạch bảo vệ, khôi phục phục vụ phát triển bền vững.

2.4.2. Phương pháp nghiên cứu cụ thể

2.4.2.1. Phương pháp thu thập dữ liệu thứ cấp và và xử lý số liệu

Nghiên cứu đã tiến hành thu thập các thông tin về số liệu diễn biến

rừng hàng năm từ phòng QLBVR và Cục Kiểm lâm, dữ liệu kiểm kê rừng

công bố năm 2016 của UBND tỉnh Thừa Thiên Huế để có những thông tin về

số liệu về diện tích đất lâm nghiệp, diện tích các loại rừng, xu thế diễn biến

rừng và độ che phủ tại khu vực nghiên cứu.

Nghiên cứu cũng tiến hành thu thập thông tin về số lượng cán bộ và

hoạt động của Kiểm lâm địa phương trong công tác ứng dụng công nghệ Viễn

thám và GIS trong nghiên cứu biến động, phát hiện mất rừng và quản lý tài

nguyên rừng tại khu vực nghiên cứu.

2.4.2.2. Xác định và lựa chọn một số chỉ số viễn thám để theo dõi và giám

sát mất rừng tại khu vực nghiên cứu.

Các chỉ số có liên quan đến thực vật sẽ được sử dụng chủ yếu trong

nghiên cứu này dựa trên việc tham khảo các bài báo, công trình nghiên cứu

trong và ngoài nước về sử dụng các chỉ số viễn thám trong theo dõi và giám

sát rừng, trong đó tập trung vào các chỉ số sau đây.

a) Chỉ số thực vật NDVI (Normalized Difference Vegetation Index)

NDVI là một thuật toán tiêu chuẩn được thiết kế để ước tính chất lượng

thảm thực vật màu xanh lá cây trên mặt đất bằng phép đo phản xạ ở bước

sóng màu đỏ và cận hồng ngoại. Chỉ số này xác định các giá trị từ -1,0 đến

1,0 về cơ bản đại diện cho màu xanh lá cây, trong đó các giá trị âm chủ yếu

được hình thành từ mây, nước và các giá trị gần bằng 0 chủ yếu được hình

thành từ đá và đất trống, các giá trị rất nhỏ (0,1 hoặc ít hơn) tương ứng với

các khu vực đất trống có đá, cát. Giá trị vừa phải (từ 0,2 đến 0,3) đại diện cho

cây bụi và đồng cỏ, trong khi giá trị lớn (từ 0,6 đến 0,8) đại diện rừng ôn đới,

nhiệt đới [39, 40] và được tính bằng công thức:

NDVI =

[40];

b) Chỉ số hỏa hoạn NBR (Normalized Burn Ratio)

NBR là chỉ số được sử dụng để làm nổi bật các khu vực bị đốt sau đám

cháy. Phương trình của chỉ số thực vật NBR bao gồm các phép đo ở cả hai

bước sóng NIR và SWIR: Thảm thực vật khỏe mạnh cho thấy độ phản xạ cao

trong phổ NIR, trong khi các khu vực thực vật bị đốt cháy gần đây phản xạ rất

cao trong phổ SWIR. Chỉ số hỏa hoạn NBR đã trở thành công cụ đặc biệt trong

những năm qua khi điều kiện thời tiết khắc nghiệt (như hạn hán El Nino) gây ra

sự gia tăng đáng kể trong các vụ cháy rừng phá hủy sinh khối rừng.

Để thực hiện tính toán chỉ số thực vật NBR, người ta cần các kênh phổ

thuộc dải hồng ngoại gần và sóng ngắn, có thể là hình ảnh vệ tinh Landsat-7,

Landsat-8, MODIS... Phạm vi của các giá trị nằm trong khoảng từ 1 đến -1.

Công thức của chỉ số quang phổ NBR:

[25]

Trong đó NIR là kênh cận hồng ngoại (Near InfraRed), SWIR là hồng

ngoại sóng ngắn (Short Wavelength InfraRed).

Trên thực tế, để đánh giá diện tích cháy và mức độ nghiêm trọng của

đám cháy, việc sử dụng NBR cho phép chỉ ra những thay đổi rõ nét của cảnh

quan do hỏa hoạn gây ra. Đó là sự khác biệt giữa NBR được tính từ ảnh của

một khu vực trước và sau đám cháy. Ngoài ra, còn có chỉ số NBR Thermal 1

sử dụng dải Nhiệt để tăng cường để chỉ ra sự khác biệt chính xác hơn giữa

vùng bị đốt cháy và những vùng khác.

Chỉ số NBR được sử dụng phổ biến trong lĩnh vực nông nghiệp và lâm

nghiệp nhằm phát hiện các đám cháy đang hoạt động, phân tích mức độ

nghiêm trọng của vụ cháy và theo dõi sự tồn tại của thảm thực vật sau khi đốt.

c) Chỉ số kết hợp giữa NDVI và NBR (IRSI – Integrated Remote

Sensing Index)

Nghiên cứu sẽ thử nghiệm việc kết hợp giữa hai chỉ số này để tìm ra

khu vực mất rừng với hi vọng kết hợp này sẽ phát huy điểm mạnh của từng

chỉ số đồng thời bổ trợ cho nhau khi một trong hai chỉ số không phát huy

được thế mạnh. IRSI sẽ được tính dựa trên công thức.

IRSI = NDVI + NBR

2.4.2.3. Phương pháp xác định ngưỡng giá trị sử dụng trong giám sát và

phát hiện mất rừng

Nghiên cứu đã tiến hành lấy mẫu mất từng cho 3 kỳ quan tâm từ 2017 -

2020 để tiến hành xác định ngưỡng giá trị mất rừng thông qua các chỉ số viễn

thám. Khoảng thời gian quan tâm được chia thành 3 kỳ, bao gồm kỳ tháng

4/2017 - tháng 4/2018 (kỳ 1), kỳ tháng 4/2018 - tháng 4/2019 (kỳ 2), kỳ tháng

4/2019 - tháng 5/2020 (kỳ 3). Các bước để xác định một khu vực mất rừng

của nghiên cứu dựa trên việc sử dụng ngưỡng giá trị đã xác định, cụ thể theo

các bước như sau:

Bước 1: Tải ảnh vệ tinh theo thời gian và khu vực quan tâm.

Dữ liệu ảnh vệ tinh Sentinel-2 trên GEE được lấy với từ kho

ee.ImageCollection("COPERNICUS/S2_SR").

Lọc theo thời gian quan tâm: filterDate

Lọc theo khu vực quan tâm: filterBounds

Sau khi thu thập được ảnh Sentinel-2. Tiến hành sử dụng phần mềm

đánh giá chất lượng ảnh thông qua chỉ số NIIRS để đánh giá chất lượng ảnh.

Thang đo Xếp hạng Khả năng Giải đoán Ảnh Quốc gia (NIIRS)

(NIIRS) bởi Hiệp hội Imagery Resolution Assessments and Reporting

Standards (IRARS) của Hoa Kỳ đã phát triển từ những năm 70 và khá hoàn

thiện trong những năm 90 của thế kỷ 20. NIIRS đã tạo nên một hệ thống đánh

giá ảnh cho các mục đích giải đoán ảnh trong dải sóng nhìn thấy, phục vụ cho

xây dựng, đánh giá chất lượng ảnh radar, đa phổ. Ngày nay hệ thống này phát

triển thành một hệ thống khá phức tạp với nhiều hạng mục khác nhau.

Phương pháp đánh giá chất lượng ảnh NIIRS được Hoa Kỳ, NATO và

Liên hiệp Anh và cả Canada sử dụng rộng rãi trong đánh giá chất lượng từ

đầu thu hàng không và vệ tinh.

Hoa Kỳ, NATO, Anh dùng NIIRS đánh giá chất lượng ảnh được giới

thiệu chi tiết tại website: https://fas.org/irp/imint/niirs_c/index.html

Bước 2: Tính giá trị của chỉ số viễn thám và giá trị biến động ∆ =

T1 - T2

Trên GEE với từng chỉ số NDVI (.normalizedDifference(['B8', 'B4'])), chỉ

số NBR (normalizedDifference(['B8','B12'])), chỉ số IRSI sẽ được kết hợp giữa

NDVI + NBR.

Thực hiện phép trừ trên GEE: .subtract

Bước 3: Lọc các khu vực mất rừng theo ngưỡng biến động đã đề xuất.

Bước 4: Lọc các lô cảnh báo nhầm

Các lô không phải là rừng: Sử dụng bản đồ quy hoạch ba loại rừng của

tỉnh Thừa Thiên Huế, dữ liệu FRMS desktop để giao cắt và loại bỏ các khu

vực không phải là rừng.

Các lô mà thời kỳ T1 là đất trống và T2 là rừng. Nghiên cứu tiến hành

lấy mẫu thực địa kết hợp với mẫu dữ liệu từ kết quả kiểm kê rừng năm 2016

và dữ liệu theo dõi diễn biến rừng và đất lâm nghiệp của tỉnh Thừa Thiên Huế

tính đến 31/12/2019 được cung cấp bởi phòng QLBVR, CCKL tỉnh Thừa

Thiên Huế. Các mẫu này sẽ được đưa vào GEE để tính giá trị của các chỉ số

viễn thám và xác định ngưỡng giá trị có rừng và không có rừng. Trong phạm

vi của nghiên cứu chỉ tính giá trị ngưỡng cho bộ mẫu của tất cả các tháng

trong năm 2019. Các bước thực hiện việc xác định ngưỡng giá trị có rừng và

không có rừng.

Sơ đồ 2.1. Quy trình phát hiện sớm mất rừng

2.4.2.4. Phương pháp đánh giá độ chính xác

Phương pháp đánh giá chéo dựa trên mẫu là phương pháp được lựa

chọn để đánh giá độ chính xác của các chỉ số được dùng trong nghiên cứu

này. Nguyên lý của phương pháp được mô tả như hình dưới đây:

Hình 2.1. Nguyên lý phương pháp đánh giá chéo dựa trên mẫu

Như đã trình bày trong Hình 2.1, nghiên cứu kết hợp vị trí và thời gian

của các mẫu đối chiếu vị trí mất rừng, sau đó chọn ngẫu nhiên một số mẫu để

đánh giá chéo. Đối với một chỉ số nhất định, các mẫu từ chỉ số này vào một số

thời điểm được sử dụng để lắp mô hình vào các mẫu vào các thời điểm khác

để đánh giá mô hình. Điều đó có nghĩa là tập dữ liệu mô hình hóa và tập dữ

liệu đánh giá có thể chứa các mẫu giống nhau. Nhìn chung, cách tiếp cận

đánh giá chéo dựa trên mẫu thường được sử dụng để phản ánh khả năng dự

đoán tổng thể của các mô hình tính toán. Tuy nhiên, cách tiếp cận đánh giá

này có một số hạn chế, đó là, cùng một mẫu có thể được sử dụng đồng thời để

lắp mô hình và đánh giá mô hình. Điều này mang lại một số sai lệch khi đánh

giá khả năng dự đoán của mô hình đối với việc lập bản đồ dựa trên dữ liệu

ảnh viễn thám có xét đến các khảo sát thực tế, bởi vì các vị trí có mất rừng

được ước tính có thể không số liệu thực địa trong thực tế.

Chương 3

ĐIỀU KIỆN TỰ NHIÊN, KINH TẾ XÃ HỘI KHU VỰC NGHIÊN CỨU

3.1. Điều kiện tự nhiên

Theo niên giám thống kê năm 2019, tỉnh Thừa Thiên Huế có 8 đơn vị

hành chính cấp huyện và tương đương gồm 1 thành phố (Huế), 2 thị xã

(Hương Thủy, Hương Trà) và 6 huyện (A Lưới, Nam Đông, Phong Điền, Phú

Lộc, Phú Vang, Quảng Điền), với diện tích tự nhiên là 5.025,30 km2, dân số

năm 2019 là người 1.128.620 người [12].

3.1.1. Vị trí địa lý

a) Tọa độ

Tỉnh Thừa Thiên Huế nằm ở duyên hải miền trung Việt Nam bao gồm

phần đất liền và phần lãnh hải thuộc thềm lục địa biển Đông. Phần đất liền

Thừa Thiên Huế có tọa độ địa lý như sau [12]:

- Điểm cực Bắc: 16044'30'' vĩ Bắc và 107023'48'' kinh Đông tại thôn

Giáp Tây, xã Điền Hương, huyện Phong Điền.

- Điểm cực Nam: 15059'30'' vĩ Bắc và 107041'52'' kinh Đông ở đỉnh núi

cực nam, xã Thượng Nhật, huyện Nam Đông.

- Điểm cực Tây: 16022'45'' vĩ Bắc và 107000'56'' kinh Đông tại bản

Paré, xã Hồng Thủy, huyện A Lưới.

- Điểm cực Đông: 16013'18'' vĩ Bắc và 108012'57'' kinh Đông tại bờ

phía Đông đảo Sơn Chà, thị trấn Lăng Cô, huyện Phú Lộc.

Hình 3.1. Bản đồ hành chính tỉnh Thừa Thiên Huế

(Nguồn [8])

b) Giới hạn và diện tích

Thừa Thiên Huế có chung ranh giới đất liền với tỉnh Quảng Trị, Quảng

Nam, thành phố Đà Nẵng, nước Cộng hòa dân chủ nhân dân Lào (có 81 km

biên giới với nước CHDCND Lào) và giáp biển Đông [9].

Phía Bắc, từ Đông sang Tây, Thừa Thiên Huế trên đường biên dài

111,671 km tiếp giáp với các huyện Hải Lăng, Đakrông và Hướng Hóa, tỉnh

Quảng Trị.

Phía Nam, tỉnh có biên giới chung với huyện Hiên, tỉnh Quảng Nam dài

56,66 km, với huyện Hòa Vang, thành phố Đà Nẵng dài 55,82 km.

Phía Tây, ranh giới tỉnh (cũng là biên giới quốc gia) kéo dài từ điểm phía

Bắc (ranh giới tỉnh Thừa Thiên Huế với tỉnh Quảng Trị và nước Cộng hòa dân

chủ nhân dân Lào) đến điểm phía Nam (ranh giới tỉnh Thừa Thiên Huế với tỉnh

Quảng Nam và nước Cộng hòa dân chủ nhân dân Lào) dài 87,97 km.

Phía Đông, tiếp giáp với biển Đông theo đường bờ biển dài 120 km.

Phần đất liền, Thừa Thiên Huế có diện tích 5025,30 km2, kéo dài theo

hướng Tây Bắc - Đông Nam, nơi dài nhất 120 km (dọc bờ biển), nơi ngắn

nhất 44 km (phần phía Tây); mở rộng chiều ngang theo hướng Đông Bắc -

Tây Nam với nơi rộng nhất dọc tuyến cắt từ xã Quảng Công (Quảng Điền),

phường Tứ Hạ (thị xã Hương Trà) đến xã Sơn Thủy - Ba Lé (A Lưới) 65km

và nơi hẹp nhất là khối đất cực Nam chỉ khoảng 2 - 3 km.

Thừa Thiên Huế nằm trên trục giao thông quan trọng xuyên Bắc-Nam,

trục hành lang Đông - Tây nối Thái Lan - Lào - Việt Nam theo đường 9. Thừa

Thiên Huế ở vào vị trí trung độ của cả nước, nằm giữa thành phố Hà Nội và

thành phố Hồ Chí Minh là hai trung tâm lớn của hai vùng kinh tế phát triển

nhất nước ta. Thừa Thiên Huế cách Hà Nội 660 km, cách thành phố Hồ Chí

Minh 1.080 km.

3.1.2. Địa hình

Địa hình Thừa Thiên Huế có cấu tạo dạng bậc khá rõ rệt [9].

- Địa hình núi chiếm khoảng 1/4 diện tích, từ biên giới Việt - Lào và

kéo dài đến thành phố Đà Nẵng.

- Địa hình trung du chiếm khoảng một nửa diện tích, độ cao phần lớn

dưới 500 m, có đặc điểm chủ yếu là đỉnh rộng, sườn thoải và phần lớn là đồi

bát úp, với chiều rộng vài trăm mét.

- Đồng bằng Thừa Thiên Huế điển hình cho kiểu đồng bằng mài mòn, tích

tụ, có cồn cát, đầm phá. Diện tích vùng đồng bằng chiếm khoảng 1.400 km2.

3.1.3. Khí hậu

a) Nhiệt độ

Nằm trong vùng khí hậu nhiệt đới gió mùa cho nên thời tiết diễn ra theo

chu kỳ 4 mùa, mùa xuân mát mẻ, ấm áp; mùa hè nóng bức; mùa thu dịu và mùa

đông gió rét. Nhiệt độ trung bình cả năm 250C. Số giờ nắng cả năm là 2.000

giờ. Mùa du lịch đẹp nhất từ tháng 11 năm trước đến tháng 4 năm sau [9].

b) Lượng mưa

Là một trong các tỉnh nằm ở phía Đông dãy Trường Sơn của miền

duyên hải Trung bộ nên chế độ mưa, lượng mưa ở đây vừa chịu sự chi phối

của cơ chế hoàn lưu gió mùa Đông Nam Á, vừa bị tác động mạnh mẽ của vị

trí địa lý (địa thế) và điều kiện địa hình. Nói chung, chế độ mưa Thừa Thiên

Huế mang nhiều đặc điểm khác với chế độ mưa ở Bắc Bộ, Tây Nguyên và

Nam Bộ. Mùa mưa ở Bắc Bộ, Tây Nguyên và Nam Bộ gắn liền với hoạt động

gió mùa hè Tây Nam, còn mùa mưa ở Thừa Thiên Huế lại liên quan chặt chẽ

với gió mùa mùa đông Đông Bắc thời kỳ đầu (khi các nhiễu động nhiệt đới

chưa lùi hẳn về phía Nam). Nếu như vào các tháng 6 - 8 trên lãnh thổ phía

Bắc là thời kỳ mưa do ảnh hưởng của bão, hội tụ nhiệt đới, áp thấp nhiệt đới,

đường đứt còn đang ở vĩ độ cao, thì miền Trung lại trải qua thời kỳ khô nóng

do hiệu ứng "phơn" khi gió mùa Tây Nam vượt qua dãy Trường Sơn. Nhưng

đến các tháng 9, 10, 11 khi vùng hoạt động của nhiễu động nhiệt đới đã lùi

hẳn xuống phía Nam, đồng thời gió mùa Đông Bắc bắt đầu hoạt động mạnh

thì mưa lớn bộc phát. Đó là các trận mưa như trút nước, kẻo dài tưởng như

không bao giờ dứt [9].

* Mùa mưa và mùa ít mưa

Ở lãnh thổ này không có sự khác biệt lớn giữa mùa mưa với mùa khô,

mà chỉ có mùa mưa và mùa ít mưa. Trên lãnh thổ Thừa Thiên Huế tồn tại hai

vùng chế độ mưa khác nhau, nhưng lại có sự trùng hợp về thời kỳ mưa nhiều

nhất và mưa ít nhất: vùng núi Nam Đông - A Lưới và vùng đồng bằng duyên

hải. Ở đồng bằng duyên hải, mùa mưa (thời kỳ có lượng mưa tháng lớn hơn

100 mm với tần suất >75%) diễn ra trong 4 tháng (9 - 12), còn mùa ít mưa lại

chiếm tới 8 tháng (1 - 8). Thuộc khu vực núi đồi, mùa mưa kéo dài 7 thậm chí

8 tháng (từ tháng 5 hay tháng 6 - 12), ngược lại mùa ít mưa không tồn tại quá

4 hoặc 5 tháng (từ tháng 1 - 4 hoặc tháng 5). Về cơ bản mùa mưa và mùa ít

mưa ở đồng bằng cũng khá phù hợp với chế độ mưa ở các tỉnh, thành phố từ

Đà Nẵng đến Bình Định [9].

Theo số liệu của tổng cục thống kê về lượng mưa các tháng trong năm

tại trạm quan trắc khí tượng đặt tại tỉnh Thừa Thiên Huế cho thấy lượng mưa

bình quân tính từ năm 2002 - 2019, lượng mưa bình quân thấp nhất từ tháng 2

đến tháng 6, do vậy nghiên cứu sẽ tập trung vào khoảng thời gian này để tìm

ảnh sẽ tránh được việc vệ tinh chụp vào ngày mưa sẽ có tỷ lệ mây trên ảnh

cao hơn.

Bảng 3.1. Bảng dữ liệu lượng mưa bình trong năm tại trạm quan trắc khí

tượng đặt tại tỉnh Thừa Thiên Huế

T1

T2 T3 T4 T5 T6 T7 T8

T9 T10 T11 T12

Năm/ tháng

215.2 0.1 8.6 0.7 125.1 4.5 80.7 213.6 584.5 333.3 376.6 41.7

2019

160.3 47.9 20.8 208.1 24.2 161.9 158.1 22.5 216.7 267.2 484.5 745.1

2018

241.7 205.2 47.3 30.3 231.5 106.4 359.3 133.9 216.5 384.5 1773 375.8

2017

124.3 86.4 24.8 26.2

108 102.4 84.4 165.9 661.9 618.6 577.3 1219.3

2016

71.1 64.2 180.5 151.7 40.5 33.8

69 51.7 246.6 457.6 526.6

313

2015

76.3 28.6 16.9 5.3 79.5 6.7 224.7 135.6 44.9 694.6

225 771.4

2014

47.3 27.2 64.1 25.4 43.4

96 117.9 39.3

569 517.1 1089

2013

155.9 76.1 17.4 51.1 216.1 20.4 25.4 168.9 436.1 409.2 489.1 304.3

2012

361.2 14.3 167.4 72.9 148.9 88.1

16 59.3 741.5 1259.5 842.4 709.5

2011

95.9 12.7 42.1 7.8 67.7 119.3

66 510.4 85.2 1012.6 764.9 69.4

2010

257 24.1 86.8 149 220.3 106 78.5

99 1288.6 833.8 331.5 334.5

2009

118

195

479 1524

671

510

2008

255

3 100 180

153

261

307 1544

907

603

2007

179

476

510

406

239

382

2006

42 113 129

189

350

...

485

502

2005

61 239 171

120

319

578 1527

2004

68 110

9 118

537

767

350

2003

242

492

272

323

487 1030

145.90 54.27 55.65 69.03 114.90 81.03 98.28 169.51 448.92 743.35 675.05 426.22

2002 Bình quân

(Nguồn [20])

3.1.4. Thủy văn

Tổng chiều dài sông suối và sông đào đạt tới 1.055 km, tổng diện tích

lưu vực tới 4.195km2. Mật độ sông suối dao động trong khoảng 0,3 - 1

km/km2, có nơi tới 1,5 - 2,5 km/km2. Trên lãnh thổ Thừa Thiên Huế từ Bắc

vào gặp các sông chính sau:

Sông Ô Lâu;

Hệ thống Sông Hương;

Sông Nong;

Sông Truồi;

Sông Cầu Hai;

Sông Bù Lu.

Trong đó sông Hương là con sông lớn nhất, có hai nguồn chính và đều

bắt nguồn từ dãy núi Trường Sơn. Dòng chính của Tả Trạch dài khoảng 67

km, bắt nguồn từ dãy Trường Sơn Đông, ven khu vực vườn quốc gia Bạch

Mã chảy theo hướng tây bắc với 55 thác nước hùng vĩ, qua thị trấn Nam Đông

rồi sau đó hợp lưu với dòng Hữu Trạch tại ngã ba Bằng Lãng (khoảng 3 km

về phía bắc khu vực lăng Minh Mạng). Hữu Trạch dài khoảng 60 km là nhánh

phụ, chảy theo hướng bắc, qua 14 thác nguy hiểm và vượt qua phà Tuần để

tới ngã ba Bằng Lãng, nơi hai dòng này gặp nhau và tạo nên sông Hương.Từ

Bằng Lãng đến cửa sông Thuận An, sông Hương dài 33 km và chảy rất chậm

(bởi vì mực nước sông không cao hơn mấy so với mực nước biển). Ngoài các

sông thiên nhiên, xung quanh thành phố Huế còn gặp nhiều sông đào như:

Sông An Cựu (có tên là Lợi Nông) dài 27km nối sông Hương với đầm

Cầu Hai ở Cống Quan thông qua sông Đại Giang;

Sông Đông Ba dài khoảng 3 km là sông đào từ cầu Gia Hội đến Bao Vinh;

Sông Kẻ Vạn dài 5,5 km nối sông Hương (cầu Bạch Hổ) với sông Bạch

Yến và sông An Hòa, vòng ngoài kinh thành Huế rồi lại đổ vào sông Hương ở

Bao Vinh.

Trên đồng bằng duyên hải còn có hói Bảy Xã, hói Hàng Tổng nối sông

Hương với sông Bồ, hói Phát Lát, hói Như Ý, hói Chợ Mai.

3.1.5. Tài nguyên thiên nhiên

3.1.5.1. Tài nguyên đất

Thừa Thiên Huế có tổng diện tích tự nhiên là 503.320,53ha, trong đó

diện tích đất khoảng 465.205 ha; hồ, ao, đầm, sông suối, núi đá là 37.125,53

ha. Đất đồi núi chiếm trên 3/4 tổng diện tích tự nhiên, còn đất đồng bằng

duyên hải chỉ dưới 1/5 tổng diện tích tự nhiên của tỉnh.

