Luận văn Thạc sĩ Khoa học Lâm nghiệp: Nghiên cứu khả năng phân loại rừng bằng ảnh viễn thám ở khu rừng thực nghiệm núi Luốt

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT

TRƢỜNG ĐẠI HỌC LÂM NGHIỆP

NGUYỄN THỊ HỒNG NGHIÊN CỨU KHẢ NĂNG PHÂN LOẠI RỪNG BẰNG ẢNH

VIỄN THÁM Ở KHU RỪNG THỰC NGHIỆM NÚI LUỐT

LUẬN VĂN THẠC SỸ KHOA HỌC LÂM NGHIỆP HÀ NỘI, 2016

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT

TRƢỜNG ĐẠI HỌC LÂM NGHIỆP

NGUYỄN THỊ HỒNG NGHIÊN CỨU KHẢ NĂNG PHÂN LOẠI RỪNG BẰNG ẢNH

VIỄN THÁM Ở KHU RỪNG THỰC NGHIỆM NÚI LUỐT

Chuyên ngành: Lâm học Mã số: 60620201 LUẬN VĂN THẠC SỸ KHOA HỌC LÂM NGHIỆP NGƢỜI HƢỚNG DẪN KHOA HỌC:

GS. TS. VƢƠNG VĂN QUỲNH

HÀ NỘI, 2016

LỜI CẢM ƠN

Đƣợc sự nhất trí của Ban Giám hiệu, Khoa Đào tạo Sau Đại học Trƣờng

Đại học Lâm nghiệp, đề tài “Nghiên cứu khả năng phân loại rừng bằng ảnh

viễn thám ở khu rừng thực nghiệm núi Luốt” đƣợc thực hiện và hoàn thành

vào tháng 9/2016.

Tôi xin chân thành cảm ơn Ban Giám hiệu, tập thể cán bộ khoa Công nghệ

Nông lâm thực phẩm Trƣờng Đại học Thành Tây, nơi tôi đang công tác và học

tập đã tạo điều kiện giúp đỡ tôi về thời gian, chuyên môn khoa học trong quá

trình thực hiện luận văn.

Nhân dịp này tôi cũng xin trân trọng cảm ơn Ban Giám hiệu, Khoa Đào tạo

Sau Đại học, Viện sinh thái rừng, Thƣ viện trƣờng Đại học Lâm nghiệp, đặc biệt

xin đƣợc bày tỏ lòng biết ơn sâu sắc đến GS.TS. Vƣơng Văn Quỳnh ngƣời trực

tiếp hƣớng dẫn khoa học đã giúp đỡ nhiều mặt để luận văn của tôi hoàn thành.

Cuối cùng xin gửi lời cảm ơn sự động viên, giúp đỡ quý báu của gia đình,

bạn bè giúp tôi tự tin trong quá trình thực hiện luận văn.

Xin trân trọng cảm ơn!

Tác giả

MỤC LỤC

Trang

LỜI CẢM ƠN ................................................................................................................... i

MỤC LỤC ....................................................................................................................... ii

DANH MỤC CÁC BẢNG ............................................................................................. iv

DANH MỤC CÁC HÌNH ............................................................................................... v

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

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

1.1. Cơ sở khoa học của phƣơng pháp viễn thám............................................................ 3

1.1.1. Cơ sở vật lý ............................................................................................................ 3

1.1.2. Tƣơng tác giữa các đối tƣợng và đặc trƣng phản xạ phổ của một số đối tƣợng tự

nhiên ................................................................................................................................ 4

1.1.3. Ảnh số viễn thám ................................................................................................... 9

1.1.4. Một số phần mềm thông dụng đƣợc sử dụng trong viễn thám ............................ 13

1.2. Khai thác ảnh vệ tinh và công nghệ xử lý ảnh ....................................................... 18

1.2.1. Trên thế giới ........................................................................................................ 18

1.2.2. Ở Việt Nam .......................................................................................................... 23

Chƣơng 2 MỤC TIÊU - ĐỐI TƢỢNG - NỘI DUNG .................................................. 30

PHƢƠNG PHÁP NGHIÊN CỨU ................................................................................. 30

2.1. Mục đích nghiên cứu .............................................................................................. 30

2.2. Đối tƣợng và phạm vi nghiên cứu .......................................................................... 30

2.3. Nội dung nghiên cứu .............................................................................................. 30

2.4. Phƣơng pháp nghiên cứu ........................................................................................ 31

2.4.1. Phƣơng pháp luận ................................................................................................ 31

2.4.2. Phƣơng pháp thu thập và xử lý thông tin trong nghiên cứu ................................ 32

Chƣơng 3 KẾT QUẢ NGHIÊN CỨU ........................................................................... 39

3.1. Rừng thực nghiệm Trƣờng Đại học Lâm nghiệp ................................................... 39

Trang phụ bìa

3.2. Lựa chọn tƣ liệu ảnh hiện có ở khu vực nghiên cứu để phân loại trạng thái rừng

cho khu vực Núi Luốt .................................................................................................... 46

3.2.1. Đặc điểm những tƣ liệu ảnh dễ tiếp cận có thể sử dụng để phân loại rừng ở khu

vực nghiên cứu .............................................................................................................. 46

3.2.2. Bộ tiêu chí đánh giá lựa chọn tƣ liệu ảnh dễ tiếp cận cho phân loại rừng ở địa

điểm nghiên cứu ............................................................................................................ 52

3.2.3 Lựa chọn tƣ liệu ảnh vệ tinh cho phân loại rừng .................................................. 56

3.3. Xây dựng chỉ số phản xạ phổ để phân loại rừng trên ảnh vệ tinh .......................... 58

3.3.1. Đặc điểm phản xạ phổ của các trạng thái rừng và đất ở Núi Luốt trên ảnh

Google Earth .................................................................................................................. 58

3.3.2. Xây dựng chỉ tiêu phản xạ phổ và khóa để phân loại rừng ở khu vực nghiên cứu69

3.4. Đánh giá tính chính xác của phân loại trạng thái rừng từ ảnh vệ tinh .................... 71

3.4.1. Phân bố các điểm kiểm tra ................................................................................... 71

3.4.2. Độ chính xác của phân loại rừng từ ảnh .............................................................. 73

KẾT LUẬN ................................................................................................................... 76

iii

TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC BẢNG

STT Tên bảng Trang

1.1 Cấp độ phân giải bức xạ ảnh vệ tinh 11

1.2 Đặc điểm và khả năng ứng dụng của mỗi loại ảnh vệ tinh 21

Tọa độ và đặc điểm rừng của các điểm điều tra ở khu thực 40 3.1 nghiệm Trƣờng Đại học Lâm nghiệp

Giá trị trung bình các kênh phổ tại các điểm điều tra trên 3 tƣ 49 3.2 liệu ảnh vệ tinh

Hệ số biến động trung bình các kênh phổ giữa các pixel ở mỗi 54 3.3 điểm điều tra (Kcti)

Giá trị các tiêu chí đánh giá của ba tƣ liệu ảnh vệ tinh dễ tiếp 57 3.4 cận

Xếp hạng ba tƣ liệu ảnh vệ tinh dễ tiếp cận theo các tiêu chí 57 3.5 đánh giá

3.6 Chỉ số hiệu quả fij của từng tƣ liệu ảnh theo từng tiêu chí 58

Đặc điểm phản xạ phổ của các trạng thái rừng tại các điểm 58 3.7 điều tra

Trạng thái rừng xác định bằng khóa ảnh và trạng thái rừng 73 3.8 thực tế ở các điểm kiểm tra

3.9 So sánh kết quả phân loại trạng thái rừng từ ảnh và thực tế 74

DANH MỤC CÁC HÌNH

STT Tên hình Trang

Bức xạ sóng điện từ 3 1.1

Sự phân bố các dải sóng trong quang phổ điện từ 3 1.2

Đặc điểm phổ phản xạ của nhóm các đối tƣợng tự nhiên chính 6 1.3

Cấu trúc của ảnh số 10 1.4

Các khuôn dạng dữ liệu của ảnh số 13 1.5

Lớp khoanh vi các trạng thái rừng từ ảnh vệ tinh Google Earth 37 2.1 ở Núi Luốt

Lớp khoanh vi các trạng thái rừng và hệ thống điểm điều tra 38 2.2 trên MAPINFO

Phân bố các điểm điều tra tại khu rừng thực nghiệm Trƣờng 39 3.1 Đại học Lâm nghiệp

Rừng trồng keo tai tƣợng hỗn giao cây bản địa ở khu rừng 43 3.2 thực nghiệm Trƣờng Đại học Lâm nghiệp (điểm điều tra số 8)

Rừng trồng thông hỗn giao cây bản địa ở khu rừng thực 44 3.3 nghiệm Trƣờng Đại học Lâm nghiệp (điểm điều tra số 12)

Rừng trồng bạch đàn ở khu rừng thực nghiệm Trƣờng Đại học 44 3.4 Lâm nghiệp (điểm điều tra số 2)

Rừng trồng keo hỗn giao cây bản địa ở khu rừng thực nghiệm 45 3.5 Trƣờng Đại học Lâm nghiệp (điểm điều tra số 28)

Rừng trồng thông hỗn giao cây bản địa ở khu rừng thực 45 3.6 nghiệm Trƣờng Đại học Lâm nghiệp (điểm 14)

Trữ lƣợng rừng tại các điểm điều tra ở khu thực nghiệm 46 3.7 Trƣờng Đại học Lâm nghiệp

Ảnh Landsat8 khu rừng thực nghiệm Trƣờng Đại học Lâm 47 3.8 nghiệp

Ảnh Sentinel2 khu rừng thực nghiệm Trƣờng Đại học Lâm 48 3.9 nghiệp

Ảnh Google Earth khu rừng thực nghiệm Trƣờng Đại học 49 3.10 Lâm nghiệp

Giá trị kênh lục trung bình của các khoanh vi chứa các điểm 61 3.11 điều tra

Giá trị kênh đỏ trung bình của các khoanh vi chứa các điểm 62 3.12 điều tra

Giá trị kênh xanh da trời trung bình của các khoanh vi chứa 62 3.13 các điểm điều tra

3.14 Biến động của chỉ số NDVI giữa các điểm điều tra 63

Hệ số biến độ về độ sáng giữa các pixel trong các khoanh vi 64 3.15 tại các điểm điều tra

Sai tiêu chuẩn của các kênh phổ trong các khoanh vi tại các 65 3.16 điểm điều tra

Hệ số biến động độ sáng của các pixel trong các khoanh vi ở 66 3.17 từng điểm điều tra

Giá trị trung bình các kênh phổ của các pixel trong khoanh vi 67 3.18 tại các điểm điều tra

NDVI trung bình của các pixel trong những khoanh vi tại các 68 3.19 điểm điều tra

Chỉ số khô ẩm (K) trung bình trong những khoanh vi tại các 69 3.20 điểm điều tra rừng keo và thông hỗn giao với cây bản địa

Khoanh vi các lô rừng theo đặc điểm giá trị các kênh phổ 71 3.21

Phân bố các điểm kiểm tra trạng thái rừng ngoài thực địa 72 3.22

Phân bố số điểm kiểm tra và các khoanh vi trạng thái rừng đƣợc xác định bằng khóa phân loại rừng

72 3.23

vii

ĐẶT VẤN ĐỀ

Việt Nam có tổng diện tích đất tự nhiên là 33.121.200 ha (Tổng cục

Thống kê, 2007), trong đó có tới 3/4 diện tích là rừng và đất rừng, hơn nữa nƣớc

ta nằm trong khu vực nhiệt đới gió mùa, hàng năm nhận đƣợc lƣợng nhiệt và

lƣợng mƣa lớn, địa hình bị chia cắt mạnh, đất nƣớc trải dài theo nhiều vĩ độ và

kinh độ, … chính điều đó đã tạo cho nƣớc ta có nguồn tài nguyên thực vật và

động vật rừng vô cùng phong phú và đa dạng.

Tuy nhiên, trong những thập kỷ gần đây, do công tác quản lý rừng chƣa

bền vững mà rừng ở nƣớc ta đang bị suy giảm một cách nghiêm trọng cả về số

lƣợng lẫn chất lƣợng: Năm 1943, Việt Nam có 14.3 triệu ha rừng, độ che phủ là

43% nhƣng đến năm 1990 chỉ còn 9.18 triệu ha, độ che phủ rừng là 27,2%. Theo

công bố tại quyết định số 1970/QĐ/BNN-KL-LN ngày 06 tháng 7 năm 2006,

tính đến 31/12/2005, diện tích rừng toàn quốc là 12,61 triệu ha, độ che phủ rừng

là 37%, trong đó mất rừng là nguyên nhân gây ra một loạt các hiện tƣợng nhƣ:

lũ lụt, hạn hán, mất mùa, … kéo theo đó là các tai biến về môi trƣờng đã làm

ảnh hƣởng rất lớn đến quá trình sản xuất và sinh hoạt của ngƣời dân. Chính vì

vậy, nhiệm vụ đặt ra đối với các cơ quan chức năng, những nhà quản lý lâm

nghiệp là cần phát triển bền vững nguồn tài nguyên này. Để quản lý bền vững

nguồn tài nguyên rừng thì một trong những tài liệu không thể thiếu đó là bản đồ

tài nguyên rừng nhƣ: Bản đồ hiện trạng rừng, bản đồ trữ lƣợng, bản đồ sinh

khối, … bởi từ bản đồ tài nguyên rừng các nhà quản lý lâm nghiệp, các nhà khoa

học mới có cơ sở để đƣa ra các phƣơng án quy hoạch, đề xuất các giải pháp kỹ

thuật, kinh tế - xã hội và định hƣớng cho việc sử dụng và quản lý bền vững tài

nguyên rừng. Hơn nữa, bản đồ tài nguyên rừng còn là cơ sở để thực hiện việc

đánh giá biến động tài nguyên rừng qua các thời kỳ mà hiện nay ở nƣớc ta thực

hiện theo chu kỳ 5 năm. Bản đồ tài nguyên rừng cũng là cơ sở để các nhà quản

lý thực hiện giao đất giao rừng cho các hộ gia đình, …

Ở nƣớc ta, các chƣơng trình theo dõi diễn biến tài nguyên rừng đã đƣợc

tiến hành từ những năm 1976 với chƣơng trình đánh giá diễn biến tài nguyên

rừng toàn quốc giai đoạn 1976 - 1990 - 1995, chƣơng trình điều tra, đánh giá và

theo dõi diễn biến tài nguyên rừng toàn quốc 5 năm các giai đoạn 1996 - 2000

và 2000 - 2005 và hiện nay đang thực hiện chƣơng trình điều tra, đánh giá và

theo dõi diễn biến tài nguyên rừng toàn quốc giai đoạn 2006 - 2010. Những năm

trƣớc đây để điều tra theo dõi diễn biến tài nguyên rừng chủ yếu vẫn dựa trên

việc đo vẽ, thành lập bản đồ hiện trạng rừng bằng phƣơng pháp thủ công vì vậy

công việc này đòi hỏi tốn rất nhiều thời gian, công sức, tiền bạc, độ chính xác

không cao và thông tin thƣờng không đƣợc cập nhật vì tình hình rừng và đất

rừng luôn biến động. Trong những năm gần đây, khi khoa học công nghệ viễn

thám phát triển mạnh thì việc áp dụng công nghệ viễn thám vào lâm nghiệp là

rất cần thiết vì kỹ thuật viễn thám với khả năng quan sát các đối tƣợng ở các độ

phân giải phổ và không gian khác nhau, từ trung bình đến siêu cao và chu kỳ

chụp lặp từ một tháng đến một ngày cho phép ta quan sát và xác định nhanh

chóng hiện trạng lớp phủ rừng, từ đó có thể dễ dàng xác định đƣợc biến động

rừng và đặc biệt là xu hƣớng của biến động, hơn nữa kỹ thuật viễn thám dễ dàng

tích hợp với các phần mềm GIS để quản lý và cập nhật thƣờng xuyên, giúp cho

việc quản lý đƣợc dễ dàng, thuận lợi với độ tin cậy cao. Tuy nhiên, các nghiên cứu

về ứng dụng công nghệ viễn thám trong lâm nghiệp còn rất thiếu đặc biệt là

công nghệ xử lý ảnh số viễn thám tự động và bán tự động, các ảnh vệ tinh đƣợc

sử dụng vẫn là các ảnh độ phân giải thấp dẫn đến các kết quả thành lập bản đồ

tài nguyên rừng và đánh giá biến động rừng cho độ chính xác không cao.

Xuất phát từ ý nghĩa thực tiễn trên tôi tiến hành thực hiện đề tài: “Nghiên

cứu khả năng phân loại rừng bằng ảnh viễn thám ở khu rừng thực nghiệm

núi Luốt”

Chƣơng 1

TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU

1.1. Cơ sở khoa học của phƣơng pháp viễn thám

1.1.1. Cơ sở vật lý

Bức xạ điện từ là quá trình truyền năng lƣợng điện từ trên cơ sở các dao

động của điện trƣờng và từ trƣờng trong không gian.

Hình 1.1: Bức xạ sóng điện từ

Các bức xạ điện từ này vừa có tính chất sóng lại vừa có tính chất hạt, tính

chất sóng của bức xạ điện từ này đƣợc thể hiện bằng biểu thức sau:

(1.1) (C=299,793 km/s trong môi trƣờng chân không).

Trong viễn thám, các sóng điện từ đƣợc sử dụng với các dải bƣớc sóng

của quang phổ điện từ. Quang phổ điện từ là dải liên tục của các tia sáng ứng với

các bƣớc sóng khác nhau, sự phân chia thành các dải phổ có liên quan đến tính

chất bức xạ khác nhau.

Hình 1.2: Sự phân bố các dải sóng trong quang phổ điện từ

6µm.

Quang phổ điện từ có các dải sóng chính nhƣ sau: - Các tia vũ trụ: là các tia từ vũ trụ có bƣớc sóng vô cùng ngắn với λ<10-

- Các tia gamma (γ) có λ từ 10-6 ÷ 10-4µm. - Dải các tia x (X) có λ từ 10-4÷10-1 µm.

- Dải tia nhìn thấy có bƣớc sóng λ từ 0.4 ÷ 0.7 µm đây dải phổ của ánh

sáng trắng. Trong dải nhìn thấy còn có thể chia nhỏ ra thành các dải ánh sáng

đơn sắc:

+ Blue (xanh lơ - lam): 0.4 ÷ 0.5 µm.

+ Green (xanh lá cây - lục): 0.5 ÷ 0.6 µm.

+ Red (đỏ) 0.6 ÷ 0.7 µm.

- Sau vùng đỏ là dải hồng ngoại trong đó lại chia thành các vùng:

+ Hồng ngoại phản xạ: 0.7 ÷ 3 µm.

+ Hồng ngoại trung: 3 ÷ 7 µm.

+ Hồng ngoại nhiệt: 7 ÷ 14 µm.

- Vùng sóng radar hay vi sóng (microwave): là các vùng có bƣớc sóng

dài hơn nhiều so với vùng hồng ngoại độ dài bƣớc sóng từ 1mm ÷ 1m.

- Sau vùng radar là sóng radio có bƣớc sóng > 30cm.

Còn tính chất hạt đƣợc mô tả theo tính chất của photon hay quang

lƣợng tử đƣợc thể hiện bằng biểu thức sau:

(1.2) Trong đó: (h là hằng số plank)

1.1.2. Tương tác giữa các đối tượng và đặc trưng phản xạ phổ của một số đối

tượng tự nhiên

 Sự tương tác năng lượng với các đối tượng ở trên mặt đất.

Sóng điện từ lan truyền tới bề mặt của vật thể, năng lƣợng sóng điện từ sẽ

tƣơng tác với vật thể đƣới dạng hấp thụ (A), phản xạ (R), truyền qua vật thể (T),

phần trăm năng lƣợng phản xạ phụ thuộc vào chất liệu và điều kiện tƣơng tác

với vật thể đó.

EI(λ) = ER(λ) + EA(λ) + ET(λ) (1.3)

Trong đó: EI: là năng lƣợng tới mặt đất.

ER: năng lƣợng phản xạ.

EA: năng lƣợng hấp thụ.

ET: năng lƣợng truyền qua.

Tỷ lệ giữa các hợp phần năng lƣợng phản xạ, hấp thụ, truyền qua là rất

khác nhau, tuỳ thuộc vào các đặc điểm của đối tƣợng trên bề mặt, cụ thể là phần

vật chất và tình trạng của đối tƣợng. Ngoài ra, tỷ lệ giữa các hợp phần đó còn

phụ thuộc vào bƣớc sóng của ánh sáng chiếu tới.

Trong viễn thám, thành phần năng lƣợng phổ phản xạ rất quan trọng và

viễn thám nghiên cứu sự khác nhau đó để phân biệt các đối tƣợng. Vì vậy, năng

lƣợng phản xạ phổ thƣờng đƣợc sử dụng để tính sự cân bằng năng lƣợng.

ER(λ) = EI(λ) – [EA(λ) + ET(λ)] (1.4)

Công thức (1.4) nói nên rằng năng lƣợng phản xạ bằng năng lƣợng rơi

xuống một đối tƣợng sau khi đã bị suy giảm bởi việc truyền qua hoặc hấp thụ

bởi đối tƣợng.

Đặc điểm phản xạ phổ của các đối tƣợng trên bề mặt Trái đất là thông số

quan trọng nhất trong viễn thám. Độ phản xạ phổ đƣợc đo theo công thức:

(1.5) Trong đó: là độ phản xạ phổ (tính bằng %).

Nhƣ vậy, phổ phản xạ là tỷ lệ phần trăm của năng lƣợng rơi xuống đối

tƣợng và đƣợc phản xạ trở lại. Với cùng một đối tƣợng độ phản xạ phổ khác

nhau ở các bƣớc sóng khác nhau.

 Phổ phản xạ của một số đối tượng tự nhiên chính

Đồ thị phổ phản xạ đƣợc xây dựng với chức năng là một hàm số của giá

trị phổ phản xạ và bƣớc sóng, đƣợc gọi là đƣờng cong phổ phản xạ. Hình dáng

của đƣờng cong phổ phản xạ cho biết một cách tƣơng đối rõ ràng tính chất phổ

của một đối tƣợng và hình dạng đƣờng cong phụ thuộc rất nhiều vào việc lựa

chọn các dải sóng mà ở đó thiết bị viễn thám có thể ghi nhận đƣợc các tín hiệu

phổ.

Hình 1.3 : Đặc điểm phổ phản xạ của nhóm các đối tƣợng tự nhiên chính

Phản xạ phổ ứng với từng loại lớp phủ mặt đất cho thấy có sự khác nhau

do sự tƣơng tác giữa bức xạ điện từ và vật thể, điều này cho phép viễn thám có

thể xác định hoặc phân tích đƣợc đặc điểm của lớp phủ thông qua việc đo lƣờng

phản xạ phổ.

Hình dạng của đƣờng cong phổ phản xạ còn phụ thuộc rất nhiều vào tính

chất của các đối tƣợng. Trong thực tế, các giá trị phổ của các đối tƣợng khác

nhau, của một nhóm đối tƣợng cũng rất khác nhau, song về cơ bản chúng dao

động xung quanh giá trị trung bình.

