Luận văn Thạc sĩ Quản lý tài nguyên rừng: Nghiên cứu kết hợp ảnh vệ tinh quang học sentinel-2 và dữ liệu radar sentinel-1 xác định trữ lượng rừng tại vườn quốc gia Yok Đôn, tỉnh Đắk Lắk

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT

TRƢỜNG ĐẠI HỌC LÂM NGHIỆP

HÀ KHÁNH CHÂU NGHIÊN CỨU KẾT HỢP ẢNH VỆ TINH QUANG HỌC

SENTINEL-2 VÀ RADAR SENTINEL-1 TRONG XÁC ĐỊNH

TRỮ LƢỢNG RỪNG TẠI VƢỜN QUỐC GIA YOK ĐÔN,

TỈNH ĐẮK LẮK

CHUYÊN NGÀNH: QUẢN LÝ TÀI NGUYÊN RỪNG MÃ SỐ: 8620211

LUẬN VĂN THẠC SĨ QUẢN LÝ TÀI NGUYÊN RỪNG

NGƢỜI HƢỚNG DẪN KHOA HỌC:

PGS.TS. NGUYỄN HẢI HOÀ

Hà Nội, 2019

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình do tôi thực hiện, những số liệu, kết

quả nêu trong luận văn là trung thực và chƣa có ai công bố trong bất cứ công

trình nào khác.

Tác giả

Hà Khánh Châu

LỜI CẢM ƠN

Luận văn “Nghiên cứu kết hợp ảnh vệ tinh quang học sentinel-2 và dữ

liệu radar sentinel-1 xác định trữ lượng rừng tại vườn quốc gia Yok Đôn,

tỉnh Đắk Lắk” đƣợc hoàn thành theo chƣơng trình đào tạo Thạc sỹ, khóa

2017 - 2019 của trƣờng Đại học Lâm nghiệp Việt Nam.

Trong quá trình học tập và thực hiện luận văn, tác giả đã nhận đƣợc sự

quan tâm, giúp đỡ và tạo mọi điều kiện thuận lợi của Ban giám hiệu Trƣờng

Đại học Lâm nghiệp; Khoa đào tạo sau đại học; Các thầy giáo, cô giáo

Trƣờng Đại học Lâm nghiệp; Các anh, chị, em, bạn bè đồng nghiệp. Nhân dịp

này, tác giả xin đƣợc bày tỏ lòng biết ơn sâu sắc trƣớc sự quan tâm và giúp đỡ

quý báu đó.

Xin bày tỏ lòng kính trọng và biết ơn sâu sắc đến PGS.TS. Nguyễn Hải

Hòa đã tận tình hƣớng dẫn và chỉ bảo trong suốt quá trình thực hiện luận văn.

Mặc dù đã hết sức cố gắng và nỗ lực, nhƣng kinh nghiệm nghiên cứu

chƣa nhiều, đặc biệt là hạn chế về mặt thời gian trong quá trình nghiên cứu

nên luận văn chắc chắn không tránh khỏi những thiếu sót nhất định. Tác giả

rất mong nhận đƣợc sự góp ý của các thầy cô giáo và bạn bè đồng nghiệp để

cho luận văn đƣợc hoàn chỉnh hơn.

Xin chân thành cảm ơn!

Hà Nội, 24 tháng 05 năm 2019

Học viên

Hà Khánh Châu

iii

MỤC LỤC

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

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

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

DANH MỤC BẢNG .......................................................................................... v

DANH MỤC HÌNH, CÁC BIỂU ĐỒ ............................................................... vi

DANH MỤC CÁC TỪ VIẾT TẮT .................................................................vii

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

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

1.1. Nghiên cứu về ảnh vệ tinh trong theo d i diễn biến tài nguyên rừng ...... 3

1.2. Tình hình nghiên cứu về khả năng kết hợp ảnh Quang học và ảnh Radar

trong việc xác định trữ lƣợng rừng ................................................................... 9

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

1.2.2. Ở Việt Nam ................................................................................... 12

Chƣơng 2. MỤC TIÊU, ĐỐI TƢỢNG, PHẠM VI, NỘI DUNG VÀ

PHƢƠNG PHÁP NGHIÊN CỨU ................................................................. 19

2.1. Mục tiêu.................................................................................................. 19

2.1.1. Mục tiêu chung ............................................................................. 19

2.2. Đối tƣợng và phạm vi nghiên cứu ................................................................... 19

2.2.1. Đối tượng nghiên cứu........................................................................... 19

2.1.2. Mục tiêu cụ thể ............................................................................. 19

2.2.2. Phạm vi nghiên cứu...................................................................... 19

2.4. Phƣơng pháp nghiên cứu ........................................................................ 20

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

2.4.1. Phương pháp kế thừa tư liệu………………………………………20

Chƣơng 3 ĐIỀU KIỆN TỰ NHIÊN VƢỜN QUỐC GIA YOK ĐÔN ....... 29

3.1. Vị trí địa lý ............................................................................................. 29

3.2. Địa hình, địa thế ..................................................................................... 31

3.3. Khí hậu thuỷ văn .................................................................................... 31

3.3.1. Khí hậu ......................................................................................... 31

3.3.2. Thuỷ văn ....................................................................................... 32

3.4. Địa chất thổ nhƣỡng ............................................................................... 32

3.5. Đa dạng sinh học .................................................................................... 33

3.5.1. Hệ thực vật ................................................................................... 34

3.5.2. Hệ động vật .................................................................................. 35

Chƣơng 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN ......................... 36

4.1. Đặc điểm hiện trạng rừng tại vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk .. 36

4.2. Phƣơng pháp kết hợp ảnh quang học và tƣ liệu Radar .......................... 38

4.2.1. Mối quan hệ giữa giá trị NDVI; phân cực và tổ hợp phân cực

VH, VV với trữ lượng rừng (MGO) ....................................................... 39

4.2.2. Mô hình xác định trữ lượng rừng bằng Sentinel-1 và Sentinel-2 42

4.2.3. Đánh giá độ chính xác c a các mô hình bằng ch số RMSE ....... 48

4.3. Thử nghiệm xác định trữ lƣợng rừng từ ảnh quang học và tƣ liệu radar

cho vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk .................................................. 49

4.4. Đề xuất phƣơng pháp kết hợp ảnh quang học và tƣ liệu radar để xác

định trữ lƣợng rừng ....................................................................................... 52

KẾT LUẬN, TỒN TẠI, KHUYẾN NGHỊ ................................................... 56

TÀI LIỆU THAM KHẢO ............................................................................. 58

PHỤ BIỂU

DANH MỤC CÁC BẢNG

Bảng 1.1. Đặc điểm và khả năng ứng dụng của một sô loại ảnh vệ tinh. .......... 5

Bảng 2.1. Phân loại NDVI theo chất lƣợng thực vật trong lớp phủ bề mặt đất24

Bảng 4.1. Diện tích các loại rừng và đất lâm nghiệp phân theo mục đích sử

dụng của VQG Yok Đôn, tỉnh Đắk Lắk.......................................................... 37

Bảng 4.2. Mối quan hệ giữa giá trị điểm ảnh với trữ lƣợng rừng. ................... 41

Bảng 4.3: Mối quan hệ giữa tổ hợp giá trị điểm ảnh với trữ lƣợng rừng. ....... 47

Bảng 4.4. Kết quả đánh giá độ chính xác của các mô hình. ............................ 48

Bảng 4.5. Diện tích, trữ lƣợng rừng tại VQG Yok Đôn, tỉnh Đắk Lắk. .......... 49

Hình 3.1. Vị trí khu vực nghiên cứu ................................................................ 30

DANH MUC CÁC HÌNH

Hình 4.1. Hệ thống điểm điều tra tại VQG Yok Đôn, tỉnh Đắk Lắk. .............. 38

Hình 4.3. Hiện trạng rừng vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk. ................ 51

Hình 4.2. Phân bố trữ lƣợng gỗ vƣờn quốc gia Yok Đôn, ............................... 50

tỉnh Đắk Lắk. .................................................................................................... 50

Biểu đồ 4.1. Mối quan hệ giữa VH với MGO. ................................................ 39

DANH MUC CÁC BIỂU ĐỒ

Biều đồ 4.2. Mối quan hệ giữa phân cực VV với MGO. ................................. 40

Biều đồ 4.3. Mối quan hệ giữa giá trị trung bình phân cực VV, VH với MGO. . 40

Biều đồ 4.4. Mối quan hệ giữa NDVI với MGO. ........................................... 41

Biều đồ 4.5. Mối quan hệ giữa tổ hợp NDVI-VHMN với MGO. ................... 42

Biều đồ 4.6. Mối quan hệ giữa tổ hợp NDVI-VVMN với MGO. ................... 43

Biều đồ 4.7. Mối quan hệ giữa tổ hợp NDVI-TBMN với MGO. .................... 43

Biều đồ 4.8. Mối quan hệ giữa tổ hợp NDVI+VHMN với MGO. .................. 44

Biều đồ 4.9. Mối quan hệ giữa tổ hợp NDVI+VVMN với MGO. .................. 44

Biều đồ 4.10. Mối quan hệ giữa tổ hợp NDVI+TBMN với MGO. ................. 45

Biều đồ 4.11. Mối quan hệ giữa tổ hợp NDVI*VHMN với MGO. ................. 45

Biều đồ 4.12. Mối quan hệ giữa tổ hợp NDVI*VVMN với MGO. ................. 46

Biều đồ 4.13. Mối quan hệ giữa tổ hợp NDVI*TBMN với MGO. ................. 46

vii

DANH MỤC CÁC TỪ VIẾT TẮT

VQG Vƣờn quốc gia

VH, VV Phân cực đứng-ngang, phân cực đứng – đứng (trong vệ tinh radar)

MGO Trữ lƣợng gỗ

NDVI Chỉ số khác biệt thực vật (Nomalize Different Vegetation Index)

VHMN Giá trị tán xạ trung bình của phân cực đứng-ngang

VVMN Giá trị tán xạ trung bình của phân cực đứng – đứng

TBMN Giá trị tán xạ trung bình của phân cực đứng – ngang và đứng – đứng

Hệ thống thông tin địa lý GIS

Tổ chức nông lƣơng liên hợp quốc FAO

Hệ tống định vị toàn cầu GPS

Kênh cận hồng ngoại NIR

Kênh đỏ RED

dB Đề-xi-ben (Đơn vị đo cƣờng độ tán xạ của tia radar)

OTC Ô tiêu chuẩn (dùng để đo đếm trữ lƣợng gỗ ngoài thực địa)

RMSE Sai số trung phƣơng (Root Mean Square Error)

ĐẶT VẤN ĐỀ

Trƣớc đây phần lớn đất nƣớc Việt Nam có rừng che phủ, nhƣng chỉ

khoảng một thế kỷ qua, rừng bị suy thoái nặng nề. Tỷ lệ che phủ của rừng

giảm từ 43% vào năm 1943 xuống còn 27,1% vào năm 1980 và 26,2% vào

năm 1985 (Bộ Lâm nghiệp, 1991). Nhờ các chƣơng trình trồng rừng (chƣơng

trình 327 giai đoạn 1992-1998 và dự án trồng mới 5 triệu ha rừng giai đoạn

1998-2010), tính đến năm 2005, cả nƣớc có trên 12,6 triệu ha rừng (trong đó:

rừng tự nhiên có gần 10,3 triệu ha, rừng trồng hơn 2,3 triệu ha), nâng độ che

phủ rừng đạt 37% (nguồn - Cục Kiểm lâm); năm 2009 độ che phủ của rừng

của nƣớc ta là 39,1% [1]. Nguyên nhân mất rừng là do công tác quản lý rừng

nƣớc ta chƣa bền vững vẫn còn bộc lộ nhiều yếu kém, cụ thể: công tác kiểm

kê rừng hàng năm chƣa cập nhật kịp thời về diện tích, trữ lƣợng của các trạng

thái rừng. Nhiều diện tích rừng bị mất do đốt nƣơng làm rẫy,chuyển đất có

rừng sang đất sản xuất, khai thác quá mức vƣợt khả năng phục hồi tự nhiên

của rừng… cũng nhƣ những diện tích rừng đƣợc tăng lên nhờ công tác trồng

mới hoặc khoanh nuôi bảo vệ đã không đƣợc thống kê, cập nhật kịp thời vào

bản đồ hiện trạng.

Việc điều tra, đánh giá tài nguyên rừng là một công việc tốn rất nhiều

nhân lực, vật lực. Thời gian một chu kỳ điều tra kéo dài trong 5 năm, trong

khi đó tài nguyên rừng biến động nhanh hơn dẫn tới kết quả điều tra thiếu

chính xác. Mặt khác, hiện trạng và biến động thảm thực vật rừng là căn cứ hết

sức quan trọng phục vụ công tác quy hoạch bảo vệ, phát triển và khai thác sử

dụng tài nguyên rừng một cách bền vững. Chính vì vậy, nhiệm vụ đặt ra đối

với các cơ quan chức năng và các nhà quản lý lâm nghiệp là cần phải áp dụng

các phƣơng pháp cập nhật nhanh, kịp thời, chính xác trong xây dựng bản đồ

hiện trạng rừng.

Ngày nay, với sự phát triển mạnh mẽ của khoa học vũ trụ, công nghệ

xử lý ảnh viễn thám cũng đã xuất hiện và ngày càng tỏ r tính ƣu việt trong

công tác điều tra, quản lý tài nguyên. Dữ liệu viễn thám với tính chất đa thời

gian, đa phổ, phủ trùm diện tích rộng cho phép chúng ta cập nhật thông tin,

tiến hành nghiên cứu một cách nhanh chóng, hiệu quả, tiết kiệm đƣợc thời

gian và công sức. Trong nghiên cứu hiện trạng tài nguyên rừng, nghiên cứu

ảnh viễn thám ngày càng tỏ ra ƣu thế bởi khả năng cập nhật thông tin và phân

tích biến động một cách nhanh chóng. Nghiên cứu ảnh viễn thám đã ứng dụng

vào thực tiễn từ rất lâu trên thế giới; những năm 1960 đã thành lập các bản đồ

rừng và bản đồ lớp phủ bề mặt. Tuy nhiên, đến nay tại Việt Nam vẫn chƣa

đƣợc áp dụng rộng rãi, và việc tiến hành quy hoạch, lập bản đồ hiện trạng

rừng ở các cấp chủ yếu vẫn theo phƣơng pháp thủ công, tức thống kê là dựa

vào các số liệu kiểm kê ở từng địa phƣơng.

Ảnh vệ tinh Radar với những ƣu thế cơ bản nhƣ khả năng chụp ảnh

không phụ thuộc vào thời tiết, có thể chụp ảnh cả ban ngày lẫn ban đêm là

một công cụ hết sức hữu hiệu để theo dõi, giám sát Tài nguyên và Môi

trƣờng, nhất là ở những nƣớc thƣờng xuyên bị ảnh hƣởng của mây nhƣ Việt

nam. Không những thế do đƣợc thu nhận ở vùng sóng dài hơn rất nhiều so với

các sóng nhìn thấy thông thƣờng ảnh vệ tinh radar rất nhạy cảm với các đặc

tính về cấu trúc, độ gồ ghề, tính đồng nhất và độ ẩm của bề mặt đất, những

thông tin này hầu nhƣ không có đƣợc trên ảnh quang học truyền thống. Tuy

nhiên, ảnh radar cũng có nhiều mặt hạn chế rất đáng kể nhƣ biến dạng lớn về

hình học,nhiều nhiễu và hình ảnh các đối tƣợng có nhiều khác biệt so với cảm

nhận của con ngƣời, do đó làm ảnh hƣởng rất nhiều đến việc triển khai các

ứng dụng của ảnh radar. Nhƣ vậy có thể thấy rằng cả hai loại ảnh radar và ảnh

quang học truyền thống đều có những thế mạnh và điểm yếu riêng [2]. Xuất

phát từ ý nghĩa thực tiễn trên tôi tiến hành thực hiện luận văn “Nghiên cứu

kết hợp ảnh vệ tinh quang học sentinel-2 và dữ liệu radar Sentinel-1 xác

định trữ lượng rừng tại Vườn Quốc gia Yok Đôn, tỉnh Đắk Lắk”.

Chƣơng 1

TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU

1.1. Nghi n cứu v ảnh vệ tinh trong th o i iễn i n t i ngu n rừng

Phƣơng pháp viễn thám cho phép thu thập thông tin về đối tƣợng trên

mặt đất thông qua hình ảnh của đối tƣợng mà không cần phải tiếp xúc trực

tiếp ngoài thực địa. Các loại tƣ liệu ảnh viễn thám có thể đƣợc chụp từ máy

bay (ảnh hàng không) nhƣng thông dụng nhất là đƣợc chụp từ ảnh vệ tinh.

Tƣ liệu viễn thám có hai loại chính là ảnh quang học và ảnh Radar. Ảnh

quang học chụp bề mặt trái đất nhờ năng lƣợng mặt trời và các thiết bị chụp

ảnh sử dụng thấu kính quang học, hệ thống chụp ảnh này đƣợc gọi là hệ thống

thụ động. Loại thứ hai là ảnh radar đƣợc chụp nhờ các thiết bị thu, phát sóng

radar đặt trên vệ tinh. Hệ thống này đƣợc gọi là hệ thống chụp ảnh chủ động

hay tích cực.

Ngày nay với sự tiến bộ nhanh chóng của khoa học công nghệ, tƣ liệu

vệ tinh đã và đang đƣợc ứng dụng rộng rãi trong công tác theo dõi, giám sát

tài nguyên thiên nhiên và bảo vệ môi trƣờng đặc biệt là trong việc theo dõi

diễn biến tài nguyên rừng. Nguyên tắc cơ bản để phân biệt các đối tƣợng trên

ảnh vệ tinh là dựa vào sự khác biệt về đặc tính phản xạ của chúng trên các

kênh phổ vật trên ảnh vệ tinh.