Về phân loại, chủ yếu ở Thừa Thiên Huế có các nhóm và loại đất sau:

1. Nhóm cồn cát và đất cát biển (Arenosols);

2. Nhóm đất mặn (Salic Fluvisols);

3. Nhóm đất phèn (Thionic Fluvisols);

4. Nhóm đất phù sa (Fluvisols);

5. Đất lầy và than bùn (Gieysols and Histosols);

6. Nhóm đất xám bạc màu (Acrisols);

7. Nhóm đất đỏ vàng (Acrisols);

8. Nhóm đất thung lũng dốc tụ (Dystric Gleysols);

9.Nhóm đất mùn vàng đỏ trên núi (Humic Acrisols);

10. Đất xói mòn trơ sỏi đá (Leptosols);

Là tỉnh có diện tích đất nhỏ (505.399 ha) nhưng đất đai đa dạng, được

hình thành từ 10 nhóm đất khác nhau. Nhóm đất đỏ vàng có diện tích lớn nhất

với 347.431 ha, chiếm 68,7% tổng diện tích tự nhiên. Diện tích đất bằng bao

gồm cả đất thung lũng do sản phẩm dốc tụ chỉ có 98.882 ha, chiếm 19,5%

diện tích tự nhiên của tỉnh. Trong đó diện tích đất cần cải tạo bao gồm: đất

cồn cát, bãi cát và đất cát biển; nhóm đất phèn ít và trung bình, mặn nhiều;

nhóm đất mặn; nhóm đất phù sa úng nước, đất lầy và đất thung lũng do sản

phẩm dốc tụ có đến 59.440 ha, chiếm 60% diện tích đất bằng. Diện tích đất

phân bố ở địa hình dốc có 369.393 ha (kể cả đất sói mòn trơ sỏi đá).

3.1.5.2. Tài nguyên khoáng sản

Trên lãnh thổ Thừa Thiên Huế đã phát hiện được 120 mỏ, điểm khoáng

sản với 25 loại khoáng sản, tài nguyên nước dưới đất, phân bố đều khắp,

trong đó chiếm tỷ trọng đáng kể và có giá trị kinh tế là các khoáng sản phi

kim loại và nhóm vật liệu xây dựng.

Nhóm khoáng sản nhiên liệu chủ yếu là than bùn, trữ lượng các mỏ

than bùn ở khu vực các trằm tại Phong Chương được đánh giá lên tới 5 triệu

mét khối.

Nhóm khoáng sản kim loại có sắt, titan, chì, kẽm, vàng, thiếc

Nhóm khoáng sản phi kim loại và nhóm vật liệu xây dựng là các nhóm

có triển vọng lớn nhất của Thừa Thiên Huế, bao gồm pyrit, phosphorit,

kaolin, sét, đá granit, đá gabro, đá vôi, cuội sỏi và cát xây dựng.

Tài nguyên nước (bao gồm cả nước nhạt và nước khoáng nóng) được

phân bố tương đối đều trên địa bàn toàn tỉnh. Tổng trữ lượng nước dưới đất ở

các vùng đã nghiên cứu ở cấp C1 đạt gần 9.200 m3/ngày.

Bảy nguồn nước khoáng nóng có thể sử dụng để uống và chữa bệnh

(đáng chú ý nhất trong số này là ba điểm Thanh Tân, Mỹ An và A Roàng).

3.1.5.3. Tài nguyên thực vật

- Với đặc điểm về vị trí địa lý, khí hậu, thủy văn, địa chất, thổ nhưỡng

và các yếu tố nhân tạo khác,... thực vật Thừa Thiên Huế thuộc khu hệ thực vật

nhiệt đới vùng đệm có sự giao lưu từ kỷ Đệ tam của các hệ thực vật phía Bắc

và hệ thực vật phía Nam, đa dạng về thành phần, chủng loại và đa dạng về hệ

sinh thái: núi rừng; gò đồi; đồng bằng duyên hải; gò, đụn cát, đầm phá, biển

ven bờ. Trong đó, hệ thực vật rừng chiếm diện tích rộng lớn nhất và thuộc

kiểu rừng thường xanh mưa mùa nhiệt đới. Mặt khác, rừng Thừa Thiên Huế

đã trực tiếp hoặc gián tiếp đem lại cho người dân địa phương những lợi ích về

kinh tế, xã hội và quốc phòng.

- Xét về tài nguyên thực vật, các vùng sinh thái phân bố thực vật núi

rừng và gò đồi là nơi đáp ứng nhu cầu lấy gỗ, dược liệu, cây hoa, cây cảnh có

giá trị. Ở đây, ngoài việc trồng cây gây rừng bằng kỹ thuật canh tác hợp lý và

chọn giống tốt, còn phát triển cây công nghiệp, cây lương thực, thực phẩm để

xóa đói giảm nghèo cho nhân dân, nhất là dân tộc thiểu số. Đối với vùng sinh

thái phân bố thực vật đồng bằng duyên hải, người dân đã và đang ưu tiên

trồng cây lương thực - thực phẩm, cây ăn quả. Ngoài ra họ cũng đã bắt đầu

chú ý phát triển cây hoa, cây cảnh, cây dược liệu... Vùng sinh thái thực vật gò,

trảng, cồn, đụn cát nội đồng, ven biển và đầm phá nói chung có thảm thực vật

tự nhiên nghèo cả về thành phần loài lẫn số lượng cá thể. Ở đây, ngoài hệ

thực vật thủy sinh đầm phá và biển ven bờ còn tồn tại rừng ngập mặn và hệ

thực vật bảo vệ môi trường chống sạt lở, cát bay, cát trôi.

- Đến thời điểm này, các nhà khoa học đã kiểm kê được ở Thừa Thiên

Huế có 43 loài thực vật quý hiếm, được phân thành 5 bậc là đang nguy cấp hay

đang bị đe dọa tuyệt chủng (ký hiệu quốc tế là E) 1 loài, sẽ nguy cấp hay có thể

bị đe dọa tuyệt chủng (ký hiệu quốc tế là V) 10 loài, hiếm hay có thể sẽ nguy

cấp (ký hiệu quốc tế là R) 16 loài, bị đe dọa (ký hiệu quốc tế là T) 6 loài và biết

không chính xác (ký hiệu quốc tế là K) 10 loài. Ngoài ra, còn có các loại cây ăn

quả quý hiếm của địa phương đang tồn tại cần được bảo vệ và phát triển, đó là:

Thanh trà, quýt Hương Cần, dâu Truồi, mía Thanh Diệu, nấm quả.

3.1.5.4. Tài nguyên động vật

Với các đặc điểm về vị trí địa lý, khí hậu, thủy văn, địa chất, thổ

nhưỡng... tỉnh Thừa Thiên Huế chứa trong mình nhiều hệ sinh thái, kéo theo

sự đa dạng về loại hình sống. Mỗi hệ sinh thái đều có những đặc trưng riêng,

lại chứa nhiều sinh cảnh, nhiều tiểu vùng khí hậu, nhiều tiểu vùng thủy văn...,

nhờ đó mà các khu hệ động vật rất phong phú về thành phần loài và đa dạng

về hình thái cũng như sự phân bố. Thừa Thiên Huế có đủ 4 vùng sinh thái

phân bố động vật: vùng núi rừng, vùng gò đồi, vùng đồng bằng duyên hải và

vùng đầm phá, biển ven bờ, trong đó nổi bật là hệ sinh thái động vật vườn

Quốc gia Bạch Mã và hệ sinh thái động vật đầm phá Tam Giang - Cầu Hai.

Theo số liệu tổng hợp, thu nhập, thành phần động vật Thừa Thiên Huế

bao gồm: 1.977 loài (327 họ, 65 bộ) của 6 lớp động vật nổi bật. Trong đó, côn

trùng: 1.045 loài (142 họ, 18 bộ); cá xương: 278 loài (74 họ, 17 bộ); ếch nhái:

38 loài (6 họ, thuộc bộ không đuôi); bò sát: 78 loài (17 họ, 2 bộ); chim: 362

loài (56 họ, 15 bộ); thú: 176 loài (32 họ, 12 bộ).

Trong đó có nhiều loại động vật đặc hữu, quý hiếm như loài cà cuống

(Leuthoceras indicus) thuộc lớp côn trùng, động vật không xương sống; Về

động vật có xương sống, 13 loài động vật đặc hữu của Việt Nam phân bố tại

Thừa Thiên Huế, như: chồn dơi (Cynocephalus variegatus), Dơi mũi ống cánh

lông (Harpiocephalus harpia), Rái cá lông mũi (Lutra sumatrana), Mang lớn

(Megamuntiacus vuquangensis), Gà lôi lam mào trắng (Lophura edwardsi),

Gà lôi trắng (Lophura nycthemera), Gà so Trung bộ (Arborophila merlini), Gà

so Gutta (A. rufogularis), Ếch nhẽo (Rana kuhli), Cá chình mun (Anguilla

bicolor) và Cá dầy (Cyprinus centralus).

Ngoài các loài động vật đặc hữu của tỉnh, trong các hệ sinh thái Thừa

Thiên Huế còn gặp những loài, phụ loài đặc hữu cho cả khu vực Đông

Dương, thậm chí cả vùng Đông Nam Á như sao la, Voọc chà vá chân nâu

(hay còn gọi là Voọc ngũ sắc). Theo Hiệp hội bảo vệ tài nguyên thiên nhiên

Quốc tế (IUCN) thì hiện nay có hơn 10% loài cá, 25% loài ếch nhái, 25% loài

bò sát, 11% loài chim và 25% loài thú được liệt vào những loài động vật có

nguy cơ tuyệt chủng. Tuy nhiên, các hệ sinh thái ở Thừa Thiên Huế vẫn là nơi

ẩn chứa nhiều loài động vật quý hiếm, loài mới cho khoa học.

Theo thống kê chưa đầy đủ, người ta đã xác định được 80 loài động vật

quý hiếm, là những loài đặc hữu của khu vực hoặc cả nước có phân bố tại

Thừa Thiên Huế, trong đó có loài không xương sống, 6 loài cá, 5 loài lưỡng

cư, 15 loài bò sát, 16 loài chim và 37 loài thú. Mức độ quý hiếm đó là rất cao

so với nhiều vùng đa dạng sinh học trong khu vực và cả nước. Đặc biệt, trong

các loài động vật có xương sống được xếp vào quý hiếm thì bậc E, V là

những bậc có nguy cơ tuyệt chủng và cấm tuyệt đối săn bắt có tỷ lệ rất cao.

Nằm ngoài danh mục 80 loài được ghi vào Sách đỏ Việt Nam kể trên, các nhà

khoa học còn coi loài cá dầy (Cyprinus centralis) ở đầm phá Tam Giang - Cầu

Hai có khả năng là loài đặc hữu của đầm phá Thừa Thiên Huế, vì từ khi công

bố loài mới này vào năm 1994, các nhà khoa học chưa tìm thấy loài này ở các

vực nước khác có điều kiện tương tự.

3.1.5.5. Tài nguyên rừng

Thừa Thiên Huế là một trong những tỉnh có diện tích rừng khá lớn, độ

che phủ rừng cao so với các tỉnh trong cả nước. Theo công bố hiện trạng rừng

năm 2019 [23] của UBND tỉnh Thừa Thiên Huế, tính đến 31/12/2019 tổng

diện tích đất có rừng của toàn tỉnh là 288.334,37 ha, trong đó rừng tự nhiên là

211.373,11 ha, rừng trồng là 76.961,26 ha. Phân theo mục đích sử dụng bao

gồm: rừng phòng hộ 76.957,28 ha, rừng đặc dụng 93.200,43 ha và rừng sản

xuất là 118.176,66 ha. Diện tích rừng phân theo chủ quản lý bao gồm: chủ

rừng nhóm I là 103.692,12 ha, chủ rừng nhóm II là 184,642,25 ha. Độ che

phủ rừng là 57,37 %. Theo kết quả kiểm kê rừng của tỉnh Thừa Thiên Huế

công bố năm 2016 [9], tổng trữ lượng gỗ toàn tỉnh là 33.524.233 m3, trong đó

rừng tự nhiên là 27.654.100 m3 và rừng trồng là 5.870.123 m3.

Theo số liệu từ Cục Kiểm lâm [10] từ năm 2002 đến 31/12/2019, tỉnh

Thừa Thiên Huế tổng diện tích rừng tăng thêm tăng 76.752 ha, diện tích rừng

tự nhiên tăng thêm 33.823 ha và rừng trồng tăng thêm 42.929 ha, độ che phủ

cũng tăng thêm 10,97 % từ 46,40% lên 57,37 %. Từ số liệu tại Bảng 3.2 cho

thấy sự biến động rừng tại tỉnh Thừa Thiên Huế hàng năm là khá lớn. Trong

đó, hầu hết năm nào diện tích rừng tự nhiên cũng có xu hướng giảm đi từ vài

chục đến vài trăm ha.

Bảng 3.2. Diễn biến rừng hàng năm tỉnh Thừa Thiên Huế

Diện tích

Độ che phủ

rừng tự nhiên

S

đất có rừng (ha)

rừng trồng (ha)

(%)

(ha)

T

Năm

T

Diện

Biến

Diện

Biến

Diện

Biến

Diện tích

tích

động

tích

động

tích

động

1 2002 234.454

177.550

56.904

46,40

2 2003 238.183

3.729 177.482

60.701 3.797 46,30

- 68

- 0,10

3 2004 243.556

5.373 178.983

1.501

64.573 3.872 46,70

0,40

4 2005 248.727

5.171 179.027

69.700 5.127 48,10

1,40

5 2006 286.541 37.814 204.878 25.851

81.663 11.963 53,60

5,50

6 2007 286.979

438 204.222

- 656

82.757 1.093 54,40

0,80

7 2008 293.139

6.160 203.763

- 459

89.376 6.619 55,00

0,60

8 2009 294.298

1.159 203.515

- 248

90.783 1.407 56,20

1,20

9 2010 294.651

353 202.699

- 816

91.952 1.168 56,50

0,30

10 2011 294.666

15 202.647

- 52

92.019

68 56,69

0,19

11 2012 294.947

281 202.571

- 76

92.376

357 54,96

- 1,73

12 2013 296.076

1.129 202.552

- 19

93.524 1.147 54,75

- 0,21

13 2014 297.802

1.727 202.967

415

94.835 1.311 54,80

0,05

14 2015 298.578

776 203.103

136

95.475

640 56,90

2,10

15 2016 312.343 13.765 212.172

9.069 100.171 4.696 56,30

- 0,60

16 2017 311.903

- 440 212.229

99.674

- 497 57,32

1,02

17 2018 311.051

- 852 212.180

- 49

98.871

- 803 57,34

0,02

18 2019 311.206

155 211.373

- 807

99.833

962 57,37

0,03

(Nguồn [10])

3.2. Điều kiện kinh tế, xã hội

Mục tiêu tổng quát của phát triển kinh tế xã hội tỉnh Thừa Thiên Huế

đến năm 2020 là Xây dựng tỉnh Thừa Thiên Huế sớm trở thành thành phố trực

thuộc Trung ương, là trung tâm của khu vực miền Trung và một trong những

trung tâm lớn, đặc sắc của cả nước về văn hóa, du lịch, khoa học - công nghệ,

y tế chuyên sâu, giáo dục - đào tạo đa ngành, đa lĩnh vực, chất lượng cao.

Phấn đấu đến năm 2020, Thừa Thiên Huế xứng tầm là trung tâm đô thị cấp

quốc gia, khu vực và quốc tế, một trong những trung tâm kinh tế, văn hóa,

khoa học - công nghệ, y tế, đào tạo lớn của cả nước và khu vực các nước

Đông Nam Châu Á; có quốc phòng, an ninh được tăng cường, chính trị - xã

hội ổn định, vững chắc; đời sống vật chất và tinh thần của nhân dân không

ngừng được cải thiện [6].

3.2.1. Tăng trưởng kinh tế

Tốc độ tăng trưởng kinh tế năm 2019 ước đạt 7,18% với giá trị tổng

sản phẩm trong tỉnh - GRDP ước đạt gần 31.330,53 tỷ đồng (theo giá so sánh

2010), chưa đạt kế hoạch đề ra. Đây là mức tăng khá so với các tỉnh trong khu

vực miền Trung nói chung, cao hơn mức tăng trưởng bình quân của 5 tỉnh

vùng kinh tế trọng điểm miền Trung và cao hơn tốc độ tăng trưởng kinh tế

của cả nước 6,8%/năm [7].

3.2.2. Tình hình phát triển các ngành, lĩnh vực

a)Lĩnh vực du lịch

Năm 2019 tổng lượt khách du lịch đến Huế ước đạt 4.800 nghìn lượt,

bằng 102,1% KH, tăng 10,8%, trong đó khách quốc tế đạt 2.220 nghìn lượt,

tăng 12,7%; khách lưu trú ước đạt 2.250 nghìn lượt, tăng 6,6%. Doanh thu

ngành dịch vụ du lịch ước đạt 4.900 tỷ đồng, đạt KH, tăng 9,6%, doanh thu xã

hội từ du lịch ước hơn 12.000 tỷ đồng [7].

b)Lĩnh vực công nghiệp

Năm 2019, giá trị sản xuất ước đạt 46.870 tỷ đồng (theo giá hiện hành),

đạt 98,5% KH, tăng 11,8%. Chỉ số IIP tăng 8,0%; trong đó, ngành công

nghiệp chế biến, chế tạo tăng 6,8%; cấp nước và thu gom rác thải tăng 6,1%;

sản xuất, phân phối điện tăng 20,4%, công nghiệp khai khoáng tăng 2,8%.

c)Lĩnh vực Nông, lâm, ngư nghiệp

Trồng trọt: Tập trung đầu tư để chuyển đổi khoảng 2.310 ha đất lúa

kém hiệu quả sang trồng rau, màu và nuôi trồng thủy sản; vùng sản xuất lúa

theo mô hình cánh đồng lớn 3.900 ha; hình thành sự liên kết, hợp đồng của

các doanh nghiệp trong sản xuất, mở rộng mô hình ứng dụng theo VietGAP

120 ha. Tổng diện tích gieo trồng cây hàng năm ước đạt 75.359 ha, giảm

0,39%. Sản lượng lúa ước đạt 326,6 nghìn tấn, giảm 2,33%; năng suất bình

quân 59,6 tạ/ha, giảm 1,6tạ/ha; ngô: 1.593 ha, năng suất đạt 39,9 tạ/ha, sản

lượng 6.355 tấn giảm 3%; khoai lang 9 nghìn tấn, giảm 12%; lạc 3.173 ha

năng suất đạt 17,3 tạ/ha, sản lượng 5.477 nghìn tấn, giảm 25,6%; Sản lượng

thu hoạch một số loại cây lâu năm: mũ cao su: 6.080 tấn; chuối 13.037 tấn;

bưởi, thanh trà 9.241 tấn; dứa 1.293 tấn; hồ tiêu 181 tấn [7].

Chăn nuôi: Đã hình thành các vùng chăn nuôi tập trung theo hướng

trang trại và gia trại, cách ly khu dân cư, đảm bảo về môi trường. Chăn nuôi

gia cầm có nhiều thuận lợi, giá thịt gà hơi giữ mức ổn định nên khuyến khích

mở rộng quy mô đàn. Ước cả năm gia cầm đạt 4 triệu con, tăng 31,4%, bằng

126% KH. Chăn nuôi gia súc gặp khó khăn. Dịch tả lợn Châu Phi tái phát lại

trên diện rộng ở 63/63 tỉnh, thành phố trong cả nước. Tính đến ngày 18/11,

trên địa bàn tỉnh tổng số lợn mắc bệnh và tiêu hủy là 73.331 con với tổng

trọng lượng 4.411 tấn. Ước tính thiệt hại 130,64 tỷ đồng, đã hỗ trợ tới người

chăn nuôi với số tiền 77,9 tỷ đồng. Chăn nuôi trâu, bò gặp khó khăn do đồng

cỏ thu hẹp, thiếu lao động và các dự án khuyến nông ở một số huyện đến thời

hạn chấm dứt như BCC. Ước năm 2019, tổng đàn lợn 120 nghìn con bằng

60% KH; đàn trâu duy trì 19,4 nghìn con, bằng 88,2% KH; đàn bò 31,8 nghìn

con, bằng 88,5% KH [7].

Lâm nghiệp: Sản lượng khai thác cả năm ước đạt 628,7 nghìn m3 gỗ.

Diện tích trồng rừng tập trung đạt 6.200 ha, tăng 0,8%, toàn bộ là rừng sản

xuất. Diện tích trồng rừng 6.200 ha, đạt KH. Đã triển khai tốt công tác trồng

rừng gỗ lớn, lũy kế đến nay cấp chứng chỉ rừng FSC đạt 7.778 ha. Tỷ lệ che

phủ rừng duy trì đạt 57,35%. Công tác quản lý, bảo vệ rừng tiếp tục được tăng

cường; đến tháng 12/2019 đã bắt giữ và xử lý 495 vụ vi phạm pháp luật lâm nghiệp, tịch thu 485,7 m3 gỗ các loại, thu nộp ngân sách khoảng 3,5 tỷ đồng.

Công tác PCCCR được đặc biệt chú trọng; tính đến tháng 12/2019, toàn tỉnh

đã xảy ra 55 vụ phá rừng, tăng 17 vụ, với diện tích bị phá 10,84 ha, giảm 0,24

ha; 27 vụ cháy rừng, tăng 14 với diện tích rừng bị cháy 177,94 ha, nguyên

nhân chủ yếu do thời tiết nắng nóng gay gắt kéo dài, kết hợp với gió Tây Nam

thổi mạnh nên đã gây cháy lan trên diện rộng [7].

Thủy sản: Sản lượng thủy sản nuôi trồng và khai thác cả năm ước đạt

57.787 tấn, tăng 3,9%, bằng 96,3 KH, trong đó sản lượng nuôi trồng 16.640

tấn, tăng 4,3%, bằng 92,4% KH; sản lượng khai thác 41.145 tấn, tăng 3,7%

bằng 98% KH. Khai thác thủy sản biển tăng cao, tổng số tàu cá trên toàn tỉnh

là 722 chiếc; trong đó tàu cá xa bờ là 419 chiếc, tàu cá có chiều dài từ 24 m

trở lên có 11 chiếc. Sản xuất nông nghiệp từng bước chuyển đổi theo hướng

chất lượng, an toàn và tăng thu nhập cho người dân; hình thành sự liên kết

trong sản xuất. Đã xác định 18 sản phẩm được hỗ trợ nâng cấp tiêu chuẩn

hóa; dự kiến đến cuối năm có 10 sản phẩm được nâng cấp, tiêu chuẩn hóa

theo chu trình OCOP. Tiếp tục triển khai có hiệu quả chương trình tái cơ cấu

ngành nông nghiệp. Dự kiến trong năm 2019 có thêm 10 xã đạt chuẩn nông

thôn mới, nâng tổng số xã đạt chuẩn nông thôn mới lên 54 xã (đạt 52%). Giá

trị sản xuất nông nghiệp cả năm ước đạt 6.300 tỷ đồng (theo giá hiện hành),

giảm 4,7% [7].

3.2.3. Văn hóa, xã hội

a) Văn hóa, thể thao

Hoạt động trưng bày, triển lãm, mỹ thuật, nhiếp ảnh phong phú, đa

dạng, tính nghệ thuật cao, đáp ứng nhu cầu của du khách và quần chúng nhân

dân, dự kiến đón 250.000 lượt khách tham quan [7].

Thể thao thành tích cao đạt kết quả cao cả trong nước và quốc tế, đã đạt

được 481 huy chương các loại (128 HCV, 150HCB, 203 HCĐ), trong đó có

28 huy chương quốc tế (15 HCV, 06 HCB, 07 HCĐ) [7].

Số người tham gia tập luyện thể dục thể thao thường xuyên ước đạt tỷ

lệ là 33,4%, tăng 1,3% so với năm 2018. Số câu lạc bộ thể dục thể thao là 635

câu lạc bộ; tỉ lệ trường học đảm bảo giáo dục thể chất đạt 100% [7].

Giáo dục, đào tạo

Toàn tỉnh hiện có 576 trường, có 09 trung tâm Giáo dục nghề nghiệp -

Giáo dục thường xuyên cấp huyện và 01 Trung tâm Giáo dục Thường xuyên

tỉnh với số lượng học sinh, học viên đạt 264.527 em. Trong đó, có 392 trường

đạt chuẩn quốc gia, đạt tỷ lệ 68,05% [7].

Đổi mới căn bản, toàn diện giáo dục và đào tạo" được thực hiện có hiệu

quả về phương pháp dạy học, kiểm tra đánh giá; bồi dưỡng giáo viên... Việc

chỉ đạo nâng cao chất lượng giáo dục các cấp, bậc học được thực hiện nghiêm

túc, hiệu quả, đúng quy định và đã đạt kết quả khá tốt. Số lượng học sinh xếp

loại giỏi tăng ở tất cả các cấp bậc; năm học 2018 - 2019 có 1.819 học sinh đạt

giải Châu Á, cấp Quốc gia và cấp tỉnh. Năm học 2019 - 2020, trong tháng

10/2019, có 1.163 học sinh đạt giải trong tổng số 2.713 học sinh dự thi, đạt

43% thí sinh đạt giải [7].

Năm học 2019 - 2020, Đại học Huế có 8.598 sinh viên được gọi nhập

học theo nguyện vọng, đạt 76% chỉ tiêu tuyển sinh và giảm 1,65% so với năm

học trước. Các trường có số lượng sinh viên nhập học giảm: Đại học Luật

giảm 7,28%; Khoa giáo dục thể chất giảm 25,0%; ĐH Nông lâm giảm

29,49%; ĐH Khoa học giảm 20,94%. Theo xếp hạng Webometrics công bố

tháng 7/2019, Đại học Huế xếp hạng thứ 8 trong số 180 cơ sở giáo dục đại

học Việt Nam, tăng 2 bậc từ lần xếp hạng tháng 1/2019 [7].

b) Dân số, y tế và chăm sóc sức khỏe

Kết quả Tổng điều tra dân số và nhà ở năm 2019 toàn tỉnh có 305.905

hộ; 1.128.620 nhân khẩu; dân số nam 558.488 người (chiếm 49,5%); dân số

nữ 570.132 người (chiếm 50,5%); dân số khu vực thành thị 558.531 người

(chiếm 49,5%); khu vực nông thôn 570.089 người (chiếm 50,5%). Mật độ dân

số 224 người/km2, bằng 77,2% so với mật độ dân số bình quân cả nước [7].