Thông tin viễn thám có liên quan trực tiếp đến năng lƣợng phản xạ của

các đối tƣợng, nên việc nghiên cứu đặc trƣng phản xạ phổ của các đối tƣợng tự

nhiên đóng vai trò quan trọng trong việc khai thác, ứng dụng có hiệu quả các

thông tin thu đƣợc từ các phƣơng tiện bay. Kết quả của việc giải đoán các lớp

thông tin phụ thuộc rất nhiều vào sự hiểu biết về mối tƣơng quan giữa đặc trƣng

phản xạ phổ và bản chất, trạng thái của các đối tƣợng tự nhiên. Những thông tin

về đặc trƣng phản xạ phổ của các đối tƣợng tự nhiên cho phép các nhà khoa học

chọn lọc các kênh ảnh tối ƣu, chứa nhiều thông tin nhất về đối tƣợng nghiên cứu

và là cơ sở để nghiên cứu tính chất của đối tƣợng, tiến tới phân loại chúng. Đặc

tính phản xạ phổ của các đối tƣợng tự nhiên phụ thuộc vào các yếu tố nhƣ điều

kiện ánh sáng, môi trƣờng khí quyển và bề mặt đối tƣợng cũng nhƣ bản thân các

đối tƣợng đó (độ ẩm, lớp nền, thực vật, chất mùn, cấu trúc bề mặt, ...).

Đặc trƣng phản xạ phổ của một số đối tƣợng tự nhiên nhƣ sau:

Đặc trƣng phản xạ phổ của lớp phủ thực vật:

Khả năng phản xạ phổ của thực vật phụ thuộc vào chiều dài bƣớc sóng và

giai đoạn sinh trƣởng, phát triển của thực vật. Các trạng thái lớp phủ thực vật

khác nhau sẽ có đặc trƣng phản xạ phổ khác nhau. Đặc điểm chung phản xạ phổ

của các trạng thái thực vật là phản xạ mạnh ở vùng sóng hồng ngoại gần

(>0,72m) và hấp thụ mạnh ở vùng sóng đỏ (0,68m <<0,72m).

Bức xạ mặt trời (EI) khi tới bề mặt lá cây thì một phần sẽ bị phản xạ ngay

(E1). Bức xạ ở vùng sóng lục khi gặp diệp lục trong cây sẽ bị phản xạ lại (EG).

Bức xạ ở vùng sóng hồng ngoại cũng bị phản xạ mạnh khi gặp diệp lục trong lá

cây (EIR). Nhƣ vậy, năng lƣợng phản xạ từ thực vật là:

(1.6) ER = E1 + EG + EIR

Trong đó thành phần năng lƣợng (EG + EIR) chứa đựng các thông tin quan

trọng về bản chất và trạng thái của thực vật.

Sắc tố Chlorophyll - là một tổng thể các thành phần hữu cơ có chứa sắt, là

một chất xúc tác đối với quá trình quang hợp ánh sáng của thực vật. Chức năng

của Chlorophyll là hấp thụ bức xạ mặt trời và cung cấp nó cho quá trình quang

hợp. Năng lƣợng bị hấp thụ trong khoảng từ 0,45 - 0,67m tức là phần xanh lơ

và đỏ của phổ nhìn thấy, trong vùng ánh sáng này, vùng sóng ánh sáng có phản

xạ mạnh nhất là vùng sóng ánh sáng lục (0,55m), chính vì vậy mà lá cây tƣơi

có màu xanh lục [25]. Ở vùng hồng ngoại gần (từ 0,7 - 1,3 m) thực vật có khả

năng phản xạ rất mạnh, khi sang vùng hồng ngoại nhiệt và vi sóng (Microwave)

một số điểm cực trị ở vùng sóng dài làm tăng khả năng hấp thụ ánh sáng của hơi

nƣớc trong lá, khả năng phản xạ của chúng giảm đi rõ rệt và ngƣợc lại, khả năng

hấp thụ ánh sáng lại tăng lên. Đặc biệt đối với rừng có nhiều tầng lá, khả năng

đó càng tăng lên (ví dụ rừng rậm nhiệt đới).

Đặc trƣng phản xạ phổ của thực vật đƣợc xác định bởi các yếu tố bên

trong và bên ngoài của lá cây, thời kỳ sinh trƣởng và tác động của ngoại cảnh

nhƣ: hàm lƣợng sắc tố diệp lục, thành phần và cấu tạo mô bì, biểu bì, hình thái

lá, …tuổi cây, giai đoạn sinh trƣởng phát triển, …, điều kiện sinh trƣởng, vị trí

địa lý, điều kiện chiếu sáng,…Vì vậy, khả năng phản xạ phổ của mỗi loài thực

vật, mỗi trạng thái của lớp phủ thực vật là khác nhau. Tuy nhiên, chúng vẫn có

những điểm chung nhƣ sau:

- Khả năng phản xạ phổ của thực vật có sự rõ rệt ở vùng sóng nhìn thấy,

cận hồng ngoại và hồng ngoại. Trong vùng ánh sáng nhìn thấy, phần lớn năng

lƣợng đƣợc diệp lục trong lá cây hấp thụ phục vụ cho quá trình quang hợp, một

phần nhỏ truyền qua và phần còn lại bị phản xạ lại. Vùng hồng ngoại gần, khả

năng phản xạ phổ của thực vật là mạnh nhất.

Đặc trƣng phản xạ phổ của nƣớc:

Khả năng phản xạ phổ của nƣớc phụ thuộc vào bƣớc sóng của bức xạ

chiếu tới, bề mặt nƣớc, trạng thái nƣớc, thành phần vật chất có trong nƣớc. Nƣớc

có độ dẫn truyền cao trong khoảng sóng nhìn thấy và tính truyền dẫn tăng dần

khi bƣớc sóng giảm. Kết quả là đối với nƣớc sâu, chỉ có ánh sáng xanh lơ có thể

lan truyền đến những độ sâu nhất định, các bƣớc sóng dài bị hấp thụ ngay ở mực

nƣớc nông. Đối với nƣớc trong, có thể đáng giá độ sâu bằng cƣờng độ của bức

xạ nhìn thấy, đặc biệt là ánh sáng xanh lơ phản xạ từ đáy. Tuy nhiên, đối với độ

sâu lớn hơn 40m, tất cả bức xạ của khoảng nhìn thấy bị hấp thụ và đƣợc thể hiện

trên ảnh hoàn toàn đen. Những vật liệu lơ lửng, phù du và màu tự nhiên làm tăng

phản xạ của nƣớc trong khoảng nhìn thấy. Trong khoảng hồng ngoại gần, nƣớc

giống nhƣ vật đen tuyệt đối và hấp thụ thực sự toàn bộ năng lƣợng tới. Chỉ có

những vật thể tự nhiên với tính chất này mới phân biệt đƣợc chúng dễ dàng bằng

các đặc điểm bề mặt trong khoảng này của phổ điện tử, ngay cả nếu chúng

không sâu hay có chứa nhiều thể phù du... Do gần giống nhƣ vật đen, nƣớc gần

nhƣ vật phát xạ trong khoảng hồng ngoại, cũng nhƣ vật thể hấp thụ [21].

Đặc trƣng phản xạ phổ của thổ nhƣỡng:

Thổ nhƣỡng là nền của lớp phủ thực vật, cùng với lớp phủ thực vật tạo

thành một thể thống nhất trong cảnh quan tự nhiên. Một phần bức xạ mặt trời

chiếu tới sẽ phản xạ ngay trên bề mặt đối tƣợng, phần còn lại đi vào bề dày của

lớp phủ thổ nhƣỡng, một phần trong đó đƣợc hấp thụ để làm tăng nhiệt độ đất,

một phần sau khi tán xạ gặp các hạt nhỏ và bị phản xạ trở lại. Đƣờng cong phổ

phản xạ của đất khô tƣơng đối đơn giản tăng dần từ vùng tử ngoại đến vùng

hồng ngoại, ít có những cực đại và cực tiểu một cách rõ ràng, lý do chính là các

yếu tố ảnh hƣởng đến tính chất phổ của đất khá phức tạp và không rõ ràng nhƣ ở

thực vật. Các yếu tố ảnh hƣởng đến đƣờng cong phổ phản xạ của đất là: lƣợng

ẩm, cấu trúc của đất (tỉ lệ cát, bột và sét), độ nhám bề mặt, sự có mặt của các

loại oxit kim loại, hàm lƣợng vật chất hữu cơ, ... các yếu tố đó làm cho đƣờng

cong phổ phản xạ biến động rất nhiều quanh đƣờng cong có giá trị trung bình.

Tuy nhiên, quy luật chung là giá trị phổ phản xạ của đất tăng dần về phía sóng

có bƣớc sóng dài.

Trong thực tế, thực vật sống ở các nền đất khác nhau sẽ có đặc trƣng phản

xạ phổ khác nhau. Tuy nhiên, trong nền đất cũng nhƣ thực vật đều có chứa một

lƣợng nƣớc nhất định, vì vậy khi xác định các đối tƣợng dựa vào các đặc trƣng

phản xạ phổ phải dựa trên kiến thức tổng hợp giữa nghiên cứu lý thuyết và kinh

nghiệm thực tiễn thì mới có kết luận chính xác về đối tƣợng.

1.1.3. Ảnh số viễn thám

Ảnh số là một dạng dữ liệu ảnh không lƣu trên giấy ảnh hoặc phim mà

đƣợc lƣu dƣới dạng số trên máy tính, ảnh số đƣợc chia thành nhiều phần tử nhỏ

đƣợc gọi là pixel (phần tử ảnh), ảnh số là một ma trận không gian của tập hợp

các pixel, mỗi một pixel tƣơng ứng với một đơn vị không gian và có giá trị

nguyên hữu hạn ứng với từng cấp độ sáng, các pixel thƣờng có dạng hình

vuông, vị trí của mỗi pixel đƣợc xác định theo toạ độ hàng và cột trên ảnh tính

từ góc trên cùng bên trái.

Hình 1.4: Cấu trúc của ảnh số

Ảnh vệ tinh hay còn gọi là ảnh viễn thám thƣờng đƣợc lƣu dƣới dạng ảnh

số, trong đó năng lƣợng phản xạ (theo vùng phổ đã đƣợc định trƣớc) từ các vị trí

tƣơng ứng trên mặt đất, đƣợc bộ cảm biến thu nhận và chuyển thành tín hiệu số

xác định giá trị độ sáng của pixel. Ứng với các giá trị này, mỗi pixel sẽ có giá trị

độ sáng khác nhau thay đổi từ đen đến trắng cung cấp thông tin về vật thể. Tuỳ

thuộc vào số kênh phổ đƣợc sử dụng, ảnh vệ tinh đƣợc ghi lại theo những dải

phổ khác nhau nên ngƣời ta gọi là dữ liệu đa phổ. Hình ảnh của đối tƣợng không

gian có thể đƣợc ghi nhận trên nhiều kênh phổ khác nhau, mỗi kênh cho giá trị

phổ dƣới dạng số riêng về cùng một đối tƣợng đƣợc ghi.

Ảnh vệ tinh đƣợc đặc trƣng bởi một số thông số cơ bản nhƣ sau:

- Tính chất hình học của ảnh vệ tinh.

Trƣờng nhìn không đổi IFOV (instantaneous field of view) đƣợc định

nghĩa là góc không gian tƣơng ứng với một đơn vị chia mẫu trên mặt đất. Lƣợng

thông tin ghi đƣợc trong IFOV tƣơng ứng với giá trị của pixel.

Góc nhìn tối đa mà một bộ cảm có thể thu đƣợc sóng điện từ đƣợc gọi là

trƣờng nhìn FOV (field of view). Khoảng không gian trên mặt đất do FOV tạo

nên chính là bề rộng tuyến bay.

Diện tích nhỏ nhất trên mặt đất mà bộ cảm có thể phân biệt đƣợc gọi là độ

phân giải không gian. Ảnh có độ phân giải không gian càng cao khi có kích

thƣớc pixel càng nhỏ. Độ phân giải không gian cũng đƣợc gọi là độ phân giải

mặt đất khi hình chiếu của 1 pixel tƣơng ứng với một đơn vị chia mẫu trên mặt

đất. Khi nói rằng ảnh SPOT có kích thƣớc pixel là 20 х 20m có nghĩa là một

pixel trên ảnh có kích thƣớc là 20 х 20m trên mặt đất.

- Tính chất phổ của ảnh vệ tinh.

Cùng một vùng phủ mặt đất tƣơng ứng, các pixel sẽ cho giá trị riêng biệt

theo từng vùng phổ ứng với các loại bƣớc sóng khác nhau. Do đó, thông tin

đƣợc cung cấp theo từng loại ảnh vệ tinh khác nhau không chỉ phụ thuộc vào số

bit dùng để ghi nhận, mà còn phụ thuộc vào phạm vi bƣớc sóng.

Độ phân giải phổ thể hiện bởi kích thƣớc và số kênh phổ, bề rộng phổ

hoặc sự phân chia vùng phổ mà ảnh vệ tinh có thể phân biệt một số lƣợng lớn

các bƣớc sóng có kích thƣớc tƣơng tự, cũng nhƣ tách biệt đƣợc các bức xạ từ

nhiều vùng phổ khác nhau.

Độ phân giải bức xạ thể hiện độ nhạy tuyến tính của bộ cảm biến trong khả

năng phân biệt sự thay đổi nhỏ nhất của cƣờng độ phản xạ sóng từ các vật thể.

Để lƣu trữ, xử lý và hiển thị ảnh vệ tinh trong máy tính kiểu raster, tuỳ

thuộc vào số bit dùng để ghi nhận thông tin, mỗi pixel sẽ có giá trị hữu hạn ứng

với từng cấp độ xám (giá trị độ sáng của pixel; BV - Brightness Value).

Số bít

Giá trị số

Phạm vi

0 ÷ 63

256

0 ÷ 255

1024

0 ÷ 1023

Luỹ thừa của 2 26 28 210 216

65536

0 ÷ 65535

Bảng 1.1: Cấp độ phân giải bức xạ ảnh vệ tinh

Số bit dùng để ghi nhận thông tin (thang cấp độ xám) đƣợc gọi là độ phân

giải bức xạ của ảnh vệ tinh.

- Độ phân giải thời gian của ảnh vệ tinh.

Độ phân giải thời gian không liên quan đến thiết bị ghi ảnh mà chỉ liên

quan đến khả năng chụp lặp lại của ảnh vệ tinh. Ảnh đƣợc chụp vào những ngày

khác nhau cho phép so sánh đặc trƣng bề mặt theo thời gian.

Ƣu thế của độ phân giải không gian là cho phép cung cấp thông tin chính

xác hơn và nhận biết sự biến động của khu vực cần nghiên cứu.

Hầu hết các vệ tinh đều bay qua cùng một điểm vào khoảng thời gian cố

định (mất từ vài ngày đến vài tuần) phụ thuộc vào quỹ đạo và độ phân giải

không gian.

Dữ liệu ảnh số đƣợc lƣu trữ trên băng từ tƣơng thích cho máy tính hoặc

trên CD - ROM dƣới khuôn dạng của các tệp ảnh số mà máy tính có thể đọc

đƣợc. Thông thƣờng, ảnh số đƣợc lƣu trữ theo các khuôn dạng sau đây:

- Theo BIL (band interleaved by lines)

Từng hàng đƣợc ghi theo thứ tự của số kênh, mỗi hàng đƣợc ghi tuần tự

theo giá trị của các kênh phổ và sau đó lặp lại theo thứ tự của từng hàng, nhƣ

vậy sẽ tạo ra các file dữ liệu ảnh chung cho các kênh phổ.

- Theo kiểu BSQ (band sequential)

Là khuôn dạng trong đó các kênh phổ đƣợc lƣu tuần tự hết kênh này sang

kênh khác. Nghĩa là mỗi ảnh ứng với một kênh.

- Theo kiểu BIP (band inteleaved by pixel)

Mỗi pixel đƣợc lƣu tuần tự theo các kênh, nghĩa là các kênh phổ đƣợc ghi

theo hàng và cột của từng pixel. Sau khi kết thúc tổ hợp phổ của pixel này lại

chuyển sang tổ hợp phổ của pixel khác.

Hình 1.5: Các khuôn dạng dữ liệu của ảnh số

1.1.4. Một số phần mềm thông dụng được sử dụng trong viễn thám

Ứng dụng công nghệ không gian địa trong phát hiện cháy rừng và giám

sát tài nguyên rừng là hƣớng đi đúng đắn của ngành lâm nghiệp. Để xây dựng

một bản đồ hiện trạng rừng từ ảnh Viễn thám có rất nhiều các công đoạn, kỹ

thuật xử lý kèm theo đó là các phần mềm chuyên dụng đối với từng bƣớc công

việc.

Ứng dụng viễn thám vào từng lĩnh vực khác nhau cần phải chọn loại ảnh

thích hợp nhất, nghĩa là loại ảnh vệ tinh có độ phân giải không gian, phân giải

phổ và độ phân giải thời gian thích hợp với yêu cầu cụ thể. Ngoài ra, việc giải

đoán hay xử lý ảnh vệ tinh cho một lĩnh vực đều đòi hỏi sử dụng các phần mềm

xử lý ảnh nhằm:

Nhập/ xuất dữ liệu (đọc và ghi CD-Rom, CCT…)

Hiện ảnh và các thao tác liên quan (thay đổi màu, tăng cƣờng chất

lƣợng…)

Hiệu chỉnh và khôi phục ảnh (hiệu chỉnh hình học, bức xạ..)\

Phân tích ảnh (chuyển đổi ảnh, phân loại..)

Xuất dữ liệu ảnh (hard, copy, file..)

Hiện nay, các phần mềm thƣơng mại không ngừng hoàn thiện các chức

năng để hỗ trợ cho ngƣời sử dụng. Những phần mềm giá thành thấp đƣợc sử

dụng phổ biến nhƣ: ILWIS, IDRISI đến các phần mềm chuyên dụng nhƣ: Envi,

Ecognition, ERMapper, Photomod…hoặc tính hợp mạnh với công nghệ GIS và

GPS nhƣ PCI Geomatica…Ngoài ra, một số phần mềm GIS nhƣng có một số

chức năng cơ bản trong xử lý ảnh số nhƣ Mapinfo, Arcview, Geomedia…cũng

thƣờng đƣợc các chuyên gia sử dụng trong việc hỗ trợ nhanh công tác giải đoán

bằng mắt để thành lập bản đồ chuyên đề.

Nhìn chung, các phần mềm viễn thám thƣờng có các đặc điểm khác nhau

nhằm đáp ứng tính đa dạng của nhiều lĩnh vực ứng dụng, nhƣng tất cả đều bao

gồm các chức năng xử lý ảnh vệ tinh cơ bản.

Giới thiệu một số phần mềm chuyên dụng sau:

 ILWIS: tên viết tắt của Integrated Land and Water Information System,

là phần mềm phục vụ cho việc tích hợp dữ liệu GIS – Geographic Information

System (Hệ thống thông tin địa lý) đi kèm với khả năng xử lý ảnh đặc biệt là ảnh

vệ tinh. Đây là phần mềm đƣợc phát hiện bởi Internation Institute for Aerospace

Surey and Earth Science (ITC) ở Hà Lan, phục vụ cho công tác nghiên cứu, xây

dựng và phát triển hệ thống tích hợp các dữ liệu không gian. ILWIS cho phép

chúng ta thu nhận, quản lý, phân tích và hiển thị các dữ liệu địa lý để từ đó có

thể rút ra các thông tin hữu ích phục vụ cho nhiều mục đích khác nhau nhƣ:

quản lý tài nguyên thiên nhiên, theo dõi biến động về không gian…

 ERDAS bao gồm các thiết bị phần cứng, phần mềm trong lĩnh vực ảnh

địa không gian nhƣ đo đạc, xử lý, xây dựng và hiển thị mô hình 3 chiều, lƣu trữ

và chia sẻ dữ liệu…Hiện ERDAS bổ sung thêm rất nhiều sản phẩm với nhiều

tính năng mới tăng cƣờng khả năng xử lý, lƣu trữ, hiển thị và phân tích dữ liệu

địa không gian.

ERDAS Imagine: bộ phần mềm chuyên dụng cho xử lý ảnh địa không

gian, cho phép bạn khai thác và chiết tách thông tin dễ dàng từ tƣ liệu ảnh nhƣ

một chuyên gia thực thụ, không đòi hỏi bạn phải có kinh nghiệm hay trình độ

chuyên môn sâu. Với những công cụ xử lý ảnh mạnh và dễ sử dụng, ERDAS

IMAGINE sẽ giúp đơn giản hoá công việc vừa đạt đƣợc hiệu quả sử dụng cao.

 ENVI là một trong những phần mềm hàng đầu trong việc xử lý, thu nhận

thông tin từ dữ liệu ảnh một cách nhanh chóng, dễ dàng và chính xác. Cùng với

sự gia tăng về độ chính xác của dữ liệu ảnh thì vai trò của quá trình thu nhận và

xử lý ảnh cũng tăng lên. Các phần mềm xử lý ảnh sẽ giúp việc thu nhận, chiết

xuất ra các thông tin cần thiết một cách dễ dàng, nhanh chóng và chính xác.

Phần mềm ENVI cung cấp các công cụ hữu dụng và cao cấp để đọc, khám phá,

thao tác, phân tích và chia sẻ các thông tin thu nhận từ dữ liệu ảnh. ENVI đƣợc

phát triển bới các chuyên hàng đầu về hiển thị và xứ lý ảnh. Đồng thời, ENVI

cũng đƣợc xây dựng trên nền tảng mở nên cho phép ngƣời dùng dễ dàng mở

rộng và tùy biến các ứng dụng. Ngoài ra, ngƣời dùng có thể sử dụng ENVI trên

các môi trƣờng khác nhau nhƣ Windows, Macintosh, Linux hay Unix [1; 2; 33].

 Ecognition là phần mềm đƣợc cung cấp và phát triển bởi công ty

Definiens AG - CHLB Đức. Ecognition phát triển dựa trên một phƣơng pháp

hoàn toàn mới là phân tích ảnh hƣởng đối tƣợng dùng luận lý mờ. Nó cho phép

phân tích và làm việc trên dữ liệu VHR (dữ liệu có độ phân giải rất cao) hoặc dữ

liệu rada với chức năng phát triển và cơ sở thông tin cho việc phân loại tỷ mỷ

trong phạm vi cục bộ và trên từng pixel là Ecognition không phân loại các pixel

đơn lẻ, mà các đối tƣợng ảnh gốc đƣợc chiết tách từ một bƣớc phân đoạn từ

trƣớc.Vì mục đích này, Ecognition đƣa ra đặc trƣng phân đoạn đa phân giải, một

quy trình mới xử lý tinh vi cho việc chiết tách đối tƣợng ảnh. Ecognition đƣợc

sử dụng để phân tích ảnh ở nhiều tỷ lệ khác nhau từ tỷ lệ rất nhỏ nhƣ cấu trúc tế

bào đến tỷ lệ lớn nhƣ các ảnh vệ tinh.