Những ƣu th cơ ản của ảnh vệ tinh có thể kể ra là:

- Cung cấp thông tin khách quan, đồng nhất trên khu vực trùm phủ lớn

(Landsat 180km x180km, SPOT, ASTER 60km x 60 km) cho phép tiến hành

theo dõi giám sát trên những khu vực rộng lớn cùng một lúc.

- Cung cấp thông tin đa dạng trên nhiều kênh phổ khác nhau cho phép

nghiêncứu các đặc điểm của đối tƣợng từ nhiều góc độ phản xạ phổ khác

nhau.

- Cung cấp các loại ảnh có độ phân giải khác nhau đo đó cho phép

nghiên cứubề mặt ở những mức độ chi tiết hoặc khái quát khác nhau. Ví dụ

nhƣ các loại ảnh độ phân giải siêu cao nhƣ SPOT 5, IKONOS, QuickBird để

nghiên cứu chi tiết, hoặc các loại ảnh có độ phân giải thấp nhƣng tần suất

chụp lặp cao, diện tích phủ trùm lớn nhƣ MODIS, MERIS cho phép cung cấp

các thông tin khái quát ở mức vùng hay khu vực.

- Khả năng chụp lặp lại hay còn gọi là độ phân giải thời gian. Do đặc

điểm quĩđạo của vệ tinh nên cứ sau một khoảng thời gian nhất định lại có thể

chụp lặp lại đƣợc vị trí trên mặt đất. Sử dụng các ảnh vệ tinh chụp tại các thời

điểm khác nhau sẽ cho phép theo dõi diễn biến của các sự vật hiện tƣợng diễn

ra trên mặt đất, ví dụ nhƣ quá trình sinh trƣởng của cây trồng, lúa, màu.

- Các dữ liệu đƣợc thu nhận ở dạng số nên tận dụng đƣợc sức mạnh xử

lý củamáy tính và có thể dễ dàng tích hợp với các hệ thống thông tin nhƣ hệ

thống thông tin địa lý (GIS).

Do những đặc tính hết sức ƣu việt kể trên ảnh vệ tinh đã trở thành một

công cụ không thể thiếu đƣợc trong công tác theo dõi giám sát tài nguyên

thiên nhiên và môi trƣờng, nhất là ở những vùng khó tiếp cận nhƣ các vùng

núi cao, biên giới, hải đảo…

Phƣơng pháp Viễn thám cho phép thu thập phần lớn các thông tin ở

trong phòng nhƣng kết quả giải đoán cần đƣợc kiểm chứng ở ngoài thực địa

do đó công tác thực địa là một phần không thể thiếu trong công nghệ Viễn

thám.

Trên thế giới việc ứng dụng công nghệ viễn thám, tại những nƣớc phát

triển đã đƣợc thực hiện ngay từ khi có những tấm ảnh đầu tiên của vệ tinh

quan sát trái đất. Cho đến nay ảnh vệ tinh đã đƣợc ứng dụng ở hầu khắp các

nƣớc, kể cả những nƣớc đang phát triển. Ở Việt nam, mặc dù việc ứng dụng

công nghệ Viễn thám có chậm hơn những nƣớc tiên tiến trong khu vực nhƣng

ảnh vệ tinh cũng đã đƣợc sử dụng ở rất nhiều các cơ quan, ngành và địa

phƣơng khác nhau nhƣ nông nghiệp, lâm nghiệp, đo đạc và bản đồ, qui hoạch

đất đai, địa chất – khoáng sản… Những ứng dụng tiêu biểu của ảnh vệ tinh

liên quan đến việc chiết tách các lớp thông tin là:

- Điều tra thành lập bản đồ hiện trạng và theo dõi biến động rừng

- Thành lập bản đồ lớp phủ và hiện trạng sử dụng đất

- Theo dõi giám sát mùa màng ..

- Thành lập bản đồ và theo dõi biến động các vùng đất ngập nƣớc

- Thành lập bản đồ và theo dõi biến động rừng ngập mặn

- Kiểm kê tài nguyên nƣớc mặt

- Qui hoạch đô thị và theo d i quá trình đô thị hóa

Ảnh vệ tinh quang học với nhiều ƣu điểm nhƣ hình ảnh quen thuộc với

con ngƣời, dễ giải đoán, kỹ thuật tƣơng đối dễ phát triển trên nền các công

nghệ chụp ảnh hiện hành nên đã nhanh chóng đƣợc chấp nhận và ứng dụng

rộng rãi. Các loại ảnh quang học nhƣ Landsat, SPOT, Aster, IKONOS,

QuickBird đã trở nên quen thuộc và phổ biến trên toàn thế giới. Trong xây

dựng các bản đồ phân loại rừng bằng công nghệ Viễn thám sử dụng ảnh

quang học đã đƣợc đƣa vào các qui trình qui phạm tƣơng đối hoàn chỉnh.

Thông số kỹ thuật của một số loại ảnh vệ tinh quang học chính đƣợc tổng hợp

ở Bảng 1.1.

Bảng 1.1. Đặc điểm và khả năng ứng dụng của một sô loại ảnh vệ tinh.

Loại ảnh Thông số kỹ thuật Ứng dụng trong phân loại

rừng

1. Ảnh đa phổ có độ phân giải thấp (Multispectral Low Resolution Sensors

Độ phân giải thấp (250m – 1000m); - Quy mô bản đồ: toàn cầu, lục

MODI Trƣờng phủ 330km; Chu kỳ bay địa hoặc quốc gia

chụp 1-2 ngày; Ảnh có từ 2000 (vệ - Phân loại lớp phủ (vd: rừng,

Loại ảnh Thông số kỹ thuật Ứng dụng trong phân loại

rừng

tinh Terra) hoặc 2002 (vệ tinh độ thị, mặt nƣớc...)

Aqua) đến nay

Độ phân giải thấp 1km từ các vệ

AVHRR tinh NOAA; Trƣờng phủ 2400km x

6400km; Ảnh có từ 1980 đến nay.

2. Ảnh đa phổ có độ phân giải trung bình (Multispectral Moderate Resolution

Sensors)

Độ phân giải thấp đến trung bình - Quy mô bản đồ: khu vực

Landsat (30m -120m); Trƣờng phủ 185km x - Phân loại rừng ở cấp độ quần

TM 185km; Chu kỳ bay chụp 16 ngày; xã

Ảnh từ năm 1998 đến nay;

Landsat Độ phân giải thấp đến trung bình - Quy mô bản đồ: khu vực

ETM+ (15m - 20m); Trƣờng phủ 185km x - Phân loại rừng ở cấp độ quần

(Landsat 185km. Chu kỳ bay chụp 16 ngày; xã hoặc một số loài ƣu thế có

7) Ảnh có từ 1999 đến nay; nhận biệt rõ

Độ phân giải trung bình (15-90m)

với 14 kênh phổ từ bƣớc sóng nhìn ASTER thấy tới hồng ngoại gần; Ảnh có từ

năm 2000 đến nay.

3. Ảnh đa phổ có độ phân giải cao (Multispectral High-spatial Resolution Sensors

– Hyperspatial )

Độ phân giải cao đến trung bình, từ - Quy mô bản đồ: địa phƣơng,

2.5m đến 20m (với SPOT VGT là khu vực (hoặc lớn hơn đối với

SPOT 1km); Trƣờng phủ 60km x 60km SPOT VGT)

(với SPOT VGT là 1000 km x 1000 - Phân loại rừng ở cấp độ quần

km); SPOT 1, 2, 3, 4 và 5 có ảnh xã hoặc các loại cụ thể

Loại ảnh Thông số kỹ thuật Ứng dụng trong phân loại

rừng

tƣơng ứng từ 1986, 1990, 1993,

1998 và 2002. Hiện nay SPOT 1 và

3 đã ngừng cung cấp ảnh.

Độ phân giải rất cao (1m – 4m); - Quy mô bản đồ: khu vực, địa

IKONOS Trƣờng phủ 11km x 11km; Chu kỳ phƣơng hoặc nhỏ hơn

bay chụp 3-5 ngày - Phân loại rừng chi tiết ở cấp

độ quần xã hoặc các loài cụ Độ phân giải rất cao (0.6m – 2.4m);

thể; Trƣờng phổ 16.5km x 16.5km. Chu

- Thƣờng đƣợc sử dụng để QuickBird kỳ bay chụp 1-3.5 ngày tuỳ thuộc

kiểm tra kết quả(cid:13)phân loại từ vào vĩ độ.

các nguồn khác.

4. Ảnh siêu phổ (Hyperspectral Sensors)

Ảnh siêu phổ với 224 kênh từ bƣớc - Quy mô bản đồ: khu vực, địa

sóng nhìn thấy tới sóng ngắn hồng phƣơng hoặc nhỏ hơn;

ngoại; Tuỳ thuộc vào vĩ độ của vệ - Phân loại rừng chi tiết ở cấp

AVIRIS tinh mà ảnh có độ phân giải > 1m, độ quần xã hoặc các loài cụ

trƣờng phủ > 1km. thể; ảnh chỉ chụp theo yêu cầu

1 lần, vì vậy không thích hợp

với theo dõi diễn biến rừng.

Ảnh siêu phổ tới 220 kênh từ bƣớc - Quy mô bản đồ: khu vực

sóng nhìn thấy tới sóng ngắn hồng - Phân loại rừng chi tiết ở cấp Hyperion ngoại; Độ phân giải không gian độ quần xã hoặc các loài có

30m; Ảnh có từ năm 2003. nhận biệt rõ.

Nhƣợc điểm chính của ảnh quang học là chỉ có thể chụp vào ban ngày

khi đƣợc mặt trời chiếu sáng và phụ thuộc rất nhiều vào điều kiện thời tiết.

Trong trƣờng hợp thời tiết xấu nhƣ mƣa bão, mây, mù, sẽ rất khó chụp đƣợc

ảnh. Trên ảnh quang học cũng thƣờng có nhiều mây, nhất là ở khu vực nhiệt

đới trong đó có Việt nam. Những nhƣợc điểm này đã làm hạn chế rất nhiều

khả năng ứng dụng của ảnh quang học. Đặc biệt là đối với những ứng dụng

cần sử dụng ảnh chụp ở nhiều thời điểm.

Những nhƣợc điểm của ảnh quang học cũng chính là ƣu điểm của ảnh

radar. Do sử dụng nguồn năng lƣợng riêng của mình để chụp ảnh nên ảnh

radar có thể đƣợc chụp vào cả ban ngày lẫn ban đêm. Các bƣớc sóng ở vùng

sóng micro của hệ thống chụp ảnh radar có khả năng đâm xuyên qua mây nên

không bị ảnh hƣởng của thời tiết do đó rất phù hợp với những khu vực thƣờng

xuyên có nhiều mây phủ nhƣ Việt nam. Một ƣu điểm quan trọng khác của ảnh

radar là cung cấp các thông tin mà ảnh quang học không thể có đƣợc nhƣ độ

ghồ ghề, độ ẩm, cấu trúc của các đối tƣợng trên bề mặt. Chính vì những ƣu

thế trên ảnh radar là loại tƣ liệu rất có tiềm năng ứng dụng ở nƣớc ta.

Tuy nhiên ảnh radar cũng có những nhƣợc điểm rất cơ bản. Do đƣợc

chụp ở vùng sóng micro khác xa với vùng sóng nhìn thấy nên hình ảnh không

giống với cảm nhận thông thƣờng của mắt ngƣời. Mặt khác, do bản chất chụp

nghiêng nên hình ảnh bị biến dạng nhiều nên khó nhận dạng các đối tƣợng và

khó xử lý. Không những thế ảnh radar còn có nhiều nhiễu gây khó khăn cho

ngƣời sử dụng. Do những đặc điểm nói trên ảnh radar còn ít đƣợc sử dụng

hơn so với ảnh quang học.

Mặc dù vậy, trên thế giới công nghệ Viễn thám radar đã và đang phát

triển rất mạnh mẽ, và đƣợc ứng dụng trong rất nhiều lĩnh vực bao gồm theo

d i giám sát thiên tai nhƣ lũ lụt, trƣợt lở đất, cháy rừng, giám sát ô nhiễm

(tràn dầu), nghiên cứu, thăm dò địa chất khoáng sản, đo đạc bản đồ, theo dõi

diễn biến lớp phủ và hiện trạng sử dụng đất, kiểm kê đất rừng, theo dõi mùa

màng. Ở Việt nam, ứng dụng của ảnh radar còn chƣa nhiều, chủ yếu đƣợc sử

dụng cho mục đích nghiên cứu. Các cơ quan đã có những tiếp cận ban đầu với

công nghệ ảnh radar là Viện Khoa học Công nghệ Việt Nam, Trung tâm Viễn

thám- Bộ Tài nguyên và Môi trƣờng, Viện Quy hoạch rừng- Bộ Nông nghiệp

và phát triển nông thôn. Nhƣ vậy, có thể thấy cần phải đẩy mạnh hơn nữa.

Thấy rõ vai trò quan trọng của công nghệ Viễn thám và nhu cầu sử

dụng tƣ liệu ảnh vệ tinh của các cơ quan, ngành trong cả nƣớc, chính phủ đã

cho phép Bộ Tài nguyên và Môi trƣờng triển khai đề án” Hệ thống Giám sát

Tài nguyên thiên nhiên và môi trƣờng tại Việt Nam” sử dụng vốn ODA của

chính phủ Pháp. Thành phần quan trọng nhất của hệ thống này là Trạm thu

ảnh vệ tinh có khả năng thu nhận, xử lý và cung cấp các loại ảnh vệ tinh bao

gồm cả ảnh quang học (MERIS, SPOT 2, 4, 5) và radar (ASAR) cho ngƣời sử

dụng trong nƣớc. Hệ thống giám sát Tài nguyên và Môi trƣờng tại Việt nam

sẽ thúc đẩy các nghiên cứu ứng dụng của ảnh vệ tinh ở nƣớc ta. Khi hệ thống

đi vào hoạt động, ngƣời sử dụng có khả năng tiếp xúc với nhiều loại tƣ liệu

ảnh trên cùng một khu vực nghiên cứu, do đó cần đặc biệt quan tâm đến

phƣơng pháp ứng dụng kết hợp nhiều loại ảnh vệ tinh, nhất là ảnh quang học

và ảnh radar [2].

1.2. Tình hình nghiên cứu v khả năng k t hợp ảnh Quang học và ảnh

Radar trong việc xác định trữ lƣợng rừng

1.2.1. Trên thế giới

Mỗi loại ảnh quang học và radar đều có những ƣu điểm và hạn chế

riêng, do đó việc kết hợp ảnh radar và ảnh quang học đã đƣợc đặt ra nhằm tận

dụng đƣợc thế mạnh của cả hai loại ảnh này.

Việc nghiên cứu kết hợp hai loại ảnh nói trên nhằm mục đích chiết tách

thông tin về lớp phủ mặt đất đã đƣợc thực hiện tại nhiều nƣớc trên thế giới

bao gồm cả những nƣớc có công nghệ tiên tiến nhƣ Mỹ, Canada, Anh, Pháp,

Australia và cả những nƣớc trong khu vực nhƣ Trung quốc, Malaysia, Thái

lan, Indonesia, Singapore. Mỗi nghiên cứu đều có những cách tiếp cận khác

nhau liên quan đến nguồn tƣ liệu đƣợc sử dụng,đối tƣợng lớp phủ mặt đất

đƣợc quan tâm khai thác và phƣơng pháp kết hợp các loạiảnh. Ví dụ nhƣ một

số công trình nghiên cứu sử dụng kết hợp ảnh ERS với ảnh LandsatTM để

tiến hành phân loại lớp phủ thực vật, trong khi đó có công trình nghiên cứu

lạisử dụng ảnh SPOT kết hợp với ảnh RADARSAT để kiểm kê giám sát tài

nguyên rừng. Một số tác giả chỉ sử dụng ảnh radar nhƣ một nguồn tƣ liệu bổ

sung để giải đoán các yếu tố trên ảnh, trong khi có tác giả lại trộn lẫn các

nguồn tƣ liệu để tiến hành phân tích và xử lý. Có thể nêu ra một số nghiên

cứu tiêu biểu nhƣ sau:

Tại Na uy, năm 1995, Weydahl và các đồng nghiệp đã kết hợp ảnh vệ

tinh radar ERS -1 cùng với các loại ảnh quang học nhƣ SPOT và Landsat TM

để nghiên cứu vùng đô thị [18]. Kết quả nghiên cứu cho thấy rằng ảnh radar

đã cung cấp thêm rất nhiều các thông tin về hƣớng, mức độ phức tạp, chất liệu

tạo thành của các đối tƣợng trong vùng đô thị mà trên ảnh quang học thƣờng

ít khi thể hiện.

Năm 1997, Z. A. Hasan và các đồng nghiệp tại Trung tâm Viễn thám

Malaysia (MACRES) trong chƣơng trình hợp tác nghiên cứu giữa châu Âu và

ASEAN để nghiên cứu ứng dụng ảnh vệ tinh ERS 1 đã nghiên cứu sự bổ sung

lẫn nhau giữa ảnh radar ERS 1 và Landsat TM để thành lập bản đồ hiện trạng

lớp phủ/ sử dụng đất ở bang Johore, Malaysia. Hasan đã nhận thấy rằng nếu

chỉ dùng ảnh ERS 1 sẽ rất khó chiết tách các thông tin về lớp phủ bề mặt do

sự khác biệt không lớn về đặc tính tán xạ ngƣợc của các đối tƣợng, tuy nhiên

khi kết hợp với ảnh quang học, đặc biệt là tổ hợp ảnh IHS thì sẽ cho phép

phân biệt tốt nhất các loại lớp phủ trong khu vực nghiên cứu [17].