Chương 4

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

4.1. Thực trạng quản lý tài nguyên rừng tại tỉnh Thừa Thiên Huế

4.1.1. Tổ chức và hoạt động của lực lượng Kiểm lâm Thừa Thiên Huế

Theo quyết định giao biên chế năm 2020 [18] của Sở NN&PTNT tỉnh

Thừa Thiên Huế, Chi cục Kiểm lâm được giao 257 biên chế, trong đó công

chức là 218 biên chế, viên chức là 22 biên chế và biên chế hợp đồng theo

Nghị định 68/2000/NĐ-CP là 17 biên chế.

Bảng 4.1. Số lượng biến chế Kiểm lâm Thừa Thiên Huế năm 2020

Biên chế giao năm 2020

STT

Đơn vị

Tổng số

Biên chế công chức

Biên chế viên chức

Biên chế hợp đồng theo NĐ 68/2000/ NĐ-CP 4

1 Chi cục Kiểm lâm

42

2 Hạt Kiểm lâm huyện Phong Điền

16

19

Hạt Kiểm lâm Khu bảo tồn thiên nhiên Phong Điền

4 Hạt Kiểm lâm huyện Quảng Điền

9

5 Hạt Kiểm lâm thị xã Hương Trà

27

6 Hạt Kiểm lâm thành phố Huế

10

7 Hạt Kiểm lâm huyện Phú Vang

9

8 Hạt Kiểm lâm thị xã Hương Thủy

18

9 Hạt Kiểm lâm huyện A Lưới

29

10 Hạt Kiểm lâm huyện Nam Đông

28

11 Hạt Kiểm lâm huyện Phú Lộc

16

12 Hạt Kiểm lâm Khu bảo tồn Sao La

14

11

Đội Kiểm lâm cơ động và phòng cháy, chữa cháy rừng số 1

9

Đội Kiểm lâm cơ động và phòng cháy, chữa cháy rừng số 2

Tổng cộng:

257

218

22 17 (Nguồn [18])

Một số nhiệm vụ, hoạt động của lực lượng Kiểm lâm Thừa Thiên Huế

trong công tác bảo vệ rừng:

Tham mưu cho Giám đốc Sở trình cấp có thẩm quyền huy động các

đơn vị vũ trang; huy động lực lượng, phương tiện khác của các tổ chức, cá

nhân đóng trên địa bàn để kịp thời ngăn chặn, ứng cứu cháy rừng và phá rừng

nghiêm trọng trong những tình huống cần thiết và cấp bách;

Tổ chức thực hiện các biện pháp chống chặt, phá rừng trái phép và các

hành vi trái pháp luật xâm hại đến rừng và đất lâm nghiệp;

Dự báo nguy cơ cháy rừng; xây dựng lực lượng phòng cháy, chữa cháy

rừng chuyên ngành; thống kê, kiểm kê rừng và đất lâm nghiệp; tham gia

phòng, trừ sâu bệnh hại rừng;

Tổ chức bảo vệ các khu rừng đặc dụng, rừng phòng hộ thuộc địa

phương quản lý;

Phối hợp hoạt động bảo vệ rừng đối với lực lượng bảo vệ rừng của các

chủ rừng và lực lượng bảo vệ rừng của cộng đồng dân cư trên địa bàn. Sơ đồ,

tổ chức bộ máy trong hoạt động bảo vệ rừng được mô tả qua Sơ đồ 4.1.

Sơ đồ 4.1. Hoạt động bảo vệ rừng của Kiểm lâm Thừa Thiên Huế

Theo Sơ đồ 4.1, hoạt động quản lý bảo vệ rừng được chia thành 3 cấp:

i) Lãnh đạo, chỉ đạo của chi cục trưởng, phó chi cục trưởng; ii) Bộ phân

chuyên môn về kỹ thuật, pháp lý thuộc các đơn vị phòng ban chức năng của

CCKL, đội KLCĐ và PCCCR các hạt kiểm lâm của huyện, thị xã, thành phố

và hạt kiểm lâm KBT, Vườn Quốc gia Bạch Mã; iii) Trạm Kiểm lâm là đơn vị

trực tiếp tham gia các hoạt động tuần tra bảo vệ rừng.

4.1.2. Công tác ứng dụng công nghệ viễn thám, GIS trong giám sát, phát

hiện mất rừng

Tại tỉnh Thừa Thiên Huế được sự hỗ trợ của dự án hỗ trợ chuẩn bị sẵn

sàng thực hiện REDD+ ở Việt Nam giai đoạn 2 [3] (FCPF -2) và dự án

Trường Sơn Xanh [5] hỗ trợ máy tính bảng, triển khai tập huấn sử dụng

FRMS mobile trên máy tính bảng để thu thập các dữ liệu biến động tại thực

địa thay thế cho GPS cầm tay. Ngoài ra, các lớp tập huấn về sử dụng phần

mềm FRMS desktop trong theo dõi diễn biến rừng và đất lâm nghiệp cũng

được tổ chức. Bước đầu, các hoạt động tập huấn hỗ trợ đã góp phần giúp cho

lực lượng Kiểm lâm được nâng cao năng lực trong việc cập nhật diễn biến

rừng và đất lâm nghiệp theo đúng quy định của Tổng cục Lâm nghiệp về công

tác theo dõi diễn biến rừng hàng năm.

Về việc ứng dụng công nghệ ảnh viễn thám, phát hiện sớm mất rừng ở

Thừa Thiên Huế đã được dự án Trường Sơn Xanh hỗ trợ xây dựng hệ thống

theo dõi diễn biến rừng công nghệ cao, được bắt đầu áp dụng vào tháng

5/2019. Theo thiết kế của hệ thống, việc phát hiện mất rừng dựa trên ứng

dụng cảnh báo mất rừng do dự án Quản lý thiên nhiên bền vững (SNRM) xây

dựng [5], công cụ này hiện nay cũng được đặt tại trang web của Cục kiểm

lâm. Một trong những điểm yếu của công cụ này là việc phát hiện mất rừng sử

dụng các chỉ số chung và áp dụng cho toàn quốc do vậy khi ứng dụng cho

mỗi địa phương độ chính xác thường không cao. Trong nghiên cứu này cũng

sẽ tham chiếu và so sánh đến kết quả của phương pháp này bằng cách sử dụng

kết quả phân tích của hệ thống này với các mẫu kiểm chứng.

Như vậy, Thừa Thiên Huế là một tỉnh có biến động rất lớn về tài nguyên

rừng mỗi năm. Lực lượng Kiểm lâm còn tương đối mỏng so với diện tích rừng

của tỉnh. Bước đầu, lực lượng Kiểm lâm của tỉnh đã được tiếp cận với công

nghệ viễn thám và GIS trong theo dõi diễn biến rừng, tuy nhiên chưa sâu và

chưa có tính ứng dụng cao. Do vậy, việc phát triển công nghệ viễn thám và GIS

để phát hiện mất rừng sẽ hỗ trợ cho Kiểm lâm địa phương tăng cường năng lực

giám sát rừng, giảm tải công sức của con người, góp phần bảo vệ tốt hơn nguồn

tài nguyên rừng của địa phương là hết sức cần thiết và ý nghĩa.

4.2. Lựa chọn chỉ số viễn thám để theo dõi và giám sát mất rừng

4.2.1. Kết quả tiền xử lý ảnh viễn thám

4.2.1.1. Kết quả xử lý ảnh Sentinel - 2 cho các năm 2017 - 2020

Dựa trên phương pháp đã đã mô tả ở trên, nghiên cứu đã tiến hành tìm

ảnh, lọc mây và bù mây và kết quả cuối cùng trả về là ảnh ghép của tất cả các

cảnh ảnh trong khoảng thời gian lựa chọn của một năm. Đề tài chỉ sử dụng

ảnh vệ tinh Sentinel-2 do có ưu điểm miễn phí, độ phân giải 10 mét, chu kỳ

lặp lại là 5 ngày phù hợp để áp dụng cho nghiên cứu này.

Ảnh viễn thám thu thập được đánh giá chất lượng ảnh theo phương

pháp đánh giá chất lượng ảnh chủ quan NIIRS (ứng dụng kết quả phương

pháp của đề tài “Nghiên cứu, xây dựng công cụ đánh giá chất lượng phổ của

sản phẩm viễn thám quang học độ phân giải cao và siêu cao bằng mô hình

toán học phục vụ công tác kiểm tra và nghiệm thu sản phẩm” mã số:

TNMT.2017.08.03). Các ảnh viễn thám sử dụng các bước tiếp theo đạt mức

độ cung cấp thông tin để thành lập bản đồ tỉ lệ 1:50.000. Đây là biện pháp để

nâng cao độ chính xác và độ tin cậy của thông tin từ ảnh viễn thám.

Ảnh ghép tại khu vực nghiên cứu được tạo thành bởi các cảnh ảnh

thuộc 6 mảnh ghép (48PYC, 48PZC, 48QYD, 48QZD, 49PBT, 49QBU) lấy

thông qua GEE với độ phân giải 10m, đã được xử lý ở mức 1C, bao gồm đầy

đủ các kênh ảnh lấy các ảnh viễn thám với đầy đủ các kênh có trên ảnh vệ

tinh Sentinel-2 (B1, B2, B3, B4, B5, B6, B7, B8, B8A, B9, B11, B12, QA10,

QA20, AQ60).

Hình 4.2. Hình ảnh kết quả xử lý ảnh vệ tinh Sentinel-2 trên GEE

Dựa trên số liệu về lượng mưa ở tỉnh Thừa Thiên Huế, nghiên cứu đã lựa

chọn lấy ảnh vệ tinh tại thời điểm tháng 4 và tháng 5 là các tháng có lượng mưa

thấp nhất để tiến hành lấy ảnh (Tháng 4/2017, tháng 5/2018, tháng 4/2019 và

tháng 5/2020). Kết quả, trong 4 năm ở khoảng thời gian nêu trên đã tìm được

tổng số 210 ảnh, tỷ lệ mây bình quân của 210 ảnh là 40,36%. Số lượng ảnh cụ

thể theo các năm và theo số hiệu ảnh Sentinel được thể hiện ở Bảng 4.2.

Bảng 4.2. Số lượng ảnh và tỷ lệ mây bình quân theo năm trong

khoảng thời gian quan tâm của nghiên cứu

Năm

Số kỳ ảnh

Số ảnh

Tỷ lệ mây bình quân (%)

2017

44,24

2018

38,91

2019

35,30

2020

44,94

210 Tổng

41 40,36

(Nguồn [30])

4.2.1.2. Kết quả xử lý ảnh viễn thám sử dụng để tính các giá trị NDVI,

NBR, IRSI

Trong năm 2019, vệ tinh Sentinel-2 đã có 139 lượt chụp, 701 ảnh được

chụp với tỷ lệ mây bình quân/cảnh ảnh là 54,74%. Các tháng 1, tháng 8, tháng

9 và tháng 12 lượng mây bình quân/cảnh ảnh là khá lớn từ khoảng xấp xỉ 70%

trở lên, các tháng 2, tháng 3 và tháng 4 có lượng mây bình quân/cảnh ảnh thấp

là dưới 35%.

Bảng 4.3. Thông tin về ảnh Sentinel-2 trong năm 2019 sử dụng

trong nghiên cứu để tính các chỉ số NDVI, NBR, IRSI

Tháng

Số kỳ ảnh

Số ảnh

Tỷ lệ mây bình quân (%)

77,82

21,82

34,91

35,30

44,31

44,77

71,18

82,97

69,46

43,89

55,84

73,67

54,74

Tổng

139

701

Tương quan với dữ liệu tại bảng Bảng 4.3, hình ảnh vệ tinh của các ảnh

đa thời gian được ghép lại từ dữ liệu ảnh Sentinel-2 theo tháng được thể hiện

tại hình Hình 4.1 cũng cho thấy dữ liệu ảnh của tháng 1, tháng 8, tháng 9,

tháng 12 trong năm 2019 có lượng mây khá lớn.

Hình 4.1. Ảnh vệ tinh Sentinel-2 đa thời gian theo tháng năm 2019

4.2.2. Kết quả xác định ngưỡng giá trị có rừng và không có rừng của một

số chỉ số viễn thám

4.2.2.1. Xác định ngưỡng giá trị có rừng và không có rừng đối với chỉ số

NDVI

Nghiên cứu đã tiến hành lấy 92 mẫu để xác định ngưỡng có rừng (53

mẫu) và không có rừng (39) để tiến hành tính giá trị của các chỉ số viễn

thám biến động theo 12 tháng trong năm. Thời gian được lựa chọn là

12 tháng năm 2019. Có 7 loại đất loại rừng được lựa chọn bao gồm:

RTN giàu và trung bình, RTN nghèo và nghèo kiệt, RTN hỗn giao,

RTN tre nứa, Rừng trồng, đất trống và mặt nước. Kết quả tính giá trị

NDVI của 12 tháng trong năm được thể hiện tại

Bảng 4.4 và Biểu đồ 4.1.

Bảng 4.4. Giá trị NDVI trong 12 tháng của năm 2019

T1

T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12

Loại đất loại rừng

0,06 0,48 0,61 0,54 0,18 0,68 0,70 0,46 0,19 0,19 0,12 0,03

nông Đất nghiệp (DNN)

trống

0,17 0,18 0,21 0,18 0,14 0,18 0,18 0,16 0,20 0,20 0,22 0,14

Đất (DT)

nước

-0,14 -0,09 -0,02 -0,02 -0,09 -0,13 -0,07 -0,06 -0,04 -0,04 -0,16 -0,15

Mặt (MN)

trồng

0,44 0,61 0,56 0,60 0,69 0,71 0,69 0,67 0,59 0,59 0,63 0,38

Rừng (RT_KEO)

0,47 0,66 0,55 0,58 0,73 0,74 0,75 0,73 0,55 0,55 0,54 0,22

RTN giàu và trung bình (RTG_GTB)

0,48 0,60 0,59 0,63 0,70 0,75 0,77 0,51 0,48 0,48 0,61 0,45

RTN nghèo (TXN)

phục

0,54 0,65 0,56 0,63 0,67 0,73 0,71 0,56 0,63 0,63 0,67 0,43

RTN hồi (TXP)

Biểu đồ 4.1. Giá trị biến thiên của NDVI 12 tháng trong năm 2019

(DNN: Đất nông nghiệp; DT: Đất trống; MN: Mặt nước; RT_Keo:

Rừng trồng; RTN_GTB: RTN giàu và trung bình; TXN: RTN nghèo; TXP:

RTN phục hồi)

Từ số liệu từ

Bảng 4.4 và Biểu đồ 4.1 có thể nhận thấy giá trị NDVI của tất cả các

loại đất loại rừng thấp nhất tại tháng 12 năm trước và tháng 1 của năm sau.

Điều này khá phù hợp vì điều kiện thời tiết tại mùa này khá khắc nghiệt, do

vậy chỉ số thực vật có xu hướng giảm, từ tháng 2 đến tháng 11 trong năm có

thể nói chỉ số NDVI của các loại đất loại rừng trong 92 mẫu thể hiện rõ sự

nhau giữa trạng thái đất trống và trạng thái có rừng.

Để đánh giá xem việc chọn mẫu đã đảm bảo đủ độ tin cậy, cần tính giá

trị trung binh, giá trị lớn nhất, giá trị nhỏ nhất và sai tiêu chuẩn để khẳng định.

Kết quả tổng hợp các giá trị nêu trên tại Bảng 4.5 và Biểu đồ 4.2.

Bảng 4.5. Bảng tính giá trị trung bình, lớn nhất, nhỏ nhất và sai

tiêu chuẩn của chỉ số NDVI của một số loại đất loại rừng

Loại đất loại rừng

Mean

Std Max

Min

0,35

0,06

0,41

0,26

Đất nông nghiệp (DNN)

0,18

0,13

0,39

0,03

Đất trống (DT)

-0,08

0,05

0,03

-0,16

Mặt nước (MN)

0,60

0,05

0,68

0,50

Rừng trồng (RT_KEO)

0,59

0,05

0,65

0,53

RTN giàu và trung bình (RTG_GTB)

0,59

0,05

0,66

0,52

RTN nghèo (TXN)

0,62

0,05

0,69

0,55

RTN phục hồi (TXP)

Biểu đồ 4.2. Giá trị trung bình, giá trị tối đa, giá trị tối thiểu của chỉ số

NDVI tính của một số loại đất loại rừng

(DNN: Đất nông nghiệp; DT: Đất trống; MN: Mặt nước; RT_Keo:

Rừng trồng; RTN_GTB: RTN giàu và trung bình; TXN: RTN nghèo; TXP:

RTN phục hồi)

Như vậy giá trị NDVI thấp nhất của trạng thái đất có rừng là 0,59 (∓

0,05). Nghiên cứu áp dụng ngưỡng này NDVI này để tách trạng thái đất

không có rừng tại T1 (NDVIT1 < 0,59) và trạng thái đất có rừng tại T2

(NDVIT2 ≥ 0,59).

4.2.2.2. Xác định ngưỡng giá trị có rừng và không có rừng đối với chỉ số

NBR

Tương tự như chỉ số NDVI, nghiên cứu cũng sử dụng 92 mẫu nêu trên

để tiến hành xác định ngưỡng giá trị của chỉ số NBR của 12 tháng trong năm

2019, kết quả được trình bày tại Bảng 4.6 và Biểu đồ 4.3. Giá trị biến thiên

của NBR 12 tháng trong năm 2019.

Bảng 4.6. Giá trị NBR trong 12 tháng của năm 2019

T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12

nông

0,42 0,56 0,65 0,59 0,39 0,66 0,68 0,48 0,41 0,41 0,55 0,35

0,22 0,08 0,08 0,06 0,08 0,15 0,16 0,16 0,26 0,26 0,19 0,16 0,52 0,72 0,66 0,49 0,32 0,42 0,28 0,26 0,29 0,29 0,72 0,55 0,52 0,72 0,72 0,69 0,70 0,71 0,70 0,70 0,66 0,66 0,72 0,54

0,56 0,66 0,59 0,68 0,68 0,70 0,71 0,71 0,62 0,62 0,58 0,32

Loại đất loại rừng Đất nghiệp Đất trống Mặt nước Rừng trồng RTN giàu và trung bình 0,50 0,62 0,64 0,64 0,68 0,70 0,71 0,57 0,54 0,54 0,61 0,55 RTN nghèo RTN phục hồi 0,56 0,65 0,60 0,63 0,65 0,70 0,65 0,59 0,63 0,63 0,63 0,52

Từ số liệu từ Bảng 4.6 và Biểu đồ 4.3 có thể nhận thấy cũng như giá trị

NDVI, giá trị NBR của tất cả các loại đất loại rừng thấp nhất tại tháng 12 năm

trước và tháng 1 của năm sau. Chỉ số NBR của các trạng thái có rừng khá ổn

định, trong khi đó trạng thái đất nông nghiệp tiếp tục thể hiện sự biến động

theo mùa vụ. Trang thái mặt nước biến động khá mạnh, vượt lên giá trị khá

cao như trạng thái đất có rừng vào tháng 2, tháng 3 và tháng 11, tháng 12.

Điều này sẽ được khắc phục vì quá trình tính toán sẽ tách hoàn toàn các khu

vực là mặt nước ra khỏi phạm vi tính toán.

Biểu đồ 4.3. Giá trị biến thiên của NBR 12 tháng trong năm 2019

Để đánh giá xem việc chọn mẫu đã đảm bảo đủ độ tin cậy, cần tính giá trị

trung bình, giá trị lớn nhất, giá trị nhỏ nhất và sai tiêu chuẩn để khẳng định.

Kết quả tổng hợp các giá trị nêu trên tại

Bảng 4.7 và Biểu đồ 4.4

Bảng 4.7. Bảng tính giá trị trung bình, lớn nhất, nhỏ nhất và sai tiêu

chuẩn của chỉ số NBR của một số loại đất loại rừng

Loại đất loại rừng

Mean

Std

Max

Min

Đất nông nghiệp

0,51

0,08

0,61

0,35

Đất trống

0,16

0,09

0,29

-0,05

Mặt nước

0,46

0,05

0,58

0,38

Rừng trồng

0,67

0,05

0,74

0,57

RTN giàu và trung bình

0,62

0,03

0,65

0,58

RTN nghèo

0,61

0,04

0,64

0,54

0,62

0,04

0,69

0,57

RTN phục hồi

Biểu đồ 4.4. Biểu đồ giá trị trung bình, giá trị tối đa, giá trị tối thiểu của

chỉ số NBR tính của một số loại đất loại rừng

(DNN: Đất nông nghiệp; DT: Đất trống; MN: Mặt nước; RT_Keo:

Rừng trồng; RTN_GTB: RTN giàu và trung bình; TXN: RTN nghèo; TXP:

RTN phục hồi)

Như vậy giá trị NBR thấp nhất của trạng thái đất có rừng thấp nhất là

rừng nghèo ở ngưỡng 0,61 (∓ 0,04). Nghiên cứu áp dụng ngưỡng này NBR

này để tách trạng thái đất không có rừng tại T1 (NBRT1 < 0,61) và trạng thái

đất có rừng tại T2 (NBRT2 ≥ 0,61).

4.2.2.3. Xác định ngưỡng giá trị có rừng và không có rừng đối với chỉ số

kết hợp NDVI và NBR (IRSI)

Tương tự như chỉ số NDVI và NBR, chỉ số IRSI được tính toán dựa

trên 92 mẫu thực địa cho từng tháng từ tháng 1 đến tháng 12 năm 2019, kết

quả được trình bày tại Bảng 4.8 và Biểu đồ 4.5.

Số liệu này cho thấy, biến độ chỉ số IRSI cũng bị biến động lớn vào

tháng 1 và tháng 12 như chỉ số NDVI và NBR. Chỉ số IRSI của trạng thái đất

trống, mặt nước khá ổn định, trong khi đó chỉ số IRSI biến động tăng mạnh

vào các tháng 2, 3, 4, 6, 7. Chỉ số IRSI của các trạng thái có rừng khá ổn định.

Bảng 4.8. Giá trị IRSI trong 12 tháng của năm 2019

Loại đất loại T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 rừng

Đất nông nghiệp 0,48 1,04 1,26 1,13 0,57 1,34 1,38 0,94 0,60 0,60 0,67 0,38

Đất trống 0,41 0,29 0,30 0,25 0,23 0,34 0,35 0,34 0,49 0,49 0,43 0,31

Mặt nước 0,38 0,63 0,64 0,49 0,22 0,30 0,22 0,21 0,25 0,25 0,57 0,40

Rừng trồng 0,97 1,33 1,28 1,29 1,39 1,42 1,40 1,37 1,28 1,28 1,35 0,92

RTN giàu và 1,02 1,32 1,15 1,26 1,41 1,44 1,47 1,44 1,17 1,17 1,12 0,55 trung bình

RTN nghèo 0,98 1,21 1,23 1,27 1,37 1,45 1,48 1,09 1,02 1,02 1,22 1,00

RTN phục hồi 1,15 1,30 1,18 1,26 1,30 1,44 1,39 1,21 1,22 1,22 1,29 0,91

Biểu đồ 4.5. Giá trị biến thiên của IRSI 12 tháng trong năm 2019

(DNN: Đất nông nghiệp; DT: Đất trống; MN: Mặt nước; RT_Keo:

Rừng trồng; RTN_GTB: RTN giàu và trung bình; TXN: RTN nghèo; TXP:

RTN phục hồi)

Để đánh giá xem việc chọn mẫu đã đảm bảo đủ độ tin cậy, cần tính giá

trị trung binh, giá trị lớn nhất, giá trị nhỏ nhất và sai tiêu chuẩn để khẳng định.

Kết quả tổng hợp các giá trị nêu trên tại Bảng 4.9 và Biểu đồ 4.6.

Bảng 4.9. Bảng tính giá trị trung bình, lớn nhất, nhỏ nhất và sai tiêu

chuẩn của chỉ số IRSI của một số loại đất loại rừng

Loại đất loại rừng

Max

Min

Mean

Std

Đất nông nghiệp

0,94

0,75

0,87

0,05

Đất trống

0,66

0,05

0,35

0,22

Mặt nước

0,47

0,30

0,38

0,05

Rừng trồng

1,42

1,09

1,27

0,09

RTN giàu và trung bình

1,28

1,11

1,21

0,08

RTN nghèo

1,30

1,09

1,20

0,08

1,38

1,12

1,24

0,09

RTN phục hồi

Biểu đồ 4.6. Biểu đồ giá trị trung bình, giá trị tối đa, giá trị tối thiểu của

chỉ số IRSI tính của một số loại đất loại rừng

(DNN: Đất nông nghiệp; DT: Đất trống; MN: Mặt nước; RT_Keo:

Rừng trồng; RTN_GTB: RTN giàu và trung bình; TXN: RTN nghèo; TXP:

RTN phục hồi)

Giá trị IRSI thấp nhất của trạng thái đất có rừng thấp nhất là rừng

nghèo ở ngưỡng 1,20 (∓ 0,08). Nghiên cứu áp dụng ngưỡng này IRSI này để

tách trạng thái đất không có rừng tại T1 (IRSIT1 < 1,20) và trạng thái đất có

rừng tại T2 (IRSIT2 ≥ 1,20).

4.2.3. Xác định ngưỡng giá trị mất rừng dựa trên chỉ số viễn thám

4.2.3.1 Xác định ngưỡng giá trị mất rừng dựa vào chỉ số NDVI

Để xác định ngưỡng giá trị mất rừng, nghiên cứu đã tiến hành lựa chọn

chọn mẫu cho từng kỳ, bao gồm kỳ 2017 - 2018 (kỳ 1) là 293 điểm mất rừng,

kỳ 2018 - 2019 (kỳ 2) là 298 điểm mất rừng, kỳ 2019 - 2020 (kỳ 3) là 205

điểm mất rừng. Từ kết quả tại Bảng 4.10 cho thấy giá trị ∆NDVI = NDVIT1 –

NDVIT2 trung bình là 0,28, sai tiêu chuẩn 0,10. Kết hợp với ngưỡng NDVI có

rừng và không có rừng đã xác định là 0,59, như vậy tại khu vực nghiên cứu

một điểm mất rừng được xác định có giá trị là có NDVIT1 ≥ 0,59, NDVT2 <

0,59 và ∆NDVI ≥ 0,28.