Ví dụ, sử dụng Ecognition để chiết tách các đối tƣợng từ ảnh vệ tinh phục

vụ cho việc quan sát, quản lý tài nguyên thiên nhiên và môi trƣờng, phân loại

rừng…Trong ecognition ảnh phân tích theo hai con đƣờng: tự động và bán tự

động.

 MapInfo: là một giải pháp phần mềm GIS thân thiện với ngƣời sử dụng.

Với các chức năng phân tích không gian hữu ích cho các hoạt động kinh doanh,

quản lý nhƣng không cồng kềnh và không phức tạp hóa bởi những chức năng

không cần thiết, giao diện đơn giản và dễ hiểu. Phiên bản gần đây là MapInfo

Professional 11 cũng vẫn duy trì truyền thống này - có thể chạy trên các hệ điều

hành thông thƣờng nhƣ Windows XP, Windows 2000, Windows NT+SP6,

Windows 98 SE, Windows 2003 Server với Terminal Services và Citrix. Phiên

bản hiện hành là MapInfo Professional 10.0.

Mapinfo là phần mềm Gis đang đƣợc sử dụng rộng rãi nhất thị trƣờng

Việt nam. Mapinfo thiên về quản lý, tổng hợp thông tin, xây dựng các loại bản

đồ chuyên đề số, nên chức năng số hóa bản đồ của Mapinfo tƣơng đối yếu. Một

điểm mạnh của Mapinfo là khả năng hiển thị, dàn trang in rất tiện lợi và đây là

một trong ƣu thế của Mapinfo so với các phần mềm GIS khác [27].

Những đặc điểm chính của phần mềm Mapinfo:

Đơn giản, rất dễ sử dụng và chạy trên các hệ điều hành: UNIX, Windows.

Hỗ trợ các thiết bị: Bàn số, máy quét ảnh, các máy vẽ…

Các chức năng chính: Tạo vùng đệm, phân tích bản đồ, phân tích mạng.

Hệ quản trị cơ sở dữ liệu: dBase, cơ sở dữ liệu bên trong

Cấu trúc dữ liệu: Non-topological Vertor, dữ liệu thuộc tính, dữ liệu bảng biểu.

Phù hợp với mô hình quy mô vừa và nhỏ.

Khả năng tạo lập bản đồ chuyên đề mạnh và phong phú. Khả năng dàn

trang in và in rất thuận tiện.

Khả năng giao tiếp với các phần mềm GIS khác tốt.

Hỗ trợ tốt cho các khả năng ứng dụng, tạo mô hình ba chiều.

Cấu trúc format file mở hỗ trợ cho việc phát triển các ứng dụng chuyên sâu.

Khả năng xây dựng dữ liệu bản đồ số.

 ArcGIS: là hệ thống GIS hàng đầu hiện nay, cung cấp một giải pháp

toàn diện từ thu thập /nhập số liệu, chỉnh lý, phân tích và phân phối thông tin

trên mạng Internet tới các cấp độ khác nhau nhƣ CSDL địa lý cá nhân hay

CSDL của các doanh nghiệp. Về mặt công nghệ, hiện nay các chuyên gia GIS

coi công nghệ ESRI là một giải pháp mang tính chất mở, tổng thể và hoàn chỉnh,

có khả năng khai thác hết các chức năng của GIS trên các ứng dụng khác nhau

nhƣ: desktop (ArcGIS Desktop), máy chủ (ArcGIS Server), các ứng dụng Web

(ArcIMS, ArcGIS Online), hoặc hệ thống thiết bị di động (ArcPAD)... và có khả

năng tƣơng thích cao đối với nhiều loại sản phẩm của nhiều hãng khác nhau.

ArcGIS Desktop (với phiên bản mới nhất là ArcGIS 10) bao gồm những

công cụ rất mạnh để quản lý, cập nhật, phân tích thông tin và xuất bản tạo nên

một hệ thống thông tin địa lý (GIS) hoàn chỉnh, cho phép:

Tạo và chỉnh sửa dữ liệu tích hợp (dữ liệu không gian tích hợp với dữ liệu

thuộc tính) - cho phép sử dụng nhiều loại định dạng dữ liệu khác nhau thậm chí

cả những dữ liệu lấy từ Internet.

Truy vấn dữ liệu không gian và dữ liệu thuộc tính từ nhiều nguồn và bằng

nhiều cách khác nhau.

Hiển thị, truy vấn và phân tích dữ liệu không gian kết hợp với dữ liệu thuộc tính.

Thành lập bản đồ chuyên đề và các bản in có chất lƣợng trình bày chuyên

nghiệp.

ArcGIS Destop là một bộ phần mềm ứng dụng gồm: ArcMap, ArcCatalog,

ArcToolbox, ModelBuilder, ArcScene và ArcGlobe. Khi sử dụng các ứng dụng

này đồng thời, ngƣời sử dụng có thể thực hiện đƣợc các bài toán ứng dụng GIS

bất kỳ, từ đơn giản đến phức tạp, bao gồm cả thành lập bản đồ, phân tích địa lý,

chỉnh sửa và biên tập dữ liệu, quản lý dữ liệu, hiển thị và xử lý dữ liệu. Phần mềm

ArcGIS Desktop đƣợc cung cấp cho ngƣời dùng ở 1 trong 3 cấp bậc với mức độ

chuyên sâu khác nhau là ArcView, ArcEditor, ArcInfo [2; 33].

 MicroStation là một phần mềm giúp thiết kế (CAD) đƣợc sản xuất và

phân phối bởi Bentley Systems. MicroStation có môi trƣờng đồ họa rất mạnh

cho phép xây dựng, quản lý các đối tƣợng đồ họa thể hiện các yếu tố bản đồ.

MicroStation còn đƣợc sử dụng để là nền cho các ứng dụng khác nhƣ: Famis,

Geovec, Irasb, MSFC, Mrfclean, Mrfclean và eTools, eMap (tập hợp các giải

pháp xử lý bản đồ địa hình, địa chính của công ty [eK]) chạy trên đó. Các công

cụ của MicroStation đƣợc sử dụng để số hóa các đối tƣợng trên nền ảnh raster,

sửa chữa, biên tập dữ liệu và trình bày bản đồ. MicroStation còn cung cấp công

cụ nhập, xuất dữ liệu đồ họa từ phần mềm khác qua các file (.dxf) hoặc (.dwg).

Đặc biệt, trong lĩnh vực biên tập và trình bày bản đồ, dựa vào các tính năng mở

của MicroStation cho phép ngƣời sử dụng tự thiết kế các ký hiệu dạng điểm,

dạng đƣờng, dạng pattern và rất nhiều các phƣơng pháp trình bày bản đồ đƣợc

coi là khó sử dụng đối với một số phần mềm khác (MapInfo, AutoCAD,

CorelDraw, Adobe Freehand…) lại đƣợc giải quyết một cách dễ dàng trong

MicroStation. Ngoài ra, các file dữ liệu của các bản đồ cùng loại đƣợc tạo dựa

trên nền một file chuẩn (seed file) đƣợc định nghĩa đầy đủ các thông số toán học

bản đồ, hệ đơn vị đo đƣợc tính theo giá trị thật ngoài thực địa làm tăng giá trị

chính xác và thống nhất giữa các file bản đồ.

1.2. Khai thác ảnh vệ tinh và công nghệ xử lý ảnh

1.2.1. Trên thế giới

Trên thế giới, công nghệ không gian địa lý đƣợc sử dụng rất sớm để giám

sát tài nguyên rừng. Từ đầu thế kỷ 20 ảnh hàng không bắt đầu đƣợc áp dụng để

khoanh vẽ các trạng thái rừng. Ảnh hàng không thƣờng đƣợc lƣu trên giấy ảnh

hoặc ảnh số. Từ những thử nghiệm lẻ tẻ về ứng dụng ảnh hàng không trong lâm

nghiệp vào thời gian đầu, đã có nhiều tác giả sử dụng thành công ảnh hàng không

để xây dựng bản đồ tài nguyên rừng ở các nƣớc nhƣ Canada, Mỹ và Anh

(Bickford, 1952). Ảnh hàng không thƣờng đƣợc giải đoán bằng mắt với sự hỗ trợ

của các thiết bị quang học nhƣ kính lúp, kính lập thể, máy tổng hợp màu v.v... để

xác định đối tƣợng. Các trạng thái rừng khác nhau trên ảnh đƣợc khoanh vẽ dựa

trên một số tiêu chí sau (Lillesand and Kiefer, 2000)[12]: cấp độ sáng (tone); kích

thƣớc (size) và hình dáng (shape) của tán cây; biến đổi trong cấu trúc tán cây

(texture); phân bố không gian của tán cây (pattern); bóng cây (shadow). Ƣu điểm

của việc sử dụng ảnh hàng không so với điều tra mặt đất là: cung cấp một bức

tranh toàn cảnh về phân bố của rừng trên một diện tích rộng; lƣu giữ đƣợc những

biến đổi về động thái của rừng theo thời gian; ảnh hàng không có thể chụp với

bƣớc sóng từ tia cực tím đến hồng ngoại gần (0.3m – 0.9m), vì vậy có thể phản

ánh những thông tin mà mắt thƣờng không thấy đƣợc. Nhƣợc điểm của ảnh hàng

không là rất khó chụp, lƣu giữ, hiệu chỉnh và giải đoán. Ngoài ra việc giải đoán

bằng mắt là rất chủ quan phụ thuộc vào trình độ, kinh nghiệm ngƣời giải đoán, kết

quả không đồng nhất, thời gian thực hiện lâu và tốn kém nhiều nhân lực. Ở Việt

nam, công nghệ giải đoán bằng mắt cũng đã và đang đƣợc áp dụng đối với ảnh vệ

tinh trong phân loại rừng và đã bộc lộ nhiều tồn tại.

Trong vòng khoảng 35 năm trở lại đây, ảnh vệ tinh với phƣơng pháp xử lý

số đã đƣợc sử dụng rộng rãi và dần thay thế ảnh hàng không trong xây dựng các

bản đồ tài nguyên rừng phục vụ công tác điều tra và kiểm kê rừng [51]. Phƣơng

pháp xử lý số có ƣu điểm nổi bật là thời gian xử lý ngắn, việc phân loại các đối

tƣợng đƣợc tiến hành nhanh chóng trên phạm vi rộng mà không tốn công đi thực

địa, công việc đƣợc thực hiện dựa vào cấp độ xám của các pixel, nên kết quả thu

đƣợc khách quan không phụ thuộc vào chủ quan của nguời giải đoán. Tuỳ thuộc

vào yêu cầu sử dụng, ảnh vệ tinh sẽ cho phép xây dựng các bản đồ tài nguyên

rừng với quy mô và tỷ lệ khác nhau một cách nhanh chóng, hoặc đánh giá đƣợc

biến động của hiện trạng rừng ở hiện tại so sánh với các thời điểm trong quá

khứ. Với những ƣu điểm nhƣ vậy, đã có nhiều chuyên gia và các nhà nghiên cứu

sử dụng ảnh vệ tinh để khoanh vẽ lớp phủ thực vật trên bề mặt trái đất từ quy mô

nhỏ đến toàn cầu [56]. Hiện nay, trên thế giới có nhiều vệ tinh cung cấp ảnh có

độ phân giải không gian, phân giải phổ, số lƣợng kênh phổ và chu kỳ bay chụp

khác nhau, từ các ảnh đa phổ (multispectral sensors) tới ảnh siêu phổ

(hyperspectral), bƣớc sóng biến động từ nhìn thấy tới sóng siêu cao tần, độ phân

giải không gian từ dƣới 1m tới vài km, chu kỳ bay chụp có thể từ hàng ngày tới

hàng tuần hoặc hàng tháng. Navulur (2006) đã phân nhóm các loại ảnh vệ tinh

theo độ phân giải không gian nhƣ sau: (i) ảnh có độ phân giải thấp: lớn hơn

30m, (ii) ảnh có độ phân giải trung bình: 10m - 30m; (iii) ảnh có độ phân giải

cao: 2 – 10 m; (iv) ảnh có độ phân giải rất cao: nhỏ hơn 2m. Mỗi loại ảnh vệ tinh

khác nhau lại có đặc điểm về độ phân giải không gian, bƣớc sóng, chu kỳ bay

chụp, giá thành khác nhau. Vì vậy, lựa chọn ảnh vệ tinh thích hợp trong xây

dựng bản đồ phân loại rừng là cần thiết. ngƣời ta thƣờng dựa vào những căn cứ

sau: (i) mục tiêu của bản đồ, (ii) giá thành của ảnh, (iii) điều kiện khí quyển, (iv)

những yêu cầu kỹ thuật trong việc giải đoán ảnh. Trong xây dựng các bản đồ

phân loại rừng, nhƣng loại ảnh viễn thám đƣợc sử dụng phổ biến gồm Landsat

TM và ETM+, SPOT, MODIS, NOAA-AVHRR, IKONOS và QuickBird.

Bảng 1.2: Đặc điểm và khả năng ứng dụng của mỗi loại ảnh vệ tinh

Ứng dụng trong

Loại ảnh

Thông số kỹ thuật

phân loại rừng

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

MODI

Độ phân giải thấp (250m – 1000m);

- Quy mô bản đồ: toàn

Trƣờng phủ 330km; Chu kỳ bay chụp 1-

cầu, lục địa hoặc quốc gia

2 ngày; Ảnh có từ năm 2000 (vệ tinh Terra) hoặc năm 2002 (vệ tinh Aqua)

- Phân loại lớp phủ (vd: rừng, đô thị, mặt nƣớc...)

đến nay

AVHRR

Độ phân giải thấp 1km từ các vệ tinh NOAA; Trƣờngphủ 2400km x 6400km; Ảnh có từ năm 1980 đến nay.

- Quy mô bản đồ: khu vực

- Phân loại rừng ở cấp độ

quần xã

Landsat ETM+ (Landsat 7)

- Quy mô bản đồ: khu vực - Phân loại rừng ở cấp độ quần xã hoặc một số loài ƣu thế có nhận biệt rõ

2. Ảnh đa phổ có độ phân giải trung bình (Multispectral Moderate Resolution Sensors) Landsat TM Độ phân giải thấp đến trung bình (30m - 120m); Trƣờng phủ 185km x 185km; Chu kỳ bay chụp 16 ngày; Ảnh từ năm 1985 đến nay; Độ phân giải thấp đến trung bình (15m - 20m); Trƣờng phủ 185km x 185km. Chu kỳ bay chụp 16 ngày; Ảnh có từ năm 1999 đến nay; Độ phân giải trung bình (15-90m) với 14

ASTER

kênh phổ từ bƣớc sóng nhìn thấy tới hồng ngoại gần; Ảnh có từ năm 200 đến

nay.

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

SPOT

- Quy mô bản đồ: địa phƣơng, khu vực (hoặc lớn hơn đối với SPOT VGT) - Phân loại rừng ở cấp độ quần xã hoặc các loại cụ thể

IKONOS

Độ phân giải cao đến trung bình, từ 2.5m đến 20m (với SPOT VGT là 1km); Trƣờng phủ 60km x 60km (với SPOT VGT là 1000km x 1000 km); SPOT 1, 2, 3, 4 và 5 có ảnh tƣơng ứng từ năm 1986, 1990, 1993, 1998 và 2002. Hiện nay SPOT 1 và 3 đã ngừng cung cấp ảnh. Độ phân giải rất cao (1m – 4m); Trƣờng - Quy mô bản đồ: khu

QuickBird

phủ 11km x 11km; Chu kỳ bay chụp 3- 5ngày Độ phân giải rất cao (0.6m – 2.4m); Trƣờng phủ 16.5km x 16.5km. Chu kỳ bay chụp 1-3.5 ngày tuỳ thuộc vào vĩ độ.

vực, địa phƣơng hoặc nhỏ hơn - Phân loại rừng chi tiết ở cấp độ quần xã hoặc các loài cụ thể; - Thƣờng đƣợc sử dụng để kiểm tra kết quả phân loại từ các nguồn khác.

4. Ảnh siêu phổ (Hyperspectral Sensors) AVIRIS

Ảnh siêu phổ với 224 kênh từ bƣớc sóng nhìn thấy tới sóng ngắn hồng ngoại; Tuỳ thuộc vào vĩ độ của vệ tinh mà ảnh có độ phân giải > 1m, trƣờng phủ > 1km.

Hyperion

- Quy mô bản đồ: khu vực, địa phƣơng hoặc nhỏ hơn; - Phân loại rừng chi tiết ở cấp độ quần xã hoặc các loài cụ thể; ảnh chỉ chụp theo yêu cầu 1 lần, vì vậy không thích hợp với theo dõi diễn biến rừng. - Quy mô bản đồ: khu vực - Phân loại rừng chi tiết ở cấp độ quần xãhoặc các loài cónhận biệt rõ.

Ảnh siêu phổ với 220 kênh từ bƣớc sóng nhìn thấy tới sóng ngắn hồng ngoại; Độ phân giải không gian 30m; Ảnh có từ năm 2003.

Nhiều các tác giả đã sử dụng các tƣ liệu ảnh viễn thám khác nhau trong

giám sát và theo dõi biến động tài nguyên rừng. Huang và Siegert (2006), đã sử

dụng ảnh đa thời gian SPOT VGT để giám sát quá trình sa mạc hoá thông qua

theo dõi sự biến động của thực vật ở vùng bắc Trung Quốc và đi đến kết luận,

ảnh SPOT VGT rất thích hợp cho việc nghiên cứu biến động lớp phủ thực vật ở

quy mô lớn. Kết quả này cũng tƣơng đồng với nghiên cứu của Cabral (2006)

trong việc phân loại lớp phủ ở phía nam châu Phi. Ngoài ra, ảnh SPOT cũng

đƣợc sử dụng hiệu quả trong việc giám sát sinh trƣởng và phân bố của rừng ở

quy mô nhỏ, hoặc các loài cụ thể, kết quả đƣợc thể hiện trong các nghiên cứu

phân bố sinh cảnh của chim Công ở New Zealand (Mathieu, 2006), biến động

thực vật ven biển ở Hải Nam – Trung Quốc (Millward, 2006). Các loại ảnh có

độ phân giải cao nhƣ IKONOS, QuickBird thích hợp cho giám sát những biến

động nhỏ về cấu trúc rừng và xây dựng những bản đồ có tỷ lệ cao, quy mô nhỏ.

Theo nghiên cứu của Goward (2003), ảnh IKONOS rất thích hợp cho việc kiểm

định kết quả phân loại rừng từ các vệ tinh có độ phân giải thấp hơn. Wolter

(2005) đã sử dụng ảnh QuickBird để phân loại thực vật ngập nƣớc cho 3 điểm

vùng hồ Great Lakes – Hoa Kỳ; Coops (2006) sử dụng ảnh QuickBird để phát

hiện, giám sát rừng bị phá hại do côn trùng.

Ngoài các loại ảnh vệ tinh nêu trên đƣợc sử dụng trong theo dõi diễn biến

tài nguyên rừng, thì cũng còn nhiều loại ảnh khác đƣợc sử dụng. Ví dụ, ảnh

ASTER, Landsat, AVNIR2, hoặc ảnh AVIRIS với giải phổ gần liên tục trong

224 kênh, các ảnh siêu phổ này có thể lƣu trữ nhiều thông tin về thực vật và

phân loại thực vật chính xác hơn các loại ảnh khác có cùng độ phân giải không gian.

1.2.2. Ở Việt Nam

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) [6]. 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) [14].

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) [3].

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 dõi 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 kỹ thuật giải đoạn tự

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

xác định rõ 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 rõ 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 dõi 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) [8], 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 địa lý của Trần Văn Thụy (1996)

[40] với đề tài Ứng dụng phƣơng pháp viễn thám để thành lập bản đồ thảm

thực vật tỉnh Thanh Hoá, tỷ lệ 1/200.000 . 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.

Đề tài 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 tự liệu viễn thám

ADEOS, AVNIR xây dựng các bản đồ lớp phủ thực vật [10].

Luận án tiến sĩ chuyên ngành ảnh hàng không của Chu Thị Bình (2001)

với đề tài Ứng dụng công nghệ tin học để khai thác thông tin cơ bản trên tƣ liệu

viễn thám, nhằm phục vụ việc nghiên cứu một số đặc trƣng rừng Việt Nam. Đề

tài đã sử dụng chỉ số thực vật NDVI và tổng năng lƣợng phản xạ TRRI với tƣ

liệu viễn thám ADEOS và Landsat TM để phân loại các trạng thái rừng và giám

sát sự biến động của rừng giai đoạn 1989 - 1998 cho hai khu vực rừng ở Quảng

Nam và Đồng Nai. Phƣơng pháp xử lý số đƣợc sử dụng trong đề tài là phƣơng

pháp phân loại đa phổ có kiểm định [6].

Công trình nghiên cứu của Nguyễn Đình Dƣơng và cộng sự (2004) Sử

dụng ảnh đa phổ MODIS để đánh giá sự thay đổi về lớp phủ thực vật của Việt

Nam trong giai đoạn 2001-2003 , kết quả đƣợc trình bày trong Hội thảo lần thứ

14 của các nƣớc đông nam á về nông nghiệp. Tác giả đã sử dụng phƣơng pháp

phân loại có kiểm định với ảnh vệ tinh MODIS đa thời gian có độ phân giải thấp

để đánh giá đƣợc sự biến động của lớp phủ trên toàn lãnh thổ Việt Nam trong

giai đoạn từ 2001 đến 2003 [11].

Đề tài Nghiên cứu sử dụng ảnh vệ tinh và công nghệ GIS trong việc

giám sát hiện trạng tài nguyên rừng, thử nghiệm tại 1 khu vực cụ thể do

Nguyễn Trƣờng Sơn – Trung tâm Viễn Thám Quốc Gia làm chủ trì, thực hiện

trong năm 2007. Đề tài đã sử dụng ảnh vệ tinh Landsat ETM (1999), SPOT5

(2003) và GIS để xây dựng quy trình báo cáo nhanh về biến động diện tích rừng

tại khu vực Yên Thế, tỉnh Bắc Giang. Phƣơng pháp xử lý số đƣợc sử dụng là

phƣơng pháp phân loại có kiểm định với thuận toán xác suất cực đại [34].

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), 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 [13].

Ở Việt Nam hiện nay, công nghệ không gian địa lý đã và đang đƣợc áp

dụng ở các địa phƣơng trong công tác dồn điền đổi thửa, phục vụ quy hoạch và

số hóa bản đồ các kiểm kê các loại đất, loại rừng theo mục đích và hiện trạng sử

dụng khác nhau. Tuy nhiên, các kết quả khảo sát thực tiễn cho thấy việc ứng

dụng công nghệ này ở nƣớc ta hiện còn một số tồn tại cơ bản nhƣ sau:

Tập trung chủ yếu vào một số ít cán bộ kỹ thuật cấp tỉnh hoặc huyện, chƣa

thu hút đƣợc sự tham gia đông đảo của quần chúng nhân dân. Vì vậy, vừa hạn chế

tính minh bạch, lại vừa giảm tính thực tiễn và kém phát huy vai trò của các cán bộ

địa bàn.