Louis Demargne và các đồng nghiệp (2001) tại SPOT Image đã nghiên

cứu ứng dụng kết hợp ảnh SPOT và radar để kiểm kê rừng tại Malaysia.

Trong đó ảnh radar đƣợc sử dụng với hai mục đích vừa để thay thế cho ảnh

SPOT tại những vùng có nhiều mây vừa để cung cấp thêm nguồn thông tin

chuyên đề bổ sung cho ảnh SPOT để phân biệt các lớp phủ rừng [14]. Kết quả

nghiên cứu cho thấy đây là một phƣơng pháp có hiệu quả để theo dõi giám sát

và bảo vệ rừng.

Ở Braxin, năm 2003, P.W.M. Souza Fillho tại trƣờng đại học Para và

Paradela tại Viện nghiên cứu quốc gia về không gian đã tiến hành nghiên cứu

kết hợp ảnh Radarsat à ảnh Landsat 5 TM để lập bản đồ khu vực rừng ngập

mặn ven biển thuộc lƣu vực sông Amazon. Các tác giả đã nhận thấy rằng: kết

hợp hai loại ảnh sẽ tăng cƣờng khả năng phân biệt giữa thực phủ có độ cao

khác nhau và những vùng có độ ẩm cao [16].

Trong nghiên cứu của Sun - Hwa Kim và Kyu - Sung Lee tại khoa Địa

Tin Học trƣờng đại học Inha, Incheon, Hàn Quốc, ảnh Radarsat và Landsat

+ETM đã đƣợc ứng dụng để thành lập bản đồ lớp phủ ở khu vực bờ biển phía

Tây bán đảo Triều Tiên [13]. Các tác giả đã đƣa ra đƣợc 11 đối tƣợng lớp phủ

khác nhau từ các tập dữ liệu kết hợp và từ từng loại dữ liệu riêng lẻ. Theo các

tác giả, việc kết hợp hai loại ảnh đã cải thiện rõ rệt khả năng chiết tách thông

tin dù bằng phƣơng pháp giải đoán bằng mắt hay phân loại trên máy tính. Kết

quả phân loại cho thấy độ chính xác tăng lên đến 74,6% khi kết hợp hai loại

ảnh, so với 69,3% nếu chỉ sử dụng ảnh Landsat +ETM.

Tại Mỹ và Canada, việc kết hợp ảnh radar và quang học để nghiên cứu

các đối tƣợng lớp phủ trên bề mặt cũng đã đƣợc thực hiện từ lâu với rất nhiều

các công trình nghiên cứu đƣợc công bố nhƣ sau :

- B. N. Haack (1984) tại trƣờng đại học George Mason bang Virginia

đã kết hợp ảnh radar băng L và băng X với ảnh quang học Landsat MSS để

nghiên cứu vùng đô thị thuộc thành phố LOS ANGELES [11].

- Floyd M. Henderson và nnk (1999), tại trƣờng đại học Albany, bang

NewYork, đã sử dụng các loại ảnh radar Radarsat và ERS cùng với ảnh quang

học Landsat TM để đánh giá vai trò của ảnh radar trong việc hỗ trợ làm giảm

thiểu sự nhầm lẫn giữa các thành phần lớp phủ tại vùng đô thị [12].

- L. B. Chavez (2004), đƣợc sự tài trợ của tổ chức General Dynamics

và ủy ban Các hồ lớn (Great Lake Commission) đã tiến hành nghiên cứu ứng

dụng đa vệ tinh, bao gồm Landsat +ETM, Radarsat và JERS để giám sát khu

vực đất ngập nƣớc tại vùng ven các hồ lớn giữa Mỹ và Canada [15].

Ngoài ra còn rất nhiều các công trình nghiên cứu khác trên thế giới liên

quan đến vấn đề kết hợp ảnh quang học và radar để nghiên cứu các đối tƣợng

lớp phủ mặt đất đã và đang đƣợc thực hiện trên thế giới.

Tuy có những khác biệt về phƣơng pháp nghiên cứu, tƣ liệu sử dụng và

các khu vực thử nghiệm nhƣ đã nêu ở trên, nhƣng tất cả các nghiên cứu đều

cho thấy rằng việc kết hợp ảnh radar và quang học làm tăng khả năng nhận

biết các đối tƣợng trên bề mặt và là một phƣơng pháp có nhiều triển vọng.

1.2.2. Ở Việt Nam

- Nghiên cứu công nghệ viễn thám trong theo d i diễn biến tài ngu ên rừng

Năm 1958, với sự hợp tác của CHDC Đức đã sử dụng ảnh máy bay đen

trắng toàn sắc tỷ lệ 1/30.000 để điều tra rừng ở vùng Đông Bắc (Chu Thị

Bình, 2001) [3]. Đó là một bƣớc tiến bộ kỹ thuật rất cơ bản, tạo điều kiện xây

dựng các công cụ cần thiết để nâng cao chất lƣợng công tác điều tra rừng ở

nƣớc ta. Từ cuối năm 1958, bình quân mỗi năm đã điều tra đƣợc khoảng

200.000 ha rừng, đã sơ thám đƣợc tình hình rừng và đất đồi núi, lập đƣợc

thống kê tài nguyên rừng đơn giản và vẽ đƣợc phân bố tài nguyên rừng ở

miền Bắc. Đến cuối năm 1960, tổng diện tích rừng ở miền Bắc đã điều tra

đƣợc vào khoảng 1,5 triệu ha. Ở Miền Nam ảnh máy bay đƣợc sử dụng từ

năm 1959, đã xác định tổng diện tích rừng miền Nam là 8 triệu ha.

Năm 1968 đã sử dụng ảnh máy bay trong công tác điều tra rừng cho lâm

trƣờng Hữu Lũng, Lạng Sơn. Dựa vào ảnh máy bay, khoanh ra các loại rừng,

sau đó ra thực địa kiểm tra và đo đếm cho từng loại rừng, xây dựng bản đồ

hiện trạng rừng thành quả.

Giai đoạn 1970 – 1975 ảnh máy bay đã đƣợc sử dụng rộng rãi để xây

dựng các bản đồ hiện trạng, bản đồ mạng lƣới vận xuất, vận chuyển cho nhiều

vùng thuộc miền Bắc (Vũ Tiến Hinh, Phạm Ngọc Giao, 1997) [9].

Từ năm 1981 đến năm 1983, lần đầu tiên ngành Lâm nghiệp tiến hành

điều tra, đánh giá tài nguyên rừng trên phạm vi toàn quốc. Trong đó đã kết

hợp giữa điều tra mặt đất và giải đoán ảnh vệ tinh do FAO hỗ trợ. Do vào đầu

những năm 1980, ảnh vệ tinh và ảnh hàng không còn rất hạn chế, chỉ đáp ứng

yêu cầu điều tra rừng ở một số vùng nhất định, mà chƣa có đủ cho toàn quốc.

Ảnh vệ tinh đƣợc sử dụng thời kỳ đó là Landsat MSS.

Từ năm 1991 – 1995 đã tiến hành theo dõi diễn biến tài nguyên rừng

toàn quốc và xây dựng bản đồ hiện trạng tài nguyên rừng trên cơ sở kế thừa

những bản đồ hiện trạng rừng hiện có thời kỳ trƣớc năm 1990, sau đó dùng

ảnh vệ tinh Landsat MSS và Landsat TM có độ phân giải 30x30m để cập nhật

những khu vực thay đổi sử dụng đất, những nơi mất rừng hoặc những nơi có

rừng trồng mới hay mới tái sinh phục hồi. Ảnh vệ tinh Landsat MSS và

Landsat TM tỷ lệ 1:250.000, đƣợc giải đoán khoanh vẽ trực tiếp trên ảnh bằng

mắt thƣờng. Kết quả giải đoán đƣợc chuyển hoạ lên bản đồ địa hình tỷ lệ

1:100.000 và đƣợc kiểm tra tại hiện trƣờng. Thành quả đã thành lập đƣợc: bản

đồ sinh thái thảm thực vật rừng các vùng tỷ lệ 1:250.000; bản đồ dạng đất đai

các tỉnh tỷ lệ 1:100.000 và các vùng tỷ lệ 1:250.000.

Từ năm 1996 – 2000, bản đồ hiện trạng rừng đƣợc xây dựng bằng

phƣơng pháp viễn thám. Ảnh vệ tinh đã sử dụng là SPOT3, có độ phân giải

15m x 15m, phù hợp với việc xây dựng bản đồ tỷ lệ 1:100.000. So với ảnh

Landsat MSS và Landsat TM, ảnh SPOT3 có độ phân giải cao hơn, các đối

tƣợng trên ảnh cũng đƣợc thể hiện chi tiết hơn. Ảnh SPOT3 vẫn đƣợc giải

đoán bằng mắt thƣờng nên kết quả giải đoán vẫn còn phụ thuộc nhiều vào

kinh nghiệm của chuyên gia giải đoán và chất lƣợng ảnh. Kết quả về bản đồ

ngƣời ta đã xây dựng đƣợc các bản đồ phân vùng sinh thái thảm thực vật cấp

vùng và toàn quốc; bản đồ phân loại đất cấp tỉnh, vùng và toàn quốc; bản đồ

hiện trạng rừng cấp tỉnh, vùng và toàn quốc và bản đồ hiện trạng rừng tỷ lệ

1:100.000; 1:250.000; 1:1.000.000.

Từ năm 2000 – 2005, phƣơng pháp xây dựng bản đồ trong lâm nghiệp đã

đƣợc phát triển lên một bƣớc. Bản đồ hiện trạng rừng đƣợc xây dựng từ ảnh

số vệ tinh Landsat ETM+. Độ phân giải ảnh là 30m x 30m. Việc giải đoán

ảnh đƣợc thực hiện trong phòng dựa trên những mẫu khóa ảnh đã đƣợc kiểm

tra ngoài hiện trƣờng. Ƣu điểm của phƣơng pháp giải đoán ảnh số là tiết kiệm

đƣợc thời gian và có thể giải đoán thử nhiều lần trƣớc khi lấy kết quả chính

thức. (Nguyễn Ngọc Bình, 2006) [5].

Từ năm 2007-2010, với sự giúp đỡ của Pháp trong cung cấp trạm thu

ảnh vệ tinh SPOT5 ở Trung tâm Viễn thám Quốc gia. Chu kỳ 4 của chƣơng

trình điều tra theo d i diễn biến tài nguyên rừng do Viện Điều tra Quy hoạch

rừng thực hiện, đã sử dụng ảnh vệ tinh SPOT5 để xây dựng bản đồ hiện trạng

rừng và quy hoạch rừng trên toàn quốc. Đây là bƣớc tiến lớn trong ứng dụng

ảnh viên tinh có độ phân giải cao (2.5 x 2.5m), có quy mô lớn trong giám sát

tài nguyên rừng ở Việt Nam. Tuy nhiên, do chất lƣợng của ảnh nhiều khu vực

không cao, phƣơng pháp giải đoán ảnh bằng mắt thƣờng vì vậy bản đồ giải

đoán vẫn còn nhầm lẫn trong phân loại rừng.

Sau khi kết thúc chƣơng trình điều tra kiểm kê rừng thí điểm ở Bắc Kạn

và Hà Tĩnh năm 2012. Thủ tƣớng chính phủ đã phê duyệt Dự án Tổng điều

tra, kiểm kê rừng toàn quốc giai đoạn 2013-2016”. Tƣ liệu ảnh đƣợc sử dụng

trong giai đoạn này là SPOT5, bổ sung SPOT6, VNREDSat, với kĩ thuật giải đoán

tự động hƣớng đối tƣợng. Thành quả của dự án là bản đồ kiểm kiểm kê rừng,

trong đó xác định r ranh giới diện tích, chất lƣợng, trữ lƣợng rừng cho từng chủ

sở hữu đến tận hộ gia đình.

Nhƣ vậy, việc ứng dụng viễn thám nói riêng và công nghệ không gian

địa lý nói chung ở Việt Nam đã có nhiều bƣớc tiến r rệt theo thời gian. Song

song với điều tra mặt đất, đã có nhiều nghiên cứu thử nghiệm và từng bƣớc

ứng dụng có hiệu quả phƣơng pháp viễn thám trong xây dựng các bản đồ tài

nguyên rừng, theo d i diễn biến tài nguyên rừng. Tuy nhiên, hệ thống các bản

đồ tài nguyển rừng Việt nam hiện nay, do đƣợc xây dựng tại các thời điểm

khác nhau và đã sử dụng nhiều nguồn thông tin tƣ liệu, nhiều nguồn ảnh, từ

ảnh vệ tinh Landsat MSS, TM, SPOT, Aster, Radar, ảnh máy bay và hệ thống

phân loại rừng rất khác nhau qua các thời kỳ, nên đã tạo ra nhiều loại số liệu

không đồng bộ, gây khó khăn cho ngƣời sử dụng, đặc biệt trong việc theo dõi

biến động về diện tích của rừng qua các thời kỳ. Có thể điểm qua một số công

trình nghiên cứu liên quan đến ứng dụng ảnh vệ tinh trong phân loại các trạng

thái rừng gần đây nhƣ:

+ Công trình nghiên cứu của Nguyễn Mạnh Cƣờng (1996) [4], Nghiên

cứu đánh giá khả năng ứng dụng phƣơng pháp xử lý ảnh số từ thông tin viễn

thám cho lập bản đồ rừng”. Tác giả đã sử dụng ảnh Landsat TM và phƣơng

pháp phân loại phổ có kiểm định nhằm khoanh vẽ các trạng thái rừng. Kết quả

giải đoán đƣợc so sánh với bản đồ đối chứng đƣợc giải đoán bằng mắt từ ảnh

tổ hợp màu Landsat TM ở tỷ lệ 1/250.000.

+ Luận án tiến sĩ chuyên ngành khoa học đia lý của Trần Văn Thuỵ

(1996) với luận văn Ứng dụng phƣơng pháp viễn thám để thành lập bản đồ

thảm thực vật tỉnh Thanh Hoá, tỷ lệ 1/200.000” [7]. Tác giả sử dụng phƣơng

pháp giải đoán ảnh bằng mắt trên ảnh tổ hợp màu của tƣ liệu vệ tinh Landsat

TM, KFA-1000, Landsat MSS, KT-200 và ảnh máy bay đen trắng để thành

lập bản đồ thảm thực vật tỉnh Thanh Hoá.

+Luận văn hợp tác nghiên cứu với cơ quan thám hiểm vũ trụ Nhật Bản

Sử dung ảnh đa phổ và đa thời gian để xây dựng bản đồ lớp phủ thực vật”

của Nguyễn Đình Dƣơng – Viện Địa Lý, thực hiện từ năm 1996 đến 1998.

Tác giả đã áp dụng phƣơng pháp phân loại đa phổ bán tự động với 2 tƣ liệu

viễn thám ADEOS, AVNIR xây dựng các bản đồ lớp phủ thực vật.

Gần nhất là công trình Nghiên cứu nâng cao khả năng tự động trong giải

đoán ảnh vệ tinh độ phân giải cao để xây dựng bản đồ hiện trạng rừng phục

vụ công tác điều tra kiểm kê rừng” của Vũ Tiến Điển (2013) [10], tác giả ứng

dụng phƣơng pháp phân loại ảnh hƣớng đối tƣợng với tƣ liệu ảnh vệ tinh

SPOT5, để phân loại rừng và đánh giá độ chính xác của kết quả phân loại cho

các vùng nghiên cứu thí điểm. Kết quả của đề tài là bƣớc tiến mới trong ứng

dụng các kỹ thuật phân loại ảnh nhằm nâng cao độ chính xác bản đồ giải đoán

và giảm thiểu các sai số khách quan khác.

Ảnh radar xuất hiện muộn hơn, mặt khác do bản chất của ảnh radar

chịu ảnh hƣởng của nhiều loại biến dạng hình học, nhiễu và hình ảnh khác

biệt so với cảm nhận thông thƣờng nên mặc dù có những ƣu thế không thể

phủ nhận nhƣ khả năng chụp ảnh không phụ thuộc thời tiết nhƣng vẫn rất ít

đƣợc sử dụng trong thực tế.

Hiện nay ảnh radar mới đƣợc sử dụng chủ yếu trong một số công trình

nghiên cứu để thành lập bản đồ sử dụng đất, theo dõi sự phát triển của lúa,

theo dõi ngập lụt hoặc tình trạng chặt phá rừng. Công tác nghiên cứu chủ yếu

đƣợc tiến hành tại các cơ quan nghiên cứu thuộc Viện khoa học Công nghệ

Việt nam nhƣ Viện vật lý, viện Địa lý cũng nhƣ tại một số Trung tâm Viễn

thám của các Bộ Tài nguyên và Môi trƣờng, Bộ Nông nghiệp và Phát triển

Nông thôn. Ví dụ nhƣ các công trình sau:

+ Sử dụng ảnh radar ERS để theo d i lũ lụt tại khu vực đồng bằng sông

Cửu Long do các tác giả Nguyễn Thành Long và Bùi Doãn Trọng (2001),

Viện Vật lý, Viện Khoa học Công nghệ Việt nam thực hiện.

+Luận văn nghiên cứu khoa học độc lập cấp nhà nƣớc: Xây dựng bản

đồ hiện trạng sử dụng đất từ ảnh vệ tinh Radar phục vụ nghiên cứu đánh giá

biến động về hiện trạng sử dụng đất ở đồng bằng sông Cửu Long.