Bảng 4.10. Kết quả tính ngưỡng mất rừng đối với chỉ số NDVI

Std

Max

Tên kỳ

Mean

Min

0,07

0,54

Kỳ 1

0,32

0,01

0,10

0,50

Kỳ 2

0,26

-0,07

0,12

0,66

Kỳ 3

0,24

-0,12

0,66

0,10

0,28

-0,12

Cả 3 kỳ 4.2.3.2. Xác định ngưỡng giá trị mất rừng dựa vào chỉ số NBR

Tương tự như chỉ số NDVI, chỉ số NBR cũng được tính cho 3 kỳ 796

điểm mất rừng trong 3 năm. Kết quả tính toán được trình bày tại Bảng 4.11.

Kết quả tại bảng này cho thấy giá trị ∆NBR = NBRT1 – NBRT2 trung bình là

0,51 với sai tiêu chuẩn 0,15. Kết hợp với ngưỡng NDVI có rừng và không có

rừng đã xác định là 0,61, như vậy tại khu vực nghiên cứu một điểm mất rừng

được xác định có giá trị là có NBRT1 ≥ 0,61, NBRT2 < 0,61 và ∆NBR ≥ 0,51.

Bảng 4.11. Kết quả tính ngưỡng mất rừng đối với chỉ số NBR

Tên kỳ

Mean

Std

Max

Min

Kỳ 1

0,52

0,11

0,86

0,09

Kỳ 2

0,59

0,15

0,94

-0,01

Kỳ 3

0,39

0,14

0,71

-0,16

0,94

0,15

0,51

-0,16

Cả 3 kỳ 4.2.3.3. Xác định ngưỡng giá trị mất rừng dựa vào chỉ số IRSI

Tương tự như chỉ số NDVI, và NBR chỉ số IRSI cũng được tính cho 3

kỳ 796 điểm mất rừng trong 3 năm. Kết quả tính toán được trình bày tại Bảng

4.12. Kết quả tại bảng này cho thấy giá trị ∆IRSI = IRSI T1 – IRSI T2 trung

bình là 0,77 với sai tiêu chuẩn 0,22. Kết hợp với ngưỡng IRSI có rừng và

không có rừng đã xác định là 1,20, một điểm mất rừng được xác định có giá

trị là có IRSI ≥ 1,20, IRSI < 1,20 và ∆ IRSI ≥ 0,77.

Bảng 4.12. Kết quả tính ngưỡng mất rừng đối với chỉ số IRSI

Std

Tên kỳ

Mean

Max

Min

0,17

Kỳ 1

0,84

1,33

0,24

0,23

Kỳ 2

0,85

1,41

-0,03

0,25

Kỳ 3

0,63

1,34

-0,28

0,22

0,77

1,41

-0,28

Cả 3 kỳ

4.2.4. Kết quả xác định diện tích mất rừng và đánh giá độ chính xác của

các chỉ số viễn thám áp dụng trong theo dõi và giám sát mất rừng

Dựa trên các ngưỡng chỉ số trong nghiên cứu đã xác định ở trên, nghiên

cứu đã tính toán diện tích mất rừng cho 3 kỳ, giai đoạn 2017 - 2020. được

trình bày tại Bảng 4.13.

Bảng 4.13. Diện tích mất rừng được tính toán dựa trên các chỉ số viễn

thám từ 2017 - 2020 tại tỉnh Thừa Thiên Huế

#

NBR

IRSI

NDVI

Kỳ 1: 2017 - 2018

4.117,84

3.978,82

4.465,57

Huyện A Lưới

485,01

659,72

406,62

Huyện Nam Đông

384,27

410,22

360,02

Huyện Phong Điền 459,15

496,16

454,14

Huyện Phú Lộc

1.036,76

1.027,10

985,27

Huyện Phú Vang

Huyện Quảng Điền

0,19

Thành phố Huế

3,28

4,10

3,47

Thị Xã Hương Thủy 870,95

969,34

852,05

Thị Xã Hương Trà 878,40

940,57

875,41

Kỳ 2: 2018 - 2019

2.165,76

2.183,30

2.000,22

#

NBR

IRSI

NDVI

Huyện A Lưới

862,69

758,60

877,51

Huyện Nam Đông

485,61

448,71

535,70

Huyện Phong Điền 28,65

56,92

23,42

Huyện Phú Lộc

116,38

110,71

113,55

Huyện Phú Vang

Huyện Quảng Điền

Thành phố Huế

Thị Xã Hương Thủy 168,76

153,51

88,84

Thị Xã Hương Trà 503,68

471,77

544,28

Kỳ 3: 2018 - 2019

7.590,98

10.141,82

8.321,68

Huyện A Lưới

7,34

2.319,82

1.640,72

Huyện Nam Đông

1.240,35

1.299,56

939,95

Huyện Phong Điền 1.503,91

1.557,50

1.382,30

Huyện Phú Lộc

1.467,06

1.445,74

1.390,73

Huyện Phú Vang

0,09

Huyện Quảng Điền

Thành phố Huế

3,87

4,65

1,28

Thị Xã Hương Thủy 1.421,42

1.472,86

1.196,83

Thị Xã Hương Trà 1.947,04

2.041,60

1.769,88

Tổng 3 kỳ

13.874,57

14.483,79

16.607,60

Diện tích mất rừng giai đoạn 2017 - 2020 tính theo chỉ số NDVI chiếm

diện tích lớn nhất là 16,6 ngàn ha, trong khi đó tính theo chỉ số IRSI là 14,4

ngàn ha và thấp nhất là tính theo chỉ số NBR là hơn 13,8 ngàn ha. Kết hợp

giữa Bảng 4.13 và Biểu đồ 4.7. Diện tích mất rừng của các huyện từ năm

2017 - 2020 cho thấy, diện tích mất rừng lớn nhất ở kỳ 3, huyện A Lưới mất

nhiều rừng nhất là 2,3 ngàn ha, tiếp theo đó là các huyện Hương Thủy hơn 2

ngàn. Trong khi đó các huyện ít biến động là huyện Phú Vang, Quảng Điền

và TP Huế, điều này là phù hợp bởi lẽ 3 đơn vị này diện tích đất rừng ít, Phú

Vang và Quảng Điền là vùng ven biển, chủ yếu đất nông nghiệp.

Biểu đồ 4.7. Diện tích mất rừng của các huyện từ năm 2017 - 2020

Các loại rừng đã mất thống kê theo các chỉ số viễn thám được trình bày

tại Bảng 4.14. Qua bảng số liệu ta thấy diện tích rừng trồng mất nhiều nhất

(theo chỉ số NDVI là gần 15 ngàn ha, theo chỉ số NBR là hơn 13 ngàn ha,

theo chỉ số IRSI là gần 13 ngàn ha), loại rừng bị mất nhiều thứ hai là rừng

phục hồi và rừng hỗn giao, rừng nghèo. Do loại rừng này thường nằm gần

nương rẫy, hoặc rừng trồng của người dân có những hoạt động có thể gây mất

rừng như cháy rừng, lấn chiếm rừng làm nương rẫy. Các loại rừng trung bình,

rừng giàu bị mất ít hơn. Trong thực tế, diện tích các loại rừng này thường

được bảo vệ nghiêm ngặt hơn, hoặc nếu có bị chặt phá trái phép chủ yếu là

chặt chọn do vậy rất khó để có thể phát hiện ra được mất rừng tại các loại

rừng này. Diện tích rừng tre nứa ở khu vực nghiên cứu trên phạm vi toàn tỉnh

đều khá ít (6.715 ha) [23], do vậy diện tích mất trong giai đoạn này ít cũng là

phù hợp.

Bảng 4.14. Thống kê dữ liệu mất rừng từ 4/2017 – 5/2020 dựa trên các chỉ

số viễn thám phân theo các loại rừng

Loại rừng

IRSI

NBR

NDVI

Rừng trồng

12.969,64

13.395,24

14.903,40

Rừng phục hồi

899,11

1.327,58

714,74

Rừng hỗn giao

56,16

102,96

86,48

Rừng nghèo

121,00

199,43

87,95

Rừng tre nứa

1,21

10,47

8,67

Rừng trung bình

11,07

57,97

6,36

Rừng giàu

5,78

0,74

Tổng

13.874,57

14.483,79

16.607,59

4.2.4.1. Đánh giá độ chính xác về mặt xác định vị trí mất rừng

Nghiên cứu đã tiến hành lấy mẫu trong 3 kỳ để tiến hành đánh giá

độ chính xác. Mỗi kỳ lấy 100 điểm mất rừng, các điểm mất rừng này

được cung cấp bởi cán bộ phòng QLBVR thuộc CCKL tỉnh Thừa Thiên

Huế. Kết quả đánh giá độ chính xác về phát hiện điểm mất rừng được

trình bày tại

Bảng 4.15. Thống kê số lượng mẫu và diện tích mẫu sử dụng trong

nghiên cứu từ 2017 - 2019

Tên kỳ

Nguồn gốc rừng

Loại đất loại rừng

Số mẫu

Diện tích

Rừng tự nhiên

37,90

Rừng gỗ tự nhiên núi đất LRTX phục hồi

Rừng tự nhiên

0,92

Kỳ 1 (2017 - 2018)

Rừng gỗ tự nhiên núi đất LRTX nghèo

Rừng trồng

Rừng gỗ trồng núi đất

88 478,87

Rừng tự nhiên

0,49

Rừng gỗ tự nhiên núi đất LRTX nghèo

Rừng tự nhiên

20,24

Rừng gỗ tự nhiên núi đất LRTX phục hồi

Rừng tự nhiên

1,13

Rừng hỗn giao G-TN tự nhiên núi đất

Kỳ 2 (2018 - 2019)

Rừng tự nhiên

4,26

Rừng hỗn giao TN-G tự nhiên núi đất

Rừng tự nhiên

0,23

Rừng lồ ô tự nhiên núi đất

Rừng trồng

Rừng gỗ trồng núi đất

86 491,49

Rừng tự nhiên

1,14

Rừng gỗ tự nhiên núi đất LRTX nghèo

Rừng tự nhiên

16,03

Rừng gỗ tự nhiên núi đất LRTX phục hồi

Rừng tự nhiên

7,49

Kỳ 3 (2019 - 2020)

Rừng hỗn giao TN-G tự nhiên núi đất

4,57

Rừng trồng

Rừng gỗ trồng đất cát

Rừng trồng

Rừng gỗ trồng núi đất

88 454,10

Nghiên cứu đã tiến hành đánh giá độ chính xác thông qua 300 điểm

mẫu của 3 thời kỳ từ năm 2017 - 2019, kết quả được thể hiện trong Bảng

4.16. Độ chính xác bình quân qua cả 3 kỳ về phát hiện điểm mất rừng là sử

dụng chỉ số NDVI đạt tới 95%, thấp nhất là chỉ số IRSI đạt 72,33 %, chỉ số

NBR đạt 79%. Kết quả tại bảng Bảng 4.16 cũng cho thấy nếu đánh giá độ

chính xác sử dụng 1 trong 3 chỉ số thì độ chính xác lên tới 98%, nếu yêu cầu

cả 3 chỉ số cùng phát hiện đúng thì tỷ lệ này đạt 69%. Như vậy có thể nói nếu

dùng riêng lẻ từng chỉ số thì có thể nói chỉ số NDVI phát hiện điểm mất rừng

tốt nhất.

Bảng 4.16. Đánh giá độ chính xác về phát hiện điểm mất rừng

Đơn vị tính: %

Một trong

Cả 3 chỉ số

3 chỉ số

Tên kỳ

NDVI

NBR

IRSI

cùng phát

phát hiện

hiện đúng

đúng

86,00

88,00

77,00

99,00

Độ chính xác kỳ 1

90,00

68,00

78,00

63,00

97,00

Độ chính xác kỳ 2

95,00

81,00

62,00

54,00

98,00

Độ chính xác kỳ 3

90,33

79,00

72,33

64,67

98,00

Bình quân 3 kỳ

Nghiên cứu cũng tiếp tục tách dữ liệu các trường hợp mà chỉ có 1 chỉ

số phát hiện được điểm mất rừng mà các chỉ số khác không phát hiện được.

Kết quả tại Bảng 4.17 cho thấy chỉ số NDVI vẫn là chỉ số có khả năng phát

hiện được điểm mất rừng tốt nhất so với 2 chỉ số còn lại. Trong 300 điểm có

35 điểm mà chỉ có chỉ số NDVI phát hiện ra, trong khi đó NBR là 7 điểm và

IRSI là 4. Tuy nhiên, từ kết quả tại bảng Bảng 4.16 và Bảng 4.17 cho thấy

nên kết hợp cả 3 chỉ số này để đạt được độ chính xác về phát hiện điểm mất

rừng lên đến 98%.

Bảng 4.17. Số điểm chỉ số lựa chọn phát hiện được điểm mất rừng mà hai

chỉ số còn lại không phát hiện được

#

NDVI

NBR

IRSI

Kỳ 1

Kỳ 2

Kỳ 3

Tổng

4.2.4.2. Đánh giá độ chính xác về diện tích phát hiện mất rừng

Kết quả so sánh về diện tích giữa 3 chỉ số so với mẫu kiểm chứng chỉ

áp dụng cho 193/300 điểm là số điểm mất rừng mà cả 3 chỉ số cùng phát hiện

ra để so sánh sự chênh lệch về diện tích giữa mẫu với diện tích tại các điểm

mà 3 chỉ số cùng phát hiện ra. Kết quả tại Bảng 4.18 cho thấy, chỉ số NDVI

tính toán ra diện tích gần chính xác nhất so với diện tích mẫu mất rừng

(13,47%), tiếp theo đến chỉ số NBR (15,61%) và cuối cùng là chỉ số IRSI

(21,27%)tính ra diện tích chênh lệch lớn nhất so với diện tích từ mẫu mất

rừng. Như vậy, có thể sử dụng chỉ số NDVI để xác định diện tích mất rừng

đạt sai số nhỏ nhất áp dụng tại địa điểm nghiên cứu.

Sai số này đến từ cả mẫu mất rừng sử dụng trong nghiên cứu và tính

chất của lô mất rừng xác định bằng các chỉ số viễn thám. Sai số do mẫu mất

rừng là do mẫu mất rừng sử dụng số liệu được cung cấp bởi CCKL tỉnh Thừa

Thiên Huế, cán bộ kiểm lâm sử dụng GPS để đo nên có những sai số nhất

định từ GPS. Sai số từ các lô mất từng tính từ chỉ số viễn thám do sử dụng

ảnh raster để tính toán, mỗi pixel là 10m x 10m khi tính chuyển từ raster sang

vector sẽ có những sai số nhất định. Tuy nhiên, đối với viễn thám áp dụng

trong lâm nghiệp thì tỷ lệ 13,47 % là có thể tạm chấp nhận được và thực tế để

cập nhật diễn biến rừng lực lượng kiểm lâm cần đến trực tiếp hiện trường và

xác minh lại với những trường hợp có tính chất nghiêm trọng như phá rừng tự

nhiên cần có những đo đạc cụ thể và chính xác hơn.

Bảng 4.18. Bảng so sánh diện tích chênh lệch giữa mẫu mất rừng và diện

tích mất rừng từ ứng dụng các chỉ số tính ra

Diện tích tính theo chỉ số Tỷ lệ chênh lệch so với mẫu (%)

Kỳ

Diện tích mẫu

NDVI NBR

IRSI

NDVI

NBR

IRSI

517,69 446,74 454,91 448,57 13,70 12,13 13,35

487,79 404,92 398,10 399,06 16,99 18,39 18,19

483,33 436,38 404,49 327,42 9,71 16,31 32,26

1.488,81 1.288,04 1.257,49 1.175,05 13,47 15,61 21,27

Tổng

4.3. Giải pháp nâng cao hiệu quả theo dõi và giám sát mất rừng khu vực

nghiên cứu

4.3.1. Đề xuất các bước tính toán và sử dụng chỉ số viễn thám trong giám

sát mất rừng

Từ kết quả tại các mục 4.2 có thể đưa ra các bước xác định một lô rừng

bị mất tại khu vực nghiên cứu sử dụng 3 chỉ số NDVI, NBR và IRSI theo các

sơ đồ.

Sơ đồ 4.2, Sơ đồ 4.3, Sơ đồ 4.4.

Sơ đồ 4.2. Sơ đồ cách tính toán để tìm ra lô mất rừng dựa vào

chỉ số NDVI

Sơ đồ 4.3. Sơ đồ cách tính toán để tìm ra lô mất rừng dựa vào chỉ số NBR

Sơ đồ 4.4. Sơ đồ cách tính toán để tìm ra lô mất rừng dựa vào chỉ số IRSI

4.3.2. Đề xuất sử dụng chỉ số viễn thám trong theo dõi và giám sát mất

rừng

Thông qua kết quả nghiên cứu cho thấy, nếu sử dụng độc lập 1 chỉ số

thì nên sử dụng chỉ số NDVI với khả năng phát hiện ra lô rừng bị mất độ

chính xác lên đến 90,33% hoặc sử dụng kết hợp cả 3 chỉ số NDVI, NBR và

IRSI để đạt tới độ chính xác lên đến 98 %. Về tính toán diện tích lô rừng bị

mất nên sử dụng chỉ số NDVI để tính toán độ chính xác tại khu vực nghiên

cứu với sai số chỉ 13,70%.

4.3.3. Đề xuất việc xây dựng phần mềm phát hiện tự động mất rừng

Dựa trên các kết quả khả quan nêu trên, nghiên cứu đề xuất việc xây

dựng phần mềm phát hiện mất rừng tự động sử dụng nguồn tư liệu ảnh

Sentinel-2 với chu kỳ bay là 5 ngày như vậy có thể phát hiện sớm các vụ mất

rừng. Việc xây dựng phần mềm dựa trên việc ứng dụng các chỉ số viễn thám

như trong nghiên cứu này đã đề cấp và sử dụng nền tảng Google Earth Engine

để có thể tiết kiệm được chi phí mua thiết bị cấu hình cao mà vẫn đáp ứng

được yêu cầu về xử lý dữ liệu viễn thám.

Hiện nay, tuy chưa được được xây dựng thành một phần mềm hoàn

chỉnh, tuy nhiên ứng dụng code phát hiện mất rừng đã được xây dựng và

hoàn thiện dưới dạng webgis dựa trên hỗ trợ từ nền tảng Google Earth

Engine

tại

địa

chỉ

https://ninhbinhquetoi.users.earthengine.app/view/detectdeforestationtth

và được cán bộ của phòng QLBVR thuộc CCKL tỉnh Thừa Thiên Huế sử

dụng phục vụ cho phát hiện sớm mất rừng và theo dõi diễn diễn biến rừng

của năm 2020.

KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ

1. Kết luận

Thừa Thiên Huế là một trong những tỉnh có diện tích rừng và độ che

phủ rừng lớn ở khu vực miền trung. Lực lượng Kiểm lâm của tỉnh còn khá

mỏng, do vậy, việc ứng dụng công nghệ viễn thám và GIS trong việc theo dõi,

giám sát và phát hiện sớm mất rừng là việc vô cùng ý nghĩa góp phần cho

việc giảm sức lực của con người trong việc phải thường xuyên tuần tra, truy

quét ngoài hiện trường và kịp thời xử lý các vụ vi phạm về phá rừng trên địa

bàn tỉnh Thừa Thiên Huế.

Ảnh vệ tinh Sentinel-2 sử dụng để tính toán tìm ra lô rừng bị mất tại

khu vực nghiên cứu được tạo thành từ 6 mảnh ghép (48PYC, 48PZC,

48QYD, 48QZD, 49PBT, 49QBU), trong 4 năm từ tháng 4/2017 - 5/200, có

tổng số 210 ảnh, tỷ lệ mây bình quân là 40,36%. Dữ liệu ảnh vệ tinh Sentinel-

2 của 12 tháng năm 2019 gồm 701 ảnh, với tỷ lệ mây bình quân là 54,74%.

Dữ liệu ảnh vệ tinh tại khu vực nghiên cứ được tải về, lọc mây, ghép ảnh đa

thời gian trên GEE đảm bảo đạt yêu cầu trong sử dụng dữ liệu viễn thám

trong phát hiện mất rừng.

Các xác định một lô rừng bị mất sử dụng chỉ số viễn thám tại khu vực

nghiên cứu được áp dụng như sau: i) Với chỉ số NDVI áp dụng ngưỡng

NDVIT1 ≥ 0,59, NDVT2 < 0,59 và ∆NDVI ≥ 0,28 (độ chính xác điểm mất rừng

90,33%, sai số về diện tích phát hiện 13,37%) ; ii) Với chỉ số NBR áp dụng

ngưỡng NBRT1 ≥ 0,61, NBRT2 < 0,61 và ∆NBR ≥ 0,51 (độ chính xác điểm

mất rừng 79,00%, sai số về diện tích phát hiện 15,61%) ; iii) Với chỉ số IRSI

áp dụng ngưỡng IRSIT1 ≥ 1,20, IRSIT2 < 1,20 và ∆ IRSI ≥ 0,77 (độ chính xác

điểm mất rừng 72,33%, sai số về diện tích phát hiện 21,27%). Nên áp dụng

kết hợp cả 3 chỉ số này để đạt độ chính xác điểm mất rừng với độ chính xác

lên đến 98%.

Diện tích mất rừng giai đoạn 2017 - 2020 tại khu vực nhiên cứu mỗi

năm mất đi gần 15 ngàn ha, tính theo các chỉ số viễn thám: i) Theo chỉ số

NDVI chiếm diện tích lớn nhất là 16,6 ngàn ha; ii) Theo chỉ số IRSI là 14,4

ngàn ha; iii) Theo chỉ số NBR là hơn 13,8 ngàn ha. Các huyện mất rừng nhiều

nhất là huyện A Lưới, huyện Hương Trà, Hương hủy; các huyện mất ít mất

rừng là TP Huế, Phú Vang và Quảng Điền.

Độ chính xác về phát hiện điểm mất rừng của nghiên cứu là 90,33% với

chỉ số NDVI, 79% với chỉ số NBR và 72,33% với chỉ số IRSI; khi kết hợp cả

3 chỉ số để phát hiện mất rừng thì độ chính xác lên tới 98%. Sai số về diện

tích vùng mất rừng trong nghiên cứu lần lượt là 13,47% với chỉ số NDVI,

15,61 với chỉ số NBR và 21,27% với chỉ số IRSI.

2. Tồn tại

Nghiên cứu sử dụng vật liệu là ảnh vệ tinh Sentinel-2, do vậy vẫn

còn chịu ảnh ảnh hưởng của mây dẫn đến một số điểm mất rừng phát hiện

chưa đúng.

Nghiên cứu chưa tính đến trường hợp đối tượng rừng lá rụng theo mùa.

3. Kiến nghị

Tiếp tục có những nghiên cứu sâu hơn để tìm ra chỉ số NDVI biến động

theo mùa một cách rõ dệt hơn để có thể có giá trị NDVI áp dụng cho khoảng

thời gian ngắn hơn để nâng cao độ chính xác về điểm và diện tích phát hiện

mất rừng. Trong đó, cần quan tâm đến đối tượng rừng lá dụng theo mùa.

Ngoài ra, cần kết hợp với nguồn dữ liệu ảnh viễn thám không bị ảnh hưởng

mây che phủ.

Đề xuất xây dựng phần mềm phát hiện mất rừng trên nền tảng Google

Earth Engine và sử dụng rộng rãi cho toàn tỉnh Thừa Thiên Huế để có những

những giải pháp quản lý rừng mang tính chất tổng thể và đồng nhất góp phần

quản lý tốt hơn diện tích rừng và đất lâm nghiệp trên địa bàn tỉnh.

TÀI LIỆU THAM KHẢO

TÀI LIỆU TIẾNG VIỆT

1. Trần Quang Bảo, Nguyễn Đức Lợi và Lã Nguyên Khang (2017), "Ứng

dụng GIS và viễn thám trong phân tích thực trạng và đánh giá diễn biến

tài nguyên rừng tại huyện Vĩnh Cửu, tỉnh Đồng Nai", Tạp chí Khoa học

và Công nghệ Lâm nghiệp. số 6/2017, tr. 92 - 100.

2. Bộ Nông nghiệp và Phát triển Nông thôn (2020), Báo cáo kết quả thực

hiện dự án "Thiết lập thí điểm hệ thống tuần tra, giám sát lửa rừng, sự

thay đổi rừng và đất lâm nghiệp cấp huyện", chủ biên.

3. Cổng thông tin điện tử Kiểm lâm Thừa Thiên Huế Tăng cường tập huấn

kỹ thuật giám sát rừng bằng máy tính bảng cho cán bộ quản lý rừng các

cấp trên địa bàn tỉnh Thừa Thiên Huế, truy cập ngày 29/10/2020, tại

trang web http://www.kiemlamthuathienhue.org.vn/tin-hoat-dong/tang-

cuong-tap-huan-ky-thuat-giam-sat-rung-bang-may-tinh-bang-cho-can-

bo-quan-ly-rung-cac-cap-tren-dia-ban-tinh-thua-thien-hue_227.html.

4. Cổng thông tin điện tử quốc hội nước cộng hòa xã hội chủ nghĩa Việt Nam Góc

nhìn đại biểu: Giải pháp nào cho vấn nạn phá rừng ?, truy cập ngày

01/11/2020,

tại

trang

web

http://quochoi.vn/UserControls/Publishing/News/BinhLuan/pFormPrint.aspx?

UrlListProcess=/content/tintuc/Lists/News&ItemID=44130.

5. Cổng thông tin điện tử Sở NN&PTNT tỉnh Thừa Thiên Huế Tập huấn Hệ thống

giám sát rừng công nghệ cao tại tỉnh Thừa Thiên Huế, truy cập ngày 29/10/2020,

tại trang web https://snnptnt.thuathienhue.gov.vn/?gd=1&cn=159&tc=11677.