Công tác đo đạc và lập bản đồ đƣợc thực hiện cơ bản dựa vào kỹ thuật đo

vẽ mặt đất trực tiếp trên hiện trƣờng cho nên tốn kém và vì vậy không thể đảm

bảo hàng năm đƣợc thực hiện, tính cập nhật thấp do thông thƣờng phải mất

khoảng 5 năm mới có thể đo lại một lần.

Phần mềm đƣợc sử dụng phổ biến nhất hiện nay là Microstation và

Mapinfo, tuy mạnh về đo vẽ chi tiết và biên tập bản đồ nhƣng kém về tính năng

phân tích và mô hình hóa không gian.

Các thành tựu và những tiến bộ của công nghệ viễn thám gần nhƣ chƣa

đƣợc áp dụng ở địa phƣơng.

Công quản lý và theo dõi diễn biến các mô hình canh tác nông – lâm –

thủy nói chung và cảnh báo sớm lửa rừng, giám sát diễn biến tài nguyên rừng

nói riêng kém hiệu quả do chƣa có một cơ sở dữ liệu về lĩnh vực này một cách

hệ thống và đồng bộ từ cấp cơ sở. Vì vậy, giảm khả năng cung cấp các thông tin

đầy đủ và kịp thời cho công tác quy hoạch, điều chỉnh quy hoạch và đƣa ra các

quyết định quản lý thích ứng...

Tóm lại: Từ thực tiễn công tác quản lý tài nguyên rừng ở nƣớc ta nói chung

cho thấy việc xây dựng mô hình đánh giá diễn biến tài nguyên rừng bằng công

nghệ không gian địa lý là một yêu cầu hiện hữu và cấp bách. Công nghệ này cho

phép cập nhật và đánh giá sự thay đổi về diện tích, hiện trạng, khoanh vùng sâu

bệnh, dịch hại, xác định vùng ngập lụt và vùng chịu tác động của gió bão, dự báo

biến động trong tƣơng lai... một cách khoa học, minh bạch và tiết kiệm chi phí.

Tuy nhiên, cơ sở lý luận và thực tiễn của vấn đề này vẫn chƣa đƣợc làm sáng tỏ.

Vì vậy, cần thiết phải thực hiện chuyên đề này này để góp phần giải quyết những

tồn tại hiện nay đồng thời đƣa công tác giám sát diễn biến tài nguyên rừng ở nƣớc

ta lên một tầm cao mới, đáp ứng nhu cầu cung cấp thông tin minh bạch và có độ

tin cậy cao.

Chƣơng 2

MỤC TIÊU - ĐỐI TƢỢNG - NỘI DUNG

PHƢƠNG PHÁP NGHIÊN CỨU

2.1. Mục đích nghiên cứu

- Lựa chọn đƣợc ảnh vệ tinh dễ tiếp cận để phân loại trạng thái rừng cho

khu vực nghiên cứu,

- Xây dựng đƣợc chỉ tiêu phản xạ phổ để phân loại trạng thái rừng trên

ảnh vệ tinh cho khu vực nghiên cứu,

- Đánh giá đƣợc độ chính xác của phân loại rừng từ ảnh vệ tinh dễ tiếp

cận đã lựa chọn để phân loại trạng thái rừng cho khu vực nghiên cứu.

2.2. Đối tƣợng và phạm vi nghiên cứu

Đối tƣợng nghiên cứu của đề tài là khu rừng thực nghiệm của Trƣờng Đại

học Lâm nghiệp. Đây là khu rừng đƣợc trồng các loài thông, keo, bạch đàn từ

những năm 1986. Sau đó chúng đƣợc cải tạo dần thành rừng trồng hỗn loài các

cây bản địa bằng phƣơng pháp trồng bổ sung. Ở một số nơi các cây bạch đàn và

keo đã bị tỉa thƣa, đốn hạ hoặc chết, còn lại là những cây bản địa. Đến nay hầu

hết trong khu vực là rừng trồng hỗn giao của các cây trồng trƣớc đây với các cây

bản địa.

2.3. Nội dung nghiên cứu

(1). Nghiên cứu lựa chọn tƣ liệu ảnh dễ tiếp cận hiện có ở khu vực nghiên

cứu để phân loại trạng thái rừng,

(2). Nghiên cứu xây dựng chỉ số phản xạ phổ để phân loại rừng trên ảnh

vệ tinh,

(3). Nghiên cứu đánh giá độ tin cậy của phân loại trạng thái rừng từ ảnh

vệ tinh đã lựa chọn.

2.4. Phƣơng pháp nghiên cứu

2.4.1. Phương pháp luận

Lựa chọn ảnh vệ tinh để ứng dụng cho phân loại trạng thái rừng cho khu

vực nghiên cứu

Ảnh vệ tinh dễ tiếp cận hiện nay thƣờng là những tƣ liệu ảnh đƣợc cung

cấp miễn phí bởi các trung tâm nghiên cứu và dịch vụ không gian. Phổ biến nhất

là các ảnh Landsat, ảnh Sentinel, ảnh Google Earth. Đây là những ảnh vệ tinh có

thể tải về miễn phí, thƣờng xuyên đƣợc đổi mới và có độ phân giải không gian

trong phạm vi từ phân giải cao tới độ phân giải trung bình. Vì vậy, trong đề tài

này sẽ lựa chọn một trong số những ảnh vệ tinh trên để phân loại rừng cho khu

vực nghiên cứu.

Phƣơng pháp tiếp cận trong lựa chọn ảnh vệ tinh cho phân loại trạng thái

rừng

Các ảnh vệ tinh khác nhau về nhiều đặc điểm, chẳng hạn độ phân giải

không gian, độ phân giải phổ, độ phân giải thời gian hay chu kỳ bay chụp, tính

dễ tiếp cận, giá cả của tƣ liệu ảnh v.v... Tùy theo đặc điểm của ảnh mà chúng có

thể thích hợp nhiều, ít hoặc không thích hợp cho mục đích phân loại rừng. Vì

vậy, phƣơng pháp nghiên cứu đƣợc áp dụng để lựa chọn ảnh vệ tinh cho phân

loại rừng thƣờng đƣợc áp dụng là phƣơng pháp đa tiêu chí (hoặc đa tiêu chuẩn).

Những tiêu chí đƣợc sử dụng để lựa chọn ảnh vệ tinh cho phân loại trạng thái

rừng là những tiêu chí có giá trị thay đổi theo trạng thái rừng, có độ phân giải

càng cao càng tốt và các giá trị phổ có phạm vi biến động lớn để phản ảnh đƣợc

đặc điểm cấu trúc của đối tƣợng trên mặt đất.

Phƣơng pháp tiếp cận trong xây dựng chỉ số phản xạ phổ để phân loại

trạng thái rừng

Các chỉ số phản xạ phổ dùng để phân loại trạng thái rừng cần phải biến

đổi rõ khi chuyển từ trạng thái rừng này sang trạng thái rừng khác hoặc từ nhóm

trạng thái rừng này sang nhóm trạng thái rừng khác. Các chỉ số phản xạ phổ

dùng để phân loại trạng thái rừng có thể là chỉ số đơn lẻ của một kênh phổ hoặc

chỉ số tổng hợp của nhiều kênh phổ. Vì vậy, phƣơng pháp nghiên cứu xác định

chỉ số phản xạ phổ dùng cho phân loại trạng thái rừng sẽ là phƣơng pháp phân

tích thống kê thực nghiệm. Theo đó cần phân tích liên hệ giữa các chỉ số đơn lẻ

hoặc tổng hợp của các kênh phổ với đặc điểm định tính hoặc định lƣợng của các

trạng thái rừng. Với các ảnh vệ tinh độ phân giải cao thì các chỉ số tổng hợp của

các kênh phổ có thể gồm cả những chỉ tiêu phản ảnh đặc điểm cấu trúc của đối

tƣợng trên ảnh vệ tinh. Những chỉ số phản xạ phổ có liên hệ chặt với biến đổi

của đặc điểm các trạng thái rừng sẽ có hiệu lực trong phân loại trạng thái rừng

và đƣợc lựa chọn để làm chỉ số phân loại rừng trên ảnh.

Cách tiếp cận trong đánh giá độ chính xác của phân loại trạng thái rừng

trên ảnh

Độ chính xác của phân loại các trạng thái rừng trên ảnh đƣợc thể hiện qua

hai cấp độ: mức độ chi tiết trong phân loại các trạng thái rừng, và tỷ lệ phần

trăm phân loại đúng hay hiệu lực phân loại. Theo mức chi tiết trong phân loại thì

độ chính xác đƣợc đánh giá theo số trạng thái rừng có thể đƣợc phân loại bằng

chỉ số phản xạ phổ, theo tỷ lệ phần trăm phân loại đúng thì độ chính xác đƣợc

đánh giá theo chỉ số KAPPA một trong những chỉ số thƣờng đƣợc sử dụng để

đánh giá độ chính xác của phân loại các trạng thái rừng hoặc phân loại đối tƣợng

nói chung từ ảnh.

2.4.2. Phương pháp thu thập và xử lý thông tin trong nghiên cứu

2.4.2.1. Phương pháp kế thừa tư liệu

Đề tài sử dụng ba nguồn ảnh đƣợc tải về miễn phí có độ phân giải không

gian từ trung bình đến cao là ảnh Landsat8, ảnh Google Earth và ảnh Sentinel2

để phân tích khả năng sử dụng ảnh dễ tiếp cận cho phân loại rừng.

2.4.2.2. Phương pháp nghiên cứu thực nghiệm

(1). Điều tra ngoại nghiệp

Lựa chọn điểm điều tra.

Nhóm nghiên cứu đã đi theo nhiều tuyến: đầu tiên là những tuyến gần

đƣờng sau đó là đi những tuyến theo dông trong khu vực nghiên cứu. Khi có sự

chuyển đổi về loài cây tầng trên nhóm nghiên cứu sẽ lựa chọn vị trí điển hình để

điều tra. Đây là vị trí trung tâm của diện tích tƣơng đối đồng đều về phân bố của

cây tầng trên với bề rộng ít nhất là 40 m.

Đề tài đã điều tra xác định trạng thái rừng bằng đo chiều cao bình quân

của cây rừng và đo tổng tiết diện ngang ở 149 điểm điều tra, trong đó có 29

điểm trên đất trống, 15 điểm dƣới rừng trồng bạch đàn, và 48 dƣới rừng keo hỗn

giao với cây bản địa, 57 điểm ở rừng thông trồng hỗn giao với cây bản địa.

Phƣơng pháp điều tra ở mỗi điểm nhƣ sau.

Điều tra loài ƣu thế.

Loài cây ƣu thế là loài có tỷ lệ nhiều nhất và theo ƣớc lƣợng thì chiếm tới

trên 30% tổng diện tích tán cây tầng trên. Ở khu thực nghiệm của Trƣờng Đại

học Lâm nghiệp với phƣơng pháp trồng rừng bổ sung để chuyển hóa dần nên

những cây tầng trên hiện nay thƣờng là những loài cây trồng ban đầu, đôi khi

những cây trồng ở giai đoạn thứ hai. Phần lớn trong khu vực là rừng trồng hỗn

giao, chỉ còn rất ít diện tích là rừng trồng thuần loại và thƣờng trong những dải

hoặc mảnh khá hẹp.

Điều tra tổng tiết diện ngang cây rừng ở những điểm điều tra.

Tổng tiết diện ngang cây rừng đƣợc xác định bằng thƣớc bitteclich. Tại

mỗi điểm điều tra, thƣớc bitterlich đƣợc quay ở 5 điểm, một điểm ở trung tâm và

4 điểm còn lại ở cách điểm trung tâm 5 mét về các hƣớng đông, tây, nam, bắc.

Số liệu về tổng tiết diện ngang cây rừng ở mỗi điểm điều tra đƣợc tính bằng

trung bình cộng của 5 điểm quay bittelich.

Điều tra chiều cao cây rừng

Chiều cao cây rừng tại mỗi điểm điều tra đƣợc xác định bằng thƣớc đo

cao blume-leiss.

Xác định trữ lƣợng tại rừng trung bình tại mỗi điểm điều tra

Trữ lƣợng rừng tại mỗi điểm điều tra đƣợc xác định bằng công thức sau

M = 2*G*H*0.5 Trong đó: M là trữ lƣợng rừng tại mỗi điểm điều tra tính bằng m3/ha

2 là hệ số tính tổng tiết diện ngang với thƣớc bitteclich có cửa sổ rộng

1.44 cm và chiều dài thƣớc là 50cm,

0.5 là hệ số quy đổi thể tích hình trụ ra thể thích thân cây với rừng trồng.

Xác định tọa độ của các điểm điều tra

Tọa độ của mỗi điểm điều tra đƣợc xác định bằng GPS có độ chính xác

tới 3 mét theo hệ tọa độ VN2000 kinh tuyến trục 105 múi chiếu 3 độ.

(2). Xử lý nội nghiệp

- Điều tra giá trị phổ trên ảnh ở mỗi điểm điều tra

Giá trị phổ trên ảnh tại các điểm điều tra đƣợc xác định theo các bƣớc sau.

Bƣớc 1: chuyển vị trí các điểm điều tra lên bản đồ cùng hệ tọa độ ảnh vệ

tinh (hệ VN2000, kinh tuyến gốc 105, múi chiếu 3 độ).

Bƣớc 2: đo đếm giá trị của từng kênh phổ của từng pixel trong cửa sổ có

kích thƣớc 60m*60m mà trung tâm là tọa độ điểm điều tra.

Bƣớc 3: tính trung bình các giá trị của từng kênh phổ cho từng điểm điều tra.

-Xác định đặc điểm biến động của giá trị các kênh phổ của ảnh vệ tinh

Đề tài sử dụng giá trị trung bình các kênh phổ của từng pixel để tính sai

tiêu chuẩn và hệ số biến động giá trị các kênh phổ (V%) của chúng trong từng

cửa sổ 60m*60m của điểm điều tra theo công thức sau.

V%=(STD*100)/Xtb

STD =sqrt(( )/n)

Xtb = )

Trong đó: xi là giá trị trung bình của 3 kênh phổ thuộc pixel thứ i trong

cửa sổ 60m*60m của điểm điều tra.

-Xác định các tiêu chí để lựa chọn ảnh vệ tinh dễ tiếp cận

Các tiêu chí để lựa chọn ảnh vệ tinh dễ tiếp cận cho mục đích phân loại

rừng đƣợc xác định trên cơ sở phân tích liên hệ của chúng với đặc điểm số

lƣợng và chất lƣợng rừng, ngoài ra cũng căn cứ vào độ phân giải phổ, và tính dễ

tiếp cận của tƣ liệu ảnh. Tập hợp các tiêu chí dùng để lựa chọn ảnh vệ tinh cho

mục đích phân loại rừng đƣợc gọi là bộ tiêu chí lựa chọn ảnh.

Nhóm nghiên cứu đã liệt kê giá trị từng tiêu chí cho từng tƣ liệu ảnh đƣợc

lựa chọn, trên cơ sở đó xếp hạng. Với tiêu chí càng lớn càng tốt thì tƣ liệu ảnh

nào có trị số lớn nhất sẽ đƣợc xếp hạng 3 và tiêu chí nào có trị số nhỏ nhất sẽ

đƣợc xếp hạng 1. Ngƣợc lại, với tiêu chí càng nhỏ càng tốt thì tƣ liệu ảnh nào có

trị số nhỏ nhất sẽ đƣợc xếp hạng 3 và tƣ liệu ảnh nào có trị số lớn nhất sẽ đƣợc

xếp hạng 1, sau đó tính tổng hạng cho từng tƣ liệu ảnh.

Đề tài cũng xác định chỉ số hiệu quả fij cho từng tiêu chí với từng tƣ liệu

ảnh theo công thức sau.

Với các tiêu chí càng tăng càng tốt thì chỉ số fij tính nhƣ sau:

fij = xij/xmax,

Với các tiêu chí càng giảm càng tốt thì chỉ số fij đƣợc tính theo công thức sau

Fij = 1-xij/xmax

Trong đó: fij là chỉ số hiệu quả của tƣ liệu ảnh thứ i theo tiêu chí thứ j

Xij là giá trị của tiêu chí thứ j của tƣ liệu ảnh thứ i

Xmax là trị của tiêu chí thứ j của tƣ liệu ảnh có tiêu chí thứ j là lớn nhất.

Tổng hạng (Fi) của tƣ liệu ảnh thứ i là tổng hạng về hiệu quả của tƣ liệu

ảnh thứ i cho mục tiêu phân loại rừng.

Fi = ∑(fij)

Tƣ liệu ảnh nào có giá trị Fi lớn nhất là tƣ liệu ảnh phù hợp nhất và đƣợc

lựa chọn để sử dụng cho mục đích phân loại rừng.

- Xác định chỉ số phản xạ phổ sử dụng cho phân loại rừng trên ảnh vệ tinh

Chỉ số phản xạ phổ để phân loại rừng trên ảnh là chỉ số phản xạ phổ có

liên hệ chặt chẽ nhất với đặc điểm của các trạng thái rừng. Chỉ số phản xạ phổ

dùng để phân loại rừng trên ảnh gồm cả những chỉ số đơn lẻ và chỉ số tổng hợp

các kênh phổ, cả những chỉ tiêu định tính cả những chỉ tiêu định lƣợng. Những

chỉ số đƣợc xác định chủ yếu gồm sai tiêu chuẩn và giá trị trung bình các kênh

màu lục, màu đỏ và màu xanh da trời, cấp độ sáng trung bình (Cxam), hệ số biến

động của độ sáng (V%), chỉ số thực vật (NDVI), chỉ số ẩm (K).

Trong đó: Cấp độ sáng là trung bình của giá trị các kênh phổ, hệ số biến

động của độ sáng (V%) là hệ số biến động của trung bình các kênh phổ của các

pixel, chỉ số thực vật (NDVI) đƣợc tính bằng thƣơng số giữa hiệu kênh lục trừ

kênh đỏ với tổng kênh lục và kênh đỏ, chỉ số ẩm (K) đƣợc tính bằng thƣơng số

giữa hiệu kênh đỏ trừ kênh xanh da trời với tổng kênh đỏ và kênh xanh da trời.

Để xác định đƣợc chỉ số phản xạ phổ và khóa phân loại rừng từ ảnh đề tài

đã xác định đặc điểm phổ ở 91 điểm điều tra. 58 điểm điều tra còn lại đƣợc sử

dụng để đánh giá hiệu lực của khóa phân loại và độ chính xác của phân loại rừng

từ ảnh.

Đề tài thống kê các chỉ tiêu phản xạ phổ ở từng điểm điều tra, rồi phân

tích liên hệ của đặc điểm rừng với các chỉ tiêu phản xạ phổ. Chỉ tiêu phản xạ

phổ nào có liên hệ chặt chẽ nhất với đặc điểm rừng sẽ đƣợc sử dụng để phân loại

rừng. Phƣơng pháp xác định đặc điểm phản xạ phổ của trạng thái rừng của các

điểm điều tra đƣợc thực hiện qua những bƣớc sau.

Bƣớc 1 – khoanh vi các diện tích tƣơng đối đồng nhất về trạng thái thực

vật trên ảnh bằng phần mềm eCognition.

Hình 2.1: Lớp khoanh vi các trạng thái rừng từ ảnh vệ tinh Google Earth ở Núi Luốt

Bƣớc 2 – Xác định giá trị trung bình các kênh phổ và sai tiêu chuẩn của

chúng ở mỗi diện tích đƣợc khoanh vi bằng phần chức năng của phần mềm

eCognition. Mỗi khoanh vi sẽ có giá trị các kênh phổ và sai tiêu chuẩn của chúng

khác nhau phụ thuộc vào đặc điểm của trạng thái thực vật trong khoanh vi đó.

Bƣớc 3 – Chuyển lớp khoanh vi các diện tích trên ảnh bằng eCognition

sang phần mềm MAPINFO

Bƣớc 4 – Chuyển hệ thống điểm điều tra với tọa độ VN2000 lên bản đồ

MAPINFO

Bƣớc 5 – Mở lớp khoanh vi các diện tích trên ảnh và lớp các điểm điều tra

chồng xếp lên nhau và cập nhật giá trị các kênh phổ của lớp khoanh vi lên hệ

thống điểm điều tra. Điểm điều tra nằm trên khoanh vi nào sẽ đƣợc cập nhật giá

trị các kênh phổ từ khoanh vi đó.

Hình 2.2: Lớp khoanh vi các trạng thái rừng và hệ thống điểm điều tra trên MAPINFO

Để xây dựng chỉ số phản xạ phổ phân cho loại rừng đề tài sử dụng

phƣơng pháp thống kê và phƣơng pháp biểu đồ. Kết quả phân tích liên hệ của

các chỉ số phản xạ phổ với đặc điểm rừng sẽ đƣợc lựa chọn làm chỉ số phản xạ

phổ thích hợp nhất cho phân loại rừng. Từ đặc điểm quan hệ của các chỉ số phản

xạ phổ đã lựa chọn với đặc điểm trạng thái rừng đề tài sẽ xây dựng khóa phân

loại trạng thái rừng. Sử dụng khóa phân loại này đề tài sẽ xác định đƣợc tên

trạng thái rừng cho từng khoanh vi trên ảnh.

- Đánh giá tính chính xác của phân loại trạng thái rừng từ ảnh vệ tinh

Đề tài sử dụng số liệu ở 58 điểm điều tra không tham gia vào quá trình lập

khóa phân loại để kiểm tra tính chính xác của phân loại rừng từ ảnh. Đối chiếu

trạng thái rừng thực tế ở các điểm điều tra với trạng thái rừng xác định đƣợc

bằng khóa phân loại cho các khoanh vi chứa điểm điều tra đề tài xác định đƣợc

mức chính xác của việc phân loại rừng từ ảnh. Ngoài những chỉ số thống kê trên,

đề tài còn sử dụng chỉ số Kappa - một trong những chỉ số đánh giá độ chính xác

của phân loại rừng từ ảnh.

Chƣơng 3

KẾT QUẢ NGHIÊN CỨU

3.1. Rừng thực nghiệm Trƣờng Đại học Lâm nghiệp

Rừng thực nghiệm Trƣờng Đại học Lâm nghiệp phân bố tại khu vực Núi

luốt, có tổng diện tích là trên 70 ha. Trƣớc khi Nhà trƣờng chuyển về năm 1985,

Nơi đây là diện tích trồng sắn và chăn thả gia súc của ngƣời dân địa phƣơng. Từ

năm 1986 rừng bắt đầu đƣợc phục hồi bằng phƣơng pháp trồng rừng. Giai đoạn

đầu chủ yếu là rừng trồng thuần loại keo, thông và bạch đàn. Khoảng 5 năm sau

rừng đã khép tán, dinh dƣỡng và độ ẩm đất đƣợc phục hồi, Nhà trƣờng bắt đầu

trồng bổ sung những cây bản địa. Đến năm 1993 đã trồng đƣợc gần 300 loài bản

địa bổ sung dƣới tán rừng trồng. Đến nay nhìn từ phía trên còn thấy sự khác biệt

đôi chút giữa các loại rừng trồng, nhƣng nhìn ngang dƣới mặt đất thì hầu hết

mọi nơi đều có quang cảnh của rừng hỗn giao cây bản địa. Hình ảnh khu rừng

thực nghiệm nhìn từ trên và phân bố các điểm điều tra của đề tài này nhƣ sau.