Việc kết hợp ảnh vệ tinh quang học và ảnh radar để giám sát lớp phủ

mặt đất cũng đã đƣợc một số cơ quan tiến hành nghiên cứu, ví dụ nhƣ tác giả

Nguyễn Đình Dƣơng (2001) - Viện Địa lý, Viện Khoa học và Công nghệ Việt

nam đã kết hợp ảnh radar JERS-1 (Nhật bản) với ảnh Landsat TM để nghiên

cứu thành phố Hà nội và vùng phụ cận. Nghiên cứu của tác giả đã chỉ ra rằng

kết hợp ảnh radar và quang học cho phép phân biệt các vùng dân cƣ nông

thôn, một số loại cây trồng nông nghiệp cũng nhƣ các vùng đô thị với mật độ

xây dựng khác nhau, là những thông tin không thể có đƣợc nếu chỉ sử dụng

ảnh quang học.

Trung tâm Viễn thám, Bộ Tài nguyên và Môi trƣờng trong những năm

2000 - 2001 thông qua đề án với hãng hàng không vũ trụ châu ÂU (ESA) và

Liên Hiệp Quốc cũng đã có một số thử nghiệm sơ bộ về kết hợp ảnh radar và

ảnh quang học để phân tích các đối tƣợng trên bề mặt và đã thu đƣợc một số

kết quả đáng khích lệ.

Tuy nhiên, các nghiên cứu nêu trên mới chỉ đề cập tới một vài phƣơng

án kết hợp ảnh và chiết tách thông tin nhất định mà chƣa có những nghiên

cứu, đánh giá một cách đầy đủ và phƣơng pháp này.

- Khả năng ứng dụng các phương pháp xác định trữ lượng rừng bằng ảnh vệ

tinh ở Việt Nam

Việc xác định sinh khối (trữ lƣợng) rừng sử dụng ảnh vệtinh đã đƣợc

nghiên cứu, ứng dụng khá rộng rãi trên thế giới bằng các phƣơng pháp khác

nhau và các loại tƣ liệu ảnh khác nhau. Tuy nhiên, các nghiên cứu và ứng

dụng này hầu hết tập trung ở rừng ôn đới, rừng lá kim hoặc rừng trồng. Các

nghiên cứu đƣợc thực hiện ở rừng nhiệt đới, đặc biệt là rừng tự nhiên hỗn loài

ở Việt Nam còn tƣơng đối ít.

Mặt khác, các kết quả nghiên cứu của các nhà khoa học trong nƣớc chủ

yếu sử dụng ảnh: SPOT5, ALOS PALSAR để xác định trữ lƣợng cho kiểu

trạng thái rừng tự nhiên lá rộng thƣờng xanh nên chƣa đủ điều kiện để xác

định đƣợc trữ lƣợng cho các trạng thái rừng phức tạp tại nƣớc ta.

Vì vậy, việc tích hợp đa nguồn dữ liệu vệ tinh, bao gồm cả dữ liệu quang

học và dữ liệu radar, GIS và mô hình hóa kỹ thuật với các đo đạc thực địa

nhằm xây dựng một phƣơng pháp phù hợp để ƣớc tính tổng trữ lƣợng trên

mặt đất tại khu vực rừng nhiệt đới có cấu trúc phức tạp nhƣ Việt Nam là cần

thiết.

Chƣơng 2

MỤC TIÊU, ĐỐI TƢỢNG, PHẠM VI, NỘI DUNG VÀ PHƢƠNG

PHÁP NGHIÊN CỨU

2.1. Mục tiêu

2.1.1. Mục tiêu chung

Kết quả nghiên cứu cung cấp thêm cơ sở khoa học về việc ứng dụng tƣ

liệu ảnh Radar để xác định đƣợc trữ lƣợng rừng, góp phần nâng cao chất

lƣợng công tác xây dựng bản đồ hiện trạng rừng ở Việt Nam nói chung và

Vƣờn Quốc gia Yok Đôn, tỉnh Đắk Lắk nói riêng.

2.1.2. Mục tiêu cụ thể

- Đánh giá đặc điểm hiện trạng rừng khu vực nghiên cứu.

- Ƣớc tính trữ lƣợng rừng dựa vào ảnh quang học và tƣ liệu Radar.

- Đề xuất đƣợc biện pháp kỹ thuật kết hợp ảnh quang học và tƣ liệu

radar trong đánh giá trữ lƣợng rừng.

2.2. Đối tƣợng v phạm vi nghi n cứu

2.2.1. Đối tượng nghiên cứu

Đối tƣợng nghiên cứu của đề tài là ảnh vệ tinh Sentinel-1, Sentinel-2 và

rừng ở Vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk.

2.2.2. Phạm vi nghiên cứu

- Phạm vi nội dung: Chỉ nghiên cứu khả năng ứng dụng ảnh vệ tinh

quang học Sentinel-2 đã xử lý ở mức 1C đã nắn chỉnh hình học và gắn hệ tọa

độ UTM WGS 1984 và ảnh vệ tinh Sentinel-1 ở chế độ chụp rộng và đã tính

chuyển về giá trị mặt đất.

- Phạm vi không gian: Đề tài thực hiện nghiên cứu trong phạm vi ranh

giới của Vƣờn Quốc gia Yok Đôn trên địa bàn tỉnh Đắk Lắk.

- Phạm vi thời gian: Thời gian nghiên cứu từ tháng 10/2018 đến

04/2019.

2.3. Nội ung nghi n cứu

Để đạt đƣợc mục tiêu nghiên cứu, luận văn đặt ra những nội dung nghiên cứu

- Nghiên cứu đặc điểm hiện trạng rừng tại Vƣờn Quốc gia Yok Đôn,

tỉnh Đắk Lắk.

- Nghiên cứu phƣơng pháp kết hợp ảnh quang học và tƣ liệu Radar.

- Thử nghiệm xác định trữ lƣợng rừng từ ảnh quang học và tƣ liệu radar

cho Vƣờn Quốc gia Yok Đôn, tỉnh Đắk Lắk.

- Đề xuất phƣơng pháp kết hợp ảnh quang học và tƣ liệu radar để xác

định trữ lƣợng rừng.

2.4. Phƣơng pháp nghi n cứu

2.4.1. Phương pháp kế thừa tư liệu

Trong quá trình thực hiện, luận văn kế thừa những tài liệu và các dữ

liệu cơ sở sau:

- Tài liệu về điều kiện tự nhiên, kinh tế - xã hội;

- Bản đồ quy hoạch ba loại rừng năm 2015; Ranh giới hành chính, bản

đồ kết quả kiểm kê đất đai năm 2015 của tỉnh Đắk Lắk;

- Bản đồ kết quả kiểm kê rừng tỉnh Đắk Lắk năm 2014;

- Ảnh quang học Sentinel-2 năm 2018 gồm các kênh đa phổ đã xử lý ở

mức 1C;

- Tƣ liệu Radar Sentinel-1 năm 2018 đã xử lý mức 1 của tỉnh Đắk Lắk.

2.4.2. Phương pháp nghiên cứu cụ thể

2.4.2.1. Phương pháp điều tra và xử lý số liệu ngoại nghiệp

a. Phương pháp điều tra ngoại nghiệp

Đề tài đã kế thừa 37 ô tiêu chuẩn thuộc chƣơng trình điều tra, kiểm tra

rừng của Vƣơn quốc gia Yok Đôn. Các ô tiêu chuẩn điển hình đại diện cho

các trạng thái rừng khác nhau tại Vƣờn Quốc gia Yok Đôn để thu thập số liệu

về chiều cao (Hvn), đƣờng kính (D1.3) và mật độ cây rừng phục vụ công tác

tính trữ lƣợng rừng trong đó 27 ô tiêu chuẩn đƣợc sử dụng để nghiên cứu xác

định trữ lƣợng và 10 ô tiêu chuẩn còn lại đƣợc sử dụng để kiểm chứng độ

chính xác.

Phƣơng pháp thu thập số liệu ô tiêu chuẩn nhƣ sau:

Vị trí của các ô tiêu chuẩn đƣợc xác định bằng máy GPS với độ chính

xác từ 3m – 5m, độ cao tuyệt đối đƣợc xác định bằng máy GPS, độ dốc bình

quân đƣợc xác định bằng địa bàn.

Ô tiêu chuẩn điều tra trữ lƣợng rừng có hình chữ nhật diện tích 1000m2,

(tƣơng ứng kích thƣớc là 33,3m*30m).

- Xác định tên loài của tất cả các cây gỗ có đƣờng kính lớn hơn 6cm

trên ô tiêu chuẩn. Đối với những loài không biết tên, dùng dao xác định độ

cứng của thân cây gỗ để xếp vào một trong các nhóm Sp1, Sp2 và Sp3, trong

đó: (i) Sp1: Là những loài gỗ cứng (đƣợc xếp vào nhóm các loài gỗ tốt); (ii)

Sp2: Là những loài gỗ trung bình (đƣợc xếp vào nhóm các loài gỗ trung

bình); (iii) Sp3: Là những loài gỗ mềm (đƣợc xếp vào nhóm các loài gỗ tạp).

- Đo chu vi thân cây ở vị trí cách mặt đất 1.3m độ chính xác đến cm

bằng thƣớc dây của tất cả các cây gỗ có đƣờng kính lớn hơn 6cm và ghi số

hiệu cây đo đếm bằng sơn đỏ hoặc bút phớt không xoá trên thân cây ở vị trí

1,3m.

- Xác định chiều cao vút ngọn độ chính xác đến m bằng các thƣớc đo

chuyên dụng theo quy định về điều tra thu thập số liệu ngoại nghiệp của tất cả

các cây gỗ có đƣờng kính lớn hơn 6cm.

Những cây gỗ nằm đúng trên đƣờng ranh giới ô tiêu chuẩn: Chỉ đo đếm

những cây nằm trên đƣờng ranh giới ở phía Bắc và phía Đông của ô đo đếm

hoặc trên đƣờng ranh giới ở phía trên và phía phải theo hƣớng nhìn lên đỉnh

dốc.

b. Phương pháp xử lý nội nghiệp

(1)

- Tính toán trữ lƣợng gỗ [6]

Trong đó: M là trữ lƣợng gỗ, tính bằng m3 / ha

là tiết diện ngang cây thứ I, tính bằng m2 / ha

G = π( ) 2(2)

là chiều cao cây vút ngọn của cây thứ i, tính bằng m.

D1,3i là đƣờng kính thân cây tại vị trí 1,3 mét của cây thứ i, tính bằng cm.

f là hình số thân cây, f= 0,45 ( đối với rừng tự nhiên)

n là số cây trong ô tiêu chuẩn

2.4.2.2. Phương pháp xử lý ảnh Quang học và ảnh Radar

- Trích xuất dữ liệu ảnh cho khu vực nghiên cứu: Mỗi cảnh ảnh Radar có

kích thƣớc 250 km và ảnh Sentinel phủ một vùng trên mặt đất rộng 290 x 290

km, rộng hơn rất nhiều so với khu vực nghiên cứu. Do vậy, để tập trung vào khu

vực nghiên cứu và giảm dung lƣợng xử lý, ảnh quang học và ảnh radar đƣợc trích

xuất cho xã Vƣờn Quốc gia Yok Đôn, tỉnh Đắk Lắk theo ranh giới hành chính

của vƣờn.

a. Ảnh quang học

Quá trình xử lý dữ liệu ảnh viễn thám là một quá trình phức tạp bao

gồm nhiều kỹ thuật khác nhau. Tuy nhiên, quá trình này đƣợc thể hiện gồm

các bƣớc sau:

+ Hiệu chỉnh bức xạ ảnh: Để đảm bảo nhận đƣợc những giá trị chính

xác của năng lƣợng bức xạ, phản xạ củavật thể trên ảnh vệ tinh cần hiệu chỉnh

bức xạ nhằm loại trừ các giá trị nhiễu trƣớc khi sử dụng ảnh. Hiệu chỉnh bức

xạ ảnh gồm ba nhóm chính là: hiệu chỉnh bức xạ do ảnh hƣởng bởi bộ cảm

biến, hiệu chỉnh do địa hình và góc chiếu của mặt trời, hiệu chỉnh bức xạ do

ảnh hƣởng của khí quyển.

+ Tăng cƣờng chất lƣợng ảnh: Đây là quá trình xử lý nhƣ lọc không

gian, nén ảnh, tạo ảnh tỷ số…nhằm mục đích tăng cƣờng chất lƣợng ảnh vệ

tinh, nâng cao độ chính xác trong quá trình phân loại ảnh phục vụ các mục

đích và yêu cầu khác nhau của ngƣời sử dụng.

Tăng cƣờng chất lƣợng ảnh nhằm mục đích làm nổi bật những đối

tƣợng trên ảnh mà ngƣời giải đoán quan tâm để thuận lợi trong quá trình phân

loại giải đoán ảnh thành lập bản đồ.

+ Tổ hợp kênh ảnh: Một ảnh Sentinel-2 gốc bao gồm 13 kênh ảnh riêng

rẽ và đƣợc hiển thị màu theo cấp độ sáng khác nhau, rất khó cho việc giải

đoán ảnh. Mục đích của việc tổ hợp các kênh ảnh vệ tinh nhằm tạo ra một ảnh

màu hiển thị rõ ràng các đối tƣợng cần quan tâm giúp cho công tác xác định

đối tƣợng dễ dàng hơn, bằng cách kết hợp các giá trị phổ của ba kênh ảnh đa

phổ riêng rẽ. Tổ hợp các kênh 4, 3, 2 sẽ cho ảnh màu tự nhiên để thể hiện các

đặc điểm của lớp phủ bề mặt. Các kênh này kết hợp với kênh 5 để tạo ra kênh

ảnh NDVI (chỉ số khác biệt về thực vật). Các thao tác kỹ thuật tạo kênh ảnh

NDVI đƣợc thực hiện bằng phần mềm SNAP. Công thức tính NDVI:

NDVI = (NIR-RED) / (NIR+RED)

Trong đó:

+ NDVI là chỉ số khác biệt thực vật (Normalize Different Vegistable

Index)

+ NIR: Kênh cận hồng ngoại (Band 5)

+ RED là kênh đỏ (Band 4)

Giá trị rất thấp của NDVI (0.1 trở xuống) tƣơng ứng với khu vực cằn cỗi

của đá, cát, hoặc tuyết, mặt nuớc. Giá trị NDVI vừa phải đại diện cho cây bụi

và đồng cỏ (0,2-0,3), trong khi giá trị cao cho thấy rừng nhiệt đới và nhiệt đới

(0,6-0,8), cụ thể qua bảng 2.1:

Bảng 2.1. Phân loại NDVI theo chất lƣợng thực vật trong

lớp phủ b mặt đất

Lớp phủ mặt đất

Giá trị NDVI < 0,1 0,1 - 0,2 0,2 - 0,3 0,3 - 0,6 > 0,6 Khu vực đá; cát; mặt nƣớc; bê tông Đất đá cằn cỗi, cây bụi Cây bụi và trảng cỏ; đất nông nghiệp để trống Trảng cỏ, cây trồng nông nghiệp, rừng thƣa Rừng nhiệt đới

(Nguồn: NASA 2013)

+ Thể hiện màu dữ liệu ảnh: Phƣơng pháp thể hiện màu dữ liệu ảnh

vệ tinh có vai trò quan trọng trong việc giải đoán ảnh bằng mắt, đặc biệt là thể

hiện màu đa phổ thích hợp sao cho đạt hiệu quả cao nhất trong công tác giải

đoán.

Việc thể hiện màu dữ liệu ảnh quan trọng nhất là chọn các kênh phù

hợp để tổ hợpmàu nhằm khai thác các thông tin trên ảnh hiệu quả cho việc lập

bản đồ. Do đó, có nhiều cách khác nhau để chọn kênh phổ nhằm mục đích thể

hiện màu dữ liệu ảnh nhƣ: tổ hợp màu, chỉ số OIF (Optimum index factor).

b. Ảnh Radar

- Lọc nhiễu cho ảnh radar: Do bản chất của ảnh radar chứa nhiều

nhiễu nên sau khi nắn chỉnh hình học cần tiến hành lọc nhiễu cho ảnh radar.

Cần sử dụng các phin lọc tƣơng tác nhƣ lọc Lee, Sigma hay Frost để lọc nhiễu

cho ảnh radar. Hiện nay, hầu nhƣ tất cả các phềm mềm xử lý ảnh vệ tinh nhƣ

ENVI, PCI, ERDAS Imagine đều đƣợc trang bị các loại phin lọc này. Khi tiến

hành lọc có thể chọn các cửa sổ lọc có kích thƣớc khác nhau nhƣ 3x3, 5x5,

7x7 ... hoặc 11 x11, cũng có thể tiến hành lọc nhiều lần với các cửa sổ có kích

thƣớc giống hoặc khác nhau nhƣng sau mỗi lần lọc cần kiểm tra kết quả xem

có bị mất nhiều chi tiết hay không để có sự điều chỉnh phù hợp.

- Định chuẩn ảnh Radar: Cũng nhƣ các tƣ liệu viễn thám khác, tƣ liệu

radar cũng đƣợc thƣơng mại hóa dƣới dạng dữ liệu số. Các thông tin số trên

tƣ liệu radar đƣợc mã hóa 16 bit và thể hiện bằng xám độ ảnh. Vì vậy, hàng

loạt các ảnh hƣởng của môi trƣờng và của thiết bị đã đƣợc trung bình hóa”.

Việc khôi phục lại thông tin ban đầu dƣới dạng phản hồi đo bằng dB (deci-

Ben) từ giá trị năng lƣợng hay biên độ của ảnh Radar thực chất là quá trình

định chuẩn. Đây là công việc phức tạp nhƣng lại đặc biệt quan trọng cho việc

phân loại một cách có cơ sở các đối tƣợng có phản hồi tƣơng tự hoặc gần

nhau. Vì việc thống kê theo hàm logarit tính theo dB có khả năng phân dị

thông tin cao hơn hàm tuyến tính (tính theo giá trị năng lƣợng hoặc biên độ)

do đó sẽ mang lại nhiều thông tin về sự biến đổi của các đối tƣợng mặt đất.