6. Cổng thông tin điển tử tỉnh Thừa Thiên Huế Quy hoạch phát triển kinh tế xã

hội, truy cập ngày 28/10/2020, tại trang web https://thuathienhue.gov.vn/vi-

vn/Thong-tin-kinh-te-xa-hoi/tid/Quy-hoach-phat-trien-kinh-te-xa-

hoi/cid/D6CB55BA-1345-43BF-BD98-FE26A646F948.

7. Cổng thông tin điện tử tỉnh Thừa Thiên Huế, "Tình hình kinh tế - xã hội

tháng 12 và cả năm 2019".

8. Cổng thông tin điện tử tỉnh Thừa Thiên Huế; Bản đồ hành chính, truy

cập ngày 23/10/2020, tại trang web https://thuathienhue.gov.vn/vi-

vn/Trang-chu/Thong-tin-chung/Ban-do-hanh-chinh.

9. Cổng thông tin điện tử tỉnh Thừa Thiên Huế; Giới thiệu tổng quan Thừa

Thiên Huế, Thành phố Huế, truy cập ngày 23/10/2020, tại trang web

https://thuathienhue.gov.vn/Thong-tin-kinh-te-xa-hoi/tid/Gioi-thieu-

tong-quan-Thua-Thien-Hue/cid/710F28B2-E3D2-4746-BE8C-

CFAD794A99E3.

10. Cục Kiểm lâm Số liệu diễn biến rừng hàng năm, truy cập ngày 23/10/2020, tại

trang web http://www.kiemlam.org.vn/Desktop.aspx/List/So-lieu-dien-bien-

rung hang-nam/.

11. Trần Thu Hà và các cộng sự. (2016), "Ứng dụng GIS và viễn thám trong

giám sát biến động diện tích rừng huyện Cao Phong-tỉnh Hòa Bình",

Tạp chí Khoa học và Công nghệ Lâm nghiệp. số 4/2016, tr. 59 - 69.

12. Nguyễn Xuân Trung Hiếu; (2013), Ứng dụng viễn thám và GIS thành

lập bản đồ biến động các loại thực phủ địa bàn thành phố Huế - tỉnh

Thừa Thiên Huế, Hệ thống thông tin địa lý, Đại học Nông lâm Thành

phố Hồ Chí Minh.

13. Nguyễn Hải Hòa, Nguyễn Thị Thu Hiền và Lương Thị Thu Trang

(2016), "Ứng dụng GIS và ảnh Landsat đa thời gian xây dựng bản đồ

biến động diện tích rừng tại xã vùng đệm Xuân Đài và Kim Thượng,

vườn quốc gia Xuân Sơn", Tạp chí Khoa học Lâm nghiệp. số 3/2016, tr.

4524-4537.

14. Nguyễn Thanh Hoàn và các cộng sự. (2017), "Xác định vị trí mất rừng

bằng phương pháp phân tích véc tơ thay đổi đa biến (MCVA) trên tư liệu

vệ tinh Landsat-8", Tạp chí Khoa học và Công nghệ Lâm nghiệp. số

4/2017, tr. 96-105.

15. Nguyễn Văn Lợi; (2013), "Phân tích chỉ số khác biệt thực vật (NDVI)

của ảnh viễn thám để đánh giá biến động che phủ thực vật rừng giai

đoạn 2005-2011 tại ban quản lý rừng phòng hộ đầu nguồn Sông Hương,

tỉnh Thừa Thiên Huế", Tạp chí Khoa học Đại học Huế. Số 8, tập 87.

16. Trương Đức Nguyên (2020), Ứng dụng ảnh viễn thám và GIS để theo

dõi biến động tài nguyên rừng tại xã Hồng Bắc, huyện A Lưới, tỉnh Thừa

Thiên Huế, Lâm học, Đại học Nông lâm, Đại học Huế, TP Huế.

17. Quốc hội nước Cộng hòa xã hội chủ nghĩa Việt Nam (2017), Luật Lâm

nghiệp, chủ biên.

18. Sở NN&PTNT tỉnh Thừa Thiên Huế (2020), Quyết định số 582/QĐ-

SNNPTNT về việc giao biên chế năm 2020 cho Chi cục Kiểm lâm và các

đơn vị trực thuộc chi cục, chủ biên.

19. Nguyễn Văn Thị, Nguyễn Đình Dương và Trần Quang Bảo (2018),

"Quan hệ giữa tán xạ ngược của ảnh radar Sentinel-1 với chỉ số NDVI

của ảnh quang học Sentinel-2: trường hợp nghiên cứu cho đối tượng

rừng khộp tại tỉnh Đắk Lắk", Tạp chí Khoa học và Công nghệ Lâm

nghiệp. số 3/2018, tr. 167 - 176.

20. Tổng cục thống kê Niêm giám thống kê, Nhà xuất bản thống kê, Hà Nội.

21. Trung tâm vì Con người và Rừng; (2013), Một số thuật ngữ thông dụng

liên quan tới biến đổi khí hậu và REDD+.

22. UBND tỉnh Thừa Thiên Huế (2016), Quyết định số 2478/QĐ-UBND

ngày 18/10/2016 về việc phê duyệt kết quả Kiểm kê rừng trên địa bàn

tỉnh Thừa Thiên Huế, chủ biên.

23. UBND tỉnh Thừa Thiên Huế (2020), Quyết định số 529/QĐ-UBND ngày

25/02/2020 về việc công bố hiện trạng rừng tỉnh Thừa Thiên Huế năm

2019, chủ biên.

TÀI LIỆU TIẾNG ANH

24. Alfonso Fernandez-manso, Oscar Fernández-Manso và C. Quintano

(2016), "SENTINEL-2A red-edge spectral

indices suitability

for

discriminating burn severity", International Journal of Applied Earth

Observation and Geoinformation. 50, tr. 170-175.

25. Cengiz Akbulak và các cộng sự. (2018), "Forest fire risk analysis via

integration of GIS, RS and AHP: The Case of Çanakkale, Turkey",

Journal of Human Sciences. 15(4), tr. 2127-2143.

26. Dmitry Mozgovoy và các cộng sự. (2019), "Automated detection of

deforestation based on multi-spectrum satellite data", Journal of

Physics: Conference Series. 1399, tr. 044101.

27. Elena Reinisch và các cộng sự. (2020), Combining multispectral imagery

and synthetic aperture radar for detecting deforestation, SPIE Defense +

Commercial Sensing, Vol. 11392, SPIE.

28. Emre Çolak và Filiz Sunar (2020), "Evaluation of forest fire risk in the

Mediterranean Turkish forests: A case study of Menderes region, Izmir",

International Journal of Disaster Risk Reduction. 45, tr. 101479.

29. Eveline Pereira và các cộng sự. (2020), "Spatial and spectral remote

sensing

features

to detect deforestation in Brazilian Savannas",

Advances in Forestry Science. 6.

30. Google Sentinel-2 MSI: MultiSpectral Instrument, Level-1C, truy cập

ngày 27/10/2020, tại trang web https://developers.google.com/earth-

engine/datasets/catalog/COPERNICUS_S2.

31. Hesbon Ochego (2003), Application of Remote Sensing in Deforestation

Monitoring: A Case Study of the Aberdares (Kenya), The second FIG

Regional Conference, chủ biên, Marrakech, Morrocco.

32. Livescience https://www.livescience.com/27692-deforestation.html, truy

cập ngày 23/10/2020, tại trang web https://www.livescience.com/27692-

deforestation.html.

33. Manabu Watanabe và các cộng sự. (2017), Development of early-stage

deforestation detection algorithm (advanced) with PALSAR-2/ScanSAR

for JICA-JAXA program (JJ-FAST), 2446-2449.

34. Meng Lu và các cộng sự. (2016), "Spatio-temporal change detection

from multidimensional arrays: Detecting deforestation from MODIS

time series", ISPRS Journal of Photogrammetry and Remote Sensing.

117.

35. Michael Schultz và các cộng sự. (2016), "Performance of vegetation

indices

from Landsat

time series

in deforestation monitoring",

International Journal of Applied Earth Observation and Geoinformation.

52, tr. 318-327.

36. Muhammad Saleh và các cộng sự. (2019), "Algorithm for detecting

deforestation and

forest degradation using vegetation

indices",

TELKOMNIKA

(Telecommunication Computing Electronics and

Control). 17, tr. 2335.

37. Nurul Ihsan Fawzi, Vina Nurul Husna và Jackson Helms (2018),

"Measuring deforestation using remote sensing and its implication for

conservation in Gunung Palung National Park, West Kalimantan,

Indonesia", IOP Conference Series: Earth and Environmental Science.

149, tr. 012038.

38. Stuart L. Pimm Deforestation, truy cập ngày 27/10/2020, tại trang web

https://www.britannica.com/science/deforestation/Effects.

39. Yosio Edemir Shimabukuro và các cộng sự. (2019), "Monitoring

deforestation and forest degradation using multi-temporal fraction

images derived from Landsat sensor data in the Brazilian Amazon",

International Journal of Remote Sensing. 40(14), tr. 5475-5496.

40. Youmatter (2020), "What Is Deforestation? Definition, Causes,

Consequences, Solutions".

PHỤ LỤC

Phụ lục 01

Danh sách các ảnh vệ tinh Sentinel-2 sử dụng trong phân tích dữ liệu mất rừng từ năm 2017 - 2020 tại khu vực