Hình 3.1: Phân bố các điểm điều tra tại khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp

Danh sách và đặc điểm các trạng thái rừng ở các điểm điều tra sử dụng để

xác định khóa phân loại rừng cho khu thực nghiệm Trƣờng Đại học Lâm nghiệp

đƣợc ghi ở bảng sau.

Bảng 3.1: Tọa độ và đặc điểm rừng của các điểm điều tra

ở khu thực nghiệm Trƣờng Đại học Lâm nghiệp

TT

KD

VD

Trạng thái

Loài ƣu thế

Trữ lƣợng rừng (m3/ha)

559618 2313396 Rừng trồng gỗ núi đất ReHG 558821 2313030 Rừng trồng gỗ núi đất Bdan 558855 2313099 Rừng trồng gỗ núi đất BdanHG 559120 2313456 Rừng trồng gỗ núi đất ThongHG 559208 2313447 Rừng trồng gỗ núi đất ThongHG 559222 2313566 Rừng trồng gỗ núi đất KeoHG 559640 2313308 Rừng trồng gỗ núi đất Keo 559660 2313543 Rừng trồng gỗ núi đất Keo 559736 2313429 Rừng trồng gỗ núi đất KeoHG 559515 2313507 Rừng trồng gỗ núi đất ThongHG 559472 2313430 Rừng trồng gỗ núi đất ThongHG 559017 2313381 Rừng trồng gỗ núi đất ThongHG 558956 2313314 Rừng trồng gỗ núi đất ThongHG 558892 2313248 Rừng trồng gỗ núi đất Thong 559083 2313239 Rừng trồng gỗ núi đất Thong 559184 2313096 Rừng trồng gỗ núi đất KeoHG 559327 2313094 Rừng trồng gỗ núi đất KeoHG 558736 2313237 Rừng trồng gỗ núi đất KeoHG 558746 2313114 Rừng trồng gỗ núi đất ThongHG 558776 2313357 Rừng trồng gỗ núi đất ThongHG 558743 2313461 Rừng trồng gỗ núi đất ThongHG 558604 2313536 Rừng trồng gỗ núi đất Thong 558629 2313460 Rừng trồng gỗ núi đất ThongHG 558495 2313444 Rừng trồng gỗ núi đất KeoHG 558599 2313281 Rừng trồng gỗ núi đất KeoHG 558746 2313114 Rừng trồng gỗ núi đất KeoHG 558714 2313010 Rừng trồng gỗ núi đất KeoHG

107 126 67 120 200 97 134 48 20 135 123 134 135 138 154 54 62 74 94 142 110 114 95 47 120 116 86

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

558727 2312859 Rừng trồng gỗ núi đất KeoHG 559333 2313443 Rừng trồng gỗ núi đất ThongHG Caybui 558968 2313062 Đất trống có cỏ Caybui 559025 2313127 Đất trống có cỏ Caybui 559102 2313048 Đất trống có cỏ Caybui 559120 2313231 Đất trống có cỏ Caybui 559274 2313435 Đất trống có cỏ Caybui 559335 2313505 Đất trống có cỏ Caybui 559314 2313602 Đất trống có cỏ Caybui 559294 2313638 Đất trống có cỏ Caybui 559347 2313522 Đất trống có cỏ Caybui 559517 2313627 Đất trống có cỏ Caybui 559595 2313452 Đất trống có cỏ Caybui 559312 2313360 Đất trống có cỏ Caybui 558756 2312916 Đất trống có cỏ Caybui 558757 2312842 Đất trống có cỏ Caybui 558777 2313082 Đất trống có cỏ Caybui 559274 2313691 Đất trống có cỏ 559558 2313601 Đất trống có cỏ Caybui 559644 2313536 Rừng trồng gỗ núi đất KeoHG 559503 2313421 Rừng trồng gỗ núi đất ThongHG 559141 2313419 Rừng trồng gỗ núi đất ThongHG 559114 2313324 Rừng trồng gỗ núi đất Thong 558902 2313239 Rừng trồng gỗ núi đất Thong 558783 2313190 Rừng trồng gỗ núi đất reHG 559092 2312870 Rừng trồng gỗ núi đất Bdan 559003 2312816 Rừng trồng gỗ núi đất Bdan 558977 2313175 Rừng trồng gỗ núi đất ThongHG 558951 2313214 Rừng trồng gỗ núi đất ThongHG 558603 2313431 Rừng trồng gỗ núi đất ThongHG 558663 2313485 Rừng trồng gỗ núi đất ThongHG 559514 2313402 Rừng trồng gỗ núi đất ThongHG 559549 2313412 Rừng trồng gỗ núi đất ThongHG 559543 2313490 Rừng trồng gỗ núi đất ThongHG 559038 2313440 Rừng trồng gỗ núi đất ThongHG

28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62

53 145 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 85 108 163 174 184 147 71 56 118 165 152 204 95 88 115 120

559075 2313465 Rừng trồng gỗ núi đất ThongHG 559100 2313317 Rừng trồng gỗ núi đất ThongHG 558607 2313489 Rừng trồng gỗ núi đất ThongHG 558675 2313400 Rừng trồng gỗ núi đất ThongHG 558901 2313217 Rừng trồng gỗ núi đất ThongHG 558837 2313241 Rừng trồng gỗ núi đất ThongHG 558991 2313150 Rừng trồng gỗ núi đất ThongHG 559487 2313403 Rừng trồng gỗ núi đất ThongHG 558506 2313478 Rừng trồng gỗ núi đất ThongHG 559042 2313316 Rừng trồng gỗ núi đất ThongHG 558549 2313319 Rừng trồng gỗ núi đất KeoHG 558610 2313231 Rừng trồng gỗ núi đất KeoHG 558661 2313161 Rừng trồng gỗ núi đất KeoHG 558597 2313113 Rừng trồng gỗ núi đất KeoHG 558528 2313092 Rừng trồng gỗ núi đất KeoHG 558573 2313010 Rừng trồng gỗ núi đất KeoHG 558638 2313064 Rừng trồng gỗ núi đất KeoHG 558617 2312976 Rừng trồng gỗ núi đất KeoHG 558683 2312933 Rừng trồng gỗ núi đất KeoHG 558572 2312971 Rừng trồng gỗ núi đất KeoHG 558679 2313274 Rừng trồng gỗ núi đất KeoHG 558686 2313105 Rừng trồng gỗ núi đất KeoHG 558645 2312881 Rừng trồng gỗ núi đất KeoHG 558676 2312834 Rừng trồng gỗ núi đất KeoHG 558804 2312981 Rừng trồng gỗ núi đất Bdan 558907 2313068 Rừng trồng gỗ núi đất Bdan 558825 2313075 Rừng trồng gỗ núi đất Bdan 559066 2312924 Rừng trồng gỗ núi đất Bdan 558986 2312850 Rừng trồng gỗ núi đất Bdan

172 150 118 160 170 220 140 80 125 165 145 90 115 82 80 70 60 95 116 50 62 115 130 88 110 35 95 96 130

63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91

+ Đặc điểm phân bố các điểm điều tra

Các điểm điều tra phân bố tƣơng đối đều trong khu rừng thực nghiệm, ở

các độ cao và độ dốc khác nhau, ở hầu hết các trạng thái rừng hiện có.

+ Đặc điểm rừng của khu thực nghiệm

Theo phân loại các trạng thái rừng trong Thông tƣ 34 thì rừng thực

nghiệm của Trƣờng Đại học Lâm nghiệp thuộc 2 trạng thái: rừng trồng gỗ núi

đất, đất trống cây bụi. Trong số 74 điểm điều tra có rừng thì có 9 điểm ở rừng

trồng bạch đàn, 27 điểm ở rừng trồng keo hỗn giao, 36 điểm ở rừng trồng thông

hỗn giao, 2 điểm ở rừng trồng hỗn giao keo và re hƣơng là chính. Mặc dù là

rừng trồng, nhƣng do đƣợc chuyển hóa bằng phƣơng pháp trồng bổ sung các

loài cây bản địa có tuổi khác nhau nên phần lớn diện tích rừng ở khu vực có

dạng của rừng trồng hỗn giao. Quang cảnh rừng trồng khu thực nghiệm Núi luốt

ở một số điểm điều tra đƣợc thể hiện ở các hình sau.

Hình 3.2: Rừng trồng keo tai tƣợng hỗn giao cây bản địa ở khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp (điểm điều tra số 8)

Hình 3.3: Rừng trồng thông hỗn giao cây bản địa ở khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp (điểm điều tra số 12)

Hình 3.4: Rừng trồng bạch đàn ở khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp (điểm điều tra số 2)

Hình 3.5: Rừng trồng keo hỗn giao cây bản địa ở khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp (điểm điều tra số 28)

Hình 3.6: Rừng trồng thông hỗn giao cây bản địa ở khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp (điểm 14)

Trữ lƣợng rừng trồng dao động từ 20 đến 220 m3/ha, phân bố trữ lƣợng

rừng ở các điểm điều tra đƣợc thể hiện ở hình sau.

Hình 3.7: Trữ lƣợng rừng tại các điểm điều tra ở khu thực nghiệm Trƣờng Đại học Lâm nghiệp

Trữ lƣợng rừng ở khu thực nghiệm có tới trên một nửa là rừng trung bình,

tập trung ở rừng trồng thông hỗn giao với cây bản địa, ở các rừng trồng keo và

bạch đàn thƣờng trữ lƣợng thấp hơn. Nguyên nhân, theo những ngƣời quản lý

rừng, chủ yếu là do chúng bị chặt chọn những cây to trong những năm gần đây.

3.2. Lựa chọn tƣ liệu ảnh hiện có ở khu vực nghiên cứu để phân loại trạng

thái rừng cho khu vực Núi Luốt

3.2.1. Đặc điểm những tư liệu ảnh dễ tiếp cận có thể sử dụng để phân loại

rừng ở khu vực nghiên cứu

Đề tài đã tải ba tƣ liệu ảnh khai thác miễn phí có thể sử dụng cho phân

loại rừng ở khu thực nghiệm của Trƣờng Đại học Lâm nghiệp, gồm ảnh landsat8

chụp ngày 10/04/2016, ảnh Sentinel2 chụp ngày 18/07/2016, ảnh Google Earth

chụp ngày 14/04/2015. Đặc điểm chủ yếu của các loại ảnh nhƣ sau.

(1)- Ảnh Landsat-8:

+ Ngày chụp: 10/04/2016

+ Độ phân giải kênh đa phổ: 30 m

+ Độ phân giải kênh toàn sắc: 15 m

+ Chu kỳ bay chụp: 26 ngày

+ Cơ quan cung cấp: NASA (Cơ quan vũ trụ hàng không Hoa kỳ)

+ Địa chỉ khai thác ảnh: https: //earthexplorer.usgs.gov

Hình 3.8: Ảnh Landsat8 khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp

(2)- Ảnh Sentinel-2

+ Độ phân giải kênh đa phổ: 10 m

+ Độ phân giải kênh toàn sắc: KHÔNG có kênh toàn sắc

+ Cơ quan cung cấp: ESA (Cơ quan vũ trụ hàng không Châu Âu)

+ Địa chỉ khai thác ảnh: https: //scihub.copernicus.eu

Hình 3.9: Ảnh Sentinel2 khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp

(3)- Ảnh Google Earth

+ Độ phân giải không gian: từ 1m

+ Số kênh phổ: 3

+ Chu kỳ: Không xác định (Tùy thuộc chính sách Google)

+ Cơ quan cung cấp: Google Inc

+ Địa chỉ khai thác: Google Earth

Hình 3.10: Ảnh Google Earth khu rừng thực nghiệm Trƣờng Đại học Lâm nghiệp

Để xác định đặc điểm biến động của các giá trị các kênh phổ của ba tƣ

liệu ảnh đã tải về đề tài đã thống kê giá trị trung bình và sai tiêu chuẩn của các

kênh phổ trên ảnh trong cửa số có kích thƣớc 60 m tại vị trí các điểm điều tra.

Nhƣ vậy, giá trị trung bình các kênh phổ tại mỗi điểm điều tra với ảnh vệ tinh

landsat đƣợc tính từ 16 pixel, với ảnh Sentinel là từ 36 pixel, và với ảnh Google

Earth là từ 5476 pixel, số liệu đƣợc thống kê ở bảng sau.

Bảng 3.2: Giá trị trung bình các kênh phổ tại các điểm

Ghi chú: b1 - kênh lục (green), b2 -kênh đỏ (red), b3 kênh xanh da trời (blue)

điều tra trên 3 tƣ liệu ảnh vệ tinh

tt

kd

vd

loai mgo

559618 2313396 ReHG 558821 2313030 Bdan

107 126

Ảnh Google Earth b3 b2 b1 84 91 83 96 94 87

Ảnh Landsat b2 44 74

b1 30 70

b3 42 65

Ảnh Sentinel2 b2 167 168

b3 166 159

b1 171 172

1 2

558855 2313099 BdanHG 109 559120 2313456 ThongHG 120 111 96 559208 2313447 ThongHG 200 102 97 559222 2313566 KeoHG

109 108 97 104

105 103 93 97

82 71 66 61

82 75 71 68

76 68 62 60

167 153 139 162

167 143 132 155

163 139 136 149

3 4 5 6

559640 2313308 Keo

134

179

184

173

559660 2313543 Keo 559736 2313429 KeoHG

44 48 8 66 9 20 34 10 559515 2313507 ThongHG 135 11 559472 2313430 ThongHG 123 46 12 559017 2313381 ThongHG 134 108 89 13 558956 2313314 ThongHG 135 76 138 14 558892 2313248 Thong

49 78 36 47 110 94 88

52 72 47 55 105 93 86

42 32 53 41 52 79 94

54 47 63 55 62 81 92

50 44 55 47 56 71 82

163 189 150 166 174 165 165

163 186 156 164 160 156 159

166 174 157 160 149 152 155

154 15 559083 2313239 Thong 54 16 559184 2313096 KeoHG 62 17 559327 2313094 KeoHG 18 558736 2313237 KeoHG 74 19 558746 2313114 ThongHG 94 20 558776 2313357 ThongHG 142

64 74 57 173 98 97

76 86 67 171 103 96

75 87 65 161 104 102

49 39 25 66 72 38

61 53 41 65 76 51

50 47 39 59 70 49

145 150 166 167 150 171

143 150 165 164 154 169

147 152 164 153 147 167

85 21 558743 2313461 ThongHG 110 94 114 22 558604 2313536 Thong 87 23 558629 2313460 ThongHG 95 47 24 558495 2313444 KeoHG 86 120 103 25 558599 2313281 KeoHG 98 116 26 558746 2313114 KeoHG

91 98 97 101 108 103

93 99 97 95 115 104

42 41 41 37 44 72

58 55 56 52 54 76

53 52 52 50 49 70

149 135 134 127 167 150

154 134 133 127 169 154

156 134 133 124 161 147

86 27 558714 2313010 KeoHG 28 558727 2312859 KeoHG 53 29 559333 2313443 ThongHG 145 30 558968 2313062 Caybui 31 559025 2313127 Caybui 32 559102 2313048 Caybui

0 0 0

83 83 40 70 67 82

89 93 45 84 82 90

92 88 55 82 80 89

62 66 66 66 58 62

66 67 70 66 63 70

63 57 57 53 52 60

162 155 140 169 155 158

158 152 139 162 157 156

147 145 140 160 150 149

33 559120 2313231 Caybui 34 559274 2313435 Caybui 35 559335 2313505 Caybui 36 559314 2313602 Caybui 37 559294 2313638 Caybui 38 559347 2313522 Caybui

0 0 0 0 0 0

50 44 42 83 99 45

62 51 48 92 104 52

66 60 58 86 96 61

54 72 67 63 57 68

64 74 72 70 67 72

51 60 60 60 58 60

142 142 143 157 165 143

145 138 138 153 161 139

149 138 141 147 153 142

39 559517 2313627 Caybui 40 559595 2313452 Caybui 41 559312 2313360 Caybui 42 558756 2312916 Caybui 43 558757 2312842 Caybui 44 558777 2313082 Caybui

0 0 0 0 0 0

37 62 42 76 76 100

40 71 48 85 84 111

51 67 58 86 82 108

61 31 68 69 53 70

67 45 71 68 63 72

56 43 59 59 52 67

171 180 141 146 160 155

162 176 135 150 155 160

158 178 139 142 151 149

95 0 45 559274 2313691 Caybui 38 0 46 559558 2313601 Caybui 42 47 559644 2313536 KeoHG 85 48 559503 2313421 ThongHG 108 50 49 559141 2313419 ThongHG 163 118 69 50 559114 2313324 Thong

174

96 42 47 53 116 84

94 50 52 58 109 80

73 78 36 33 64 61

74 80 49 48 72 67

69 65 46 45 63 57

162 169 159 183 135 137

154 168 159 177 127 133

153 165 166 172 133 136

51 558902 2313239 Thong

184

163

158

155

147 138 52 558783 2313190 reHG 60 71 53 559092 2312870 Bdan 76 54 559003 2312816 Bdan 56 75 55 558977 2313175 ThongHG 118 76 56 558951 2313214 ThongHG 165 86 57 558603 2313431 ThongHG 152 97 58 558663 2313485 ThongHG 204

137 70 94 86 84 99 102

132 73 86 84 83 98 102

75 27 35 56 76 40 43

76 44 50 66 78 56 59

68 40 42 55 70 51 53

168 158 166 155 161 134 135

161 162 163 159 160 134 137

155 165 170 156 159 135 136

48 59 49 93 77 70

59 559514 2313402 ThongHG 95 60 559549 2313412 ThongHG 88 61 559543 2313490 ThongHG 115 62 559038 2313440 ThongHG 120 63 559075 2313465 ThongHG 172 64 559100 2313317 ThongHG 150

55 68 50 95 79 85

58 66 57 94 84 81

31 29 39 48 56 64

47 44 54 61 65 70

44 42 48 55 58 61

190 194 157 183 181 138

184 190 161 171 170 133

180 187 163 156 155 137

79 87 77 84 74 51

65 558607 2313489 ThongHG 118 66 558675 2313400 ThongHG 160 67 558901 2313217 ThongHG 170 68 558837 2313241 ThongHG 220 69 558991 2313150 ThongHG 140 70 559487 2313403 ThongHG 80

90 92 94 87 86 55

90 99 87 90 83 60

39 38 85 85 49 33

55 53 85 84 59 48

51 50 77 75 49 44

130 144 164 169 148 180

129 149 160 164 153 174

130 149 156 155 150 170

80 65 67 144 92 100

71 558506 2313478 ThongHG 125 72 559042 2313316 ThongHG 165 145 73 558549 2313319 KeoHG 90 74 558610 2313231 KeoHG 115 75 558661 2313161 KeoHG 82 76 558597 2313113 KeoHG

93 80 72 150 100 103

86 79 82 148 101 107

37 74 42 73 70 73

53 76 57 71 73 74

50 69 50 65 66 68

132 144 159 167 157 163

133 133 165 172 160 162

130 140 167 159 155 152

101 100 101 98 97 115

77 558528 2313092 KeoHG 78 558573 2313010 KeoHG 79 558638 2313064 KeoHG 80 558617 2312976 KeoHG 81 558683 2312933 KeoHG 82 558572 2312971 KeoHG

80 70 60 95 116 50

112 101 108 105 98 115

117 102 108 104 96 112

92 91 70 66 79 82

88 94 75 72 78 83

78 85 70 69 72 77

169 158 154 156 159 154

163 156 156 153 157 154

154 147 146 143 144 144

83 558679 2313274 KeoHG 84 558686 2313105 KeoHG 85 558645 2312881 KeoHG 86 558676 2312834 KeoHG 87 558804 2312981 Bdan 88 558907 2313068 Bdan

131 62 115 108 130 106 95 88 78 110 74 35

135 113 103 100 84 85

128 113 98 94 89 82

54 66 87 86 60 72

61 72 84 84 65 74

56 66 73 69 56 63

170 153 143 151 170 164

172 158 146 146 164 163

164 148 134 140 155 158

89 558825 2313075 Bdan 90 559066 2312924 Bdan 91 558986 2312850 Bdan

168 168 161

167 168 160

TB STD V%

89 95 67 96 130 65 91.9 80.5 58.1 25.3 31 63

98 77 80 87.4 24.1 28

98 79 78 87.5 21.1 24

85 29 39 58.2 18.4 32

83 46 53 65.6 12.6 19

160 76 163 41 44 161 58.4 158.1 156.2 152.4 12.3 11.0 8 19

13.9 9

14.5 9

Số liệu cho thấy mức độ biến động giá trị phổ ở các tƣ liệu ảnh là khác

nhau. Biến động giá trị phổ ở ảnh Google Earth là lớn nhất hệ số biến động

trung bình ba kênh phổ là 28%, với ảnh Landsat là 23%, ảnh Sentinel2 là 9%.

Biến động mạnh nhất là kênh lục, sau đó đến kênh đỏ và cuối cùng là kênh xanh

da trời.

3.2.2. Bộ tiêu chí đánh giá lựa chọn tư liệu ảnh dễ tiếp cận cho phân loại

rừng ở địa điểm nghiên cứu

Bộ tiêu chí đƣợc sử dụng để đánh giá lựa chọn tƣ liệu ảnh phục vụ phân

loại rừng sẽ bao gồm các tiêu chí liên quan đến khả năng phân loại rừng trên

ảnh. Căn cứ vào các tƣ liệu dễ tiếp cận đề tài xác định các tiêu chí sau: Hệ số

biến động giá trị các kênh phổ trong khu vực có rừng (V%), độ phân giải không

gian của ảnh (PX), hệ số về cấu trúc bề mặt trên ảnh.

- Hệ số biến động giá trị các kênh phổ trong khu vực có rừng là chỉ tiêu

nói lên hiệu lực phát hiện các đối tƣợng của ảnh. Các đối tƣợng trên mặt đất

khác nhau sẽ phát xạ những giá trị phổ khác nhau. Trên ảnh thể hiện đƣợc càng

rõ sự khác biệt ấy thì ảnh càng có hiệu lực cho phân loại đối tƣợng. Trong quá

trình lựa chọn điểm điều tra nhóm nghiên cứu đã lựa chọn những nơi có những

vị trí có đặc điểm rừng khác nhau. Vì vậy, hệ số biến động giá trị các kênh phổ ở

những điểm điều tra (V%) có thể đƣợc sử dụng đại diện cho hệ số biến động giá

trị các kênh phổ trong khu vực có rừng.

V% = STD*100/Xamtb

Trong đó STD là sai tiêu chuẩn trung bình của giá trị các kênh phổ ở các

điểm điều tra đƣợc tính bằng phần trăm, Xamtb là trung bình giá trị của các

kênh phổ ở các điểm điều tra.