Trong quá trình này giá trị độ xám trên ảnh gốc sẽ đƣợc tính chuyển về

giá trị phản hồi tính theo đơn vị dB. Tùy theo mỗi loại ảnh sẽ có các công

thức và các tham số riêng để tính chuyển.

- Phƣơng pháp lấy mẫu trên ảnh radar:

Lấy mẫu theo nhóm pixel tại vị trí tọa độ OTC: Các công trình nghiên cứu

trên thế giới nhƣ Ram Avtar et al. (2014), A. Michard et al. (2006)... đã chỉ ra rằng

mô hình hàm logarit phản ánh tốt nhất cho mối quan hệ giữa sinh khối (hay trữ

lƣợng rừng) với giá trị Sigma0. Trong thực tế, sinh trƣởng của cây rừng không

phải là vô hạn do đó, tăng trƣờng rừng cũng sẽ chậm dần ở giai đoạn thành thục.

Vì vậy, luận văn lựa chọn hàm logarit để xây dựng mối quan hệ giữa giá trị

sigma0 với trữ lƣợng rừng.

c. Phƣơng pháp kết hợp ảnh Quang học và ảnh Radar

Mục tiêu của việc kết hợp ảnh quang học và ảnh radar là khai thác đƣợc

nhiều thông tin hơn, phân biệt đƣợc nhiều đối tƣợng trên bề mặt hơn so với

từng loại ảnh riêng biệt, làm cho việc giải đoán hoặc phân loại ảnh dễ dàng

hơn. Để thực hiện nhiệm vụ này cần xây dựng lớp bản đồ dạng vector chứa tổ

hợp giá trị phổ của ảnh quang học và giá trị tán xạ của ảnh radar.

- Xây dựng lớp bản đồ vector từ ảnh quang học

Ảnh quang học sau khi đƣợc nắn chỉnh hình học và tăng cƣờng chất

lƣợng sẽ đƣợc đƣa vào khoanh vi thành các lô trạng thái bằng phần mềm

eCognition Developer.

+ Ảnh vệ tinh Sentinel-2 đƣợc tiến hành phân vùng (segmentation), kết

quả sẽ tạo ra lớp bản đồ gồm nhiều lô hay vùng (polygon). Thuật toán phân

vùng không chỉ phụ thuộc vào giá trị của từng pixel đơn lẻ mà còn dựa vào

tính chất không gian liên tục của các pixel nhƣ về cấu trúc, mối quan hệ

không gian, thông thƣờng các lô tạo ra này chƣa có giá trị thuộc tính tức là

chƣa xác định đƣợc tên trạng thái cần theo hệ thống phân loại (Navulur K.,.

2006).

+ Phân vùng ảnh đa phân giải (multi-resolution segmentation) trong

eCognition là kỹ thuật gộp vùng (region merging) từ dƣới lên và bắt đầu từ

mức pixel. Từng bƣớc các đối tƣợng ảnh nhỏ sẽ đƣợc gộp thành các đối tƣợng

lớn hơn. Đây là một quá trình tối ƣu hóa nhằm giảm thiểu sự bất đồng nhất có

trọng số n và h (Weighted heterogeneity) của đối tƣợng đƣợc tạo ra, trong đó

n là kích thƣớc của đoạn ảnh (segment), h là thông số của độ bất đồng nhất.

Tại mỗi bƣớc của quá trình phân mảnh ảnh thì các cặp đối tƣợng liền kề sẽ

đƣợc gộp lại làm cho độ bất đồng nhất tăng lên ở mức nhỏ nhất trong giới hạn

định trƣớc. Nếu giới hạn này vƣợt qua ngƣỡng định sẵn thì quá trình gộp sẽ

dừng lại. Với cách làm nhƣ vậy phân vùng đa phân giải là một thủ tục tối ƣu

hóa mang tính cục bộ (Navulur K.,. 2006).

- Xây dựng lớp bản đồ kết hợp

Kết quả khoanh vi ở bƣớc trên sẽ đƣợc kết xuất sang dạng vector theo

định dạng shapefile (một dạng dữ liệu của ArcGIS). Dữ liệu thuộc tính của

lớp bản đồ này chứa đầy đủ thông tin phổ từ ảnh Sentinel-2 nhƣ giá trị trung

bình các kênh ảnh, phƣơng sai của các điểm ảnh trong một lô (mỗi lô đƣợc

hình thành từ nhiều điểm ảnh có các giá trị tƣơng đối đồng nhất của ảnh

Sentinel-2), cấp độ xám hay cấu trúc ảnh (mịn, nhám...). Giá trị tán xạ của

ảnh radar sẽ đƣợc truyền vào các lô trạng thái của lớp bản đồ này để tạo ra lớp

bản đồ lô trạng thái có chứa cả thông tin của ảnh Sentinel-2 và tƣ liệu radar.

c. Đánh giá độ chính xác c a phương pháp

Kết quả xác định trữ lƣợng rừng bằng phƣơng pháp kết hợp ảnh vệ tinh

quang học Sentinel-2 và radar Sentinel-1 đƣợc đánh giá bằng chỉ số RMSE

√∑

(Root Mean Square Error). Chỉ số RMSE đƣợc tính theo công thức:

Trong đó:

RMSE là sai số bình quân trung phƣơng;

V1, V2 là trữ lƣợng rừng thực tế và trữ lƣợng rừng tính toán;

N là dung lƣợng mẫu quan sát;

i là thứ tự mẫu quan sát.

Trong nghiên cứu này, tác giả sử dụng kết quả tính điều tra trữ lƣợng

rừng trên cả 37 ô tiêu chuẩn để đánh giá độ chính xác, trong đó sẽ sử dụng

chính 27 ô tiêu chuẩn đầu vào để xây dựng mô hình xác định trữ lƣợng

(RMSE-1) và 10 ô tiêu chuẩn kiểm chứng (RMSE-2).

d. Đề xuất mô hình xác định trữ lượng rừng cho vườn quốc gia Yok Đôn, t nh

Đắk Lắk

Từ kết quả nghiên cứu, luận văn sẽ lựa chọn mô hình xác định trữ

lƣợng gỗ có độ tin cậy cao nhất để làm cơ sở đề xuất biện pháp kỹ thuật cũng

nhƣ mô hình xác định trữ lƣợng cho khu vực nghiên cứu và những nơi có điều

kiện tự nhiên tƣơng tự.

Chƣơng 3

ĐIỀU KIỆN TỰ NHIÊN VƢỜN QUỐC GIA YOK ĐÔN

3.1. Vị trí địa lý

Vƣờn quốc gia Yok Đôn nằm trên địa bàn 4 xã thuộc 3 huyện: Xã

Krông Na, huyện Buôn Đôn, xã Ea Bung, Chƣ M'Lanh huyện Ea Súp (tỉnh

Đăk Lăk) và xã Ea Pô huyện Cƣ Jút (tỉnh Đăk Nông); vƣờn cách thành phố

Buôn Ma Thuột khoảng 40 km về phía tây bắc. Vƣờn quốc gia Yok Đôn đƣợc

phê duyệt theo quyết định số 352/CT ngày 29 tháng 10 năm 1991 của Chủ

tịch Hội đồng Bộ trƣởng Việt Nam với mục đích bảo vệ 58.200 ha hệ sinh

thái rừng khộp đất thấp. Ngày 24 tháng 6 năm 1992 Bộ Lâm nghiệp ra quyết

định 301/TCLĐ thành lập Vƣờn quốc gia Yok Đôn trực thuộc Bộ Lâm

nghiệp. Vƣờn quốc gia Yok Đôn đƣợc mở rộng theo quyết định số

39/2002/QĐ-TTg ngày 18 tháng 3 năm 2002 của Thủ tƣớng Chính phủ Việt Nam.

Toạ độ địa lý: Từ 12°45′ đến 13°10′ vĩ bắc và từ 107°29′30″ đến

107°48′30″ kinh đông. Quy mô diện tích: Đƣợc mở rộng với diện tích

115.545 ha, trong đó phân khu bảo vệ nghiêm ngặt là 80.947 ha, phân khu

phục hồi sinh thái là 30.426 ha và phân khu dịch vụ hành chính là 4.172 ha.

Vùng đệm: có diện tích 133.890 ha, bao gồm các xã bao quanh Vƣờn quốc

gia. Vƣờn nằm trên một vùng tƣơng đối bằng phẳng, với hai ngọn núi nhỏ ở

phía nam của sông Serepôk. Rừng chủ yếu là rừng tự nhiên, phần lớn là rừng

khộp. Yok Đôn cũng là vƣờn quốc gia duy nhất ở Việt Nam bảo tồn loại rừng

đặc biệt này.

Ranh giới của vƣờn quốc gia này nhƣ sau:

+ Phía bắc theo đƣờng tỉnh lộ 1A từ ngã ba Chƣ M'Lanh qua đồn biên

phòng số 2 đến biên giới Việt Nam-Campuchia.

+ Phía tây giáp biên giới Việt Nam-Campuchia.

+ Phía đông theo tỉnh lộ 1A từ ngã ba Chƣ M'Lanh đến Bản Đôn,

ngƣợc dòng sông Serepôk đến giáp ranh giới huyện Cƣ Jút.

+ Phía nam giáp huyện Cƣ Jút và cắt đƣờng 6B tại Km 22+500, theo

đƣờng 6B đến suối Đăk Dam giáp biên giới Việt Nam-Campuchia.

Hình 3.1. Vị trí khu vực nghiên cứu

3.2. Địa hình, địa th

Vƣờn quốc gia Yok Đôn có nền địa hình đặc trƣng của vùng tây

nguyên là địa hình rất đa dạng và phong phú, với nhiều kiểu địa hình nhƣ:

núi, cao nguyên, sơn nguyên, và các thung lũng nhỏ hẹp nằm dọc theo các

triền sông, suối lớn. Các kiểu địa hình chính sau:

- Kiểu địa hình núi (N1, N2, N3): Có độ cao từ 400 - 2.000 m, độ dốc

bình quân từ 200 đến 350,

- Kiểu địa hình sơn nguyên thấp (S3): Có độ cao bình quân từ 600 -

700 m, độ dốc từ 100 - 150,

- Kiểu địa hình cao nguyên thấp (C3): Có độ cao bình quân từ 500 -

600 m, độ dốc phổ biến nhỏ hơn 80,

- Kiểu địa hình bán bình nguyên (B): Có độ cao phổ biến dƣới 400 m,

độ dốc nhỏ hơn 80,

- Kiểu địa hình thung lũng và máng trũng (T1, T2): Có độ cao từ 300 -

400 m, độ dốc bình quân từ 50 - 70,

- Kiểu địa hình đồi cao (Đ1): Có độ cao từ 200 - 300 m, độ dốc bình

quân từ 100 - 150.

3.3. Khí hậu thuỷ văn

3.3.1. Khí hậu

Vƣờn quốc gia Yok Đôn thuộc vùng khí hậu Tây Trƣờng Sơn với hai

mùa mƣa và khô r rệt. Mùa mƣa bắt đầu từ tháng 5 đến tháng 10 hàng năm,

mùa khô đến từ tháng 11 đến tháng 4 năm sau. Lƣợng mƣa trung bình hàng

năm từ 1.347 - 1.994 mm. Nhiệt độ trung bình 5 năm gần đây từ 23,80C -

24,10C. Nhiệt độ trung bình tháng thấp nhất 20,80C, tháng cao nhất khoảng

27,00C. Độ ẩm không khí trung bình hàng năm đều lớn hơn 80%.

3.3.2. Thuỷ văn

Vƣờn quốc gia Yok Đôn có mật độ sông suối bình quân khoảng 0,8

km/km2. Hệ thống sông suối trên địa bàn tỉnh thuộc 1 lƣu vực chính là lƣu

vực sông Sê Rê Pốk: Do 2 nhánh sông Krông Ana và Krông Knô hợp thành.

Diện tích lƣu vực dòng chính là 4.200 km2, với chiều dài 125 km. Sông

Krông Ana là hợp lƣu của các suới lớn nhƣ Krông Buk, Krông PẮk, Krông

Bông, Krông K’mar, diện tích lƣu vực 3.960 km2, chiều dài dòng chính 215

km. Sông Krông Knô bắt nguồn từ vùng núi cao Chƣ Yang Sin (độ cao trên

2.000 m) chạy dọc ranh giới phía Nam sau chuyển hƣớng lên phía Tây Bắc và

nhập với sông Krông Ana Ở thác buôn Dray. Diện tích lƣu vực là 3.920 km2

với chiều dài dòng chính 156 km.

3.4. Địa chất thổ nhƣỡng

Các nhóm đất chính sau:

- Nhóm đất xám (Acrisols), ký hiệu - X: phân bố ở nhiều dạng địa hình

nhƣng chủ yếu trên đất dốc.

- Nhóm đất đỏ (Ferralsols), ký hiệu - FĐ: phân bố tập trung tại các

khối Bazan Buôn Ma Thuột.

- Nhóm đất nâu (Lixisols), ký hiệu - XK: phân bố ở địa hình ít dốc, độ

dày tầng đất từ 50 - 80 cm; thành phần cơ giới tầng mặt là thịt nhẹ - trung

bình.

- Nhóm đất xói mòn trơ sỏi đá (Leptosols), ký hiệu - E: phân bố chủ yếu

ở phía Tây huyện Ea Súp, vùng núi thấp và đồi gò rải rác ở các huyện.

- Nhóm đất đen (Luvisols), ký hiệu - R: phân bố xung quanh các miệng

núi lửa, vùng rìa các khối núi và thung lũng Bazan.

- Nhóm đất có tầng sét chặt, cơ giới phân dị (Planols), ký hiệu - PL:

phân bố ở huyện Ea Súp trên địa hình bán bình nguyên, địa hình lòng chảo

hoặc thung lũng.

- Nhóm đất nâu thẫm (Phaeozems), ký hiệu - PH: phân bố ở vùng rìa

cao nguyên Bazan, chân gò đồi Bazan có độ dốc thấp.

3.5. Đa ạng sinh học

Trên cơ sở kết quả nghiên cứu của nhiều tác giả khác nhau, nhóm tác

giả đã kế thừa kết hợp với điều tra chuyên đề, phỏng vấn trực tiếp... để có kết

quả cập nhật và tổng hợp về đa dạng sinh học Vƣờn quốc gia Yok Đôn .

Kết quả cho thấy, Vƣờn quốc gia Yok Đôn có hệ động thực vật phong

phú với 566 loài thực vật, 384 loài động vật có xƣơng sống; trong đó có nhiều

loài quý hiếm. Vấn đề đặt ra là chúng ta cần có những giải pháp thiết thực để

bảo tồn đƣợc những giá trị đa dạng sinh học của Vƣờn quốc gia, đặc biệt là hệ

sinh thái rừng khộp và các loài động vật có nguy cơ tuyệt chủng. Vƣờn quốc

gia Yok Đôn đƣợc thành lập từ năm 1992 với tổng diện tích tự nhiên 58.200

ha thuộc huyện Buôn Đôn, tỉnh Đắk Lắk và năm 2002 đã đƣợc Chính phủ ra

quyết định mở rộng lên 115.545 ha. Đây là nơi trú ngụ của một số loài động

vật nguy cấp mang tính toàn cầu nhƣ: Bò xám (Bos sauveli), Mang lớn

(Megamuntiacus vuquangensis), Nai cà tông (Cervus eldi), Bò rừng (Bos

banteng), Voi châu Á (Elephas maximus), Hổ (Panthera tigris), Sói đỏ (Cuon

alpinus) và Voọc vá (Pygathrius nemaeus). Mặc dù công tác điều tra còn phải

tiếp tục, nhƣng cho đến nay các kết quả nghiên cứu thu đƣợc đã chứng tỏ

Vƣờn quốc gia Yok Đôn là một trong những nơi có khu hệ chim phong phú

nhất Đông Dƣơng. Cũng nhƣ các Vƣờn quốc gia và khu bảo tồn thiên nhiên

khác, ngành lâm nghiệp, chính quyền các cấp và ban quản lý Vƣờn quốc gia

Yok Đôn đã có nhiều nỗ lực trong quản lý bảo tồn đa dạng sinh học của Vƣờn

quốc gia nhƣng hiện tại vẫn đang phải đối mặt với tình trạng săn bắt, xâm lấn

đất đai và nguy cơ cháy rừng. Bên cạnh đó, xung quanh Vƣờn quốc gia còn

tồn tại nhiều khu rừng rộng lớn, trong đó phần lớn đƣợc giao để khai thác gỗ

thƣơng phẩm do các lâm trƣờng quốc doanh quản lý. Do đó, việc đánh giá giá

trị đa dạng sinh học tại Vƣờn quốc gia Yok Đôn để làm cơ sở đề xuất các giải

pháp bảo tồn là thực sự cần thiết.

3.5.1. Hệ thực vật

Theo Luận chứng kinh tế - kỹ thuật (1991) và các kết quả điều tra bổ

sung năm 2001 của Bird Life, Viện điều tra quy hoạch rừng, Dự án PARC

(1999, 2001) và qua thu thập thực tế, đã tổng hợp đƣợc 566 loài thực vật

thuộc 290 chi và 108 họ (bảng 1).

Hệ thực vật ở đây tập trung chủ yếu vào các Taxon thuộc ngành Ngọc

lan (Magnoliophyta), chiếm tới 93,2% số họ, 97,6% số chi và 98,8% số loài;

trong đólớp Ngọc lan (Magnoliopsida) là phong phú nhất, với 489 loài thuộc

235 chi và 85 họ.