nghiên cứu

2017

S2A_MSIL1C_20170401T031541_N0204_R118_T48PYC_20170401T032918

98,94

01-04-2017

48PYC

2017

S2A_MSIL1C_20170401T031541_N0204_R118_T48PZC_20170401T032918

100,00

01-04-2017

48PZC

2017

S2A_MSIL1C_20170401T031541_N0204_R118_T48QYD_20170401T032918

85,21

01-04-2017

48QYD

2017

S2A_MSIL1C_20170401T031541_N0204_R118_T48QZD_20170401T032918

100,00

01-04-2017

48QZD

2017

S2A_MSIL1C_20170408T030541_N0204_R075_T48PYC_20170408T031358

08-04-2017

48PYC

7,63

2017

S2A_MSIL1C_20170408T030541_N0204_R075_T48PZC_20170408T031358

08-04-2017

48PZC

1,37

2017

S2A_MSIL1C_20170408T030541_N0204_R075_T48QYD_20170408T031358

08-04-2017

48QYD

1,81

2017

S2A_MSIL1C_20170408T030541_N0204_R075_T48QZD_20170408T031358

08-04-2017

48QZD

0,19

2017

S2A_MSIL1C_20170408T030541_N0204_R075_T49PBT_20170408T031358

08-04-2017

49PBT

0,43

2017

S2A_MSIL1C_20170408T030541_N0204_R075_T49QBU_20170408T031358

08-04-2017

49QBU

2017

S2A_MSIL1C_20170411T033241_N0204_R118_T48PYC_20170411T033242

10,25

11-04-2017

48PYC

2017

S2A_MSIL1C_20170411T033241_N0204_R118_T48PZC_20170411T033242

11-04-2017

48PZC

2017

S2A_MSIL1C_20170411T033241_N0204_R118_T48QYD_20170411T033242

1,29

11-04-2017

48QYD

2017

S2A_MSIL1C_20170411T033241_N0204_R118_T48QZD_20170411T033242

0,03

11-04-2017

48QZD

2017

S2A_MSIL1C_20170418T032321_N0204_R075_T48PYC_20170418T032322

75,15

18-04-2017

48PYC

2017

S2A_MSIL1C_20170418T032321_N0204_R075_T48PZC_20170418T032322

58,09

18-04-2017

48PZC

2017

S2A_MSIL1C_20170418T032321_N0204_R075_T48QYD_20170418T032322

100,00

18-04-2017

48QYD

2017

S2A_MSIL1C_20170418T032321_N0204_R075_T48QZD_20170418T032322

30,02

18-04-2017

48QZD

2017

S2A_MSIL1C_20170418T032321_N0204_R075_T49PBT_20170418T032322

27,99

18-04-2017

49PBT

2017

S2A_MSIL1C_20170418T032321_N0204_R075_T49QBU_20170418T032322

32,44

18-04-2017

49QBU

2017

S2A_MSIL1C_20170421T031541_N0204_R118_T48PYC_20170421T033212

10,91

21-04-2017

48PYC

2017

S2A_MSIL1C_20170421T031541_N0204_R118_T48PZC_20170421T033212

0,47

21-04-2017

48PZC

2017

S2A_MSIL1C_20170421T031541_N0204_R118_T48QYD_20170421T033212

0,35

21-04-2017

48QYD

2017

S2A_MSIL1C_20170421T031541_N0204_R118_T48QZD_20170421T033212

0,13

21-04-2017

48QZD

2017

S2A_MSIL1C_20170428T030541_N0205_R075_T48PYC_20170428T031351

100,00

28-04-2017

48PYC

2017

S2A_MSIL1C_20170428T030541_N0205_R075_T48PZC_20170428T031351

90,69

28-04-2017

48PZC

2017

S2A_MSIL1C_20170428T030541_N0205_R075_T48QYD_20170428T031351

100,00

28-04-2017

48QYD

2017

S2A_MSIL1C_20170428T030541_N0205_R075_T48QZD_20170428T031351

100,00

28-04-2017

48QZD

2017

S2A_MSIL1C_20170428T030541_N0205_R075_T49PBT_20170428T031351

93,81

28-04-2017

49PBT

2017

S2A_MSIL1C_20170428T030541_N0205_R075_T49QBU_20170428T031351

100,00

28-04-2017

49QBU

2018

S2B_MSIL1C_20180401T031539_N0206_R118_T48PYC_20180401T061429

19,39

01-04-2018

48PYC

2018

S2B_MSIL1C_20180401T031539_N0206_R118_T48PZC_20180401T061429

10,22

01-04-2018

48PZC

2018

S2B_MSIL1C_20180401T031539_N0206_R118_T48QYD_20180401T061429

46,16

01-04-2018

48QYD

2018

S2B_MSIL1C_20180401T031539_N0206_R118_T48QZD_20180401T061429

5,51

01-04-2018

48QZD

2018

S2A_MSIL1C_20180403T030541_N0206_R075_T48PYC_20180403T064412

1,06

03-04-2018

48PYC

2018

S2A_MSIL1C_20180403T030541_N0206_R075_T48PZC_20180403T064412

0,07

03-04-2018

48PZC

2018

S2A_MSIL1C_20180403T030541_N0206_R075_T48QYD_20180403T064412

87,53

03-04-2018

48QYD

2018

S2A_MSIL1C_20180403T030541_N0206_R075_T48QZD_20180403T064412

26,35

03-04-2018

48QZD

2018

S2A_MSIL1C_20180403T030541_N0206_R075_T49PBT_20180403T064412

0,37

03-04-2018

49PBT

2018

S2A_MSIL1C_20180403T030541_N0206_R075_T49QBU_20180403T064412

9,63

03-04-2018

49QBU

2018

S2A_MSIL1C_20180406T031541_N0206_R118_T48PYC_20180406T060204

45,32

06-04-2018

48PYC

2018

S2A_MSIL1C_20180406T031541_N0206_R118_T48PZC_20180406T060204

82,20

06-04-2018

48PZC

2018

S2A_MSIL1C_20180406T031541_N0206_R118_T48QYD_20180406T060204

73,50

06-04-2018

48QYD

2018

S2A_MSIL1C_20180406T031541_N0206_R118_T48QZD_20180406T060204

56,86

06-04-2018

48QZD

2018

S2B_MSIL1C_20180408T030539_N0206_R075_T48PYC_20180408T060931

100,00

08-04-2018

48PYC

2018

S2B_MSIL1C_20180408T030539_N0206_R075_T48PZC_20180408T060931

97,41

08-04-2018

48PZC

2018

S2B_MSIL1C_20180408T030539_N0206_R075_T48QYD_20180408T060931

100,00

08-04-2018

48QYD

2018

S2B_MSIL1C_20180408T030539_N0206_R075_T48QZD_20180408T060931

79,71

08-04-2018

48QZD

2018

S2B_MSIL1C_20180408T030539_N0206_R075_T49PBT_20180408T060931

92,37

08-04-2018

49PBT

2018

S2B_MSIL1C_20180408T030539_N0206_R075_T49QBU_20180408T060931

49,73

08-04-2018

49QBU

2018

S2B_MSIL1C_20180411T031539_N0206_R118_T48PYC_20180411T062628

0,25

11-04-2018

48PYC

2018

S2B_MSIL1C_20180411T031539_N0206_R118_T48PZC_20180411T062628

0,01

11-04-2018

48PZC

2018

S2B_MSIL1C_20180411T031539_N0206_R118_T48QYD_20180411T062628

6,36

11-04-2018

48QYD

2018

S2B_MSIL1C_20180411T031539_N0206_R118_T48QZD_20180411T062628

11-04-2018

48QZD

2018

S2A_MSIL1C_20180413T030541_N0206_R075_T48PYC_20180413T060434

1,50

13-04-2018

48PYC

2018

S2A_MSIL1C_20180413T030541_N0206_R075_T48PZC_20180413T060434

0,31

13-04-2018

48PZC

2018

S2A_MSIL1C_20180413T030541_N0206_R075_T48QYD_20180413T060434

1,26

13-04-2018

48QYD

2018

S2A_MSIL1C_20180413T030541_N0206_R075_T48QZD_20180413T060434

0,08

13-04-2018

48QZD

2018

S2A_MSIL1C_20180413T030541_N0206_R075_T49PBT_20180413T060434

3,26

13-04-2018

49PBT

2018

S2A_MSIL1C_20180413T030541_N0206_R075_T49QBU_20180413T060434

13-04-2018

49QBU

2018

S2A_MSIL1C_20180416T031541_N0206_R118_T48PYC_20180416T065409

84,18

16-04-2018

48PYC

2018

S2A_MSIL1C_20180416T031541_N0206_R118_T48PZC_20180416T065409

100,00

16-04-2018

48PZC

2018

S2A_MSIL1C_20180416T031541_N0206_R118_T48QYD_20180416T065409

99,94

16-04-2018

48QYD

2018

S2A_MSIL1C_20180416T031541_N0206_R118_T48QZD_20180416T065409

90,67

16-04-2018

48QZD

2018

S2B_MSIL1C_20180418T030539_N0206_R075_T48PYC_20180418T055826

100,00

18-04-2018

48PYC

2018

S2B_MSIL1C_20180418T030539_N0206_R075_T48PZC_20180418T055826

99,64

18-04-2018

48PZC

2018

S2B_MSIL1C_20180418T030539_N0206_R075_T48QYD_20180418T055826

100,00

18-04-2018

48QYD

2018

S2B_MSIL1C_20180418T030539_N0206_R075_T48QZD_20180418T055826

100,00

18-04-2018

48QZD

2018

S2B_MSIL1C_20180418T030539_N0206_R075_T49PBT_20180418T055826

97,07

18-04-2018

49PBT

2018

S2B_MSIL1C_20180418T030539_N0206_R075_T49QBU_20180418T055826

99,94

18-04-2018

49QBU

2018

S2B_MSIL1C_20180421T031539_N0206_R118_T48PYC_20180421T062410

22,55

21-04-2018

48PYC

2018

S2B_MSIL1C_20180421T031539_N0206_R118_T48PZC_20180421T062410

6,41

21-04-2018

48PZC

2018

S2B_MSIL1C_20180421T031539_N0206_R118_T48QYD_20180421T062410

9,68

21-04-2018

48QYD

2018

S2B_MSIL1C_20180421T031539_N0206_R118_T48QZD_20180421T062410

0,61

21-04-2018

48QZD

2018

S2A_MSIL1C_20180423T030541_N0206_R075_T48PYC_20180423T080516

1,81

23-04-2018

48PYC

2018

S2A_MSIL1C_20180423T030541_N0206_R075_T48PZC_20180423T080516

0,25

23-04-2018

48PZC

2018

S2A_MSIL1C_20180423T030541_N0206_R075_T48QYD_20180423T080516

0,27

23-04-2018

48QYD

2018

S2A_MSIL1C_20180423T030541_N0206_R075_T48QZD_20180423T080516

0,04

23-04-2018

48QZD

2018

S2A_MSIL1C_20180423T030541_N0206_R075_T49PBT_20180423T080516

23-04-2018

49PBT

2018

S2A_MSIL1C_20180423T030541_N0206_R075_T49QBU_20180423T080516

23-04-2018

49QBU

2018

S2A_MSIL1C_20180426T031731_N0206_R118_T48PYC_20180426T055154

66,31

26-04-2018

48PYC

2018

S2A_MSIL1C_20180426T031731_N0206_R118_T48PZC_20180426T055154

87,73

26-04-2018

48PZC

2018

S2A_MSIL1C_20180426T031731_N0206_R118_T48QYD_20180426T055154

36,45

26-04-2018

48QYD

2018

S2A_MSIL1C_20180426T031731_N0206_R118_T48QZD_20180426T055154

20,99

26-04-2018

48QZD

2018

S2B_MSIL1C_20180428T030539_N0206_R075_T48PYC_20180428T064305

54,20

28-04-2018

48PYC

2018

S2B_MSIL1C_20180428T030539_N0206_R075_T48PZC_20180428T064305

24,08

28-04-2018

48PZC

2018

S2B_MSIL1C_20180428T030539_N0206_R075_T48QYD_20180428T064305

17,95

28-04-2018

48QYD

2018

S2B_MSIL1C_20180428T030539_N0206_R075_T48QZD_20180428T064305

4,13

28-04-2018

48QZD

2018

S2B_MSIL1C_20180428T030539_N0206_R075_T49PBT_20180428T064305

10,94

28-04-2018

49PBT

2018

S2B_MSIL1C_20180428T030539_N0206_R075_T49QBU_20180428T064305

2,17

28-04-2018

49QBU

2019

S2A_MSIL2A_20190401T031541_N0211_R118_T48PYC_20190401T071907

58,81

01-04-2019

48PYC

2019

S2A_MSIL2A_20190401T031541_N0211_R118_T48PZC_20190401T071907

96,74

01-04-2019

48PZC

2019

S2A_MSIL2A_20190401T031541_N0211_R118_T48QYD_20190401T071907

46,63

01-04-2019

48QYD

2019

S2A_MSIL2A_20190401T031541_N0211_R118_T48QZD_20190401T071907

78,35

01-04-2019

48QZD

2019

S2B_MSIL2A_20190403T030549_N0211_R075_T48PYC_20190403T084253

41,89

03-04-2019

48PYC

2019

S2B_MSIL2A_20190403T030549_N0211_R075_T48PZC_20190403T084253

27,44

03-04-2019

48PZC

2019

S2B_MSIL2A_20190403T030549_N0211_R075_T48QYD_20190403T084253

9,63

03-04-2019

48QYD

2019

S2B_MSIL2A_20190403T030549_N0211_R075_T48QZD_20190403T084253

23,47

03-04-2019

48QZD

2019

S2B_MSIL2A_20190403T030549_N0211_R075_T49PBT_20190403T084253

22,84

03-04-2019

49PBT

100

2019

S2B_MSIL2A_20190403T030549_N0211_R075_T49QBU_20190403T084253

27,24

03-04-2019

49QBU

101

2019

S2B_MSIL2A_20190406T031549_N0211_R118_T48PYC_20190406T072445

48,05

06-04-2019

48PYC

102

2019

S2B_MSIL2A_20190406T031549_N0211_R118_T48PZC_20190406T072445

18,32

06-04-2019

48PZC

103

2019

S2B_MSIL2A_20190406T031549_N0211_R118_T48QYD_20190406T072445

56,73

06-04-2019

48QYD

104

2019

S2B_MSIL2A_20190406T031549_N0211_R118_T48QZD_20190406T072445

50,82

06-04-2019

48QZD

105

2019

S2A_MSIL2A_20190408T030541_N0211_R075_T48PYC_20190408T071621

3,44

08-04-2019

48PYC

106

2019

S2A_MSIL2A_20190408T030541_N0211_R075_T48PZC_20190408T071621

44,77

08-04-2019

48PZC

107

2019

S2A_MSIL2A_20190408T030541_N0211_R075_T48QYD_20190408T071621

4,92

08-04-2019

48QYD

108

2019

S2A_MSIL2A_20190408T030541_N0211_R075_T48QZD_20190408T071621

14,45

08-04-2019

48QZD

109

2019

S2A_MSIL2A_20190408T030541_N0211_R075_T49PBT_20190408T071621

57,30

08-04-2019

49PBT

110

2019

S2A_MSIL2A_20190408T030541_N0211_R075_T49QBU_20190408T071621

14,01

08-04-2019

49QBU

111

2019

S2A_MSIL2A_20190411T031541_N0211_R118_T48PYC_20190411T074617

12,26

11-04-2019

48PYC

112

2019

S2A_MSIL2A_20190411T031541_N0211_R118_T48PZC_20190411T074617

6,16

11-04-2019

48PZC

113

2019

S2A_MSIL2A_20190411T031541_N0211_R118_T48QYD_20190411T074617

7,92

11-04-2019

48QYD

114

2019

S2A_MSIL2A_20190411T031541_N0211_R118_T48QZD_20190411T074617

12,21

11-04-2019

48QZD

115

2019

S2B_MSIL2A_20190413T030549_N0211_R075_T48PYC_20190413T071258

49,71

13-04-2019

48PYC

116

2019

S2B_MSIL2A_20190413T030549_N0211_R075_T48PZC_20190413T071258

44,34

13-04-2019

48PZC

117

2019

S2B_MSIL2A_20190413T030549_N0211_R075_T48QYD_20190413T071258

44,62

13-04-2019

48QYD

118

2019

S2B_MSIL2A_20190413T030549_N0211_R075_T48QZD_20190413T071258

41,24

13-04-2019

48QZD

119

2019

S2B_MSIL2A_20190413T030549_N0211_R075_T49PBT_20190413T071258

40,99

13-04-2019

49PBT

120

2019

S2B_MSIL2A_20190413T030549_N0211_R075_T49QBU_20190413T071258

32,73

13-04-2019

49QBU

121

2019

S2B_MSIL2A_20190416T031549_N0211_R118_T48PYC_20190416T072355

95,34

16-04-2019

48PYC

122

2019

S2B_MSIL2A_20190416T031549_N0211_R118_T48PZC_20190416T072355

100,00

16-04-2019

48PZC

123

2019

S2B_MSIL2A_20190416T031549_N0211_R118_T48QYD_20190416T072355

95,71

16-04-2019

48QYD

124

2019

S2B_MSIL2A_20190416T031549_N0211_R118_T48QZD_20190416T072355

94,23

16-04-2019

48QZD

125

2019

S2A_MSIL2A_20190418T030551_N0211_R075_T48PYC_20190418T073633

6,18

18-04-2019

48PYC

126

2019

S2A_MSIL2A_20190418T030551_N0211_R075_T48PZC_20190418T073633

23,73

18-04-2019

48PZC

127

2019

S2A_MSIL2A_20190418T030551_N0211_R075_T48QYD_20190418T073633

0,31

18-04-2019

48QYD

128

2019

S2A_MSIL2A_20190418T030551_N0211_R075_T48QZD_20190418T073633

3,05

18-04-2019

48QZD

129

2019

S2A_MSIL2A_20190418T030551_N0211_R075_T49PBT_20190418T073633

26,16

18-04-2019

49PBT

130

2019

S2A_MSIL2A_20190418T030551_N0211_R075_T49QBU_20190418T073633

4,15

18-04-2019

49QBU

131

2019

S2A_MSIL2A_20190421T031541_N0211_R118_T48PYC_20190421T072735

36,27

21-04-2019

48PYC

132

2019

S2A_MSIL2A_20190421T031541_N0211_R118_T48PZC_20190421T072735

21,01

21-04-2019

48PZC

133

2019

S2A_MSIL2A_20190421T031541_N0211_R118_T48QYD_20190421T072735

10,21

21-04-2019

48QYD

134

2019

S2A_MSIL2A_20190421T031541_N0211_R118_T48QZD_20190421T072735

5,99

21-04-2019

48QZD

135

2019

S2B_MSIL2A_20190423T030549_N0211_R075_T48PYC_20190423T071400

8,17

23-04-2019

48PYC

136

2019

S2B_MSIL2A_20190423T030549_N0211_R075_T48PZC_20190423T071400

5,50

23-04-2019

48PZC

137

2019

S2B_MSIL2A_20190423T030549_N0211_R075_T48QYD_20190423T071400

2,74

23-04-2019

48QYD

138

2019

S2B_MSIL2A_20190423T030549_N0211_R075_T48QZD_20190423T071400

1,18

23-04-2019

48QZD

139

2019

S2B_MSIL2A_20190423T030549_N0211_R075_T49PBT_20190423T071400

2,46

23-04-2019

49PBT

140

2019

S2B_MSIL2A_20190423T030549_N0211_R075_T49QBU_20190423T071400

0,35

23-04-2019

49QBU

141

2019

S2B_MSIL2A_20190426T031549_N0211_R118_T48PYC_20190426T072234

41,28

26-04-2019

48PYC

142

2019

S2B_MSIL2A_20190426T031549_N0211_R118_T48PZC_20190426T072234

44,49

26-04-2019

48PZC

143

2019

S2B_MSIL2A_20190426T031549_N0211_R118_T48QYD_20190426T072234

69,36

26-04-2019

48QYD

144

2019

S2B_MSIL2A_20190426T031549_N0211_R118_T48QZD_20190426T072234

85,93

26-04-2019

48QZD

145

2019

S2A_MSIL2A_20190428T030551_N0211_R075_T48PYC_20190428T071443

39,04

28-04-2019

48PYC

146

2019

S2A_MSIL2A_20190428T030551_N0211_R075_T48PZC_20190428T071443

33,34

28-04-2019

48PZC

147

2019

S2A_MSIL2A_20190428T030551_N0211_R075_T48QYD_20190428T071443

54,37

28-04-2019

48QYD

148

2019

S2A_MSIL2A_20190428T030551_N0211_R075_T48QZD_20190428T071443

68,09

28-04-2019

48QZD

149

2019

S2A_MSIL2A_20190428T030551_N0211_R075_T49PBT_20190428T071443

32,49

28-04-2019

49PBT

150

2019

S2A_MSIL2A_20190428T030551_N0211_R075_T49QBU_20190428T071443

68,98

28-04-2019

49QBU

151

2020

S2A_MSIL2A_20200502T030551_N0214_R075_T48PYC_20200502T072814

0,62

02-05-2020

48PYC

152

2020

S2A_MSIL2A_20200502T030551_N0214_R075_T48PZC_20200502T072814

4,55

02-05-2020

48PZC

153

2020

S2A_MSIL2A_20200502T030551_N0214_R075_T48QYD_20200502T072814

10,93

02-05-2020

48QYD

154

2020

S2A_MSIL2A_20200502T030551_N0214_R075_T48QZD_20200502T072814

1,44

02-05-2020

48QZD

155

2020

S2A_MSIL2A_20200502T030551_N0214_R075_T49PBT_20200502T072814

1,13

02-05-2020

49PBT

156

2020

S2A_MSIL2A_20200502T030551_N0214_R075_T49QBU_20200502T072814

0,52

02-05-2020

49QBU

157

2020

S2A_MSIL2A_20200505T031541_N0214_R118_T48PYC_20200505T074750

9,96

05-05-2020

48PYC

158

2020

S2A_MSIL2A_20200505T031541_N0214_R118_T48PZC_20200505T074750

3,04

05-05-2020

48PZC

159

2020

S2A_MSIL2A_20200505T031541_N0214_R118_T48QYD_20200505T074750

9,45

05-05-2020

48QYD

160

2020

S2A_MSIL2A_20200505T031541_N0214_R118_T48QZD_20200505T074750

25,50

05-05-2020

48QZD

161

2020

S2B_MSIL2A_20200507T030539_N0214_R075_T48PYC_20200507T071605

65,73

07-05-2020

48PYC

162

2020

S2B_MSIL2A_20200507T030539_N0214_R075_T48PZC_20200507T071605

48,92

07-05-2020

48PZC

163

2020

S2B_MSIL2A_20200507T030539_N0214_R075_T48QYD_20200507T071605

44,40

07-05-2020

48QYD

164

2020

S2B_MSIL2A_20200507T030539_N0214_R075_T48QZD_20200507T071605

25,83

07-05-2020

48QZD

165

2020

S2B_MSIL2A_20200507T030539_N0214_R075_T49PBT_20200507T071605

41,92

07-05-2020

49PBT

166

2020

S2B_MSIL2A_20200507T030539_N0214_R075_T49QBU_20200507T071605

21,39

07-05-2020

49QBU

167

2020

S2B_MSIL2A_20200510T031539_N0214_R118_T48PYC_20200512T235944

12,61

12-05-2020

48PYC

168

2020

S2B_MSIL2A_20200510T031539_N0214_R118_T48PZC_20200512T235944

6,57

12-05-2020

48PZC

169

2020

S2B_MSIL2A_20200510T031539_N0214_R118_T48QYD_20200512T235944

21,48

12-05-2020

48QYD

170

2020

S2B_MSIL2A_20200510T031539_N0214_R118_T48QZD_20200512T235944

25,53

12-05-2020

48QZD

171

2020

S2A_MSIL2A_20200512T030551_N0214_R075_T48PYC_20200512T073119

44,06

12-05-2020

48PYC

172

2020

S2A_MSIL2A_20200512T030551_N0214_R075_T48PZC_20200512T073119

87,88

12-05-2020

48PZC

173

2020

S2A_MSIL2A_20200512T030551_N0214_R075_T48QYD_20200512T073119

72,65

12-05-2020

48QYD

174

2020

S2A_MSIL2A_20200512T030551_N0214_R075_T48QZD_20200512T073119

97,70

12-05-2020

48QZD

175

2020

S2A_MSIL2A_20200512T030551_N0214_R075_T49PBT_20200512T073119

78,44

12-05-2020

49PBT

176

2020

S2A_MSIL2A_20200512T030551_N0214_R075_T49QBU_20200512T073119

98,40

12-05-2020

49QBU

177

2020

S2A_MSIL2A_20200515T031541_N0214_R118_T48PYC_20200515T072805

37,11

15-05-2020

48PYC

178

2020

S2A_MSIL2A_20200515T031541_N0214_R118_T48PZC_20200515T072805

44,40

15-05-2020

48PZC

179

2020

S2A_MSIL2A_20200515T031541_N0214_R118_T48QYD_20200515T072805

18,37

15-05-2020

48QYD

180

2020

S2A_MSIL2A_20200515T031541_N0214_R118_T48QZD_20200515T072805

23,75

15-05-2020

48QZD

181

2020

S2B_MSIL2A_20200517T030539_N0214_R075_T48PYC_20200517T071742

45,29

17-05-2020

48PYC

182

2020

S2B_MSIL2A_20200517T030539_N0214_R075_T48PZC_20200517T071742

13,11

17-05-2020

48PZC

183

2020

S2B_MSIL2A_20200517T030539_N0214_R075_T48QYD_20200517T071742

15,21

17-05-2020

48QYD

184

2020

S2B_MSIL2A_20200517T030539_N0214_R075_T48QZD_20200517T071742

17,01

17-05-2020

48QZD

185

2020

S2B_MSIL2A_20200517T030539_N0214_R075_T49PBT_20200517T071742

10,22

17-05-2020

49PBT

186

2020

S2B_MSIL2A_20200517T030539_N0214_R075_T49QBU_20200517T071742

11,05

17-05-2020

49QBU

187

2020

S2B_MSIL2A_20200520T031539_N0214_R118_T48PYC_20200520T072929

35,81

20-05-2020

48PYC

188

2020

S2B_MSIL2A_20200520T031539_N0214_R118_T48PZC_20200520T072929

21,34

20-05-2020

48PZC

189

2020

S2B_MSIL2A_20200520T031539_N0214_R118_T48QYD_20200520T072929

57,75

20-05-2020

48QYD

190

2020

S2B_MSIL2A_20200520T031539_N0214_R118_T48QZD_20200520T072929

87,76

20-05-2020

48QZD

191

2020

S2A_MSIL2A_20200522T030551_N0214_R075_T48PYC_20200522T071614

100,00

22-05-2020

48PYC

192

2020

S2A_MSIL2A_20200522T030551_N0214_R075_T48PZC_20200522T071614

99,96

22-05-2020

48PZC

193

2020

S2A_MSIL2A_20200522T030551_N0214_R075_T48QYD_20200522T071614

100,00

22-05-2020

48QYD

194

2020

S2A_MSIL2A_20200522T030551_N0214_R075_T48QZD_20200522T071614

100,00

22-05-2020

48QZD

195

2020

S2A_MSIL2A_20200522T030551_N0214_R075_T49PBT_20200522T071614

99,98

22-05-2020

49PBT

196

2020

S2A_MSIL2A_20200522T030551_N0214_R075_T49QBU_20200522T071614

100,00

22-05-2020

49QBU

197

2020

S2A_MSIL2A_20200525T031551_N0214_R118_T48PYC_20200525T075341

27,75

25-05-2020

48PYC

198

2020

S2A_MSIL2A_20200525T031551_N0214_R118_T48PZC_20200525T075341

7,81

25-05-2020

48PZC

199

2020

S2A_MSIL2A_20200525T031551_N0214_R118_T48QYD_20200525T075341

18,03

25-05-2020

48QYD

200

2020

S2A_MSIL2A_20200525T031551_N0214_R118_T48QZD_20200525T075341

52,04

25-05-2020

48QZD

201

2020

S2B_MSIL2A_20200527T030549_N0214_R075_T48PYC_20200527T071730

98,22

27-05-2020

48PYC

202

2020

S2B_MSIL2A_20200527T030549_N0214_R075_T48PZC_20200527T071730

92,90

27-05-2020

48PZC

203

2020

S2B_MSIL2A_20200527T030549_N0214_R075_T48QYD_20200527T071730

45,94

27-05-2020

48QYD

204

2020

S2B_MSIL2A_20200527T030549_N0214_R075_T48QZD_20200527T071730

72,48

27-05-2020

48QZD

205

2020

S2B_MSIL2A_20200527T030549_N0214_R075_T49PBT_20200527T071730

89,61

27-05-2020

49PBT

206

2020

S2B_MSIL2A_20200527T030549_N0214_R075_T49QBU_20200527T071730

87,78

27-05-2020

49QBU

207

2020

S2B_MSIL2A_20200530T031539_N0214_R118_T48PYC_20200530T072929

63,62

30-05-2020

48PYC

208

2020

S2B_MSIL2A_20200530T031539_N0214_R118_T48PZC_20200530T072929

46,01

30-05-2020

48PZC

209

2020

S2B_MSIL2A_20200530T031539_N0214_R118_T48QYD_20200530T072929

62,65

30-05-2020

48QYD

210

2020

S2B_MSIL2A_20200530T031539_N0214_R118_T48QZD_20200530T072929

32,88

30-05-2020

48QZD

Phụ lục 02

Thông tin về ảnh vệ tinh từ tháng 1 đến tháng 12 năm 2019

Thời gian

Số lượng ảnh

Tỷ lệ mây bình quân

Tháng 1

60 77,82

01-01-2019

95,32

03-01-2019

94,09

06-01-2019

85,65

08-01-2019

70,55

11-01-2019

44,90

13-01-2019

45,78

16-01-2019

86,77

18-01-2019

71,19

21-01-2019

88,19

23-01-2019

88,84

26-01-2019

66,98

28-01-2019

95,86

Tháng 2

59 21,82

02-02-2019

45,68

05-02-2019

29,97

07-02-2019

0,11

10-02-2019

35,54

12-02-2019

33,02

15-02-2019

0,94

17-02-2019

2,31

20-02-2019

7,32

22-02-2019

33,72

25-02-2019

70,31

Thời gian

Số lượng ảnh

Tỷ lệ mây bình quân

27-02-2019

3,21

Tháng 3

56 34,91

02-03-2019

3,66

04-03-2019

6,10

09-03-2019

27,93

12-03-2019

92,07

14-03-2019

59,27

17-03-2019

34,94

19-03-2019

4,00

22-03-2019

32,90

24-03-2019

83,03

27-03-2019

5,61

29-03-2019

32,69

Tháng 04

60 35,30

01-04-2019

70,13

03-04-2019

25,42

06-04-2019

43,48

08-04-2019

23,15

11-04-2019

9,64

13-04-2019

42,27

16-04-2019

96,32

18-04-2019

10,60

21-04-2019

18,37

23-04-2019

3,40

26-04-2019

60,26

28-04-2019

49,39

Thời gian

Số lượng ảnh

Tỷ lệ mây bình quân

Tháng 05

44,31

60

01-05-2019

53,55

03-05-2019

71,37

06-05-2019

70,58

08-05-2019

46,59

11-05-2019

70,72

13-05-2019

21,21

16-05-2019

34,72

18-05-2019

10,90

21-05-2019

50,52

23-05-2019

17,16

26-05-2019

36,21

28-05-2019

65,01

Tháng 06

44,77

56

02-06-2019

90,23

05-06-2019

43,08

07-06-2019

32,72

10-06-2019

38,16

12-06-2019

59,47

15-06-2019

96,46

17-06-2019

49,26

20-06-2019

18,85

22-06-2019

7,59

25-06-2019

57,87

27-06-2019

8,98

Thời gian

Số lượng ảnh

Tỷ lệ mây bình quân

Tháng 07

60 71,18

02-07-2019

100,00

05-07-2019

18,55

07-07-2019

95,24

10-07-2019

99,76

12-07-2019

23,40

15-07-2019

91,34

17-07-2019

99,44

20-07-2019

29,14

22-07-2019

87,68

25-07-2019

98,72

27-07-2019

21,01

30-07-2019

90,09

Tháng 08

60 82,97

01-08-2019

100,00

04-08-2019

96,10

06-08-2019

49,74

09-08-2019

35,00

11-08-2019

44,55

14-08-2019

91,33

16-08-2019

98,18

19-08-2019

90,27

21-08-2019

99,84

24-08-2019

97,18

26-08-2019

97,51

29-08-2019

100,00

Thời gian

Số lượng ảnh

Tỷ lệ mây bình quân

Tháng 09

69,46

54

03-09-2019

98,12

05-09-2019

99,33

08-09-2019

58,96

10-09-2019

51,53

13-09-2019

81,70

15-09-2019

22,18

18-09-2019

99,27

20-09-2019

47,40

23-09-2019

90,19

25-09-2019

67,75

28-09-2019

77,19

Tháng 10

43,89

60

03-10-2019

9,17

05-10-2019

51,38

08-10-2019

29,41

10-10-2019

64,83

13-10-2019

13,50

15-10-2019

76,17

18-10-2019

45,36

20-10-2019

17,87

23-10-2019

9,19

25-10-2019

40,16

28-10-2019

27,44

30-10-2019

99,09

Thời gian

Số lượng ảnh

Tỷ lệ mây bình quân

Tháng 11

56 55,84

04-11-2019

71,17

07-11-2019

93,98

09-11-2019

90,21

12-11-2019

81,73

14-11-2019

29,62

17-11-2019

8,54

19-11-2019

35,15

22-11-2019

55,51

24-11-2019

20,39

27-11-2019

58,19

29-11-2019

75,98

Tháng 12

60 73,67

02-12-2019

78,92

04-12-2019

73,17

07-12-2019

75,59

09-12-2019

94,69

12-12-2019

73,41

14-12-2019

75,69

17-12-2019

84,96

19-12-2019

85,37

22-12-2019

26,81

24-12-2019

31,91

27-12-2019

75,95

29-12-2019

98,76

Tổng

701 54,74

Phụ lục 03. Kết quả tính chỉ số NDVI của 7 loại đất loại rừng 12 tháng năm 2019

Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9 Loại đất loại rừng Tháng 10 Tháng 11 Tháng 12

0,18 0,18 0,16 0,13 0,08 0,05 0,05 0,05 0,06 0,06 0,12 0,13 Đất trống

0,41 0,38 0,34 0,32 0,28 0,29 0,31 0,28 0,30 0,30 0,47 0,37 Đất trống

0,48 0,39 0,33 0,30 0,23 0,22 0,24 0,23 0,33 0,33 0,47 0,29 Đất trống

0,05 0,11 0,15 0,12 0,06 0,04 0,05 0,05 0,09 0,09 0,13 0,12 Đất trống

0,23 0,10 0,14 0,11 0,05 0,02 0,04 0,04 0,06 0,06 0,11 0,14 Đất trống

0,19 0,49 0,40 0,31 0,46 0,56 0,52 0,54 0,30 0,30 0,39 0,11 Đất trống

0,18 0,10 0,15 0,11 0,08 0,08 0,05 0,09 0,07 0,07 0,11 0,06 Đất trống

0,11 0,07 0,08 0,07 0,00 0,00 0,00 0,07 0,01 0,01 0,03 0,05 Đất trống

0,08 0,04 0,07 0,06 0,00 -0,02 0,02 0,01 0,00 0,00 0,03 0,13 Đất trống

0,12 0,15 0,15 0,13 0,09 0,07 0,10 0,06 0,12 0,12 0,16 0,15 Đất trống

0,02 0,05 0,14 0,10 0,03 0,02 0,03 0,02 0,04 0,04 0,07 0,08 Đất trống

0,05 0,21 0,47 0,48 0,21 0,57 0,54 0,38 0,58 0,58 0,33 0,04 Đất trống

0,06 0,18 0,43 0,41 0,22 0,64 0,61 0,44 0,64 0,64 0,42 0,04 Đất trống

0,04 0,10 0,13 0,10 0,04 0,01 0,02 0,03 0,07 0,07 0,07 0,15 Đất trống

0,11 0,15 0,23 0,19 0,36 0,37 0,51 0,40 0,60 0,60 0,67 0,19 Đất trống

Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9 Loại đất loại rừng Tháng 10 Tháng 11 Tháng 12

0,36 0,31 0,23 0,17 0,17 0,21 0,23 0,29 0,29 0,41 0,32 0,16 Đất trống

0,29 0,27 0,18 0,09 0,04 0,03 0,05 -0,13 -0,13 -0,04 0,18 0,14 Đất trống

0,14 0,11 0,14 0,09 0,19 0,08 0,09 0,20 0,20 0,14 0,07 0,11 Đất trống

0,09 0,11 0,15 0,03 0,09 0,03 0,03 0,28 0,28 0,06 0,06 0,10 Đất trống

-0,31 -0,11 -0,04 -0,18 -0,16 -0,09 -0,10 0,02 0,02 -0,21 -0,31 0,00 Mặt nước

-0,34 -0,14 -0,09 0,01 -0,14 -0,18 -0,11 -0,10 -0,06 -0,06 -0,24 -0,35 Mặt nước

-0,34 -0,15 -0,09 -0,05 -0,14 -0,25 -0,11 0,00 0,10 0,10 -0,25 -0,34 Mặt nước

-0,27 -0,12 -0,06 -0,04 -0,06 -0,17 -0,07 -0,07 -0,14 -0,14 -0,19 -0,30 Mặt nước

-0,15 -0,06 0,05 0,07 -0,08 -0,09 -0,06 -0,03 -0,04 -0,04 -0,09 -0,22 Mặt nước

-0,30 -0,14 -0,08 -0,07 -0,17 -0,29 -0,13 -0,10 0,03 0,03 -0,26 -0,29 Mặt nước

0,15 -0,01 -0,05 -0,01 0,03 -0,03 -0,09 -0,09 -0,16 -0,18 0,08 0,04 Mặt nước

0,22 0,00 -0,05 -0,05 -0,05 -0,03 -0,11 -0,11 -0,15 -0,18 0,10 0,06 Mặt nước

-0,11 -0,03 -0,02 -0,04 -0,03 -0,05 -0,05 -0,05 -0,11 0,05 0,18 0,05 Mặt nước

-0,01 -0,03 -0,01 -0,03 -0,04 -0,02 -0,08 -0,08 -0,19 -0,14 0,04 0,04 Mặt nước

0,16 -0,04 -0,01 0,10 -0,03 -0,03 -0,05 -0,05 -0,20 -0,06 0,03 0,07 Mặt nước

0,22 -0,02 0,05 0,08 -0,09 -0,03 -0,02 0,18 0,18 -0,18 -0,09 0,06 Mặt nước

Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9 Loại đất loại rừng Tháng 10 Tháng 11 Tháng 12

-0,27 -0,14 -0,05 -0,08 -0,15 -0,26 -0,10 -0,10 -0,07 -0,07 -0,16 -0,04 Mặt nước

-0,20 -0,16 -0,07 -0,10 -0,16 -0,28 -0,16 -0,05 -0,07 -0,07 -0,18 -0,04 Mặt nước

-0,15 -0,10 -0,04 -0,04 -0,10 -0,23 -0,02 -0,03 -0,09 -0,09 -0,11 -0,01 Mặt nước

-0,23 -0,15 -0,09 -0,04 -0,19 -0,28 -0,17 -0,03 -0,01 -0,01 -0,14 -0,09 Mặt nước

-0,14 -0,05 -0,01 -0,03 -0,07 -0,07 -0,04 -0,11 -0,01 -0,01 -0,06 -0,14 Mặt nước

-0,19 -0,13 -0,03 -0,07 -0,11 -0,04 -0,12 -0,14 -0,10 -0,10 -0,10 -0,17 Mặt nước

-0,27 -0,18 -0,12 -0,09 -0,17 -0,20 -0,16 -0,12 -0,15 -0,15 -0,17 -0,09 Mặt nước

-0,21 -0,11 -0,05 -0,01 -0,10 -0,18 0,09 -0,07 -0,10 -0,10 -0,08 0,04 Mặt nước

nông 0,19 0,51 0,62 0,56 0,18 0,24 0,61 0,60 0,33 0,33 0,30 0,14 Đất nghiệp

nông 0,12 0,53 0,55 0,39 0,17 0,71 0,69 0,55 0,25 0,25 0,43 0,14 Đất nghiệp

nông 0,05 0,43 0,65 0,57 0,21 0,79 0,74 0,51 0,21 0,21 0,26 0,01 Đất nghiệp

nông 0,06 0,46 0,57 0,52 0,15 0,64 0,73 0,59 0,31 0,31 0,31 0,14 Đất nghiệp

nông 0,05 0,37 0,62 0,57 0,13 0,73 0,71 0,55 0,25 0,25 0,28 0,15 Đất nghiệp

Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9 Loại đất loại rừng Tháng 10 Tháng 11 Tháng 12

nông

Đất nghiệp 0,02 0,46 0,61 0,54 0,27 0,72 0,70 0,32 0,38 0,38 0,38 0,16

nông

Đất nghiệp 0,15 0,13 0,43 0,56 0,25 0,69 0,67 0,06 0,69 0,69 0,48 0,06

nông

Đất nghiệp 0,06 0,60 0,71 0,59 0,21 0,76 0,74 0,54 -0,14 -0,14 -0,22 -0,28

nông

Đất nghiệp 0,07 0,64 0,68 0,56 0,27 0,77 0,74 0,50 0,02 0,02 -0,20 -0,05

nông

Đất nghiệp -0,02 0,36 0,61 0,58 -0,02 0,56 0,67 0,64 0,06 0,06 -0,14 0,00

nông

Đất nghiệp 0,05 0,60 0,63 0,53 0,10 0,77 0,75 0,38 -0,14 -0,14 -0,31 -0,15

nông

Đất nghiệp -0,03 0,58 0,63 0,59 0,16 0,75 0,70 0,30 -0,02 -0,02 -0,20 0,06

nông

Đất nghiệp 0,06 0,55 0,62 0,47 0,22 0,74 0,68 0,43 0,26 0,26 0,18 0,04

Rừng tự nhiên phục hồi 0,59 0,62 0,61 0,65 0,76 0,78 0,63 0,23 0,58 0,58 0,45 0,40

0,53 0,66 0,59 0,61 0,74 0,77 0,76 0,70 0,53 0,53 0,53 0,42 Rừng tự nhiên phục hồi

Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9 Loại đất loại rừng Tháng 10 Tháng 11 Tháng 12