Hệ số biến động giá trị các kênh phổ trong khu vực có rừng của các tƣ

liệu ảnh đã đƣợc xác định ở phần trên, với ảnh Landsat hệ số biến động trung

bình các kênh phổ là 23%, với ảnh Google Earth là 28%, ảnh Sentinel2 là 9%.

- Độ phân giải không gian PX là kích thƣớc các pixel trên ảnh vệ tinh

đƣợc tính bằng đơn vị mét. Độ phân giải càng cao hay kích thƣớc các pixel của

ảnh vệ tinh càng nhỏ thì hiệu lực phân loại của ảnh càng mạnh. Các đối tƣợng

trên ảnh có hình dạng và kích thƣớc nhất định. Độ phân giải ảnh vệ tinh càng

lớn thì nó cho khả năng phát hiện hình dạng và kích thƣớc của các đối tƣợng

càng tốt. Vì vậy, độ phân giải không gian đƣợc xem là tiêu chí tốt để đánh giá và

lựa chọn ảnh cho mục đích phân loại rừng.

Độ phân giải không gian của các tƣ liệu ảnh đã đƣợc giới thiệu ở phần

trên, với ảnh Landsat kích thƣớc pixel là 15m, với ảnh Sentinel là 10m với ảnh

Google Earth là 1 m.

- Hệ số về cấu trúc bề mặt trên ảnh

Các đối tƣợng trên ảnh có cấu trúc bề mặt khác nhau, vì vậy, trong cùng

diện tích nhƣ nhau, sự khác biệt về giá trị các kênh phổ càng lớn thì hiệu lực

phát hiện các đối tƣợng càng cao. Hệ số về cấu trúc bề mặt trên ảnh (Kct,%) là

chỉ tiêu nói lên sự khác biệt về giá trị phổ trên một cửa sổ ảnh.

Nó đƣợc xác định theo công thức sau:

Kct = ∑ (Kcti)/N

Kcti = STDct*100/Xamct

Trong đó: STDct là sai tiêu chuẩn của giá trị trung bình các kênh phổ của

các pixel trong cửa số ảnh tại một điểm điều tra, Xamct là giá trị trung bình của

các kênh phổ ở các pixel trong cửa số ảnh tại một điểm điều tra, N là số điểm

điều tra. Cửa số ảnh đƣợc xác định chung là 60m*60m.

Để xác định hệ số cấu trúc bề mặt của ảnh đề tài xác định sai tiêu chuẩn

(STDct) và giá trị trung bình các kênh phổ (Xamct) tại các điểm điều tra cho

từng tƣ liệu ảnh, số liệu đƣợc ghi trong bảng sau.

Bảng 3.3: Hệ số biến động trung bình các kênh phổ giữa các pixel

ở mỗi điểm điều tra (Kcti)

loai

vd

mgo 107 126 67 120 200 97 134 48 20 135 123 134 135 138 154 54 62 74 94 142 110 114 95 47 120 116 86 53 145 0 0 0 0

Landsat 2.0 23.4 7.6 15.7 7.1 9.7 4.9 24.9 2.9 26.2 13.3 17.8 19.0 9.2 9.7 21.0 3.5 18.1 13.7 2.5 9.7 18.5 7.7 3.9 13.6 13.7 15.5 17.0 9.8 23.0 20.1 32.2 11.2

kd 559618 558821 558855 559120 559208 559222 559640 559660 559736 559515 559472 559017 558956 558892 559083 559184 559327 558736 558746 558776 558743 558604 558629 558495 558599 558746 558714 558727 559333 558968 559025 559102 559120

2313396 ReHG 2313030 Bdan 2313099 BdanHG 2313456 ThongHG 2313447 ThongHG 2313566 KeoHG 2313308 Keo 2313543 Keo 2313429 KeoHG 2313507 ThongHG 2313430 ThongHG 2313381 ThongHG 2313314 ThongHG 2313248 Thong 2313239 Thong 2313096 KeoHG 2313094 KeoHG 2313237 KeoHG 2313114 ThongHG 2313357 ThongHG 2313461 ThongHG 2313536 Thong 2313460 ThongHG 2313444 KeoHG 2313281 KeoHG 2313114 KeoHG 2313010 KeoHG 2312859 KeoHG 2313443 ThongHG 2313062 Caybui 2313127 Caybui 2313048 Caybui 2313231 Caybui

tt 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

Kcti Sentinel 2.5 4.2 2.3 7.9 4.4 2.7 1.8 2.1 4.2 3.1 4.2 4.4 1.7 2.2 3.5 1.9 2.1 6.9 2.6 6.4 16.3 10.6 16.4 13.4 7.8 2.6 3.4 2.9 4.6 5.5 3.5 3.7 4.4

Google Earth 28.9 12.7 12.9 8.8 8.6 11.9 28.2 26.7 30.5 26.9 19.5 8.4 7.0 15.8 60.3 34.0 22.5 37.8 22.6 41.1 51.2 13.7 27.4 21.8 35.1 22.6 14.4 54.5 38.7 23.1 32.3 17.8 40.5

559274 559335 559314 559294 559347 559517 559595 559312 558756 558757 558777 559274 559558 559644 559503 559141 559114 558902 558783 559092 559003 558977 558951 558603 558663 559514 559549 559543 559038 559075 559100 558607 558675 558901 558837 558991 559487 558506

2313435 Caybui 2313505 Caybui 2313602 Caybui 2313638 Caybui 2313522 Caybui 2313627 Caybui 2313452 Caybui 2313360 Caybui 2312916 Caybui 2312842 Caybui 2313082 Caybui 2313691 Caybui 2313601 Caybui 2313536 KeoHG 2313421 ThongHG 2313419 ThongHG 2313324 Thong 2313239 Thong 2313190 reHG 2312870 Bdan 2312816 Bdan 2313175 ThongHG 2313214 ThongHG 2313431 ThongHG 2313485 ThongHG 2313402 ThongHG 2313412 ThongHG 2313490 ThongHG 2313440 ThongHG 2313465 ThongHG 2313317 ThongHG 2313489 ThongHG 2313400 ThongHG 2313217 ThongHG 2313241 ThongHG 2313150 ThongHG 2313403 ThongHG 2313478 ThongHG

0 0 0 0 0 0 0 0 0 0 0 0 0 85 108 163 174 184 147 71 56 118 165 152 204 95 88 115 120 172 150 118 160 170 220 140 80 125

10.7 8.3 8.5 8.4 7.2 16.8 2.7 18.3 19.0 14.9 20.4 10.3 15.5 12.8 9.2 9.8 10.9 11.3 10.9 5.6 18.9 18.9 13.5 7.0 5.9 5.1 3.3 21.2 13.0 18.8 12.0 6.2 2.9 11.8 12.4 13.1 7.5 2.8

34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71

3.6 3.1 3.3 3.4 2.8 1.9 4.3 6.3 2.9 6.2 3.0 3.6 1.5 2.4 4.4 4.9 4.0 2.7 3.3 2.6 3.6 3.1 3.4 10.8 11.0 3.1 3.8 4.0 4.4 7.4 4.0 15.0 14.4 3.9 2.6 3.3 3.2 15.0

57.2 48.3 7.1 11.1 45.2 39.6 13.0 30.1 54.0 18.8 6.4 14.0 33.5 27.4 19.6 9.2 7.8 9.9 28.3 16.8 19.2 20.1 6.6 23.8 29.9 22.0 17.9 20.6 7.4 7.6 4.9 14.4 36.9 7.4 25.3 59.6 21.0 23.8

2313316 ThongHG 2313319 KeoHG 2313231 KeoHG 2313161 KeoHG 2313113 KeoHG 2313092 KeoHG 2313010 KeoHG 2313064 KeoHG 2312976 KeoHG 2312933 KeoHG 2312971 KeoHG 2313274 KeoHG 2313105 KeoHG 2312881 KeoHG 2312834 KeoHG 2312981 Bdan 2313068 Bdan 2313075 Bdan 2312924 Bdan 2312850 Bdan

72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91

559042 558549 558610 558661 558597 558528 558573 558638 558617 558683 558572 558679 558686 558645 558676 558804 558907 558825 559066 558986 TB STD V%

165 145 90 115 82 80 70 60 95 116 50 62 115 130 88 110 35 95 96 130 91.9 58.1 63

14.1 7.3 20.9 13.4 10.6 13.8 18.9 14.3 22.9 14.6 17.5 11.7 11.4 15.6 20.4 19.8 9.3 11.9 11.1 20.2 12.9 6.2 48

2.9 25.1 11.6 5.7 12.9 9.2 7.4 8.5 5.4 4.0 7.9 12.7 6.1 3.5 2.6 4.5 3.5 2.9 2.7 4.3 5.5 4.2 77

5.7 28.9 40.0 36.8 30.7 31.6 33.8 43.6 32.2 4.1 31.0 28.1 29.8 4.7 57.6 41.4 55.1 11.9 23.4 25.3 25.5 14.6 57

Số liệu cho thấy hệ số biến động cấp độ xám trung bình trong một cửa sổ

60m*60m của ảnh Google Earth là lớn nhất (25%), của ảnh Landsat là 12%, và

của ảnh Sentinel là 5%. Điều này cho thấy khả năng phản ảnh đặc điểm cấu trúc

của các đối tƣợng trên ảnh Google Earth cao hơn nhiều so với các ảnh còn lại.

3.2.3 Lựa chọn tư liệu ảnh vệ tinh cho phân loại rừng

Để lựa chọn tƣ liệu ảnh vệ tinh cho phân loại rừng từ ảnh đề tài thống kê

giá trị các tiêu chí của 3 tƣ liệu ảnh, số liệu ghi trong bảng sau.

Bảng 3.4: Giá trị các tiêu chí đánh giá của ba tƣ liệu ảnh vệ tinh dễ tiếp cận

TT

Tiêu chí

Ảnh Landsat 23

Ảnh Google Earth 28

Ảnh Sentinel2 9

15.0 12.9

1.03 25.5

10.0 5.5

2 3

Hệ số biến động giá trịcác kênh phổ trong khu vực có rừng (V%) Độ phân giải không gian (PX,m) Hệ số về cấu trúc bề mặt trên ảnh (Kct%)

Đề tài sử dụng phƣơng pháp xếp hạng để xếp hạng cho 3 tƣ liệu ảnh theo

từng tiêu chí. Với những tiêu chí càng tăng càng tốt thì hạng 3 sẽ cho tƣ liệu ảnh

có giá trị của tiêu chí là lớn nhất, với các tiêu chí càng nhỏ càng tốt thì hạng 3 sẽ

xếp cho tƣ liệu ảnh có giá trị của tiêu chí là nhỏ nhất, kết quả ghi trong bảng sau.

Bảng 3.5: Xếp hạng ba tƣ liệu ảnh vệ tinh dễ tiếp cận theo

các tiêu chí đánh giá

TT

Tiêu chí

Ảnh Landsat

Ảnh Google Earth

Ảnh Sentinel2

1 Hệ số biến động giá trịcác kênh phổ trong khu vực có rừng (V%) 2 Độ phân giải không gian (PX,m) 3 Hệ số về cấu trúc bề mặt trên ảnh

1 2

3 3

2 1

(Kct%) Tổng hạng

5

9

4

Căn cứ vào kết quả xếp hạng trên thì ảnh Google Earth đƣợc xem là thích

hợp nhất cho phân loại rừng trên ảnh.

Đề tài cũng sử dụng phƣơng pháp tính chỉ số hiệu quả (fij) để xác định hệ

số hiệu quả cho 3 tƣ liệu ảnh theo từng tiêu chí. Với những tiêu chí càng tăng

càng tốt thì hạng fij = xi/xmax, với các tiêu chí càng nhỏ càng tốt thì fij = 1 –

xi/xmax, kết quả ghi trong bảng sau.

Bảng 3.6: Chỉ số hiệu quả fij của từng tƣ liệu ảnh theo từng tiêu chí

TT

Tiêu chí

Ảnh Landsat

Ảnh Google Earth

Ảnh Sentinel2

0.82 0.00

1.00 0.93

0.32 0.33

1 Hệ số biến động giá trịcác kênh phổ trong khu vực có rừng (V%) 2 Độ phân giải không gian (PX,m) 3 Hệ số về cấu trúc bề mặt trên ảnh

(Kct%) Tổng Fij

0.51 1.33

1.00 2.93

0.22 0.87

Số liệu cho thấy kết quả phân tích theo 2 phƣơng pháp đa tiêu chuẩn đều

xác định đƣợc ảnh Google Earth có chỉ số đánh giá là cao nhất. Với phƣơng

pháp xếp hạng thì tổng hạng đánh giá với ảnh Google Earth là 9, ảnh Landsat là

5 và ảnh Sentinel2 là 4. Với phƣơng pháp tính chỉ số hiệu quả fij thì chỉ số hiệu

quả của ảnh Google Earth là 2.93, ảnh Landsat là 1.33 và ảnh Sentinel2 là 0.87.

Nhƣ vậy, trong 3 loại ảnh nghiên cứu thì ảnh Google Earth là thích hợp nhất cho

mục tiêu phân loại rừng.

3.3. Xây dựng chỉ số phản xạ phổ để phân loại rừng trên ảnh vệ tinh

3.3.1. Đặc điểm phản xạ phổ của các trạng thái rừng và đất ở Núi Luốt trên

ảnh Google Earth

Kết quả xác định giá trị đặc điểm phản xạ phổ của các trạng thái rừng tại

các điểm điều tra và trạng thái rừng đƣợc ghi trong biểu sau.

Bảng 3.7: Đặc điểm phản xạ phổ của các trạng thái rừng

NDVI

Trạng thái rừng

Kênh lục

Kênh đỏ

Độ sáng

Chỉ số khô (K)

Kênh xanh da trời

Sai tiêu chuẩn kênh lục

Sai tiêu chuẩn kênh đỏ

Hệ số biến động (V%) 0.103 29.0 -0.022 24.6 -0.022 20.2 0.099 57.8

54 65 66 34

0.078 0.103 0.061 0.077

TT điểm điều tra 1 ReHG 2 Bdan 3 BdanHG 4 ThongHG 5 ThongHG

Trữ lƣợng gỗ (m3/ha) 107 126 67 120 200

64 66 67 39 41

52 69 70 32 29

46 59 61 31 29

15 16 13 19 16

16 16 14 21 17

Sai tiêu chuẩn kênh da trời 16 16 13 19 16

6 KeoHG 7 Keo

97 134

56 70

55 59

49 51

19 15

21 16

20 16

0.171 49.5 0.009 37.7 0.085 26.1

33 53 60

0.073 0.078 0.098

tại các điểm điều tra

0.069 15.9

0.069

8 Keo 9 KeoHG

48 20

77 77

67 68

57 57

10 12

11 14

11 12

67 45 46 34 34 48

0.062 18.9 0.116 34.1 0.093 33.3 0.167 44.1 0.143 50.0 0.030 36.8

0.069 0.067 0.082 0.088 0.013 0.096

10 ThongHG 11 ThongHG 12 ThongHG 13 ThongHG 14 Thong 15 Thong

135 123 134 135 138 154

53 53 42 40 52 46

42 44 30 30 49 37

39 40 32 31 43 36

15 15 15 17 17 15

16 16 15 17 18 16

15 15 15 17 18 15

40 47 52 46 42 46

0.108 38.3 0.089 38.3 0.071 40.4 0.082 34.8 0.089 42.1 0.093 44.2

0.079 0.099 0.105 0.079 0.110 -0.021

16 KeoHG 17 KeoHG 18 KeoHG 19 ThongHG 20 ThongHG 21 ThongHG

54 62 74 94 142 110

55 60 53 49 53 55

46 52 45 41 44 42

41 45 41 37 41 41

18 20 15 18 20 17

18 22 17 18 21 17

18 21 16 17 20 17

46 58 40 68 42 42

0.134 37.0 0.048 36.8 0.176 37.5 0.007 19.1 0.133 41.3 0.089 42.1

0.099 -0.047 -0.049 -0.061 0.099 0.120

22 Thong 23 ThongHG 24 KeoHG 25 KeoHG 26 KeoHG 27 KeoHG

114 95 47 120 116 86

65 50 72 51 49 65

59 35 71 39 41 56

50 36 60 36 37 51

20 15 13 17 18 10

23 15 13 18 18 10

21 15 13 17 17 10

57 51 49 88 73 85

0.074 17.5 0.064 32.7 0.059 38.1 -0.061 9.8 -0.033 18.7 -0.045 11.4

0.073 0.081 0.058 0.088 0.057 0.072

28 KeoHG 29 ThongHG 30 Caybui 31 Caybui 32 Caybui 33 Caybui

53 145 0 0 0 0

58 54 84 74 85 114

51 48 95 79 93 117

45 43 83 67 78 114

16 18 8 13 9 12

17 20 9 15 9 12

17 18 9 13 11 14

115 78 88 71 75 88

-0.013 11.0 -0.062 10.3 -0.049 12.1 -0.054 20.2 -0.070 9.8 -0.049 12.1

0.047 0.084 0.040 0.051 0.047 0.063

34 Caybui 35 Caybui 36 Caybui 37 Caybui 38 Caybui 39 Caybui

0 0 0 0 0 0

76 87 70 73 87 74

86 96 78 84 96 81

71 82 64 68 82 65

8 11 13 7 11 13

8 9 16 8 9 13

8 12 14 7 12 13

73 117 0.021 76 94 118 104

-0.045 17.8 8.0 -0.044 19.3 0.000 17.7 -0.040 10.7 -0.010 14.1

0.083 0.036 0.067 0.025 0.056 0.063

40 Caybui 41 Caybui 42 Caybui 43 Caybui 44 Caybui 45 Caybui

0 0 0 0 0 0

119 76 91 108 98 69

114 83 91 117 100 78

119 68 100 129 113 64

9 14 14 10 14 10

9 16 17 12 15 12

10 14 19 16 15 11

-0.061 15.7 -0.050 21.8 0.085 22.8 0.093 33.3 0.114 51.5 0.167 41.2

70 75 60 46 33 34

0.107 0.055 0.091 0.075 0.104 0.018

46 Caybui 47 KeoHG 48 ThongHG 49 ThongHG 50 Thong 51 Thong

0 85 108 163 174 184

76 70 53 39 42 39

84 59 44 31 30 28

66 50 40 30 31 29

16 13 15 17 14 14

17 14 16 17 14 15

16 14 15 17 14 15

0.164 45.8

0.040

0.108 44.4

0.111

17 14

18 15

46 71

37 75

35 61

52 reHG 53 Bdan

147 71

17 15

69 67 38 33 40 27

-0.027 21.3 0.000 19.9 0.143 31.6 0.171 42.4 0.176 37.5 0.298 42.0

0.079 0.061 0.028 0.065 0.014 0.083

13 12 14 15 12 15

14 12 14 15 11 16

70 44 41 50 37 53

70 33 29 35 20 44

62 35 30 36 22 40

54 Bdan 55 ThongHG 56 ThongHG 57 ThongHG 58 ThongHG 59 ThongHG

56 118 165 152 204 95

13 12 14 15 11 15

46 46 45 38 36 34

0.093 33.3 0.093 33.3 0.116 34.1 0.125 50.0 0.132 48.1 0.167 41.2

-0.016 -0.018 0.016 0.000 0.037 0.048

15 15 18 17 14 14

16 16 20 18 14 15

53 53 45 43 42 54

44 42 35 33 30 40

40 39 35 33 31 40

60 ThongHG 61 ThongHG 62 ThongHG 63 ThongHG 64 ThongHG 65 ThongHG

88 115 120 172 150 118

15 15 19 17 14 14

44 38 32 29 38 46

0.149 32.6 0.160 45.6 0.164 45.8 0.213 55.2 0.165 28.9 0.093 33.3

-0.032 -0.016 0.051 0.035 0.012 -0.014

17 14 16 11 15 15

18 15 16 11 16 16

47 39 37 46 53 55

34 28 24 33 44 42

34 29 25 34 40 41

66 ThongHG 67 ThongHG 68 ThongHG 69 ThongHG 70 ThongHG 71 ThongHG

160 170 220 140 80 125

17 15 16 11 15 15

46 28 32 48 45 49

0.134 33.3 0.220 41.7 0.171 50.0 0.068 41.7 0.137 37.8 0.087 36.1

0.055 0.048 0.016 -0.029 -0.017 -0.014

12 16 19 17 17 18

11 16 21 17 19 19

36 41 55 54 56 61

23 29 48 41 47 51

25 27 42 39 42 45

72 ThongHG 73 KeoHG 74 KeoHG 75 KeoHG 76 KeoHG 77 KeoHG

165 145 90 115 82 80

12 16 20 17 17 18

52 55 58 43 38 69

0.089 35.3 0.034 30.9 0.057 25.3 0.097 36.4 0.122 42.1 -0.007 23.7

-0.048 0.048 0.048 0.037 0.000 0.000

16 14 15 16 16 9

18 16 16 16 17 9

61 65 51 46 73 64

57 58 42 36 74 56

46 52 35 31 60 54

78 KeoHG 79 KeoHG 80 KeoHG 81 KeoHG 82 KeoHG 83 KeoHG

70 60 95 116 50 62

17 14 16 16 16 9

58 42 36 48 61 80

0.067 15.5 0.124 45.2 0.114 45.4 0.086 36.8 0.008 24.6 -0.060 14.2

-0.016 0.000 0.000 -0.018 -0.020 -0.015

19 16 17 14 11 16

19 17 18 16 12 16

50 44 57 64 78 66

39 35 48 63 88 69

36 28 41 54 76 59

84 KeoHG 85 KeoHG 86 KeoHG 87 Bdan 88 Bdan 89 Bdan

115 130 88 110 35 95

19 16 18 15 11 16

14 18

15 21

68 65

67 62

55 54

90 Bdan 91 Bdan

96 130

15 20

0.048 0.012 -0.042

TB STD V%

92 58 63

60.1 17.2 29

54.6 23.2 42

49.7 21.5 43

14.6 2.9 20

15.5 3.3 21

15.1 2.9 19

-0.022 24.6 65 0.007 23.3 63 60 0.024 32.8 54.8 0.071 31.5 20.4 0.080 12.4 39 112 37

Ghi chú:

-Độ sáng tại mỗi điểm điều tra là giá trị trung bình của tất cả các kênh phổ

của tất cả các pixel trong một khoanh vi chứa điểm điều tra đó.

-NDVI đƣợc tính bằng tỷ lệ giữa hiệu số của trung bình kênh lục với

trung bình kênh đỏ và tổng của chúng trong mỗi khoanh vi.

-Hệ số biến động V% tại mỗi điểm điều tra là tỷ lệ phần trăm giữa giá trị

trung bình của sai tiêu chuẩn của 3 kênh phổ với độ sáng trung bình trong một

khoanh vi.