Trong số 108 họ thực vật có đến 16 họ có từ 10 loài trở lên đó là: Thâu

dầu (Euphorbiaceae): 50 loài; Cà phê (Rubiaceae): 40 loài; Đậu (Fabaceae):

35 loài; Cúc (Asteraceae): 24 loài; họ Ô rô (Acanthaceae) và họ Lúa

(Poaceae): 14 loài; Dầu (Dipterocarpaceae): 13 loài; họ Na (Annonacea/e) và

họ Vang (Caesalpiniaceae): 12 loài; các họ Bạc hà (Lamiaceae), Cỏ roi ngựa

(Verbenaceae): 11 loài; các họ Na (Anacardiaceae), Bàng (Combretaceae) và

Cói (Cyperaceae): 10 loài.

Về giá trị khoa học, có 14 loài quý hiếm đƣợc ghi vào Sách Đỏ Việt

Nam (1996) cần đƣợc bảo vệ, trong đó có 07 loài thuộc cấp nguy cấp (V:

Vulnerable), 01 loài thuộc cấp bị đe doạ (T: Threatened), 06 loài thuộc cấp

biết không chính xác (K: Insufficiently know).

Về giá trị sử dụng, có 227 loài cho gỗ lớn nhỏ, nhiều loài cho gỗ có giá

trị kinh tế cao nhƣ: cẩm lai (Dalbergia oliveri), trắc (D. cochinchinensis), g

đỏ (afzelia xylocarpa), giáng hƣơng quả to (pterocarpus macrocarpus), gụ mật

(sindora siamensis), căm xe (xylia xylocarpa), sao đen (hopea odorata), cẩm

liên (shorea siamensis), cà chit (S. obtusa)... Ngoài ra, còn có 116 loài làm

thuốc, 35 loài làm cảnh và có các giá trị tài nguyên khác nhƣ: cung cấp

nguyên liệu đan lát, làm thủ công mỹ nghệ, thực phẩm...

Về mặt nguồn gốc: hệ thực vật Yok Đôn có quan hệ gốc với hệ thực vật

Malaysia, Indonesia đƣợc thể hiện với các đại diện thuộc họ Dầu và hệ thực

vật Miến Điện với các đại diện của họ Bàng...

3.5.2. Hệ động vật

Do đặc điểm của hệ sinh thái rừng khộp và điều kiện địa hình bằng

phẳng đã góp phần hình thành nên khu hệ động vật ở đây cũng mang tính chất

đặc biệt. kết quả nghiên cứu về khu hệ động vật từ 1991 đến nay cho thấy tại

Vƣờn quốc gia Yok Đôn có 384 loài động vật có xƣơng sống, trong đó có 70

loài thú, 250 loài chim, 48 loài bò sát, 16 loài lƣỡng cƣ.

So với các khu bảo tồn và Vƣờn quốc gia trong khu vực Tây Nguyên,

thì khu hệ thú và chim của Yok Đôn rất đa dạng về thành phần loài.

Chƣơng 4

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

4.1. Đặc điểm hiện trạng rừng tại vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk

Qua dữ liệu kế thừa từ dự án tổng điều tra, kiểm kê rừng cho thấy hiện

trạng rừng và đất lâm nghiệp của Vƣờn Quốc gia Yok Đôn, tỉnh Đắk Lắk:

Đất đã có rừng: 108.247,49 ha, toàn bộ là rừng tự nhiên.

Đất chƣa có rừng: Diện tích đất chƣa có rừng của Vƣờn Quốc gia Yok

Đôn là 2.493,43 ha bao gồm: Đất có rừng trồng chƣa thành rừng, đất trống có

cây gỗ tái sinh, đất trống không có cây gỗ tái sinh, đất có cây nông nghiệp, đất

khác.

Từ các thống kê về diện tích ta có thể thấy đƣợc công tác quản lý bảo vệ

rừng của VQG Yok Đôn đƣợc thực hiện rất tốt. Diện tích có rừng chiếm phần

lớn diện tích quản lý của vƣờn.

Cụ thể kết quả hiện trạng rừng và đất lâm nghiệp của VQG Yok Đôn

đƣợc thể hiện qua Bảng 4.1 sau:

Bảng 4.1. Diện tích các loại rừng v đất lâm nghiệp phân th o mục đích sử ụng của VQG Yok Đôn, tỉnh Đắk Lắk

Đơn vị tính: ha

Đặc ụng

Phòng hộ

Phân loại rừng

Mã

Tổng iện tích

Sản xuất

Cộng

Vƣờn quốc gia

Đầu nguồn

Chắn sóng

Diện tích trong quy hoạch

Chắn gió, cát

Bảo vệ môi trƣờng

Khu rừng nghiên cứu

Rừng ngoài đất quy hoạch L.N

(2)

(3)

(4)

(5)

(6)

(14)

Khu ảo tồn thiên nhiên (7)

(8)

(10) -

(11) -

(12) -

(13) -

(15) -

(16) -

Khu ảo vệ cảnh quan (9) -

110.740,92 110.740,92 110.740,92 110.740,92

(1) TỔNG

1100 108.247,49 108.247,49 108.247,49 108.247,49

1110 108.247,49 108.247,49 108.247,49 108.247,49

1120

2000

2.493,43

2010

2020

3,53

2030

1.274,90

2040

2050

447,28

2060

767,72

I. RỪNG PHÂN THEO NGUỒN GỐC 1. Rừng tự nhiên 2. Rừng trồng II. ĐẤT CHƢA CÓ RỪNG QH CHO LN 1. Đất có rừng trồng chƣa th nh rừng 2. Đất trống có câ gỗ tái sinh 3. Đất trống không có câ gỗ tái sinh 4. Núi đá không câ 5. Đất có câ nông nghiệp 6. Đất khác trong lâm nghiệp

Nguồn: Chi cục Kiểm lâm t nh Đắk Lắk (2018).

4.2. Phƣơng pháp k t hợp ảnh quang học v tƣ liệu Radar

Hệ thống điểm điều tra

Đề tài đã kế thừa 37 ô tiêu chuẩn thuộc chƣơng trình điều tra, kiểm tra

rừng của Vƣơn quốc gia Yok Đôn, trong đó 27 ô tiêu chuẩn đƣợc sử dụng để

nghiên cứu xác định trữ lƣợng và 10 ô tiêu chuẩn còn lại đƣợc sử dụng để

kiểm chứng độ chính xác.

Hình 4.1. Hệ thống điểm đi u tra tại VQG Yok Đôn, tỉnh Đắk Lắk.

4.2.1. Mối quan hệ giữa giá trị NDVI; phân cực và tổ hợp phân cực VH, VV

với trữ lượng rừng (MGO)

Để xây dựng đƣợc mô hình xác định trữ lƣợng trƣớc hết đề tài nghiên

cứu mối quan hệ giữa giá trị MGO với từng giá trị phân cực VV, VH của tƣ

liệu Sentinel-1 và MGO với chỉ số phân biệt thực vật NDVI của tƣ liệu

Sentinel-2 kết quả thu đƣợc nhƣ sau:

VHMN

y = 947.57e0.1555x R² = 0.188

140

120

100

o g M

-21

-20

-19

-18

-17

-16

-15

-14

-13

-12

VHMN

Biểu đồ 4.1. Mối quan hệ giữa VH với MGO.

y = 967.89e0.2829x R² = 0.502

VVNM

140

120

100

o g M

-13

-12

-11

-10

-9

-8

-7

-6

VVNM

Bi u đồ 4.2. Mối quan hệ giữa phân cực VV với MGO.

TBMN

y = 9234.4e0.3714x R² = 0.5539

140

120

100

o g M

-16

-15

-14

-13

-12

-11

-10

TBMN (Giá trị trung bình VVMN, VHMN)

Bi u đồ 4.3. Mối quan hệ giữa giá trị trung bình

phân cực VV, VH với MGO.

y = 3.3551e5.3054x R² = 0.5566

NDVI

140

120

100

o g M

0.3

0.35

0.4

0.45

0.55

0.6

0.65

0.7

0.5

NDVI

Bi u đồ 4.4. Mối quan hệ giữa NDVI với MGO.

Từ kết quả nghiên cứu, luận văn tổng hợp mối quan hệ giữa giá trị

NDVI; phân cực và tổ hợp phân cực VH, VV với trữ lƣợng rừng, kết quả thể

hiện qua Bảng 4.2.

Bảng 4.2. Mối quan hệ giữa giá trị điểm ảnh với trữ lƣợng rừng.

Phƣơng trình

TT

Giá trị điểm ảnh

R2

Pvalue

1 NDVI

0,5566

2 VHMN

0,188

0.0244

3 VVMN

0,502

(VHMN+VVMN)/2

tƣơng quan y = 3,3551e5,3054x y = 947,57e0,1555x y = 967,89e0,2829x y = 9234,4e0,3714x

0,5539

Từ Bảng 4.2 ta thấy tổ hợp NDVI có tƣơng quan gần nhất với trữ lƣợng

rừng với R2=0,5566, phân cực VH có tƣơng quan thấp nhất với R2=0,188.

Với 2 giá trị đơn lẻ: VH có R2=0,188, phân cực VV có R2=0,502, ta

thấy mối tƣơng quan đều thấp hơn hay không chặt chẽ so với giá trị trung

bình của VV, VH.

Từ kết quả trên chƣa đảm bảo độ tin cậy để xác định đƣợc mô hình xác

định trữ lƣợng rừng bằng tƣ liệu Sentinel-1 và Sentinel-2, luận văn lựa chọn

kết hợp chỉ số phân biệt thực vật NDVI với giá trị các phân cực VV, VH để

xác định mô hình xác định trữ lƣợng rừng bằng tƣ liệu Sentinel-1 và Sentinel-2.

y = -9.2702x + 238.05 R² = 0.1684

4.2.2. Mô hình xác định trữ lượng rừng bằng Sentinel-1 và Sentinel-2

NDVI-VHMN

140

120

100

o g M

NDVI - VHMN

Bi u đồ 4.5. Mối quan hệ giữa tổ hợp NDVI-VHMN với MGO.

y = -18.13x + 256.26 R² = 0.5181

NDVI-VVMN

140

120

100

o g M

NDVI - VVMN

y = -24.033x + 407.27 R² = 0.5617

Bi u đồ 4.6. Mối quan hệ giữa tổ hợp NDVI-VVMN với MGO.

NDVI-TBMN

140

120

100

o g M

NDVI - TBMN

Bi u đồ 4.7. Mối quan hệ giữa tổ hợp NDVI-TBMN với MGO.

y = 10.053x + 240.58 R² = 0.2188

NDVI+VHMN

140

120

100

o g M

-21

-20

-19

-18

-17

-16

-15

-14

-13

-12

NDVI + VHMN

y = 18.358x + 237.91 R² = 0.5907

Bi u đồ 4.8. Mối quan hệ giữa tổ hợp NDVI+VHMN với MGO.

NDVI+VVMN

140

120

100

o g M

-12

-11

-10

-9

-8

-7

-6

-5

NDVI + VVMN

Bi u đồ 4.9. Mối quan hệ giữa tổ hợp NDVI+VVMN với MGO.

NDVI+TBMN

y = 23.179x + 369.38 R² = 0.6252

140

120

100

o g M

-16

-15

-14

-13

-12

-11

-10

-9

NDVI + TBMN

y = -16.414x - 82.866 R² = 0.3294

Bi u đồ 4.10. Mối quan hệ giữa tổ hợp NDVI+TBMN với MGO.

NDVI*VHMN

140

120

100

o g M

-13

-12

-11

-10

-9

-8

-7

-6

NDVI*VHMN

Bi u đồ 4.11. Mối quan hệ giữa tổ hợp NDVI*VHMN với MGO.

y = 0.5393x + 77.036 R² = 0.0002

NDVI*VVMN

140

120

100

o g M

-8

-7.5

-7

-6.5

-6

-5.5

-5

-4.5

-4

-3.5

-3

NDVI*VVMN

y = -17.458x - 55.466 R² = 0.1726

Bi u đồ 4.12. Mối quan hệ giữa tổ hợp NDVI*VVMN với MGO.

NDVI*TBMN

140

120

100

o g M

-9.5

-9

-8.5

-8

-7.5

-7

-6.5

-6

-5.5

-5

NDVI*TBMN

Bi u đồ 4.13. Mối quan hệ giữa tổ hợp NDVI*TBMN với MGO.

Bảng 4.3: Mối quan hệ giữa tổ hợp giá trị điểm ảnh với trữ lƣợng rừng.

Tổ hợp giá trị

Phƣơng trình tƣơng

TT

R2

Pvalue

điểm ảnh

quan

y = -9,2702x + 238,05

0,1684

0.0373

1 NDVI-VHMN

y = -18,13x + 256,26

0,5181

2 NDVI-VVMN

NDVI-TBMN

y = -24,033x + 407,27

0,5617

3

y = 10,053x + 240,58

0,2188

0.0159

4 NDVI+VHMN

y = 18,358x + 237,91

0,5907

5 NDVI+VVMN

y = 23,179x + 369,38

6 NDVI+TBMN

0,6252

0

y = -16,414x - 82,866

0,3294

0.0022

7 NDVI*VHMN

y = 0,5393x + 77,036

8 NDVI*VVMN

0,0002

0.9512

y = -17,458x - 55,466

0,1726

0.0348

9 NDVI*TBMN

Bản chất tƣ liệu Sentinel-1 thu thập là dữ liệu radar, Sentinel-2 là dữ liệu

ảnh quang học. Với kết quả nghiên cứu ở trên cho thấy giá trị tán xạ radar và

quang phổ đều có mối liên hệ với trữ lƣợng gỗ điều tra mặt đất. Tuy nhiên, giá trị

quang phổ cho mối quan hệ chặt chẽ hơn, khả năng phân biệt rừng và không phải

rừng dựa vào giá trị quang phổ là rất cao. Tuy nhiên, giá trị quang phổ của ảnh

quang học chịu ảnh hƣởng rất nhiều vào yếu tố thời tiết. Đối với dữ liệu ảnh radar,

tia radar hầu nhƣ không chịu ảnh hƣởng của yếu tố thời tiết, nó có thể xuyên mây

cũng nhƣ tán rừng nhƣng lại bị ảnh hƣởng bởi độ nhám của bề mặt mà tia radar

chạm” phải, bề mặt càng nhám thì tán xạ càng mạnh, ngƣợc lại bề mặt càng nhẵn

thì tán xạ càng yếu. Vì vậy, sự phối hợp tƣ liệu Sentinel-1 và tƣ liệu Sentinel-2 sẽ

bù đắp đƣợc những yếu điểm của nhau và phát huy đƣợc thế mạnh của từng loại

ảnh trong xác định trữ lƣợng rừng. Trên cơ sở đó, luận văn đã tiến hành xây dựng

mô hình đánh giá trữ lƣợng rừng dựa trên sự kết hợp 2 loại tƣ liệu.

Từ Bảng 4.3 ta thấy trữ lƣợng gỗ điều tra mặt đất có mối tƣơng quan

chặt chẽ nhất với giá trị điểm ảnh đƣợc kết hợp theo tổ hợp NDVI+TBMN, phƣơng trình tƣơng quan: y = 23,179x + 369,38 (R2= 0,6252); mối tƣơng quan thiếu chặt chẽ nhất là khi kết hợp tổ hợp NDVI*VVMN, phƣơng trình tƣơng quan: y = 0, 5393x + 77,036 (R2= 0,0002).

Từ kết quả phân tích trên luận văn xây dựng mô hình xác định trữ

lƣợng rừng bằng tƣ liệu Sentinel-1 và Sentinel-2 cho VQG Yok Đôn, tỉnh

Đắk Lắk.

Mgo= 23,179 *(NDVI+TBMN) + 369,38 (R2=0,6252)

Để đảm bảo tính khách quan, luận văn tiến hành kiểm tra mô hình bằng

chỉ số RMSE.

4.2.3. Đánh giá độ ch nh xác c a các mô hình bằng chỉ số RMSE

Để đánh giá độ chính xác của các mô hình, luận văn đã tiến hành lấy 11

OTC và mẫu khóa ảnh trữ lƣợng bằng phƣơng pháp đo nhanh (bitterlich) ở

những vị trí, trạng thái rừng khác nhau để đối chiếu với kết quả tính toán từ

các mô hình bằng tiêu chí RMSE (Sai số trung phƣơng) – Root Mean Square

Error (Dựa vào các điểm khác để đánh giá). Mô hình có chỉ số RMSE càng

nhỏ thì độ chính xác càng cao và sẽ sử dụng để thành lập bản đồ trữ lƣợng gỗ

cho khu vực nghiên cứu. Kết quả đánh giá nhƣ sau:

Bảng 4.4. K t quả đánh giá độ chính xác của các mô hình.

TT

Kinh độ

Vĩ độ

RMSE (m3)

Sai số (%)

Mgo thực t (m3/ha) 93 33 45 55 119 83 102 75 167 174 179

Mgo lý thu t (m3) 102 40 63 41 102 79 107 84 148 159 151

88 48 322 174 310 16 25 85 355 224 764

10.11 21.05 39.68 24.22 14.77 4.80 4.91 12.23 11.26 8.62 15.48

144763 140084 138519 149759 144964 148009 151938 140504 144425 145197 148355

1421560 1426460 1426360 1427200 1431050 1425580 1423450 1417890 1421020 1432850 1429620

102

98

19

15.19 1 2 3 4 5 6 7 8 9 10 11 Trung bình

Từ kết quả đánh giá ở Bảng 4.4 trên cho thấy, độ chính xác của các mô

hình là rất khác nhau:

Mô hình có chỉ số RMSE = 19 m3 tƣơng ứng với tỷ lệ sai số giữa lý thuyết và thực tế là 15,19 %. Khoảng trữ lƣợng từ trên 45 m3, dƣới 55 m3 và khoảng trữ lƣợng trên 167 m3 có sai số lớn. Nhìn chung, mô hình áp dụng xác định trữ lƣợng rừng đạt hiệu quả ổn định trong khoảng trữ lƣợng từ dƣới 45 m3 đến dƣới 55 m3 và dƣới 167 m3.