0,63 0,74 0,75 0,76 0,75 0,64 0,64 0,76 0,27 Rừng tự nhiên phục hồi

0,72 0,67 0,61 0,64 0,73 0,76 0,77 0,65 0,71 0,71 0,73 0,63 Rừng tự nhiên phục hồi

0,49 0,62 0,57 0,59 0,58 0,72 0,59 0,32 0,60 0,60 0,68 0,23 Rừng tự nhiên phục hồi

0,40 0,55 0,45 0,60 0,72 0,76 0,74 0,66 0,74 0,74 0,73 0,65 Rừng tự nhiên phục hồi

0,47 0,70 0,57 0,66 0,60 0,80 0,74 0,55 0,44 0,44 0,73 0,42 Rừng tự nhiên phục hồi

0,51 0,70 0,53 0,66 0,48 0,48 0,69 0,63 0,60 0,67 0,56 0,46 Rừng tự nhiên phục hồi

0,50 0,66 0,61 0,62 0,69 0,71 0,68 0,68 0,49 0,49 0,67 0,46 Rừng trồng

0,14 0,56 0,52 0,58 0,69 0,74 0,66 0,69 0,59 0,59 0,54 0,39 Rừng trồng

0,57 0,55 0,54 0,57 0,66 0,67 0,69 0,69 0,47 0,47 0,54 0,19 Rừng trồng

0,51 0,60 0,58 0,60 0,67 0,70 0,70 0,69 0,75 0,75 0,66 0,51 Rừng trồng

0,36 0,58 0,58 0,62 0,70 0,73 0,76 0,74 0,51 0,51 0,62 0,48 Rừng trồng

0,46 0,67 0,61 0,63 0,71 0,72 0,74 0,69 0,77 0,77 0,71 0,19 Rừng trồng

0,22 0,56 0,57 0,62 0,72 0,74 0,75 0,70 0,74 0,74 0,53 0,51 Rừng trồng

Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9 Loại đất loại rừng Tháng 10 Tháng 11 Tháng 12

0,10 0,68 0,67 0,67 0,74 0,79 0,74 0,56 0,56 0,70 0,40 0,77 Rừng trồng

0,63 0,65 0,54 0,62 0,70 0,73 0,75 0,48 0,48 0,69 0,72 0,74 Rừng trồng

0,16 0,68 0,64 0,64 0,67 0,65 0,59 0,11 0,11 0,66 0,40 0,73 Rừng trồng

0,73 0,59 0,60 0,65 0,73 0,73 0,72 0,73 0,73 0,71 0,53 0,75 Rừng trồng

0,44 0,64 0,55 0,60 0,69 0,74 0,38 0,73 0,73 0,70 0,48 0,75 Rừng trồng

0,57 0,51 0,46 0,51 0,62 0,65 0,63 0,67 0,67 0,64 0,29 0,65 Rừng trồng

0,51 0,48 0,42 0,50 0,63 0,64 0,61 0,36 0,36 0,57 0,30 0,65 Rừng trồng

0,71 0,65 0,59 0,60 0,70 0,70 0,69 0,71 0,71 0,67 0,37 0,73 Rừng trồng

0,74 0,68 0,61 0,59 0,70 0,70 0,69 0,70 0,70 0,69 0,13 0,74 Rừng trồng

0,73 0,67 0,61 0,59 0,67 0,65 0,65 0,66 0,66 0,63 0,15 0,68 Rừng trồng

0,68 0,64 0,61 0,63 0,73 0,69 0,70 0,62 0,62 0,42 0,17 0,73 Rừng trồng

0,13 0,61 0,53 0,62 0,68 0,55 0,68 0,68 0,68 0,65 0,38 0,68 Rừng trồng

0,25 0,62 0,53 0,59 0,67 0,65 0,68 0,69 0,69 0,66 0,47 0,67 Rừng trồng

0,11 0,59 0,47 0,56 0,66 0,68 0,67 0,47 0,47 0,66 0,42 0,65 Rừng trồng

tự 0,45 0,61 0,62 0,67 0,77 0,79 0,80 0,08 0,38 0,38 0,72 0,64 Rừng nhiên nghèo

tự 0,19 0,53 0,55 0,62 0,75 0,77 0,76 0,15 0,43 0,43 0,70 0,37 Rừng nhiên nghèo

Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9 Loại đất loại rừng Tháng 10 Tháng 11 Tháng 12

tự 0,56 0,61 0,51 0,59 0,61 0,74 0,74 0,45 0,24 0,24 0,70 0,68 Rừng nhiên nghèo

tự 0,55 0,68 0,66 0,64 0,76 0,78 0,78 0,72 0,53 0,53 0,24 0,47 Rừng nhiên nghèo

tự 0,31 0,58 0,58 0,61 0,74 0,78 0,77 0,73 0,41 0,41 0,47 0,22 Rừng nhiên nghèo

tự 0,71 0,61 0,63 0,64 0,53 0,78 0,77 0,73 0,75 0,75 0,73 0,31 Rừng nhiên nghèo

tự 0,59 0,56 0,60 0,62 0,72 0,64 0,76 0,73 0,60 0,60 0,74 0,45 Rừng nhiên nghèo

0,46 0,60 0,60 0,63 0,75 0,77 0,77 0,75 0,38 0,38 0,44 0,28

tự Rừng nhiên giàu và trung bình

0,55 0,64 0,60 0,61 0,72 0,73 0,72 0,70 0,59 0,59 0,67 0,21

tự Rừng nhiên giàu và trung bình

0,43 0,70 0,65 0,63 0,73 0,74 0,74 0,72 0,70 0,70 0,74 0,34

tự Rừng nhiên giàu và trung bình

0,43 0,68 0,37 0,45 0,70 0,70 0,78 0,75 0,54 0,54 0,31 0,06

tự Rừng nhiên giàu và trung bình

Phụ lục 04. Kết quả tính chỉ số NBR của 7 loại đất loại rừng 12 tháng năm 2019

Tháng

Loại đất loại rừng Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9

10

11

12

Đất trống -0,16 -0,18 -0,16 -0,14 -0,08 -0,06 -0,06 -0,03 0,26 0,26 -0,12 -0,13

Đất trống 0,24 0,15 0,09 0,11 0,09 0,13 0,14 0,13 0,23 0,23 0,30 0,20

Đất trống 0,33 0,16 0,08 0,10 0,07 0,09 0,11 0,12 0,25 0,25 0,35 0,44

Đất trống 0,43 0,33 0,21 0,14 0,16 0,10 0,13 0,16 0,33 0,33 0,22 0,32

Đất trống 0,28 0,13 0,08 0,09 0,15 0,15 0,17 0,20 0,18 0,18 0,21 0,28

Đất trống 0,16 0,35 0,28 0,10 0,30 0,41 0,38 0,41 0,28 0,28 0,29 0,00

Đất trống 0,22 0,08 0,05 0,07 0,11 0,16 0,11 0,16 0,23 0,23 0,13 0,10

Đất trống 0,22 0,00 -0,07 -0,06 -0,01 -0,02 0,01 0,15 0,05 0,05 0,01 0,07

Đất trống 0,05 -0,02 -0,05 -0,03 0,03 0,03 0,11 0,09 0,09 0,09 0,08 0,26

Đất trống 0,35 0,08 0,04 0,06 0,12 0,11 0,16 0,35 0,23 0,23 0,19 0,20

Đất trống 0,29 0,14 0,02 -0,01 0,06 0,05 0,06 0,04 0,12 0,12 0,08 0,01

Đất trống 0,04 0,04 0,31 0,34 0,04 0,39 0,42 0,26 0,56 0,56 0,21 0,27

Đất trống 0,08 -0,03 0,28 0,22 0,02 0,44 0,46 0,30 0,54 0,54 0,26 0,13

Đất trống 0,33 0,03 0,03 0,01 0,10 0,06 0,14 0,07 0,21 0,21 0,17 0,11

Tháng

Loại đất loại rừng Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9

10

11

12

Đất trống 0,21 -0,02 -0,01 -0,02 0,16 0,21 0,33 0,28 0,42 0,42 0,46 0,14

Đất trống 0,32 0,12 0,09 0,03 0,07 0,11 0,15 0,18 0,27 0,27 0,26 0,15

Đất trống 0,35 0,12 0,05 0,01 -0,01 0,04 0,09 0,07 0,29 0,29 0,32 0,17

Đất trống 0,26 0,10 0,06 0,09 0,20 0,23 0,13 0,12 0,25 0,25 0,18 0,30

Đất trống 0,14 0,02 0,05 -0,01 -0,01 0,13 0,03 0,03 0,27 0,27 0,00 -0,03

Mặt nước 0,60 0,66 0,67 0,13 0,58 0,32 0,22 0,05 0,20 0,20 0,66 0,66

Mặt nước 0,68 0,68 0,76 0,45 0,35 0,39 0,21 0,43 0,20 0,20 0,74 0,81

Mặt nước 0,69 0,68 0,74 0,43 0,25 0,54 0,23 -0,02 0,11 0,11 0,72 0,78

Mặt nước 0,68 0,64 0,73 0,64 0,08 0,24 0,10 0,33 0,37 0,37 0,72 0,69

Mặt nước 0,65 0,74 0,58 0,21 0,31 0,09 0,11 0,14 0,27 0,27 0,70 0,70

Mặt nước 0,61 0,70 0,74 0,69 0,34 0,63 0,38 0,16 0,30 0,30 0,73 0,75

Mặt nước 0,12 0,78 0,62 0,46 0,30 0,40 0,12 0,18 0,51 0,51 0,72 0,65

Mặt nước 0,26 0,76 0,63 0,53 0,18 0,19 0,17 0,26 0,44 0,44 0,71 0,63

Mặt nước 0,15 0,76 0,63 0,38 0,06 0,49 0,16 0,17 0,51 0,51 0,72 0,53

Mặt nước 0,38 0,75 0,61 0,52 0,15 0,44 0,17 0,19 0,45 0,45 0,74 0,55

Tháng

Loại đất loại rừng Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9

10

11

12

Mặt nước 0,08 0,71 0,59 0,45 0,22 0,33 0,17 0,17 0,25 0,25 0,73 0,60

Mặt nước 0,23 0,73 0,61 0,46 0,18 0,31 0,19 0,17 0,16 0,16 0,73 0,59

Mặt nước 0,61 0,67 0,57 0,54 0,47 0,65 0,39 0,39 0,18 0,18 0,74 0,35

Mặt nước 0,53 0,71 0,46 0,70 0,45 0,73 0,52 0,30 0,13 0,13 0,70 0,24

Mặt nước 0,68 0,80 0,77 0,68 0,41 0,62 0,27 0,20 0,13 0,13 0,75 0,23

Mặt nước 0,66 0,80 0,69 0,49 0,52 0,66 0,55 0,24 0,41 0,41 0,73 0,39

Mặt nước 0,66 0,63 0,74 0,60 0,31 0,27 0,34 0,59 0,37 0,37 0,77 0,64

Mặt nước 0,68 0,80 0,73 0,62 0,45 0,35 0,52 0,61 0,37 0,37 0,78 0,66

Mặt nước 0,76 0,78 0,70 0,40 0,34 0,37 0,37 0,36 0,29 0,29 0,61 0,16

Mặt nước 0,61 0,71 0,69 0,40 0,44 0,45 0,45 0,29 0,22 0,22 0,73 0,34

Đất nông nghiệp 0,54 0,54 0,61 0,60 0,30 0,52 0,55 0,53 0,44 0,44 0,39 0,52

Đất nông nghiệp 0,27 0,60 0,65 0,38 0,17 0,63 0,67 0,57 0,18 0,18 0,36 0,05

Đất nông nghiệp 0,41 0,59 0,71 0,65 0,38 0,74 0,74 0,56 0,27 0,27 0,64 0,61

Đất nông nghiệp 0,69 0,60 0,66 0,57 0,17 0,63 0,70 0,63 0,51 0,51 0,61 0,17

Đất nông nghiệp 0,01 0,52 0,66 0,66 0,37 0,68 0,69 0,59 0,32 0,32 0,34 0,17

Tháng

Loại đất loại rừng Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9

10

11

12

0,52 0,59 0,66 0,62 0,57 0,66 0,65 0,29 0,39 0,39 0,51 0,26 Đất nông nghiệp

0,23 0,13 0,35 0,47 0,13 0,54 0,55 0,20 0,59 0,59 0,37 0,02 Đất nông nghiệp

0,41 0,63 0,72 0,69 0,35 0,69 0,73 0,62 0,45 0,45 0,74 0,76 Đất nông nghiệp

0,37 0,64 0,72 0,63 0,36 0,73 0,74 0,57 0,40 0,40 0,70 0,43 Đất nông nghiệp

0,73 0,49 0,66 0,66 0,69 0,58 0,66 0,68 0,55 0,55 0,72 0,39 Đất nông nghiệp

0,26 0,63 0,71 0,63 0,57 0,74 0,74 0,29 0,54 0,54 0,73 0,47 Đất nông nghiệp

0,58 0,65 0,71 0,64 0,60 0,74 0,71 0,27 0,54 0,54 0,70 0,31 Đất nông nghiệp

0,38 0,65 0,69 0,52 0,47 0,70 0,69 0,47 0,19 0,19 0,33 0,39 Đất nông nghiệp

Rừng tự nhiên phục 0,63 0,67 0,65 0,64 0,68 0,70 0,54 0,21 0,62 0,62 0,42 0,51 hồi

Rừng tự nhiên phục 0,50 0,67 0,64 0,65 0,70 0,73 0,74 0,70 0,57 0,57 0,56 0,43 hồi

Rừng tự nhiên phục 0,77 0,69 0,66 0,67 0,71 0,72 0,74 0,75 0,71 0,71 0,73 0,27 hồi

Tháng

Loại đất loại rừng Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9

10

11

12

Rừng tự nhiên phục 0,70 0,67 0,65 0,65 0,67 0,70 0,73 0,68 0,71 0,71 0,71 0,66 hồi

Rừng tự nhiên phục 0,48 0,64 0,61 0,61 0,67 0,69 0,47 0,47 0,62 0,62 0,68 0,26 hồi

Rừng tự nhiên phục 0,42 0,58 0,49 0,57 0,62 0,67 0,67 0,67 0,66 0,66 0,65 0,62 hồi

Rừng tự nhiên phục 0,58 0,62 0,58 0,60 0,71 0,70 0,66 0,66 0,47 0,47 0,64 0,75 hồi

Rừng tự nhiên phục 0,43 0,63 0,53 0,61 0,42 0,68 0,63 0,58 0,72 0,72 0,65 0,67 hồi

Rừng trồng 0,47 0,69 0,72 0,73 0,73 0,74 0,72 0,66 0,36 0,36 0,78 0,48

Rừng trồng 0,06 0,63 0,60 0,59 0,63 0,67 0,61 0,66 0,69 0,69 0,59 0,40

Rừng trồng 0,70 0,67 0,71 0,68 0,67 0,67 0,70 0,71 0,52 0,52 0,62 0,71

Rừng trồng 0,64 0,69 0,69 0,67 0,67 0,68 0,68 0,65 0,74 0,74 0,75 0,60

Rừng trồng 0,39 0,76 0,75 0,73 0,72 0,75 0,78 0,77 0,56 0,56 0,75 0,77

Rừng trồng 0,56 0,74 0,71 0,67 0,73 0,70 0,73 0,66 0,80 0,80 0,75 0,77

Tháng

Loại đất loại rừng Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9

10

11

12

0,20 0,69 0,70 0,65 0,67 0,70 0,72 0,65 0,71 0,71 0,57 0,70 Rừng trồng

0,17 0,73 0,75 0,74 0,74 0,78 0,79 0,69 0,60 0,60 0,74 0,70 Rừng trồng

0,63 0,76 0,76 0,73 0,75 0,77 0,75 0,77 0,57 0,57 0,75 0,76 Rừng trồng

0,77 0,66 0,74 0,73 0,72 0,75 0,74 0,74 0,76 0,76 0,74 0,71 Rừng trồng

0,66 0,75 0,73 0,72 0,70 0,76 0,75 0,59 0,78 0,78 0,77 0,76 Rừng trồng

0,67 0,67 0,65 0,64 0,64 0,67 0,67 0,68 0,73 0,73 0,73 0,52 Rừng trồng

0,67 0,67 0,64 0,63 0,64 0,63 0,64 0,65 0,44 0,44 0,68 0,36 Rừng trồng

0,77 0,78 0,76 0,71 0,71 0,73 0,72 0,75 0,77 0,77 0,75 0,52 Rừng trồng

0,80 0,79 0,77 0,71 0,72 0,75 0,72 0,75 0,78 0,78 0,75 0,15 Rừng trồng

0,78 0,77 0,75 0,71 0,71 0,67 0,66 0,69 0,71 0,71 0,70 0,26 Rừng trồng

0,79 0,80 0,78 0,75 0,74 0,73 0,70 0,76 0,61 0,61 0,73 0,09 Rừng trồng

0,10 0,75 0,73 0,72 0,72 0,69 0,61 0,73 0,74 0,74 0,75 0,46 Rừng trồng

0,31 0,73 0,71 0,69 0,69 0,68 0,65 0,73 0,75 0,75 0,72 0,70 Rừng trồng

0,18 0,73 0,72 0,68 0,68 0,66 0,69 0,72 0,58 0,58 0,75 0,37 Rừng trồng

Tháng

Loại đất loại rừng Tháng 1 Tháng 2 Tháng 3 Tháng 4 Tháng 5 Tháng 6 Tháng 7 Tháng 8 Tháng 9

10

11

12

0,56 0,60 0,64 0,65 0,68 0,71 0,73 0,28 0,46 0,46 0,73 0,69 Rừng tự nhiên nghèo

0,21 0,60 0,67 0,69 0,74 0,75 0,75 0,30 0,48 0,48 0,72 0,59 Rừng tự nhiên nghèo

0,61 0,69 0,67 0,66 0,59 0,71 0,72 0,64 0,40 0,40 0,72 0,71 Rừng tự nhiên nghèo

0,51 0,67 0,66 0,66 0,71 0,73 0,74 0,71 0,60 0,60 0,31 0,59 Rừng tự nhiên nghèo

0,27 0,61 0,61 0,62 0,66 0,71 0,70 0,71 0,48 0,48 0,43 0,22 Rừng tự nhiên nghèo

0,65 0,60 0,61 0,60 0,73 0,67 0,67 0,69 0,68 0,68 0,67 0,42 Rừng tự nhiên nghèo

0,70 0,54 0,62 0,60 0,62 0,59 0,67 0,68 0,70 0,70 0,68 0,63 Rừng tự nhiên nghèo

0,59 0,68 0,67 0,67 0,70 0,74 0,75 0,74 0,45 0,45 0,45 0,54 Rừng tự nhiên nghèo

Rừng tự nhiên nghèo 0,59 0,67 0,68 0,67 0,70 0,70 0,71 0,71 0,71 0,71 0,66 0,26 và trung bình

Rừng tự nhiên nghèo 0,40 0,67 0,65 0,65 0,68 0,69 0,70 0,70 0,70 0,70 0,69 0,35 và trung bình

Rừng tự nhiên nghèo 0,64 0,62 0,37 0,72 0,65 0,67 0,70 0,70 0,62 0,62 0,51 0,15 và trung bình

Phụ lục 05. Kết quả đánh giá

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

1 1 740.555 1.833.626 Rừng gỗ trồng núi đất Đúng Đúng Đúng 10,83 10,86 9,70 10,17

1 2 3,49 3,52 3,44 3,41 746.359 1.834.884 Đất đã trồng trên núi đất Đúng Đúng Đúng

1 3 2,95 2,98 3,23 2,93 749.997 1.835.186 Đất đã trồng trên núi đất Đúng Đúng Đúng

1 4 2,41 2,53 - - 757.028 1.829.074 Rừng gỗ trồng núi đất Đúng Đúng Đúng

1 5 6,42 6,45 6,36 6,32 758.336 1.827.970 Đất đã trồng trên núi đất Đúng Đúng Đúng

1 6 5,23 5,20 5,27 5,20 758.676 1.827.953 Rừng gỗ trồng núi đất Đúng Đúng Đúng

1 7 780.555 1.807.674 Rừng gỗ trồng núi đất Đúng Đúng Đúng 13,57 13,57 13,15 13,33

1 8 6,58 6,65 6,33 6,35 781.427 1.813.022 Đất đã trồng trên núi đất Đúng Đúng Đúng

1 9 6,27 6,29 6,02 6,07 782.042 1.811.454 Rừng gỗ trồng núi đất Đúng Đúng Đúng

1 10 782.300 1.810.537 Rừng gỗ trồng núi đất Đúng Đúng Đúng 23,97 22,94 22,39 22,51

1 11 782.621 1.814.791 Rừng gỗ trồng núi đất Đúng Đúng Đúng 16,62 16,58 15,68 15,97

1 12 783.359 1.807.457 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,58 3,63 3,47 3,51

1 13 783.297 1.814.878 Rừng gỗ trồng núi đất Đúng Đúng Đúng 11,64 11,52 - -

1 14 784.887 1.807.445 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,76 2,81 2,54 2,61

1 15 786.398 1.808.551 Rừng gỗ trồng núi đất Đúng Đúng Đúng 8,29 8,25 7,85 7,94

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

1 16 787.752 1.808.705 Rừng gỗ trồng núi đất Đúng Đúng Đúng 12,21 - 11,97 11,65

1 17 788.573 1.809.786 Rừng gỗ trồng núi đất Đúng Đúng Đúng 7,78 7,82 7,87 7,77

1 18 762.129 1.819.512 Rừng gỗ trồng núi đất Đúng Đúng Đúng 13,00 12,94 12,12 12,28

1 19 762.366 1.821.608 Rừng gỗ trồng núi đất Đúng Đúng Đúng 6,01 6,04 5,84 5,84

1 20 763.125 1.821.470 Đất đã trồng trên núi đất Đúng Đúng Đúng 8,98 8,94 9,21 9,08

1 21 764.683 1.819.489 Rừng gỗ trồng núi đất Đúng Đúng Đúng 20,56 20,67 20,62 20,60

1 22 768.179 1.821.331 Đất đã trồng trên núi đất Đúng Đúng Đúng 10,43 10,47 10,41 10,49

1 23 758.676 1.827.953 Rừng gỗ trồng núi đất Đúng Đúng Đúng 5,20 5,27 5,20 5,23

1 24 825.939 1.795.265 Đất khác Đúng Đúng Đúng 2,51 - 2,56 2,67

1 25 826.644 1.795.272 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,00 - 3,09 -

1 26 821.823 1.800.388 Đất đã trồng trên núi đất Đúng Đúng Đúng 9,84 - 9,86 10,91

1 27 809.357 1.798.571 Đất đã trồng trên núi đất Đúng Đúng Đúng 9,96 9,82 9,88 9,75

1 28 785.479 1.780.142 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 3,18 3,21 2,83 3,02

1 29 755.592 1.780.424 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,99 - 1,02 1,06

1 30 752.922 1.778.477 Đất đã trồng trên núi đất Đúng Đúng Đúng 0,30 - 0,35 -

1 31 745.276 1.786.709 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,74 - 3,73 3,99

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

1 32 725.633 1.810.725 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,16 1,19 - -

1 33 720.858 1.811.665 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,03 1,05 - -

1 34 720.664 1.814.060 Đất đã trồng trên núi đất Đúng Đúng Đúng 2,26 2,34 2,64 2,68

1 35 745.156 1.834.476 Rừng gỗ trồng núi đất Đúng Đúng Đúng 13,47 13,48 13,52 13,37

1 36 750.125 1.831.041 Rừng gỗ trồng núi đất Đúng Đúng Đúng 14,15 14,19 14,46 14,13

1 37 747.004 1.830.515 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,59 2,62 - -

1 38 752.796 1.801.881 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,58 1,61 - 1,35

1 39 752.584 1.803.049 Đất trống núi đất Đúng Đúng Đúng 0,80 0,82 - -

1 40 750.298 1.802.875 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,80 0,82 - 0,67

1 41 750.330 1.803.871 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,84 1,97 2,11 2,12

1 42 765.966 1.818.076 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,46 - - 3,55

1 43 772.698 1.816.656 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,26 3,30 3,16 3,21

1 44 777.220 1.804.293 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,15 4,18 3,93 4,02

1 45 766.411 1.813.255 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,25 1,33 1,19 1,26

1 46 760.863 1.811.191 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,23 3,29 3,11 3,18

1 47 760.837 1.818.046 Rừng gỗ trồng núi đất Đúng Đúng Đúng 5,86 5,93 5,68 5,75

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

1 48 763.163 1.818.010 Rừng gỗ trồng núi đất Đúng Đúng Đúng 10,27 10,26 10,15 10,18

Rừng gỗ tự nhiên núi đất 1 49 758.823 1.817.225 Đúng Đúng Đúng 2,79 - - 2,85 LRTX phục hồi

1 50 776.484 1.813.804 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,57 4,60 4,60 4,58

1 51 772.586 1.812.269 Rừng gỗ trồng núi đất Đúng Đúng Đúng 10,35 10,40 10,12 10,19

1 52 768.740 1.807.508 Rừng gỗ trồng núi đất Đúng Đúng Đúng 6,09 5,78 5,82 6,09

1 53 765.289 1.806.976 Rừng gỗ trồng núi đất Đúng Đúng Đúng 5,02 4,90 4,93 4,99

1 54 789.368 1.805.583 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,80 1,83 1,84 1,79

1 55 788.690 1.804.760 Rừng gỗ trồng núi đất Đúng Đúng Đúng 5,19 4,93 5,05 5,11

1 56 791.445 1.807.089 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,81 3,55 3,62 3,75

1 57 791.018 1.808.686 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,26 2,09 2,18 2,21

1 58 750.915 1.779.060 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,20 0,89 0,97 1,14

1 59 751.835 1.778.900 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,91 1,61 1,69 1,87

1 60 745.923 1.798.681 Đất trống núi đất Đúng Đúng Đúng 3,66 2,93 3,26 3,60

1 61 745.072 1.798.893 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,59 1,36 1,42 1,52

1 62 4,33 742.996 1.797.850 Đất đã trồng trên núi đất Đúng Đúng Đúng - 4,45 -

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

1 63 737.028 1.796.540 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,18 1,20 0,92 0,95