Số liệu ở bảng trên cho thấy giá trị các kênh phổ dao động trong phạm vi

tƣơng đối rộng. Phần lớn, hệ số biến động trong khoảng từ 30 đến 40%. Đây là

điều kiện thuận lợi cho phân tích liên hệ của giá trị phản xạ phổ với đặc điểm

các đối tƣợng trên ảnh nói chung và phân loại rừng nói riêng. Sự biến động của

các kênh phổ đƣợc thể hiện rõ ở những hình sau.

Hình 3.11: Giá trị kênh lục trung bình của các khoanh vi chứa các điểm điều tra

Hình 3.12: Giá trị kênh đỏ trung bình của các khoanh vi chứa các điểm điều tra

Hình 3.13: Giá trị kênh xanh da trời trung bình của các khoanh vi chứa các điểm điều tra

Chỉ số NDVI cũng biến động trong phạm vi rộng. Ở một số điểm điều tra

chỉ số NDVI lớn tới 0.25, nhƣng ở một số điểm khác, chỉ số này lại xấp xỉ

không hoặc dƣới không. Hệ số biến động của chỉ số NDVI giữa các điểm điều

tra lên tới trên 100%.

Hình 3.14: Biến động của chỉ số NDVI giữa các điểm điều tra

Mức độ biến động về cấp độ sáng trong một khoanh vi tại từng điểm điều

tra cũng khác nhau. Có những khoanh vi các pixel tƣơng đối đồng nhất, có

những khoanh vi độ sáng của các pixel rất khác nhau. Sự khác biệt này thể hiện

ở khác biệt về cấu trúc của các đối tƣợng trên ảnh. Đây cũng là đặc điểm quan

trọng để phân loại trạng thái rừng. Về lý thuyết, những trạng thái rừng có tán cây

lớn và phân biệt rõ ràng thì hệ số biến động độ sáng giữa các pixel trong một

khoanh vi lớn, ngƣợc lại ở các trạng thái cỏ, cây bụi hoặc rừng có tán nhỏ thì hệ

số biến động độ sáng của các pixel cũng nhỏ hơn. Sự khác biệt về mức biến

động độ sáng ở các điểm điều tra đƣợc thể hiện ở hình sau.

Hình 3.15: Hệ số biến độ về độ sáng giữa các pixel trong các khoanh vi tại các điểm điều tra.

Để xác định chỉ số phản xạ phổ dùng cho phân loại thực rừng và lớp phủ

thực vật ở khu vực nghiên cứu đề tài sắp xếp các trạng thái rừng theo từng nhóm

và xác định đặc điểm phản xạ phổ tại từng điểm. Trong khu vực nghiên cứu có 4

trạng thái thực vật chủ yếu: đất trống cây bụi, rừng bạch đàn, rừng trồng keo tai

tƣợng hỗn giao cây bản địa và rừng trồng thông hỗn giao cây bản địa, chỉ có một

vài điểm là rừng trồng cây bản địa nhƣng với tỷ lệ rất ít, chúng đƣợc xếp vào

nhóm với rừng keo hỗn giao cây bản địa.Trong các hình sau, các trạng thái rừng

đã đƣợc sắp xếp theo thứ tự, số thứ tự của rừng bạch đàn từ 1 đến 9, của đất

trống cây bụi từ 10 đến 26, rừng keo hỗn giao cây bản địa từ 27 đến 55, rừng

thông hỗn giao cây bản địa từ 56 đến 91.

Sai tiêu chuẩn của các kênh phổ trong từng trạng thái rừng tại các điểm

điều tra đƣợc thể hiện qua những hình sau.

Hình 3.16: Sai tiêu chuẩn của các kênh phổ trong các khoanh vi tại các điểm điều tra

Phân tích các hình trên cho thấy sai tiêu chuẩn giá trị các kênh phổ trong

các trạng thái rừng có xu hƣớng khác nhau. Sai tiêu chuẩn giá trị các kênh phổ ở

rừng keo và thông trồng hỗn giao với cây bản địa cao hơn ở rừng bạch đàn và

đất trống. Sai tiêu chuẩn giá trị các kênh phổ trong rừng bạch đàn có xu hƣớng

cao hơn so với đất trống cây bụi. Xu hƣớng chung là khi các tán thực vật càng

nhỏ, thì sai tiêu chuẩn của các kênh phổ càng nhỏ.

Để thấy rõ hơn xu hƣớng biến động giá trị các kênh phổ giữa các pixel

trong mỗi trạng thái rừng đề tài đã tính hệ số biến động độ sáng giữa các pixel

trong các khoanh vi tại từng điểm điều tra V%. Phân bố của chúng ở các điểm

điều tra đƣợc thể hiện ở hình sau.

Hình 3.17: Hệ số biến động độ sáng của các pixel trong các khoanh vi ở từng điểm điều tra

Quan sát phân bố các điểm trên biểu đồ thấy rõ xu hƣớng giảm của hệ hệ

số biến động độ sáng giữa các pixel từ rừng thông hỗn giao cây bản địa đến rừng

keo hỗn giao cây bản địa đến rừng bạch đàn và thấp nhất là đất trống cây bụi. Có

thể sử dụng hệ số biến động về độ sáng để làm một chỉ tiêu phân loại các trạng

thái thực vật ở khu vực nghiên cứu.

Giá trị từng kênh phổ cũng có những khác biệt giữa các trạng thái rừng.

Phân bố giá trị trung bình của các kênh phổ ở các trạng thái rừng khác nhau

đƣợc thể hiện ở hình sau.

Hình 3.18: Giá trị trung bình các kênh phổ của các pixel trong khoanh vi tại các điểm điều tra

Giá trị các kênh phổ có xu hƣớng khác nhau ở tất cả các kênh. Với kênh

lục thì đất trống cây bụi nhỏ nhất rồi đến bạch đàn. Với kênh đỏthì cao nhỏ nhất

là các rừng trồng keo và thông hỗn giao cây bản địa, rồi đến rừng bạch đàn, đất

trống cây bụi là cao nhất. Với kênh xanh da trời thì cao nhất là đất trống cây bụi

còn rừng trồng Keo và thông hỗn giao với cây bản địa là thấp nhất.

Sự khác biệt của các trạng thái rừng với đất trống thể hiện rõ nhất ở kênh

đỏ. Với đất trống giá trị kênh đỏ là trên 75, còn với các trạng thái rừng là dƣới

75.

Chỉ số NDVI thƣờng đƣợc sử dụng để phản ảnh mức độ nhiều ít của lớp

phủ thực vật, giá trị nó ở các trạng thái rừng tại những điểm điều tra đƣợc thể

hiện ở hình sau.

Hình 3.19: NDVI trung bình của các pixel trong những khoanh vi tại các điểm điều tra

Có thể thấy chỉ số NDVI trung bình của các trạng thái rừng keo và thông

hỗn giao cây bản địa đều lớn hơn 0.03 còn của bạch đàn và đất trống là nhỏ hơn

0.03.

Để phân biệt rừng thông hỗn giao với cây bản địa và keo hỗn giao với cây

bản địa đề tài đã vẽ biểu đồ phân bố các chỉ số phản xạ phổ theo hai trạng thái

rừng thông hỗn giao và keo hỗn giao, kết quả cho thấy sự khác biệt của hai trạng

thái rừng thể hiện rõ nhất với chỉ số khô ẩm, hình sau.

Hình 3.20: Chỉ số khô ẩm (K) trung bình trong những khoanh vi tại các điểm điều tra rừng keo và thông hỗn giao với cây bản địa. Căn cứ vào phân bố của chỉ số khô ẩm ở rừng keo và thông hỗn giao tại

các điểm điều tra có thể nhận thấy đây là chỉ số phản xạ phổ khả dĩ nhất để phân

biệt hai trạng thái rừng này. Rừng trồng keo hỗn giao có chỉ số khô ẩm lớn hơn

0.04, còn với rừng thông thì chỉ số khô ẩm chủ yếu nhỏ hơn 0.04. Tuy nhiên với

chỉ số này vẫn bị lẫn một số trạng thái rừng thông hỗn giao với rừng keo hỗn

giao. Đây thực sự là những trạng thái khó phân biệt. Nguyên nhân có thể do

trồng các loài hỗn giao với cây bản địa lá rộng khác đã làm cho phổ của chúng

bị ảnh hƣởng nhiều bởi các loài cây bản địa tùy theo mức độ hỗn giao.

3.3.2. Xây dựng chỉ tiêu phản xạ phổ và khóa để phân loại rừng ở khu vực

nghiên cứu

Căn cứ vào đặc điểm khác biệt các chỉ số phản xạ phổ ở các trạng thái

rừng đề tài xác định chỉ số có thể sử dụng để phân loại trạng thái rừng từ ảnh

Google Earth ở khu vực nghiên cứu gồm trị số của kênh đỏ (b2), chỉ số thực vật

(NDVI) và chỉ số khô ẩm (K).

- Kênh đỏ (b2) dùng để phân biệt rừng với đất trống: với đất trống b2>75.

Với rừng b2<=75

-Chỉ số thực vật (NDVI) dùng để phân biệt rừng bạch đàn trồng với rừng

keo và rừng thông trồng hỗn giao với cây bản địa. Với rừng bạch đàn

NDVI<=0.03, với rừng trồng keo và thông hỗn loài với cây bản địa NDVI>0.03.

- Chỉ số khô ẩm (K) dùng để phân biệt rừng trồng keo với rừng

trồngthông hỗn loài với cây bản địa. Với rừng trồng Keo hỗn giao với cây bản

địa K> 0.04, với rừng trồng thông hỗn giao K<=0.04

Các loại đất loại rừng

đúng

b2 > 75

sai

Đất trống cây bụi

Rừng trồng

đúng

NDVI<0.03

sai

Rừng trồng bạch đàn

Rừng trồng Thông và keo hỗn giao

Từ ba chỉ số này có thể lập khóa phân loại rừng theo giá trị phản xạ phổ

đúng

K>0.04

sai

Rừng trồng keo hỗn giao

Rừng trồng thông hỗn giao

của ảnh Google Earth ở khu vực nghiên cứu nhƣ sau.

Sử dụng khóa phân loại trên đề tài đã xác định trạng thái rừng cho 782

khoanh vi trên diện tích rừng ở khu thực nghiệm Trƣờng Đại học Lâm nghiệp.

Kết quả nhƣ sau đƣợc thể hiện ở các hình sau.

Hình 3.21: Khoanh vi các lô rừng theo đặc điểm giá trị các kênh phổ

Kết quả phân loại trạng thái rừng trên ảnh Google Earth bằng khóa phân

loại trên đã xác định đƣợc trong tổng diện tích khu rừng thực nghiệm là 71.03 ha

có 10.15 ha đất trống, 10.81 ha là rừng bạch đàn, 26.35 ha là rừng keo hỗn giao

cây bản địa và 23.72 ha là rừng thông hỗn giao cây bản địa.

3.4. Đánh giá tính chính xác của phân loại trạng thái rừng từ ảnh vệ tinh

3.4.1. Phân bố các điểm kiểm tra

Để đánh giá độ tin cậy của kết quả phân loại trạng thái rừng từ ảnh vệ tinh

đề tài đã điều tra ở 58 điểm kiểm tra không tham gia tính toán xây dựng khóa

phân loại. Phân bố và tên trạng thái rừng ở các điểm điều tra thể hiện trên sơ đồ

ảnh sau.

Hình 3.22: Phân bố các điểm kiểm tra trạng thái rừng ngoài thực địa

Trong 58 điểm kiểm tra có 12 điểm trên đất trống, 6 điểm trên rừng bạch

đàn, 19 điểm ở rừng Keo hỗn giao cây bản địa và 21 điểm ở rừng thông hỗn giao

cây bản địa. Đề tài đã chồng xếp bản đồ các khoanh vi đã đƣợc xác định trạng

thái rừng theo khóa ảnh lên hệ thống các kiểm kiểm tra để xác định trạng thái

rừng của từng khoanh vi có điểm kiểm tra.

Hình 3.23. Phân bố số điểm kiểm tra và các khoanh vi trạng thái rừng

đƣợc xác định bằng khóa phân loại rừng

3.4.2. Độ chính xác của phân loại rừng từ ảnh

Kết quả thống kê trạng thái rừng xác định bằng khóa ảnh cho các khoanh

vi và trạng thái rừng xác định thực tế ở các điểm kiểm tra đƣợc ghi trong bảng

sau.

Bảng 3.8: Trạng thái rừng xác định bằng khóa ảnh

Ghi chú: Mã trạng thái rừng 1 là rừng bạch đàn, 2 là rừng bạch đàn, 3 là rừng keo hỗn

giao, 4 là rừng thông hỗn giao.

và trạng thái rừng thực tế ở các điểm kiểm tra

Trạng thái rừng thực tế

Mã trạng thái rừng thực tế

trạng thái rừng theo khóa ảnh

Số hiệu điểm kiểm tra

Mã trạng thái rừng thực tế

trạng thái rừng theo khóa ảnh

Trạng thái rừng thực tế

Mã trạng thái rừng theo khóa ảnh

Caybui 1 Caybui 1 Caybui 1 Caybui 1 Caybui 1 Caybui 1 Caybui 1 Caybui 1 Caybui 1 Caybui 1 Caybui 1 Caybui 1 Bdan 2 Bdan 2 Bdan 2 Bdan 2 Bdan 2 KeoHG 2 Bdan 3 KeoHG 3 KeoHG 3 KeoHG 3 KeoHG 3 KeoHG 3 KeoHG 3 KeoHG 3 3 KeoHG 3 ThongHG KeoHG 3

1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 3 2 3 3 3 3 3 3 3 3 4 3

KeoHG 30 KeoHG 31 32 KeoHG 33 ThongHG KeoHG 34 KeoHG 35 36 KeoHG 37 ThongHG 38 ThongHG 39 ThongHG 40 ThongHG 41 ThongHG KeoHG 42 KeoHG 43 44 ThongHG 45 ThongHG 46 ThongHG 47 ThongHG 48 ThongHG 49 ThongHG 50 ThongHG 51 ThongHG 52 ThongHG 53 ThongHG 54 ThongHG 55 ThongHG 56 ThongHG 57 ThongHG 58 ThongHG

3 3 3 4 3 3 3 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

KeoHG KeoHG KeoHG KeoHG KeoHG KeoHG ThongHG KeoHG KeoHG ThongHG ThongHG ThongHG KeoHG KeoHG ThongHG KeoHG ThongHG ThongHG ThongHG ThongHG ThongHG ThongHG ThongHG ThongHG ThongHG ThongHG ThongHG ThongHG ThongHG

3 3 3 3 3 3 4 3 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4

Số hiệu điểm kiểm tra 1 Caybui 2 Caybui 3 Caybui 4 Caybui 5 Caybui 6 Caybui 7 Caybui 8 Caybui 9 Caybui 10 Caybui 11 Caybui 12 Caybui 13 Bdan 14 Bdan 15 Bdan 16 Bdan 17 Bdan 18 Bdan 19 KeoHG 20 KeoHG 21 KeoHG 22 KeoHG 23 KeoHG 24 KeoHG 25 KeoHG 26 KeoHG 27 KeoHG 28 KeoHG 29 KeoHG

Số liệu cho thấy trạng thái rừng phân loại bằng khóa phân loại khóa giải

đoán tƣơng đối phù hợp với nhau. Trong số 58 điểm kiểm tra có 48 điểm đúng.

Nhƣ vậy, tỷ lệ phân loại đúng chung cho các trạng thái là 48/58 bằng 83%. Để

phân tích những trƣờng hợp bị nhầm lẫn trong quá trình phân loại đề tài đã

thống kê bảng liên hệ giữa trạng thái rừng thực tế với trạng thái rừng phân loại

đƣợc bằng khóa ảnh nhƣ sau.

Bảng 3.9: So sánh kết quả phân loại trạng thái rừng từ ảnh và thực tế

Keo hỗn giao

Tổng

Phân loại theo khóa

Đất trống

Bạch đàn

Thông hỗn giao

5 1

12 12

6 1 14 4 19

4 17 21

12 6 19 21 58

Phân loại thực tế Đất trống Bạch đàn Keo hỗn giao Thông hỗn giao Tổng

Số liệu cho thấy các điểm đất trống đƣợc phân loại chính xác nhất. Có 12

điểm đã xác định bằng khóa phân loại thì có 12 điểm đúng, nhƣ vậy, khóa phân

loại có hiệu lực cao để phát hiện rừng và không có rừng. Khóa cũng có hiệu lực

cao với phân loại trạng thái rừng bạch đàn. Toàn bộ 6 điểm điều tra thực tế là

bạch đàn thì bằng khóa phân xác định đƣợc 5 điểm, còn 1 điểm xác định nhầm

là rừng keo hỗn giao cây bản địa.

Phân loại với rừng keo bị sai số nhiều hơn. Trong tổng số 19 điểm rừng

keo hỗn giao, lúc phân loại bằng khóa ảnh bị sai 1 điểm sang rừng bạch đàn, 4

điểm sang rừng thông hỗn giao, sai số phân loại rừng keo đến 25%.

Phân loại với rừng thông hỗn giao có độ chính xác hơn so với rừng keo.

Trong tổng số 21 điểm rừng thông hỗn giao thì xác định bằng khóa phân loại

nhầm 4 điểm sang rừng rừng keo hỗn giao. Sai số phân loại với rừng thông hỗn

giao là 19 phần trăm.

Để xác định hiệu lực của khóa phân loại đề tài đã áp dụng công thức tính

chỉ số Kappa, kết quả nhƣ sau.

Kappa = (A*B-C)/(B2-C) =75%

Trong đó: A- tổng số điểm đúng

B- Tổng số điểm

C- tổng tích của hai tổng

Nhƣ vậy, độ chính xác chung của phân loại 4 trạng thái rừng và đất trống

là 48*100/58 = 83%. Nhƣng độ chính xác do hiệu lực thực của khóa phân loại

có thể chỉ đạt 75%.

KẾT LUẬN, TỒN TẠI, KHUYẾN NGHỊ

1. Kết luận

- Rừng thực nghiệm của Trƣờng Đại học Lâm nghiệp thuộc 2 trạng thái:

rừng trồng gỗ núi đất và đất trống cây bụi. Tuy nhiên, trong rừng trồng gỗ núi

đất có 3 trạng thái khác nhau về tổ thành loài tƣơng đối rõ là rừng trồng bạch

đàn, rừng trồng keo hỗn giao cây bản địa và rừng trồng thông hỗn giao cây bản địa. Trữ lƣợng rừng trồng dao động từ 20 đến 220 m3/ha, trên một nửa là rừng

trung bình, tập trung ở rừng trồng thông hỗn giao. Trữ lƣợng rừng trồng keo hỗn

giao hỗn giao và rừng bạch đàn thƣờng thấp hơn nằm trong khoảng rừng trung

bình đến nghèo.

- Trong số các tƣ liệu ảnh dễ tiếp cận thì ảnh Google Earth đƣợc đánh giá

là tốt nhất để sử dụng cho phân loại rừng trên ảnh. Nó có độ phân giải tới 1m, hệ

số biến động giá trị phổ giữa các pixel lớn, thể hiện rõ cấu trúc của các đối

tƣợng trên ảnh.

- Chỉ số phản xạ phổ ở có thể sử dụng để phân loại trạng thái rừng từ ảnh

Google Earth ở khu vực nghiên cứu gồm trị số của kênh đỏ (b2), chỉ số thực vật

(NDVI) và chỉ số khô ẩm (K). Kênh đỏ (b2) dùng để phân biệt rừng với đất

trống: với đất trống b2>75. Với rừng b2<=75, Chỉ số NDVI dùng để phân biệt

rừng bạch đàn trồng với rừng keo và rừng thông trồng hỗn giao với cây bản địa.

Với rừng bạch đàn NDVI<=0.03, với rừng trồng keo và thông hỗn loài với cây

bản địa NDVI>0.03. Chỉ số khô ẩm (K) dùng để phân biệt rừng trồng keo với

rừng trồng thông hỗn loài với cây bản địa. Với rừng trồng Keo hỗn giao với cây

bản địa K> 0.04, với rừng trồng thông hỗn giao K<=0.04. Khóa phân loại rừng

theo giá trị phản xạ phổ của ảnh Google Earth ở khu vực nghiên cứu đƣợc xác

định theo các ngƣỡng biến đổi của giá trị kênh đỏ, chỉ số thực vật và chỉ số ẩm.

- Kết quả phân loại trạng thái rừng trên ảnh Google Earth bằng khóa phân

loại trên đã xác định đƣợc trong tổng diện tích khu rừng thực nghiệm của

Trƣờng Đại học Lâm nghiệp là 71.03 ha, trong đó có 10.15 ha đất trống, 10.81

ha là rừng bạch đàn, 26.35 ha là rừng keo hỗn giao cây bản địa và 23.72 ha là

rừng thông hỗn giao cây bản địa.

- Trạng thái rừng xác địnhbằng khóa phân loại tƣơng đối phù hợp với thực

tế. Trong số 58 điểm kiểm tra có 48 điểm đúng. Nhƣ vậy, tỷ lệ phân loại đúng

chung cho các trạng thái là 48/58 bằng 83%. Nhƣng độ chính xác do hiệu lực

thực của khóa phân loại có thể chỉ đạt 62%.

- Nhìn chung có thể sử dụng ảnh Google Earth để phân biệt rừng và đất

với độ chính xác gần nhƣ tuyệt đối. Nó cũng có thể sử dụng để phân biệt các

trạng thái rừng có những loài chủ yếu khác nhau. Tuy nhiên, độ chính xác hiện

tại chỉ ở mức 62%. Có thể tiếp tục nghiên cứu những giải pháp để nâng cao hiệu

quả sử dụng ảnh Google Earth cho phân loại rừng.

2. Tồn tại và khuyến nghị

Đề tài còn những tồn tại sau: Đề tài chƣa có điều kiện để phân tích khả

năng sử dụng ảnh vệ tinh để xác định trữ lƣợng rừng. Đây cũng là chỉ tiêu quan

trọng cho phân loại rừng. Đề tài cũng chỉ khai thác đƣợc ảnh vệ tinh Landsat và

Sentinel trong thời gian gần đây, có thể trong các chu kỳ bay chụp tiếp theo sẽ

có lần chất lƣợng ảnh tốt hơn. Đề tài cũng không đủ thời gian để phân tích khả

năng sử dụng các kênh phổ siêu cao tần (radar) của ảnh Sentinel, có thể những

kênh phổ này cũng hỗ trợ đƣợc cho việc phân loại rừng trên ảnh.

Đề nghị những nghiên cứu tới sẽ tiếp tục phân tích khả năng xác định trữ

lƣợng rừng từ ảnh để phục vụ phân loại, sử dụng những tƣ liệu ảnh dễ tiếp cận

khác, cũng nhƣ kiểm tra các cảnh ảnh Landsat và Sentinel có chất lƣợng tốt hơn.

Ngoài ra cũng thử nghiệm phân tích với các kênh phổ radar của ảnh Sentinel.

TÀI LIỆU THAM KHẢO

I. Tiếng Việt

Trần Vân Anh, Nguyễn Thị Yên Giang, ướng d n s d ng ENV 4.3,

Trƣờng Đại học Mỏ địa chất.