Qua kết quả trên ta cũng thấy sự kết hợp giữa tƣ liệu Sentinel-1 và tƣ

liệu Sentinel-2 đã nâng cao độ chính xác trong việc đánh giá trữ lƣợng rừng ở

khu vực nghiên cứu.

4.3. Thử nghiệm xác định trữ lƣợng rừng từ ảnh quang học v tƣ liệu

radar cho vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk

Áp dụng mô hình xác định trữ lƣợng ở trên vào tính toán thử nghiệm

cho khu vực VQG Yok Đôn, ta đƣợc bản đồ trữ lƣợng nhƣ Hình 4.14, dữ liệu

đƣợc thống kê tại Bảng 4.5.

Bảng 4.5. Diện tích, trữ lƣợng rừng tại VQG Yok Đôn, tỉnh Đắk Lắk.

Mã trạng

Diện tích

Số lƣợng

Trữ lƣợng

TT

T n trạng thái

(ha)

Pixel

lô kiểm k

(M3)

thái

hg1

34,15

3.404

1.960

nrlb

45,66

4.561

7.297

nrlg

4,60

455

1.718

nrln

11,52

1.139

3.725

rlb

28.979,91

2.900.551

11.880

1.285.219

rlg

13,22

1.329

3.051

rlk

13.677,04

1.369.164

6.810

609.405

rln

56.086,44

5.614.288

18.818

1.898.439

txb

3.735,17

373.946

2.217

221.992

txg

2.537,25

253.959

1.086

104.921

txk

341,42

33.270

454

38.257

txn

2.579,97

258.245

1.448

153.723

Rừng hỗn giao G-TN tự nhiên núi đất Rừng gỗ tự nhiên núi đất LRNRL TB Rừng gỗ tự nhiên núi đất LRNRL giàu Rừng gỗ tự nhiên núi đất LRNRL nghèo Rừng gỗ tự nhiên núi đất LRRL TB Rừng gỗ tự nhiên núi đất LRRL giàu Rừng gỗ tự nhiên núi đất LRRL nghèo kiệt Rừng gỗ tự nhiên núi đất LRRL nghèo Rừng gỗ tự nhiên núi đất LRTX TB Rừng gỗ tự nhiên núi đất LRTX giàu Rừng gỗ tự nhiên núi đất LRTX nghèo kiệt Rừng gỗ tự nhiên núi đất LRTX nghèo

Mã trạng

Diện tích

Số lƣợng

Trữ lƣợng

TT

T n trạng thái

thái

(ha)

Pixel

lô kiểm k

(M3)

txp

201,14

20.098

120

13.266

Rừng gỗ tự nhiên núi đất LRTX phục hồi

Tổng

108.247,49

10.834.409

43.007

4.342.973

Hình 4.2. Phân bố trữ lƣợng gỗ vƣờn quốc gia Yok Đôn,

tỉnh Đắk Lắk.

Hình 4.3. Hiện trạng rừng vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk.

Luận văn sử dụng ranh giới từng trạng thái rừng từ bản đồ kết quả kiểm

kê rừng vƣờn quốc gia Yok Đôn và xác định đƣợc tổng diện tích, tổng trữ

lƣợng cho từng trạng thái rừng tại vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk. Kết

quả nhƣ sau:

Tại vƣờn quốc gia Yok Đôn, tỉnh Đắk Lắk: Tổng diện tích rừng là

108.247,49 ha, tổng trữ lƣợng rừng là 4.342.973 m3, trong đó:

- Trạng thái Rừng hỗn giao G-TN tự nhiên núi đất: có tổng diện tích là

34,15ha trên 21 lô kiểm kê, tổng trữ lƣợng gỗ là 1.960 m3.

- Trạng thái Rừng gỗ tự nhiên núi đất LRNRL: có tổng diện tích là

61,78 ha trên 122 lô kiểm kê, tổng trữ lƣợng gỗ là 12.740 m3.

- Trạng thái Rừng gỗ tự nhiên núi đất LRRL: có tổng diện tích là

98.756,61 ha trên 37.539 lô kiểm kê, tổng trữ lƣợng gỗ là 3.796.114 m3.

- Trạng thái Rừng gỗ tự nhiên núi đất LRTX: có tổng diện tích là

9.394,95 ha trên 5.325 lô kiểm kê, tổng trữ lƣợng gỗ là 532.159 m3.

4.4. Đ xuất phƣơng pháp k t hợp ảnh quang học v tƣ liệu ra ar để xác

định trữ lƣợng rừng

Trên cơ sở kết quả nghiên cứu và đánh giá thực tiễn, luận văn đƣa ra đề

xuất quy trình xác định trữ lƣợng rừng bằng tƣ liệu ảnh Sentinel-1 và

Sentinel-2 nhƣ sau:

Bước 1: Chuẩn bị dữ liệu đầu vào

Gồm tƣ liệu Sentinel-1, Sentinel-2 của cơ quan hàng không vũ trụ châu

Âu. Tƣ liệu Sentinel-1 và Sentinel-2 đƣợc cung cấp miễn phí tại trang chủ của

cơ quan: https://scihub.copernicus.eu, dữ liệu này cần đƣợc thu thập tại cùng

một thời điểm.

Số liệu sơ thám, thu thập thông tin khu vực nghiên cứu và điều tra mẫu

hiện trƣờng.

Bước 2: Xử lý dữ liệu

Để xử lý dữ liệu tƣ liệu Sentinel-1 và Sentinel-2 sử dụng phần mềm

chuyên dụng, các thao tác đƣợc thực hiện trên phần mềm SNAP (Sentinel

Application Platform).

Xử lý tƣ liệu Sentinel-1:

- Lọc nhiễu cho tƣ liệu Sentinel-1:

Do bản chất của tƣ liệu Sentinel-1 là dữ liệu ảnh radar chứa nhiều nhiễu

nên sau khi nắn chỉnh hình học cần tiến hành lọc nhiễu cho tƣ liệu Sentinel-1

trên phần mềm SNAP.

Theo đánh giá của chủ trì thực hiện luận văn phin lọc Sigma Lee là cho

kết quả khả quan hơn cả. Khi tiến hành lọc có thể chọn các cửa sổ lọc có kích

thƣớc khác nhau nhƣ 3x3, 5x5, 7x7 ... hoặc 11 x11, cũng có thể tiến hành lọc

nhiều lần với các cửa sổ có kích thƣớc giống hoặc khác nhau nhƣng sau mỗi

lần lọc cần kiểm tra kết quả xem có bị mất nhiều chi tiết hay không để có sự

điều chỉnh phù hợp.

- Định chuẩn cho tƣ liệu Sentinel-1:

Sau quá trình lọc nhiễu ta cần tiến hành định chuẩn cho tƣ liệu

Sentinel-1 theo công thức định chuẩn:

0 (dB) = 10*log10(abs(DN))

Trong đó:

+ 0 (Sigma Nought) là giá trị tán xạ ngƣợc radar tính bằng dB

+ DN (Digital Number) là giá trị điểm ảnh.

Để tiến hành thực hiện quá trình lọc nhiễu cho tƣ liệu Sentinel-1 trên

phần mềm SNAP cần có kết nối mạng Internet.

Việc lọc nhiễu và định chuẩn tƣ liệu Sentinel-1 đƣợc tiến hành

đồng thời cho cả hai phân cực VH và VV trên phần mềm SNAP. Kết quả sau

khi định chuẩn đƣợc lƣu dƣới dạng raster ở định dạng *.img.

Xử lý tƣ liệu Sentinel-2:

Tƣ liệu Sentinel-2 gồm 12 kênh ảnh trong đó, ta tiến hành tổ hợp các

kênh 4, 3, 2 để cho ảnh màu tự nhiên thể hiện các đặc điểm của lớp phủ bề

mặt. Thao tác thực hiện trên phần mềm SNAP đã đƣợc định sẵn công thức tổ

hợp màu tự nhiên.

Sau đó tiến hành kết hợp các kênh này với kênh 5 để tạo ra kênh ảnh

NDVI (chỉ số khác biệt về thực vật).

Công thức tính NDVI:

NDVI = (NIR-RED)/(NIR+RED)

Trong đó: NDVI là chỉ số khác biệt thực vật (Normalize Different

Vegistable Index); NIR: Kênh cận hồng ngoại (Band 8); RED là kênh đỏ

(Band 4).

- Kết quả điều tra thực địa sẽ đƣợc tiến hành tổng hợp, xử lý và tính

toán trữ lƣợng gỗ cho từng điểm mẫu. Căn cứ tọa độ điểm mẫu để số hóa bản

đồ mẫu điều tra dƣới dạng vector.

Bước 3: Kết hợp dữ liệu

Kết quả định chuẩn tƣ liệu Sentinel-1 và kết quả xử lý tƣ liệu Sentinel-

2 sẽ đƣợc kết hợp với nhau bằng các bƣớc:

- Giá trị điểm ảnh trên tƣ liệu Sentinel-1 đã định chuẩn và giá trị NDVI

trên tƣ liệu Sentinel-2 sẽ đƣợc truyền vào từng điểm điều tra thực địa vào

cùng thời đểm hoặc gần thời điểm ảnh đƣợc chụp.

- Xác định mối quan hệ giữa các giá trị điểm ảnh trên tƣ liệu Sentinel-1

với giá trị NDVI trên tƣ liệu Sentinel-2.

- Xác định mối quan hệ giữa các giá trị điểm ảnh đơn lẻ với trữ lƣợng

gỗ tại các điểm điều tra.

- Kết hợp hai yếu tố ở trên, xác định mối quan hệ giữa tổ hợp giá trị

điểm ảnh trên tƣ liệu Sentinel-1 và giá trị NDVI trên tƣ liệu Sentinel-2 với trữ

lƣợng rừng.

Bước 4: Xây dựng các mô hình trữ lượng

- Từ kết quả của bƣớc 3 ta tiến hành xây dựng mô hình xác định trữ

lƣợng rừng bằng kết hợp tổ hợp giá trị điểm ảnh trên tƣ liệu Sentinel-1 và giá

trị NDVI trên tƣ liệu Sentinel-2.

- Để đánh giá độ chính xác của mô hình vừa xây dựng, và xác định mô

hình có độ chính xác nhất ta tiến hành kiểm tra bằng tiêu chí RMSE (Sai số

trung phƣơng) - Root Mean Square Error (Dựa vào các điểm khác để đánh

giá).

- Luận văn xác định đƣợc mô hình có độ chính xác tốt nhất là:

Mgo= 23,179 *(NDVI+TBMN) + 369,38 (R2=0,6252)

Bước 5: Xây dựng bản đồ trữ lượng

Mô hình trữ lƣợng ở Bƣớc 4 đƣợc áp dụng để tính toán trữ lƣợng gỗ cho

từng tổ hợp giá trị điểm ảnh từ tƣ liệu Sentinel-1 và Sentinel-2.

Thao tác thực hiện đƣợc tiến hành trên phần mềm ArcGIS.

Mô hình này có thể đƣợc áp dụng cho các khu vực khác có điều kiện

địa lý tƣơng tự. Nhằm mục đích xây dựng bản đồ hiện trạng, theo dõi diễn

biến tài nguyên rừng, giám sát tài nguyên rừng,...từ đó đƣa ra những phƣơng

án quản lý, khôi phục, bảo vệ và phát triển tài nguyên rừng.

KẾT LUẬN, TỒN TẠI, KHUYẾN NGHỊ

1. K t luận

1. Tổng diện tích rừng ở vƣờn quốc gia Yok Đôn là 108,247.49 ha, trong đó toàn bộ là rừng tự nhiên Trữ lƣợng rừng dao động trung bình từ 10 m3/ha đến 250 m3/ha.

2. Mối quan hệ giữa giá trị NDVI với trữ lƣợng rừng khá chặt chẽ với phƣơng trình tƣơng quan: y = 3,3551e5,3054x (R2 = 0,5566), kết quả này thể

hiện ứng dụng ảnh quang học cho theo dõi lớp phủ thực vật đem lại hiệu quả

rất cao.

3. Chỉ số NDVI kết hợp với tổ hợp TBMN để xây dựng mô hình xác định trữ lƣợng rừng sẽ có mức sai số trung bình là 19 m3/ha, tƣơng đƣơng

15.19%

4. Bằng tƣ liệu Sentinel-1 và Sentinel-2 tại vƣờn quốc gia Yok Đôn đề

tài đã xây dựng đƣợc bản đồ phân bố trữ lƣợng. Tổng diện tích rừng là 108.247,49 ha, tổng trữ lƣợng rừng là 4.342.973 m3

5. Đề tài đề xuất đƣợc quy trình kỹ thuật xác định trữ lƣợng rừng bằng tƣ

liệu Sentinel-1 và Sentinel-2 cho khu vực nghiên cứu với mô hình có độ chính

xác cao:

Mgo= ((NDVI+TBMN)- 369,38)/23,179 (R2=0,6252)

2. Tồn tại

- Tƣ liệu Sentinel-1 và Sentinel-2 gốc có dung lƣợng lớn, quá trình khai

thác tƣ liệu từ trang chủ tốn nhiều thời gian, có thể gặp sự cố lỗi dữ liệu khi

đƣờng truyền Internet không ổn định.

- Để xử lý tƣ liệu Sentinel-1 và Sentinel-2 cần phần mềm chuyên dụng

SNAP, khi vận hành yêu cầu thiết bị có cấu hình cao.

- Phân bố ô tiêu chuẩn chƣa đều trên vùng nghiên cứu, số lƣợng ô chƣa

tỷ lệ với diện tích trạng thái rừng và diện tích đo đếm dẫn đến sai số của bản

đồ trữ lƣợng.

3. Khuy n nghị

- Tƣ liệu ảnh Sentinel hiện nay có nhiều thế mạnh nhƣng việc nghiên

cứu ứng dụng loại tƣ liệu này ở Việt nam còn rất hạn chế. Do đó cần tăng

cƣờng hơn nữa công tác nghiên cứu và ứng dụng ảnh Sentinel phục vụ theo

d i giám sát tài nguyên thiên nhiên và bảo vệ môi trƣờng tại Việt Nam.

- Mặc dù mới chỉ là những nghiên cứu ban đầu, nhƣng những nghiên cứu

của luận văn đã cho thấy rằng phƣơng pháp kết hợp tƣ liệu Sentinel-1 và

Sentinel-2 hiệu quả hơn các mô hình đơn lẻ và thể hiện ở mối quan hệ chặt

chẽ giữa trữ lƣợng gỗ với các thành tố trong mô hình.

- Trong phạm vi nghiên cứu của luận văn còn chƣa tiến hành nghiên cứu

đƣợc tại những khu vực có địa hình phức tạp nên kết quả và kết luận đƣa ra

vẫn còn hạn chế. Đề xuất nên thử nghiệm với những loại khu vực khác nhau

có địa hình khác nhau để có thể xây dựng đƣợc quy trình xác định trữ lƣợng

rừng bằng tƣ liệu Sentinel.

TÀI LIỆU THAM KHẢO

Ti ng Việt

1. Bộ Nông nghiệp và Phát triển Nông thôn (2010), Quyết định số 2410/QĐ-

BNN-TCLN ngày 09/8/2010 về việc công bố số liệu hiện trạng rừng

năm 2009.

2. Chu Hải Tùng (2008), Nghiên cứu khả năng ứng dụng ảnh vệ tinh radar và

quang học để thành lập một số thông tin về lớp ph mặt đất.

3. Chu Thị Bình (2001), Ứng dụng công nghệ tin học để khai thác những

thông tin cơ bản trên tư liệu viễn thám, nhằm phục vụ việc nghiên cứu

một số đặc điểm rừng Việt Nam. Luận án tiến sĩ, Trƣờng ĐH Mỏ Điạ

chất, Hà Nội.

4. Nguyễn Mạnh Cƣờng (1996), Nghiên cứu đánh giá khả năng ứng dụng

phương pháp xử lý ảnh số từ thông tin viễn thám cho lập bản đồ rừng.

5. Nguyễn Ngọc Bình (2006), Cẩm nang ngành lâm nghiệp – Công tác điều

tra rừng ở Việt Nam. Bộ NN&PTNT, Chƣơng trình hỗ trợ ngành lâm

nghiệp và đối tác.

6. Nguyễn Văn Thị, Trần Quang Bảo, Vũ Tiến Thịnh. Nghiên cứu sử dụng tƣ

liệu ảnh ra - đa ALOS PALSAR để xác định trữ lƣợng gỗ rừng khộp ở

xã Krông Na – huyện Buôn Đôn – tỉnh Đắk Lắk. Tạp chí Nông nghiệp

& Phát triển nông thôn số 20/2015, trang 122-128.

7. Trần Văn Thuỵ (1996) , Ứng dụng phương pháp viễn thám để thành lập

bản đồ thảm thực vật t nh Thanh Hoá, tỷ lệ 1/200.000.

8. Trƣơng Thị Hòa Bình (2002), Nghiên cứu ứng dụng ch số thực vật để

thành lập bản đồ phân bố một số loại rừng bằng công nghệ viễn thám,

Luận án tiến sĩ Nông nghiệp, Viện Khoa học Lâm nghiệp Việt Nam, Hà

Nội.

9. Vũ Tiến Hinh, Phạm Ngọc Giao (1997), Điều tra rừng. Nhà xuất bản Nông

nghiệp, 1997.

10. Vũ Tiến Điển (2013), Nghiên cứu nâng cao khả năng tự động trong giải

đoán ảnh vệ tinh độ phân giải cao để xâ dựng bản đồ hiện trạng rừng

phục vụ công tác điều tra kiểm kê rừng.

Ti ng anh

11. B.N. Haack (1984). Multisensor Data Analysis of Urban Environment.

Tạp chí Trắc địa ảnh và Viễn thám, tập 50, số 10, trang 1471 -1477.