1 64 747.029 1.803.401 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,59 0,61 0,56 0,57

1 65 746.415 1.802.644 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,92 0,94 0,66 0,74

1 66 746.956 1.802.923 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,47 1,48 1,26 1,33

1 67 747.312 1.802.914 Đất đã trồng trên núi đất Đúng Đúng Đúng 2,01 2,05 1,77 1,88

Rừng gỗ tự nhiên núi đất 1 68 745.941 1.803.801 Đúng Đúng Đúng 0,92 0,96 0,77 0,89 LRTX nghèo

1 69 752.048 1.804.160 Đất khác Đúng Đúng Đúng 10,04 6,63 8,91 6,56

1 70 761.615 1.816.810 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,08 2,14 2,07 2,12

1 71 761.748 1.817.454 Mặt nước Đúng Đúng Đúng 2,89 2,95 3,03 3,01

1 72 761.913 1.815.265 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,51 1,53 1,43 1,41

1 73 762.864 1.814.312 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,27 1,29 1,07 1,15

1 74 763.239 1.816.048 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,80 1,86 - 1,70

1 75 763.499 1.814.269 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,91 2,98 2,89 2,91

1 76 765.236 1.817.194 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,26 4,29 4,16 4,26

1 77 765.363 1.814.951 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,27 1,28 1,30 1,28

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

1 78 766.430 1.813.882 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,80 0,83 0,86 0,81

1 79 758.651 1.808.325 Rừng gỗ trồng núi đất Đúng Đúng Đúng 16,33 - - -

1 80 756.016 1.803.660 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,32 1,34 1,12 1,17

1 81 755.830 1.801.889 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,53 3,57 3,21 3,39

1 82 745.832 1.792.628 Đất đã trồng trên núi đất Đúng Đúng Đúng 2,75 2,76 1,97 2,19

1 83 746.267 1.791.940 Đất đã trồng trên núi đất Đúng Đúng Đúng 6,19 6,15 5,66 5,79

1 84 745.473 1.792.560 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,18 1,18 1,11 1,05

1 85 757.714 1.827.564 Rừng gỗ trồng núi đất Đúng Đúng Đúng 38,08 38,17 36,92 37,41

1 86 719.226 1.807.177 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng - 8,10 - 8,11

1 87 717.537 1.807.125 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 3,09 3,28 3,16 3,17

1 88 718.374 1.807.655 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 1,13 1,41 1,23 1,30

Rừng gỗ tự nhiên núi đất 1 89 718.121 1.808.392 Đúng Đúng Đúng 0,57 - 0,60 - LRTX phục hồi

1 90 719.226 1.807.177 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 8,11 - 8,10 -

1 91 721.637 1.806.616 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 3,59 3,64 3,02 3,28

1 92 720.484 1.807.036 Đất trống núi đất Đúng Đúng Đúng 1,66 1,72 1,39 1,56

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

1 93 722.415 1.806.016 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 3,52 3,56 3,01 3,19

1 94 721.166 1.806.597 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 1,93 1,97 1,45 1,67

1 95 720.762 1.807.170 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 1,88 1,90 1,69 1,79

1 96 758.860 1.783.100 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,29 2,33 1,89 2,05

1 97 788.748 1.792.935 Đất khác Đúng Đúng Đúng 3,73 3,78 3,61 3,66

1 98 787.537 1.791.425 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,00 3,15 3,05 3,06

1 99 778.960 1.808.183 Đất đã trồng trên núi đất Đúng Đúng Đúng 2,38 2,45 2,43 2,43

1 100 773.322 1.813.684 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,63 2,67 2,37 2,49

2 101 764.140 1.820.536 Rừng gỗ trồng núi đất Đúng Đúng Đúng 20,78 20,83 21,84 21,22

2 102 4,49 763.271 1.819.008 Rừng gỗ trồng núi đất Đúng Đúng Đúng - 4,47 1,68

2 103 763.218 1.817.559 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,91 0,93 1,33 1,15

2 104 764.232 1.816.504 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,23 4,29 4,98 4,71

2 105 760.761 1.815.213 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,07 2,08 3,15 2,28

2 106 766.461 1.813.782 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,62 1,64 1,87 1,72

2 107 769.147 1.807.568 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,62 1,65 1,83 1,69

2 108 763.756 1.818.504 Rừng gỗ trồng núi đất Đúng Đúng Đúng 32,36 20,05 35,26 32,65

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

2 109 763.271 1.819.008 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,49 - 4,47 1,68

2 110 763.271 1.819.008 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,49 - 4,47 1,68

2 111 747.480 1.830.298 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,69 1,71 2,17 1,92

2 112 747.456 1.832.735 Rừng lồ ô tự nhiên núi đất Đúng Đúng Đúng 0,23 0,27 0,27 0,26

2 113 769.147 1.807.568 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,62 1,65 1,83 1,69

2 114 745.894 1.833.179 Đất đã trồng trên núi đất Đúng Đúng Đúng 2,96 2,98 - -

2 115 746.073 1.832.975 Đất đã trồng trên núi đất Đúng Đúng Đúng 10,14 - - -

Rừng gỗ tự nhiên núi đất 2 116 740.817 1.827.613 Đúng Đúng Đúng 1,31 - - - LRTX phục hồi

2 117 740.122 1.827.469 Rừng gỗ trồng núi đất Đúng Đúng Đúng 19,11 - - -

2 118 740.027 1.829.374 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,02 2,78 2,25 2,59

2 119 - - 748.590 1.829.707 Đất khác Đúng Đúng Đúng 9,27 9,29

Rừng gỗ tự nhiên núi đất 2 120 745.019 1.794.643 Đúng Đúng Đúng 0,22 0,26 0,48 0,37 LRTX phục hồi

Rừng gỗ tự nhiên núi đất 121 2 744.920 1.794.385 Đúng Đúng Đúng 0,39 - 2,02 1,77 LRTX nghèo

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

2 122 747.155 1.788.522 Rừng gỗ trồng núi đất Đúng Đúng Đúng - 1,03 - 0,96

2 123 747.912 1.787.150 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,21 4,19 3,75 3,17

2 124 748.601 1.785.360 Đất khác Đúng Đúng Đúng - 1,47 - 1,45

2 125 750.381 1.781.134 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,30 1,54 1,43 1,28

2 126 749.239 1.781.901 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,57 2,07 1,78 1,54

Rừng gỗ tự nhiên núi đất 127 2 755.271 1.778.564 Đúng Đúng Đúng 0,10 0,12 0,15 0,12 LRTX nghèo

Rừng gỗ tự nhiên núi đất 128 2 755.493 1.778.447 Đúng Đúng Đúng 0,13 0,16 0,18 0,17 LRTX phục hồi

2 129 759.433 1.781.646 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,17 1,28 1,24 1,24

2 130 782.486 1.788.816 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,28 5,17 4,71 4,23

2 131 782.040 1.789.470 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,17 5,82 5,16 4,14

2 132 785.852 1.787.272 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,62 7,31 3,91 3,62

2 133 783.157 1.785.437 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,37 2,76 2,58 2,33

2 134 780.790 1.785.452 Rừng gỗ trồng núi đất Đúng Đúng Đúng 5,53 8,17 7,19 5,54

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

Rừng hỗn giao G-TN tự nhiên 135 2 778.639 1.783.047 Đúng Đúng Đúng 0,51 0,54 0,50 0,48 núi đất

Rừng hỗn giao G-TN tự nhiên 2 136 778.602 1.783.285 Đúng Đúng Đúng 0,62 0,65 0,60 0,60 núi đất

2 137 778.869 1.783.242 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 11,78 11,72 13,25 12,61

Rừng hỗn giao TN-G tự nhiên 2 138 779.159 1.781.279 Đúng Đúng Đúng 3,50 3,49 4,00 3,60 núi đất

Rừng hỗn giao TN-G tự nhiên 2 139 778.737 1.781.285 Đúng Đúng Đúng 0,76 0,79 0,95 0,84 núi đất

2 140 788.492 1.781.558 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,55 2,59 3,12 2,78

2 141 787.844 1.782.147 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,95 2,95 5,10 4,74

2 142 787.507 1.782.702 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,73 4,79 5,68 5,41

2 143 788.729 1.788.102 Đất đã trồng trên núi đất Đúng Đúng Đúng 5,85 5,89 8,91 6,08

2 144 787.856 1.786.506 Rừng gỗ trồng núi đất Đúng Đúng Đúng 11,00 10,98 12,83 11,92

2 145 788.529 1.788.805 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,20 1,23 - -

2 146 788.977 1.789.655 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,99 2,05 2,23 2,14

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

2 147 789.494 1.794.369 Rừng gỗ trồng núi đất Đúng Đúng Đúng 7,18 - - 7,23

2 148 789.993 1.793.408 Đất đã trồng trên núi đất Đúng Đúng Đúng 4,89 6,15 5,52 4,77

2 149 788.541 1.792.750 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,60 4,78 3,91 3,58

2 150 786.082 1.791.173 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,65 - 5,75 3,63

2 151 785.547 1.791.542 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,27 1,63 1,44 1,27

2 152 787.265 1.791.520 Rừng gỗ trồng núi đất Đúng Đúng Đúng 8,36 9,43 8,91 8,64

2 153 789.474 1.793.783 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,96 - 3,23 2,90

2 154 788.035 1.792.979 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,06 1,29 1,17 0,98

2 155 789.073 1.797.052 Đất đã trồng trên núi đất Đúng Đúng Đúng 4,93 5,33 5,15 4,87

2 156 788.865 1.796.896 Đất đã trồng trên núi đất Đúng Đúng Đúng 11,05 11,11 - -

2 157 788.993 1.802.438 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,64 - - 1,55

2 158 789.033 1.801.214 Đất đã trồng trên núi đất Đúng Đúng Đúng 8,87 13,06 12,35 8,81

2 159 787.536 1.801.505 Đất đã trồng trên núi đất Đúng Đúng Đúng 19,64 19,49 28,82 21,15

2 160 787.539 1.804.128 Đất đã trồng trên núi đất Đúng Đúng Đúng 2,76 2,84 2,77 2,71

2 161 782.306 1.807.270 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,17 3,66 3,39 3,14

2 162 785.503 1.808.247 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,88 - 5,21 4,87

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

2 163 787.421 1.811.394 Rừng gỗ trồng núi đất Đúng Đúng Đúng 6,13 6,20 6,92 6,39

2 164 787.473 1.810.898 Rừng gỗ trồng núi đất Đúng Đúng Đúng 8,05 8,16 9,23 8,53

2 165 787.733 1.811.108 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,12 1,13 - -

2 166 774.237 1.815.001 Đất đã trồng trên núi đất Đúng Đúng Đúng - 0,72 0,61 0,67

2 167 774.639 1.814.432 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,90 0,77 - 0,97

2 168 775.418 1.812.716 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,52 0,53 - -

2 169 776.208 1.813.539 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,77 0,78 1,24 1,02

2 170 784.316 1.790.263 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,92 1,96 2,42 2,27

2 171 784.866 1.791.437 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,39 2,39 3,59 2,45

2 172 - 39,98 784.047 1.810.827 Rừng gỗ trồng núi đất Đúng Đúng Đúng 38,34 38,16

2 173 761.742 1.822.050 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,26 1,28 - 1,38

2 174 761.376 1.824.881 Đất đã trồng trên núi đất Đúng Đúng Đúng 6,97 6,99 - -

2 175 762.524 1.823.427 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,05 3,09 4,32 3,50

2 176 763.223 1.823.121 Rừng gỗ trồng núi đất Đúng Đúng Đúng 6,14 6,16 6,98 6,55

2 177 763.189 1.822.494 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,80 3,84 4,46 4,08

2 178 753.228 1.819.321 Rừng gỗ trồng núi đất Đúng Đúng Đúng 6,16 4,47 - 6,20

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

2 179 752.894 1.817.877 Đất đã trồng trên núi đất Đúng Đúng Đúng 3,87 3,85 - -

2 180 753.535 1.818.417 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,15 1,16 - -

2 181 762.686 1.819.494 Rừng gỗ trồng núi đất Đúng Đúng Đúng 56,88 33,40 57,30 35,69

2 182 760.682 1.818.476 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,42 3,37 4,80 4,32

2 183 762.042 1.818.179 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,37 1,42 1,69 1,49

2 184 754.493 1.820.010 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,66 2,71 3,34 3,02

2 185 754.287 1.820.059 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,82 1,83 4,74 4,08

2 186 736.054 1.795.055 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,36 2,40 1,34 1,44

2 187 750.873 1.804.020 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,02 1,06 - -

2 188 750.554 1.802.628 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,80 0,84 1,16 0,98

2 189 749.525 1.804.492 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng 0,72 0,75 0,98 0,88

2 190 746.828 1.803.376 Rừng gỗ trồng núi đất Đúng Đúng Đúng 7,01 7,07 8,39 7,72

2 191 743.421 1.795.859 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,72 2,77 - 2,96

2 192 741.064 1.793.582 Đất đã trồng trên núi đất Đúng Đúng Đúng 2,84 2,89 3,55 3,25

2 193 741.106 1.794.075 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,94 3,98 4,63 4,32

2 194 737.457 1.793.915 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,66 1,68 - -

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

2 195 1,93 1,99 - - 738.395 1.794.795 Đất đã trồng trên núi đất Đúng Đúng Đúng

2 196 1,62 1,70 - - 737.722 1.793.616 Đất đã trồng trên núi đất Đúng Đúng Đúng

2 197 4,59 4,64 - - 737.302 1.793.088 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng

2 198 1,70 1,69 - - 736.054 1.795.055 Đất đã trồng trên núi đất Đúng Đúng Đúng

2 199 0,98 0,99 - - 733.339 1.792.751 Rừng gỗ trồng núi đất Đúng Đúng Đúng

2 200 1,48 1,54 - - 733.614 1.792.868 Đất có cây gỗ tái sinh núi đất Đúng Đúng Đúng

3 201 746.795 1.834.670 Rừng gỗ trồng núi đất Đúng Đúng Đúng 47,93 49,92 47,91 48,66

3 202 - - 739.789 1.793.473 Rừng gỗ trồng núi đất Đúng Đúng Đúng 30,62 -

3 203 749.782 1.832.077 Đất đã trồng trên núi đất Đúng Đúng Đúng 17,34 17,45 17,30 17,24

3 204 745.426 1.833.844 Rừng gỗ trồng núi đất Đúng Đúng Đúng 16,88 16,99 16,62 16,72

3 205 723.811 1.815.664 Rừng gỗ trồng núi đất Đúng Đúng Đúng 16,49 16,59 15,78 -

3 206 758.786 1.823.914 Rừng gỗ trồng núi đất Đúng Đúng Đúng 11,97 12,03 12,22 12,11

3 207 762.673 1.820.166 Rừng gỗ trồng núi đất Đúng Đúng Đúng 11,44 - - -

3 208 745.535 1.833.374 Rừng gỗ trồng núi đất Đúng Đúng Đúng 10,67 10,76 10,45 10,69

3 209 761.675 1.821.666 Rừng gỗ trồng núi đất Đúng Đúng Đúng 10,51 10,59 10,37 10,45

3 210 758.199 1.817.917 Rừng gỗ trồng núi đất Đúng Đúng Đúng 9,72 9,83 9,90 9,93

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

3 211 768.093 1.812.676 Rừng gỗ trồng núi đất Đúng Đúng Đúng 9,30 8,78 9,08 9,25

3 212 757.236 1.821.429 Rừng gỗ trồng núi đất Đúng Đúng Đúng 9,21 8,92 9,07 9,17

3 213 734.966 1.794.508 Rừng gỗ trồng núi đất Đúng Đúng Đúng 9,19 8,02 - 9,15

3 214 762.913 1.817.772 Rừng gỗ trồng núi đất Đúng Đúng Đúng 8,99 7,67 8,21 8,89

3 215 763.703 1.808.507 Rừng gỗ trồng núi đất Đúng Đúng Đúng 8,87 8,27 8,71 8,88

3 216 762.884 1.816.689 Rừng gỗ trồng núi đất Đúng Đúng Đúng 8,90 9,35 9,14 8,76

3 217 740.132 1.833.798 Rừng gỗ trồng núi đất Đúng Đúng Đúng 8,24 7,04 7,51 8,17

3 218 737.795 1.834.283 Rừng gỗ trồng núi đất Đúng Đúng Đúng 7,69 7,06 7,45 7,73

3 219 740.329 1.793.445 Rừng gỗ trồng núi đất Đúng Đúng Đúng 7,12 7,12 - 7,05

3 220 721.998 1.810.966 Rừng gỗ trồng núi đất Đúng Đúng Đúng 6,91 6,59 - 6,85

3 221 758.752 1.810.149 Rừng gỗ trồng núi đất Đúng Đúng Đúng 6,79 6,07 6,30 6,83

Rừng gỗ tự nhiên núi đất 3 222 758.654 1.817.466 Đúng Đúng Đúng 6,83 6,89 6,74 6,80 LRTX phục hồi

3 223 767.413 1.811.541 Rừng gỗ trồng núi đất Đúng Đúng Đúng 6,01 6,15 5,99 5,93

3 224 761.572 1.820.064 Rừng gỗ trồng núi đất Đúng Đúng Đúng 5,50 5,04 5,29 5,47

3 225 766.298 1.813.843 Rừng gỗ trồng núi đất Đúng Đúng Đúng 5,31 6,56 6,50 5,26

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

Rừng hỗn giao TN-G tự nhiên 3 226 759.321 1.814.778 Đúng Đúng Đúng 5,23 5,28 5,07 5,15 núi đất

3 227 721.305 1.811.229 Rừng gỗ trồng núi đất Đúng Đúng Đúng 5,11 5,16 4,70 -

3 228 740.317 1.794.142 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,79 4,85 4,30 -

3 229 744.624 1.833.867 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,76 4,83 4,78 4,72

3 230 746.767 1.825.303 Đất trống núi đất Đúng Đúng Đúng 4,52 4,57 4,57 4,60

3 231 743.014 1.792.358 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,43 - 4,48 -

3 232 753.703 1.800.105 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,37 4,40 3,51 -

3 233 741.918 1.832.856 Rừng gỗ trồng núi đất Đúng Đúng Đúng 4,06 4,08 4,22 4,17

3 234 756.470 1.822.588 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,92 4,04 4,10 4,08

3 235 3,85 749.278 1.836.100 Đất đã trồng trên núi đất Đúng Đúng Đúng - 3,97 4,53

3 236 740.878 1.829.195 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,83 3,85 3,80 3,79

3 237 756.333 1.822.143 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,72 3,77 3,91 3,84

3 238 763.077 1.816.264 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,70 3,74 3,37 3,50

Rừng gỗ tự nhiên núi đất 3 239 723.354 1.814.382 Đúng Đúng Đúng 3,67 3,70 2,71 - LRTX phục hồi

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

3 240 721.885 1.814.563 Đất trống núi đất Đúng Đúng Đúng 3,65 3,68 2,55 -

3 241 762.426 1.815.673 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,77 3,05 3,50 3,54

3 242 739.914 1.792.325 Rừng gỗ trồng núi đất Đúng Đúng Đúng 3,43 3,51 3,57 -

3 243 732.050 1.793.194 Đất trống núi đất Đúng Đúng Đúng 3,39 3,43 3,21 -

3 244 749.245 1.836.427 Đất trống núi đất Đúng Đúng Đúng - 3,49 3,55 3,38

3 245 760.867 1.811.492 Đất trống núi đất Đúng Đúng Đúng 3,25 - 3,05 3,31

Rừng gỗ tự nhiên núi đất 3 246 723.713 1.815.323 Đúng Đúng Đúng 3,17 3,21 2,90 - LRTX phục hồi

3 247 3,17 3,22 3,15 3,15 763.133 1.817.111 Rừng gỗ trồng núi đất Đúng Đúng Đúng

3 248 3,14 3,18 3,65 3,29 760.474 1.815.992 Rừng gỗ trồng núi đất Đúng Đúng Đúng

3 249 3,13 3,22 2,78 2,88 760.036 1.808.983 Rừng gỗ trồng núi đất Đúng Đúng Đúng

3 250 3,11 3,15 2,95 2,96 760.528 1.818.174 Rừng gỗ trồng núi đất Đúng Đúng Đúng

3 251 3,07 3,12 2,85 - 720.877 1.814.194 Rừng gỗ trồng núi đất Đúng Đúng Đúng

3 252 3,06 3,10 2,94 3,06 750.170 1.835.295 Đất đã trồng trên núi đất Đúng Đúng Đúng

3 253 3,05 3,41 3,20 3,26 747.055 1.833.953 Đất đã trồng trên núi đất Đúng Đúng Đúng

3 254 2,71 2,75 2,74 2,68 764.425 1.809.212 Rừng gỗ trồng núi đất Đúng Đúng Đúng

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

3 255 748.606 1.834.386 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,63 2,57 2,66 2,58

3 256 761.364 1.817.111 Đất đã trồng trên núi đất Đúng Đúng Đúng 2,62 2,66 2,69 2,66

3 257 738.745 1.793.443 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,58 2,71 2,63 -

3 258 747.321 1.830.329 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,51 2,54 - 2,25

3 259 758.447 1.818.616 Đất trống núi đất Đúng Đúng Đúng 2,48 2,51 2,22 2,35

3 260 752.213 1.802.063 Đất trống núi đất Đúng Đúng Đúng 2,41 2,48 2,17 -

3 261 751.651 1.802.445 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,40 2,41 2,25 -

3 262 743.730 1.832.676 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,29 2,35 2,37 2,41

3 263 752.234 1.802.773 Đất trống núi đất Đúng Đúng Đúng 2,31 2,38 2,25 -

3 264 767.603 1.811.894 Rừng gỗ trồng núi đất Đúng Đúng Đúng 2,35 2,30 2,27 2,34

3 265 759.670 1.813.197 Đúng Đúng Đúng 2,26 2,34 2,16 2,25 Rừng hỗn giao TN-G tự nhiên núi đất

3 266 2,22 2,25 2,02 2,09 746.687 1.830.145 Rừng gỗ trồng núi đất Đúng Đúng Đúng

3 267 2,20 2,26 2,29 2,26 759.802 1.814.936 Rừng gỗ trồng núi đất Đúng Đúng Đúng

3 268 2,20 2,29 1,74 - 751.894 1.801.138 Đất trống núi đất Đúng Đúng Đúng

2,10 2,12 1,77 - 269 3 749.268 1.803.902 Rừng gỗ trồng núi đất Đúng Đúng Đúng

2,07 2,12 1,70 - 270 3 750.393 1.802.934 Rừng gỗ trồng núi đất Đúng Đúng Đúng

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

3 271 766.672 1.810.340 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,98 2,05 2,30 2,08

3 272 749.419 1.834.963 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,92 2,01 2,07 2,01

3 273 737.065 1.794.205 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,88 1,91 - -

3 274 748.501 1.838.387 Rừng gỗ trồng đất cát Đúng Đúng Đúng 1,76 1,87 1,92 -

3 275 720.527 1.812.794 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,81 1,86 - -

3 276 763.917 1.817.029 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,79 1,84 1,82 1,83

3 277 761.934 1.816.265 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,78 1,81 1,43 1,63

3 278 762.785 1.814.753 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,77 1,85 1,73 -

Rừng gỗ tự nhiên núi đất 3 279 722.587 1.813.784 Đúng Đúng Đúng 1,68 1,71 - - LRTX phục hồi

3 280 769.254 1.809.792 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,66 1,61 1,59 1,61

3 281 731.767 1.790.694 Đất trống núi đất Đúng Đúng Đúng 1,55 1,57 1,65 -

3 282 722.719 1.815.426 Đất trống núi đất Đúng Đúng Đúng 1,48 1,53 1,31 -

3 283 723.987 1.813.033 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,47 1,49 1,44 -

3 284 763.481 1.816.891 Rừng gỗ trồng núi đất Đúng Đúng Đúng - 1,25 1,36 1,39

3 285 753.299 1.801.208 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,34 1,40 1,41 -

Kết quả xác điểm mất Tọa độ Diện tích rừng STT Kỳ Loại đất loại rừng Mẫu mất X Y NDVI NBR IRSI NDVI NBR IRSI rừng

3 286 763.547 1.812.571 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,23 1,25 1,23 1,21

3 287 747.721 1.835.872 Đất đã trồng trên núi đất Đúng Đúng Đúng 1,24 1,13 1,16 1,20

3 288 720.611 1.810.403 Đúng Đúng Đúng 1,14 1,17 - - Rừng gỗ tự nhiên núi đất LRTX nghèo

3 289 719.815 1.812.245 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,11 1,02 1,13 -

3 290 761.259 1.811.186 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,10 1,06 1,10 1,14

3 291 747.268 1.839.854 Rừng gỗ trồng đất cát Đúng Đúng Đúng 1,07 1,12 1,10 -

3 292 763.807 1.815.132 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,03 1,01 1,02 1,06

3 293 722.234 1.814.524 Rừng gỗ trồng núi đất Đúng Đúng Đúng 1,01 1,08 - -

3 294 747.492 1.839.743 Rừng gỗ trồng đất cát Đúng Đúng Đúng 1,00 0,95 0,98 -

3 295 731.053 1.792.693 Rừng gỗ trồng núi đất Đúng Đúng Đúng 0,88 0,90 - -

3 296 722.201 1.814.325 Đất trống núi đất Đúng Đúng Đúng 0,84 0,91 - -

3 297 735.153 1.795.984 Đất trống núi đất Đúng Đúng Đúng 0,80 0,84 - -

3 298 0,71 0,73 749.501 1.836.242 Đất đã trồng trên núi đất Đúng Đúng Đúng 0,61 0,66

3 299 0,68 0,68 - - 748.664 1.839.600 Rừng gỗ trồng đất cát Đúng Đúng Đúng

300 3 721.860 1.812.452 Đúng Đúng Đúng 0,68 0,74 - - Rừng gỗ tự nhiên núi đất LRTX phục hồi