Trần Quang Bảo (chủ biên), Chu Ngọc Thuấn, Nguyễn Huy Hoàng (2013),

G S và Viễn thám, NXB Nông nghiệp.

Nguyễn Ngọc Bình (chủ biên) (2006), Cẩm nang ngành lâm nghiệp -

Chương: Công tác điều tra rừng ở Việt Nam, Bộ NN&PTNT, Chƣơng trình

hỗ trợ ngành lâm nghiệp và đối tác.

Nguyễn Ngọc Bình (chủ biên) (2006), Cẩm nang ngành lâm nghiệp -

Chương: Phân loại s d ng, lập quy hoạch và giao đất lâm nghiệp, Bộ

NN&PTNT, Chƣơng trình hỗ trợ ngành lâm nghiệp và đối tác.

Trần Quốc Bình (2006), Bài giảng Argis 9.2, ĐH khoa học tự nhiên - ĐH

Quốc gia Hà Nội.

Chu Thị Bình (2001), Ứng d ng công nghệ tin học để khai thác những thông

tin cơ bản trên tư liệu viễn thám, nhằm ph c v việc nghiên cứu một số đặc

điểm rừng Việt Nam, Luận án tiến sĩ, Trƣờng ĐH Mỏ Địa chất, Hà Nội.

Bộ tài nguyên và môi trƣờng, (2004), ướng d n kiểm kê đất đai và xây dựng

bản đồ hiện trạng s d ng đất năm 2005.

Nguyễn Mạnh Cƣờng, Quách Quỳnh Nga (1996), Nghiên cứu đánh giá khả

năng ứng d ng phương pháp x lý số từ thông tin viễn thám cho lập bản đồ

rừng, Viện Điều tra Quy hoạch rừng.

Nguyễn Xuân Đài (2002), Cơ sở viễn thám, Đại học Khoa học Tự nhiên,

ĐHQG Hà Nội, Hà Nội.

10.

Nguyễn Đình Dƣơng (1998), thuật và các phương pháp viễn thám, Hà

Nội.

11.

Nguyễn Đình Dƣơng, (2004), Study on land cover change in Vietnam for the period 2001-2003 using MODIS 32 day composite. Proceedings of the 14th

Asian Agriculture Symposium.

12.

Nguyễn Đình Dƣơng, (2006), Phân loại lớp phủ Việt Nam bằng tư liệu

MOD S đa thời gian và thuật toán phân tích đồ thị đường cong phổ phản xạ.

Tuyển tập các công trình khoa học, Hội nghị khoa học Địa Lý - Địa Chính.

Hà Nội 9/2006.

13.

Vũ Tiến Điển (2013), 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

14.

Vũ Tiến Hinh, Phạm Ngọc Giao (1997), Giáo trình điều tra rừng, NXB Nông

nghiệp, Hà Nội.

15.

Vũ Tiến Hinh, (2007), Bài giảng điều tra, theo dõi diễn biến tài nguyên rừng,

Tài liệu dùng cho cao học chuyên ngành Quản lý bảo vệ tài nguyên rừng,

Trƣờng ĐH Lâm Nghiệp.

16.

Nguyễn Huy Hoàng, (2008), Ứng d ng phần mềm ENV để x lý, phân tích

và giải đoán ảnh viễn thám để thành lập bản đồ các loại hình đất ngập nước

tại khu vực c a Ba Lạt, Luận văn tốt nghiệp, ĐH Lâm nghiệp, Hà nội.

17.

Phạm Quốc Hùng, Jeffrey, Greg Lindsey (2006), Ứng d ng G S và công nghệ

viễn thám trong phân tích độ che phủ của thảm thực vật cho các con đường

xanh đô thị.

18.

Trần Hùng (2005), S d ng tư liệu MOD S theo dõi độ ẩm đất/thực vật bề

mặt; th nghiệm với chỉ số mức độ khô hạn nhiệt độ - thực vật (TVD –

Temperature Vegetation Dryness Index.

19.

Lê Thị Thu Hƣơng (2007), Monitoring sự biến động môi trường rừng ngập

mặn khu vực tỉnh Cà Mau bằng tư liệu viễn thám, góp phần quy hoạch phát

triển bền vững vùng Đồng bằng sông C u Long, Luận án thạc sỹ, Trƣờng ĐH

Mỏ Địa Chất, Hà Nội.

20.

Bảo Huy (2009), G S và Viễn thám trong quản lý tài nguyên rừng và môi

trường. NXB tổng hợp thành phố Hồ Chí Minh.

21.

Bảo Huy, Phương pháp nghiên cứu trữ lượng carbon của rừng tự nhiên làm

cơ sở tính toán lượng CO2 phát thải từ suy thoái và mất rừng ở Việt Nam.

ph c v công tác điều tra kiểm kê rừng, Viện Điều tra Quy hoạch rừng

22.

Lƣơng Chính Kế, Tiềm năng bản đồ của ảnh vệ tinh có độ phân giải cao.

23.

Lƣơng Chính Kế, Nguyễn Ngọc Sinh, Tăng Quốc Cƣơng, Bước đột phá trong

lĩnh vực Viễn Thám.

24.

Dƣơng Văn Khảm, Chu Minh Thu, ứng d ng ảnh vệ tinh Terra – aquar

(MODIS) trong việc tính toán độ ẩm không khí độ phân giải cao.

25.

Nguyễn Quốc khánh, Nguyễn Thanh Nga (2007), Ứng d ng công nghệ viễn

thám và G S thành lập bản đồ biến động lớp phủ thực vật rừng đảo Phú

Quốc, thời kỳ 1996 - 2001 - 2006, Báo cáo tại hội thảo quốc tế về sử dụng

công nghệ vũ trụ cho quản lý rừng và bảo vệ môi trƣờng.

26.

Trƣơng Anh Kiệt, Lê Văn Hƣờng, Trần Minh Ý (2005), Trắc địa ảnh, NXB

Khoa học và kỹ thuật. Hà Nội

27.

Bùi Hữu Mạnh (2006), ướng d n s d ng Mapinfo professional verion 7.0,

NXB Khoa học và kỹ thuật.

28.

Nguyễn Thanh Minh, Nghiên cứu ứng d ng ảnh viễn thám có độ phân giải

siêu cao (Quickbrid) trong việc xác định các đối tượng đường giao thông đô

thị.

29.

Lâm Đạo Nguyên – Phòng Địa tin học Vật lý, PV Vật lý tại Tp Hồ Chí Minh,

Ứng d ng tư liệu viễn thám vệ tinh để giám sát sự sinh trưởng của cây lúa .

30.

Đinh Hồng Phong (2009), Ứng d ng công nghệ viễn thám và G S xác định

hiện trạng s d ng đất ph c v kiểm kê đất đai. Báo cáo khoa học, Trung tâm

Viễn thám Quốc Gia.

31.

Quốc hội nƣớc Cộng Hòa Xã Hội Chủ Nghĩa Việt Nam (2004), Luật bảo vệ

và phát triển rừng.

32.

Quốc hội nƣớc Cộng Hòa Xã Hội Chủ Nghĩa Việt Nam, (2003), Luật đất đai.

33.

Vƣơng Văn Quỳnh (2005), Nghiên cứu giải pháp phòng chống và khắc ph c

hậu quả cháy rừng cho vùng U minh và Tây Nguyên, Đề tài cấp nhà nƣớc

KC08.24 thuộc Chƣơng trình bảo vệ môi trƣờng và phòng tránh thiên tai, Bộ

KH&CN.

34.

Nguyễn Trƣờng Sơn (2008), Nghiên cứu s d ng ảnh vệ tinh và công nghệ

G S trong việc giám sát hiện trạng tài nguyên rừng, Báo cáo khoa học, Trung

tâm viễn thám quốc gia.

35.

Lê Minh Sơn, Lƣơng Chính Kế, Doãn Hà Phong (2008), "Thành lập bản đồ

nhiệt độ bề mặt nƣớc biển và hàm lƣợng Chlorophyll- A khu vực biển đông từ

ảnh MODIS", Tạp chí Viễn thám và Địa tin học, (số 5), 8/2008. Trung tâm

Viễn thám quốc gia, Bộ Tài nguyên và Môi trƣờng.

36.

Phạm Quang Sơn (2008), Ứng d ng thông tin viễn thám và G S trong nghiên

cứu, quản lý tổng hợp tài nguyên và môi trường vùng ven bờ và hải đảo.

37.

Nguyễn Ngọc Thạch (2005), Cơ sở viễn thám, NXB Nông nghiệp, Hà Nội.

38.

Nguyễn Ngọc Thạch, Nguyễn Tuấn Dũng, Nguyễn Mạnh Cƣờng (2003), Viễn

thám và hệ thống thông tin địa lý ứng d ng, Đại học Khoa học Tự nhiên,

ĐHQG Hà Nội.

39.

Thủ tƣớng chính phủ, (2006), Quyết định của thủ tướng chính phủ số về việc

phê duyệt chương trình điều tra đánh giá và theo dõi diễn biến tài nguyên

rừng toàn quốc thời kỳ 2006 - 2010.

40.

Trần Văn Thụy (1996), Thành lập bản đồ thảm thực vật tỉnh Thanh oá bằng

phương pháp viễn thám, Luận án tiến sĩ, Trƣờng ĐH Tổng hợp Hà Nội.

41.

Tổng cục địa chính, (2001), Thông tư hướng d n áp d ng hệ quy chiếu và hệ

tọa độ quốc gia VN-2000.

42.

Nguyễn Đắc Triển, (2009), Nghiên cứu s d ng tư liệu viễn thám để theo dõi

mất rừng do làm nương r y tại huyện im Bôi, tỉnh òa Bình, Luận văn thạc

sỹ, ĐH Lâm nghiệp.

43.

Lê Văn Trung, (2005), Viễn Thám, NXB Đại học Quốc gia Thành Phố Hồ Chí

Minh, TP Hồ Chí Minh.

44.

Lê Văn Trung, Lâm Đạo Nguyên, Phạm Bách Việt, (2006), Thực hành Viễn

Thám, NXB Đại học Quốc gia Thành Phố Hồ Chí Minh, TP Hồ Chí Minh.

45.

Trần Anh Tú, Hà Quang Hải (2007), Ứng d ng G S và viễn thám trong nghiên

cứu địa mạo vùng Trị An -Tánh Linh, Hội nghị khoa học và công nghệ lần thứ

9, Đại học Bách khoa Tp Hồ Chí Minh tháng 10/2005.

46.

Nguyễn Hải Tuất, Vũ Tiến Hinh, Ngô Kim Khôi (2006), Phân tích thống kê

trong lâm nghiệp, NXB Nông nghiệp, Hà Nội.

47.

Chu Hải Tùng, Đặng Trƣờng Giang, Phạm Văn Mạnh, Nguyễn Minh Ngọc

(2008), "Ứng dụng kết hợp ảnh vệ tinh radar và quang học để thành lập một

số lớp thông tin về lớp phủ mặt đất", Tạp chí Viễn thám và Địa tin học, (số 5),

8/2008. Trung tâm Viễn thám quốc gia, Bộ Tài nguyên và Môi trƣờng.

48.

Trần Thanh Tùng (2006), Phân tích diễn biến hình thái sông Trà húc, tỉnh

Quảng Ngãi – Tạp chí khoa học Kỹ thuật Thủy lợi và môi trƣờng số 14, tháng

8/2006.

49.

Phạm Hữu Tỵ, Hồ Kiệt (2008), "Xác định rủi ro xói mòn vùng cảnh quan đồi

núi trên cơ sở sử dụng số liệu viễn thám và mô hình mất đất phổ quát hiệu

chỉnh", Tạp chí khoa học Đại học uế, (số 48).

50.

Viện Điều tra Quy hoạch rừng (1995), Báo cáo phân tích đánh giá diễn biến

tài nguyên rừng toàn quốc giai đoạn 1976 – 1990 – 1995.

51.

Viện Điều tra Quy hoạch rừng, (2006), Tổng hợp kết quả chương trình điều tra,

đánh giá và theo dõi diễn biến tài nguyên rừng toàn quốc thời kỳ 2001 - 2005.

52.

Viện Vật lý và Điện tử – Viện Khoa học Công nghệ Việt Nam (2007), Báo

cáo s d ng ảnh viễn thám MOD S quan trắc sự cố tràn dầu tại Quảng Nam.

53.

Lê Sỹ Việt, Trần Hữu Viên, (1999), Quy hoạch lâm nghiệp, NXB Nông

nghiệp. Hà Nội.

II. Tiếng Anh

54.

A. Huetea, K. Didana, T. Miuraa, E.P. Rodrigueza, X. Gaoa, L.G. Ferreirab

(2002), Overview of the radiometric and biophysical performance of the

MODIS vegetation indices. Remote Sensing of Enviroment, 83:195 - 213.

55.

Bunkei Matsuhita, Wei Yang, Jin Chen, Yuyiki Onda and Guoyu Qiu (2007),

Sensitivity of the Enhanced Vegetation Index (EVI) and Normalized

Difference Vegetation Index (NDVI) to topographic. Sensors, 7:2636 - 2651

56.

Driss Haboudane, John R.Miller, Nicolas Tremblay, Pablo J.Zarco-Tejada,

Louise Dextraze (2002), Integrated narrow-band vegetation indices for

prediction of crop chlorophyll content

for application

to precision

agriculture. Remote Sensing of Enviroment 81: 416 - 426

57.

ESRI, ArcGis Spatial Analyst Tutorial.

58.

ESRI, Using ArcMap.

59.

F. Baret and G. Guyot (1991), Potentials and Limits of Vegetation LAI and

APAR Assessment. Remote Sensing of Enviroment, 35:161 - 173.

60.

Geerken R, Zaitchik B, Evans JP (2005). Classifying rangeland vegetation

type and coverage from NDVI time series using Fourier Filtered Cycle

Similarity. International Journal Remote Sensing 26:5535–54

61.

Huete, A. R. (1988). A Soil-adjusted vegetation index (SAVI). Remote Sensing

of Enviroment, 25:295 - 309.

62.

J. Qi, A. Chehbouni, A. R. Huete, Y. H. Kerr, and S. Sorooshian (1994), A

Modified Soil Adjusted Vegetation Index. Remote Sensing of Enviroment,

48:119 - 126.

63.

Leica Geosystems, Image spectral analysis.

64.

Leica Geosystems, Erdas imagine tuor guides.

65.

Lenney MP, Woodcock CE, Collins JB, et al. (1996). The status of

agricultural lands in Egypt: the use of multitemporal NDVI features derived

from LandsatTM. Remote Sensing Environment 56:8–20.

66.

Research systens, (2000). ENVI Tutorials.

67.

Sohn Y, Rebello NS (2002). Supervised and unsupervised spectral angle

classifiers. Photogramm Engineering Remote Sensing 68:1271–80

68.

Tamara Bellone, Piero Boccardo and Francesca Perez (2009), Investigation of

vegetation dynamics using long – term Normalized Difference Vegetation

Index time – series. American Jounral of Enviroment Sciences 5: 460-466

69.

Thomas M. Lillesand, Ralph W.Kiefer (2000), Remote sensing and image

interpretation

70.

Wang Q, Tenhunen J (2004). Vegetation mapping with multitemporal NDVI

in North Eastern China Transect (NECT). International Journal Application

Earth Observation Geoinfomation 6:17–31

PHỤ LỤC

Phụ lục 1. Chiều cao và tổng tiết diện ngang cây rừng

ở các điểm điều tra mẫu

Tiết diện ngang (m2/ha)

Hvn

TT KD

VD Trạng thái rừng

(m)

M (m3)

Điểm 1 Điểm 2 Điểm 3 Điểm 4 Điểm 5

13.0

1 559618 2313396 ReHG

17 111

17.0

2 558821 2313030 Bdan

14 122

18.5

3 558855 2313099 Bdan

7 68

13.5

4 559120 2313456 ThongHG

18 120

17.0

5 559208 2313447 ThongHG

26 202

11.5

6 559222 2313566 KeoHG

17 98

11.5

7 559640 2313308 Keo

24 133

11.0

8 559660 2313543 Keo

8 47

11.0

9 559736 2313429 KeoHG

4 21

12.5

10 559515 2313507 ThongHG

21 134

14.0

11 559472 2313430 ThongHG

17 125

14.0

12 559017 2313381 ThongHG

19 133

15.0

13 558956 2313314 ThongHG

19 135

13.5

14 558892 2313248 ThongHg

20 139

13.0

15 559083 2313239 ThongHG

24 152

11.0

16 559184 2313096 KeoHG

10 54

12.0

17 559327 2313094 KeoHG

11 64

11.0

18 558736 2313237 KeoHG

13 73

13.0

19 558746 2313114 ThongHG

14 95

14.0

20 558776 2313357 ThongHG

21 144

14.0

21 558743 2313461 ThongHG

17 111

13.0

22 558604 2313536 ThongHG

17 116

12.0

23 558629 2313460 ThongHG

16 94

11.0

24 558495 2313444 KeoHG

8 46

13.5

25 558599 2313281 KeoHG

19 123

26 558746 2313114 KeoHG

11.0

20 114

27 558714 2313010 KeoHG

12.0

14 88

28 558727 2312859 KeoHG

11.5

9 53

29 559333 2313443 ThongHG

15.0

21 147

30 558968 2313062 Caybui

31 559025 2313127 Caybui

32 559102 2313048 Caybui

33 559120 2313231 Caybui

34 559274 2313435 Caybui

35 559335 2313505 Caybui

36 559314 2313602 Caybui

37 559294 2313638 Caybui

38 559347 2313522 Caybui

39 559517 2313627 Caybui

40 559595 2313452 Caybui

41 559312 2313360 Caybui

42 558756 2312916 Caybui

43 558757 2312842 Caybui

44 558777 2313082 Caybui

45 559274 2313691 Caybui

46 559558 2313601 Caybui

47 559644 2313536 KeoHG

11.5

15 86

48 559503 2313421 ThongHG

12.5

18 108

49 559141 2313419 ThongHG

13.5

23 162

50 559114 2313324 ThongHG

16.5

23 180

51 558902 2313239 ThongHG

13.5

26 181

52 558783 2313190 reHG

13.0

22 148

53 559092 2312870 Bdan

18.0

8 72

54 559003 2312816 Bdan

18.5

7 59

13.0

18 118

55 558977 2313175 ThongHG

13.0

26 164

56 558951 2313214 ThongHG

13.5

22 151

57 558603 2313431 ThongHG

17.0

26 209

58 558663 2313485 ThongHG

12.0

15 94

59 559514 2313402 ThongHG

13.0

13 88

60 559549 2313412 ThongHG

13.5

17 113

61 559543 2313490 ThongHG

14.5

18 122

62 559038 2313440 ThongHG

14.0

24 172

63 559075 2313465 ThongHG

13.0

24 150

64 559100 2313317 ThongHG

13.0

18 117

65 558607 2313489 ThongHG

16.0

21 165

66 558675 2313400 ThongHG

13.0

25 168

67 558901 2313217 ThongHG

16.5

25 223

68 558837 2313241 ThongHG

14.0

20 140

69 558991 2313150 ThongHG

13.5

13 81

70 559487 2313403 ThongHG

13.0

19 125

71 558506 2313478 ThongHG

13.0

26 164

72 559042 2313316 ThongHG

11.5

24 145

73 558549 2313319 KeoHG

12.5

15 93

74 558610 2313231 KeoHG

11.0

20 113

75 558661 2313161 KeoHG

12.0

13 82

76 558597 2313113 KeoHG

12.0

13 80

77 558528 2313092 KeoHG

12.0

12 68

78 558573 2313010 KeoHG

11.0

11 59

79 558638 2313064 KeoHG

11.0

18 96

80 558617 2312976 KeoHG

11.5

20 115

81 558683 2312933 KeoHG

12.0

9 52

82 558572 2312971 KeoHG

11.0

11 62

83 558679 2313274 KeoHG

84 558686 2313105 KeoHG

18 116

12.5

85 558645 2312881 KeoHG

21 130

12.5

86 558676 2312834 KeoHG

15 89

12.5

87 558804 2312981 Bdan

12 112

17.5

88 558907 2313068 Bdan

4 36

18.0

89 558825 2313075 Bdan

10 95

17.5

90 559066 2312924 Bdan

11 97

19.0

91 558986 2312850 Bdan

14 128

17.0

Phụ lục 2. Chiều cao và tổng tiết diện ngang cây rừng ở các điểm kiểm tra

Tiết diện ngang (m2/ha)

Hvn

TT KD

VD Trạng thái rừng

(m)

M (m3)

Điểm 1 Điểm 2 Điểm 3 Điểm 4 Điểm 5

1 559475 2313598 Caybui

2 559288 2313662 Caybui

3 559318 2313577 Caybui

4 559372 2313634 Caybui

5 559387 2313580 Caybui

6 559376 2313699 Caybui

7 559571 2313628 Caybui

8 559407 2313322 Caybui

9 559529 2313321 Caybui

10 559070 2313065 Caybui

11 558484 2313155 Caybui

12 558982 2313086 Caybui

12 103

13 558924 2313097 Bdan

10 99

14 558906 2313128 Bdan

14 137

15 558837 2313105 Bdan

10 90

16 558800 2313047 Bdan

11 90

17 558826 2313002 Bdan

8 76

18 558804 2312935 Bdan

15 88

19 558855 2313011 KeoHG

16 120

20 558694 2313058 KeoHG

24 116

21 558736 2313061 KeoHG

19 98

22 558696 2313016 KeoHG

18 93

23 558703 2312973 KeoHG

14 71

24 558708 2312897 KeoHG

13 62

25 558644 2312926 KeoHG

20 111

26 558594 2313066 KeoHG

23 124

27 558585 2313156 KeoHG

24 136

28 558566 2313220 KeoHG

30 162

29 558538 2313263 KeoHG

9 62

30 559726 2313467 KeoHG

9 60

31 559675 2313408 KeoHG

8 49

32 559751 2313392 KeoHG

11 73

33 559714 2313536 ThongHG

9 66

34 559688 2313577 KeoHG

14 91

35 559639 2313576 KeoHG

19 119

36 559562 2313529 KeoHG

21 155

37 559491 2313517 ThongHG

14 99

38 559479 2313460 ThongHG

15 112

39 559559 2313452 ThongHG

18 135

40 559439 2313496 ThongHG

17 119

41 559292 2313531 ThongHG

22 147

42 559252 2313477 KeoHG

23 144

43 559267 2313496 KeoHG

21 165

44 559210 2313424 ThongHG

17 122

45 559188 2313386 ThongHG

18 143

46 559132 2313385 ThongHG

22 173

47 559072 2313361 ThongHG

24 169

48 559018 2313340 ThongHG

27 179

49 558904 2313328 ThongHG

21 151

50 559001 2313434 ThongHG

22 150

51 558953 2313419 ThongHG

21 153

52 558836 2313394 ThongHG

27 182

53 558847 2313315 ThongHG

22 171

54 558870 2313236 ThongHG

27 153

55 558658 2313374 ThongHG

23 125

56 558543 2313422 ThongHG

24 160

57 558957 2313337 ThongHG

17 122

58 558901 2313405 ThongHG