12. F.M., Henderson và nnk (1999). Contribution of SAR data and image

concatenation in reducing optical sensor derived urban land cover

category confusion. tại http://www.conferences.esa.int/98c07/papers/p060.pdf

13. .H. Kim và K.H. Lee, Integrated of Landsat ETM+ and Radarsat SAR

data for landcover classification. Key Engineering Materials vols 277-

279(2005), trang 838 - 844.

14. L. Demargne và nnk (2001). Use of SPOT and Radar data for forest

inventory in Sarawak, Malaysia; Hội nghị Viễn thám châu á, 11/2001.

15. L.L. Bourgeau – Chavez, R. Riordan, M. Nowels và N. Miller, 2004.

Final report to the Great Lake Comission : Remote Monitoring Great

Lake Coastal Wetland using a hybrid Radar and Multispectral Sensor

Approach; Project no. Wetland 2 – EPA - 06.82 pp.

16. P. Walfir; M. Souza Filho và Renato Paradela, Use of RADARSAT-1 fine

mode and Landsat-5 TM selective principal component analysis for

geomophologic mapping in macrotidal mangrove coast in the Amazon

Region. Tạp chí Viễn thám Canada, tập 31, số 3, 2005, trang 214 - 224.

17. Z. A. Hasan, K. M. N. Ku Ramil, I. Selamat and K. F. Loh (1997).

Complementary Nature of SAR and Optical Data for Land Cover/Use

Mapping in the State of Johore, Malaysia, Hội nghị Viễn thám châu á,

1997.

18. Weydahl, D. J., Becquey, X., and Tollefsen, T., 1995. Combining ERS-1

SAR with Optical Satellite Data over Urban Areas. Proceedings of

International Geoscience and Remote Sensing, Vol. 4, pp. 2161- 2163.

PHỤ BIỂU

Phụ biểu 1: Danh sách OTC phục vụ đ tài

STT

MauKhoa

ViTri

Tinh

Huyen

Xa

TK MaLDLR KinhDo

ViDo

TenTT

Mgo

LoaiUthe

MK_BUONDON_107_OTC_49 Chân Đắk Lắk Buôn Đôn Krông Na

499

417719

1422175

117.7073 Cẩm liên, Chiêu liêu đen

MK_BUONDON_111

Chân Đắk Lắk Buôn Đôn Krông Na

499

416926

1420826 Rừng gỗ tự nhiên núi đất LRRL TB

86.84612 Cẩm liên, Căm xe

MK_BUONDON_112

Chân Đắk Lắk Buôn Đôn Krông Na

499

416834

1420489

97.2363 Dầu đồng, Căm xe, Chiêu liêu đen

MK_BUONDON_114

Chân Đắk Lắk Buôn Đôn Krông Na

499

415993

1419971

45.24294 Dầu đồng

MK_BUONDON_115

Chân Đắk Lắk Buôn Đôn Krông Na

507

415997

1419598

36.38283 Dầu đồng

MK_BUONDON_116

Chân Đắk Lắk Buôn Đôn Krông Na

508

415661

1419425

85.333 Sổ 5 nhụy, Cà chít, Trúc cầu câu

MK_BUONDON_119

Chân Đắk Lắk Buôn Đôn Krông Na

496

403573

1425015 Rừng gỗ tự nhiên núi đất LRRL TB

117.802 Dầu đồng

MK_BUONDON_121

Chân Đắk Lắk Buôn Đôn Krông Na

489

411273

1424818

42.15121 Dầu đồng

MK_BUONDON_125

Chân Đắk Lắk Buôn Đôn Krông Na

489

409711

1424704

87.5903 Cà chít, Cẩm liên

10 MK_BUONDON_126_OTC_54 Chân Đắk Lắk Buôn Đôn Krông Na

489

409634

1424227

60.04166 Dầu đồng

11 MK_BUONDON_127

Chân Đắk Lắk Buôn Đôn Krông Na

489

408954

1424000

68.34209 Cẩm liên, Căm xe

12 MK_BUONDON_135

Chân Đắk Lắk Buôn Đôn Krông Na

485

420929

1425655

32.68611 Cà chít, Thành ngạnh, Thẩu tấu

13 MK_BUONDON_139

Chân Đắk Lắk Buôn Đôn Krông Na

470

421101

1428038

78.90988 Dầu trà beng

14 MK_BUONDON_142_OTC_59 Sƣờn Đắk Lắk Buôn Đôn Krông Na

470

420369

1428305 Rừng gỗ tự nhiên núi đất LRRL TB

84.951 Cẩm liên, dầu trà beng, căm xe

STT

MauKhoa

ViTri

Tinh

Huyen

Xa

TK MaLDLR KinhDo

ViDo

TenTT

Mgo

LoaiUthe

15 MK_BUONDON_145

Chân Đắk Lắk Buôn Đôn Krông Na

470

419503

1428055

72.53223 Dầu trà beng

16 MK_BUONDON_147

Chân Đắk Lắk Buôn Đôn Krông Na

463

417376

1428791 Rừng gỗ tự nhiên núi đất LRRL TB

85.54012 Dầu đồng

17 MK_BUONDON_150

Chân Đắk Lắk Buôn Đôn Krông Na

463

416102

1429448

56.79312 Dầu đồng

18 MK_BUONDON_156_OTC_66 Chân Đắk Lắk Buôn Đôn Krông Na

463

416317

1431249

68.93579 Cà chít, Chiêu liêu đen

19 MK_BUONDON_159

Chân Đắk Lắk Buôn Đôn Krông Na

463

415392

1431973

68.82346 Dầu đồng, Cà chít

20 MK_BUONDON_161_OTC_68 Chân Đắk Lắk Buôn Đôn Krông Na

463

416323

1431808

67.99136 Dầu đồng

21 MK_BUONDON_167_OTC_71 Chân Đắk Lắk Buôn Đôn Krông Na

452

422514

1433220

73.98489 Dầu đồng, Chiêu liêu đen

Rừng gỗ tự nhiên núi đất LRRL nghèo

22 MK_BUONDON_22_OTC_10

Chân Đắk Lắk Buôn Đôn Krông Na

485

419294

1424567

106.7009 Cẩm liên, Cà chít

23 MK_BUONDON_24

Chân Đắk Lắk Buôn Đôn Krông Na

485

418809

1424177

130.9675

Chiêu liêu đen, Chiêu liêu ổi, Căm xe, Cà dam

24 MK_BUONDON_25_OTC_11

Chân Đắk Lắk Buôn Đôn Krông Na

485

418726

1424034

293.352 Bằng lăng ổi, Chiêu liêu đen

25 MK_BUONDON_28

Chân Đắk Lắk Buôn Đôn Krông Na

485

419523

1424607

58.28243

26 MK_BUONDON_29_OTC_13

Chân Đắk Lắk Buôn Đôn Krông Na

485

419196

1424020

63.41546

27 MK_BUONDON_31

Chân Đắk Lắk Buôn Đôn Krông Na

502

423366

1422394

69.7362 Cà chít, căm xe

28 MK_BUONDON_33

Chân Đắk Lắk Buôn Đôn Krông Na

502

423141

1421931

38.29091 Chiêu liêu đen, cà chít

29 MK_BUONDON_35

Chân Đắk Lắk Buôn Đôn Krông Na

502

422836

1421788

65.09808 Gạo, căm xe, Cà chít

30 MK_BUONDON_37

Chân Đắk Lắk Buôn Đôn Krông Na

502

422727

1421085 Rừng gỗ tự nhiên núi đất LRRL TB

82.22849 Dầu đồng, cà chít

31 MK_BUONDON_59_OTC_29

Chân Đắk Lắk Buôn Đôn Krông Na

502

421597

1419995

55.61399 Dầu đồng, Mèn văn

32 MK_BUONDON_60

Chân Đắk Lắk Buôn Đôn Krông Na

503

421146

1419986

42.81322 Dầu đồng, Cẩm liên

Rừng gỗ tự nhiên núi đất LRRL nghèo kiệt

33 MK_BUONDON_69

Chân Đắk Lắk Buôn Đôn Krông Na

508

413515

1418073

67.31222

Dầu đồng, Cà chít, Cẩm liên, Chiêu liêu kha tử

34 MK_BUONDON_71_OTC_33

Chân Đắk Lắk Buôn Đôn Krông Na

508

1417646

96.24389 Cẩm liên

413279

Phụ biểu 2: Danh sách OTC phục vụ xây dựng mô hình xác định trữ lƣợng rừng bằng tƣ liệu ảnh Sentinel-1 và Sentinel-2

NDVI-

NDVI+

NDVI*

NDVI+

Số hiệu OTC

VHMN

VVMN

TBMN

NDVI

Mgo

VHMN

VVMN

TBMN

VHMN

TBMN

VHMN

VVMN

TBMN

VVMN

MK_BUONDON_107_OTC_49

-16.3111

-11.6032

-13.9572

0.474238

16.7853278

12.07749

14.43141

-15.8369

-11.1290119

-13.4829

-7.73534

-5.5027

-6.61902

17.99513

MK_BUONDON_111

-14.5089

-10.8526

-12.6807

0.677299

15.1861914

11.52987

13.35803

-13.8316

-10.1752732

-12.0034

-9.82686

-7.35044

-8.58865

78.24252

MK_BUONDON_112

-18.201

-9.25936

-13.7302

0.441192

18.6421782

9.700549

14.17136

-17.7598

-8.81816492

-13.289

-8.03013

-4.08515

-6.05764

53.97894

MK_BUONDON_115

-18.319

-9.90102

-14.11

0.557827

18.8768189

10.45885

14.66783

-17.7612

-9.34319167

-13.5522

-10.2188

-5.52306

-7.87094

44.08904

MK_BUONDON_119

-16.4414

-10.1306

-13.286

0.460857

16.9022262

10.59144

13.74683

-15.9805

-9.66972846

-12.8251

-7.57712

-4.66875

-6.12294

53.01648

MK_BUONDON_126_OTC_54

-18.2403

-10.3996

-14.32

0.49095

18.7312456

10.89059

14.81092

-17.7493

-9.90868584

-13.829

-8.95507

-5.1057

-7.03039

36.38283

MK_BUONDON_127

-16.8096

-9.13008

-12.9698

0.623212

17.4328039

9.753294

13.59305

-16.1864

-8.50686971

-12.3466

-10.4759

-5.68998

-8.08296

85.333

MK_BUONDON_139

-16.0995

-10.7857

-13.4426

0.57886

16.678383

11.3646

14.02149

-15.5207

-10.2068764

-12.8638

-9.31937

-6.24343

-7.7814

68.34209

MK_BUONDON_142_OTC_59

-16.8399

-8.26431

-12.5521

0.632292

17.47218

8.896603

13.18439

-16.2076

-7.63201852

-11.9198

-10.6477

-5.22546

-7.93659

94.59066

MK_BUONDON_147

-20.2406

-9.49281

-14.8667

0.483342

20.723893

9.976149

15.35002

-19.7572

-9.00946496

-14.3833

-9.78311

-4.58827

-7.18569

32.68611

MK_BUONDON_159

-19.789

-9.83481

-14.8119

0.626201

20.4151843

10.46101

15.4381

-19.1628

-9.20860565

-14.1857

-12.3919

-6.15857

-9.27522

83.12425

MK_BUONDON_161_OTC_68

-16.2092

-7.55102

-11.8801

0.641207

16.8503673

8.192222

12.52129

-15.568

-6.90980817

-11.2389

-10.3934

-4.84176

-7.6176

94.83251

MK_BUONDON_167_OTC_71

-16.9119

-8.71048

-12.8112

0.644871

17.5568053

9.355351

13.45608

-16.2671

-8.06560911

-12.1663

-10.906

-5.61714

-8.26158

120.5158

MK_BUONDON_22_OTC_10

-16.5452

-8.62697

-12.5861

0.633867

17.1790558

9.260836

13.21995

-15.9113

-7.99310234

-11.9522

-10.4874

-5.46835

-7.9779

106.2074

MK_BUONDON_24

-15.8207

-11.7553

-13.788

0.536037

16.3567714

12.29137

14.32407

-15.2847

-11.219298

-13.252

-8.4805

-6.30129

-7.3909

65.52164

MK_BUONDON_25_OTC_11

-16.1735

-10.8509

-13.5122

0.548284

16.721792

11.39915

14.06047

-15.6252

-10.3025853

-12.9639

-8.86768

-5.94936

-7.40852

68.82346

MK_BUONDON_28

-16.9243

-7.41278

-12.1685

0.601327

17.5256243

8.014108

12.76987

-16.323

-6.81145429

-11.5672

-10.177

-4.45751

-7.31727

128.7912

MK_BUONDON_31

-16.7923

-9.27368

-13.033

0.534312

17.3266154

9.807989

13.5673

-16.258

-8.73936493

-12.4987

-8.97233

-4.95504

-6.96368

46.31389

MK_BUONDON_35

-19.1248

-11.5978

-15.3613

0.492315

19.6170696

12.09013

15.8536

-18.6324

-11.1055005

-14.869

-9.4154

-5.70978

-7.56259

20.33372

MK_BUONDON_37

-15.8195

-8.14064

-11.9801

0.557698

16.377222

8.698339

12.53778

-15.2618

-7.58294258

-11.4224

-8.82252

-4.54002

-6.68127

86.03843

MK_BUONDON_38

-15.8474

-8.0453

-11.9463

0.638499

16.4858805

8.683794

12.58484

-15.2089

-7.40679608

-11.3078

-10.1185

-5.13691

-7.62773

130.9675

MK_BUONDON_40

-15.1083

-7.76205

-11.4352

0.605769

15.7140529

8.36782

12.04094

-14.5025

-7.15628216

-10.8294

-9.15213

-4.70201

-6.92707

105.1516

NDVI-

NDVI+

NDVI*

NDVI+

Số hiệu OTC

VHMN

VVMN

TBMN

NDVI

Mgo

VHMN

VVMN

TBMN

VHMN

TBMN

VHMN

VVMN

TBMN

VVMN

MK_BUONDON_45

-16.9417

-9.32436

-13.133

0.527708

17.4693952

9.85207

13.66073

-16.414

-8.79665444

-12.6053

-8.94026

-4.92054

-6.9304

67.2955

MK_BUONDON_59_OTC_29

-18.2295

-10.6328

-14.4311

0.52324

18.7527005

11.15606

14.95438

-17.7062

-10.1095754

-13.9079

-9.53838

-5.56351

-7.55095

65.09808

MK_BUONDON_60

-19.7998

-9.39174

-14.5958

0.421715

20.2214809

9.813452

15.01747

-19.3781

-8.97002188

-14.174

-8.34986

-3.96064

-6.15525

54.60759

MK_BUONDON_71_OTC_33

-16.912

-7.77331

-12.3426

0.661454

17.5734087

8.434766

13.00409

-16.2505

-7.11185772

-11.6812

-11.1865

-5.14169

-8.16408

120.5675

Phụ biểu 3: Danh sách OTC phục vụ kiểm chứng mô hình xác định trữ lƣợng rừng bằng tƣ liệu ảnh Sentinel-1 và Sentinel-2

Số hiệu OTC

VHMN

VVMN

TBMN

NDVI

Mgo

NDVI- VHMN

NDVI- VVMN

NDVI- TBMN

NDVI+ VHMN

NDVI+ VVMN

NDVI+ TBMN

NDVI* VHMN

NDVI* VVMN

NDVI* TBMN

MK_BUONDON_114

-15.15332

-9.00114

-12.07723

0.54031

15.69363

9.54145

12.61754

-14.61302

-8.46083

-11.53693

-8.18746

-4.86339

-6.52543

MK_BUONDON_121

-18.35588

-10.87435

-14.61511

0.40164

18.75752

11.27599

15.01675

-17.95424

-14.21347

-7.37244

-4.36756

-5.87000

- 10.47271

MK_BUONDON_125

-17.35322

-9.99880

-13.67601

0.46635

17.81958

10.46515

14.14236

-16.88687

-9.53245

-13.20966

-8.09269

-4.66295

-6.37782

MK_BUONDON_135

-20.13705

-9.26614

-14.70159

0.54830

20.68535

9.81444

15.24989

-19.58875

-8.71784

-14.15329

-11.04112

-5.08061

-8.06087

MK_BUONDON_150

-16.65961

-7.63491

-12.14726

0.59536

17.25497

8.23026

12.74261

-16.06426

-7.03955

-11.55190

-9.91838

-4.54548

-7.23193

119

MK_BUONDON_29_OTC_13

-16.82440

-9.36798

-13.09619

0.58580

17.41020

9.95379

13.68200

-16.23860

-8.78218

-12.51039

-9.85577

-5.48778

-7.67178

MK_BUONDON_33

-15.60511

-8.24724

-11.92618

0.61357

16.21868

8.86081

12.53975

-14.99154

-7.63367

-11.31261

-9.57484

-5.06027

-7.31756

102

MK_BUONDON_69

-17.11674

-9.94168

-13.52921

0.63789

17.75463

10.57956

14.16710

-16.47886

-9.30379

-12.29132

-10.91853

-6.34166

-8.63009

MK_BUONDON_116

-13.20861

-8.09520

-10.65191

0.62233

13.83094

8.71753

11.27423

-12.58629

-7.47288

-9.52958

-8.22006

-5.03786

-6.62896

167

MK_BUONDON_156_OTC_66

-15.02848

-10.20760

-12.61804

0.62724

15.65572

10.83484

13.24528

-14.40124

-9.58036

-9.09080

-9.42652

-6.40266

-7.91459

174

MK_BUONDON_145

-16.07560

-8.32957

-12.20259

0.78011

16.85571

9.10969

12.98270

-15.29549

-7.54946

-9.42247

-12.54078

-6.49801

-9.51940

179