Phân tích thay đổi thảm phủ dựa vào ảnh vệ tinh đa thời gian và chuỗi Markov tại tỉnh Đắk Nông

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:12

Thêm vào BST

Báo xấu

4
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu đã sử dụng mô hình CA-Markov như một công cụ hỗ trợ để phân tích và dự báo xu hướng thay đổi thảm phủ/sử dụng đất (LULC) trong đó có lớp phủ rừng tại tỉnh Đắk Nông. Đầu tiên nghiên cứu đã so sánh độ chính xác của phương pháp phân loại theo hướng đối tượng OBIA (Object Based Image Analysis) và phân loại dựa vào pixel MLC (Maximum Likelihood Classification) để phân loại ảnh vệ tinh Landsat năm 2017.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Phân tích thay đổi thảm phủ dựa vào ảnh vệ tinh đa thời gian và chuỗi Markov tại tỉnh Đắk Nông

T p chí KHLN s 2/2019 (101 - 112) ©: Vi n KHLNVN - VAFS ISSN: 1859 - 0373 i t i: www.vafs.gov.vn , Khoa Nông Lâm nghi i h c Tây Nguyên Nghiên c - ng OBIA (Object Based Image T khóa: Analysis) và phân lo t qu cho th Likelihood, Phân - n tích r ng t nhiên t Based Image - Analysis t qu mt n tích r ng t nhiên s m t kho ng 29.000ha, chi m 16% t ng di n i. Analysis of land use/land cover change in Dak Nong province using multitemporal satellite images and markov The study used the CA-Markov model as a support tool to analyze and forecast the trend of land use and land cover change (LULC) including forest cover in Dak Nong province. Firstly, classification accuracy of the two methods of OBIA (Object Based Image Analysis) and MLC (Maximum Likelihood Keywords: Land Classification) was evaluated and compared using Landsat satellite image cover, Cellular captured in 2017. Results show higher accuracy was found by OBIA with 10% Automata, Markov, compared to MLC method. Therefore, OBIA was applied to classify a dataset Maximum likelihood, of multi-temporal Landsat satellite images collected from 1989 to 2017. In the multi criteria next step, GIS techniques were used to analyze LULC changes based on LULC rvaluation, object maps classified as mentioned above. The results indicated that a significant based image analysis decreasion of natural forest areas from 1989 to 2017 were detected by around 54%. In the final step, using the transition matrix from the CA-Markov model, the LULC spatial distribution in 2026 was simulated based on two data sources, LULC and multifactor analysis (MCE), including a number of factors. natural and social. Analysis results show that, if there is no plan to protect forests more effectively, the possibility of forests will continue to decrease from 34% (in 2017) to 30% in 2026, corresponding to the loss of natural forest area of 29,000 ha in Dak Nong province. 101
T p chí KHLN 2019 et al., 2019(2) M t trong nh ng thách th c toàn c u quan ng tác gi (2014); Nguy n T ng tr ng nh t trong th k n tác gi (2016); Ph ng tác gi vi c qu n lý s bi ib m t x y ra (2016); Tr ng tác gi thông qua nh c a nh u qu gián ti p ho c tr c ti m b o nh ng nhu c u thi t y u t vi c chuy i, i m d ng tài nguyên r ng. Tuy v y vi c chuy i t phát, không ho c thi u các quy ho ch làm cho và ng tác gi ngu n tài nguyên ngày càng tr nên c n ki t, h u qu c a nh ng th m h a t vi c s d ng lo i nh thành 7 lo không h p lý ngu n tài nguyên r u khó tránh kh i. Chính vì v y phân tích nh ng qu n lý ngu n tài nguyên thiên nhiên và b c môi ng là r t c n thi t. Vi t công c ng iv i c n phá r ng và ng b thành m t công ngh quan tr i LULC l và mô hình không gian c a s l ng cách s d ng vi n thám (Turneret et al., 2007). Tr ng tác gi dùng chu i CA-Markov d Tr n Th m Thanh Qu , 2014), Nghiên c u c a Quintero và ng tác gi n Th (2016), Yirsaw và ng tác gi d ng mô hình chu i CA- d báo LULC, tuy nhiên k t qu d phân lo i vào th c c p. M 102
et al., 2019(2) T p chí KHLN 2019 li u ng th c 2.1 m nghiên c u lo i d Nghiên c c th c hi n t i t k Nông p (1 huy n c a (Hình 1), n m phía Tây Nam c a vùng Tây t k Nông). n cu c 0 nh trong kho ng t a lý: 11 n 120 B c, 107 0 n 1080 - 2.1. V t li u Nghiên c d ng t p h p các c nh nh c thu nh 1995, 2001, 2005, 2008, 2014 và 2017 t i khu v c t k Nông, tham chi u h t a UTM c t 48 (UTM 48N). Các nh này c khai thác mi n phí t m ng Internet Hình 1. trí lý khu nghiên a ch : https://earthexplorer.usgs.gov/. M t s c nh c k th a t b d li u u Phân lo ng OBIA Engine c a Nguy n Th Th n m m eCognition Developer 9.2 ng tác gi , 2017. phân lo i nh v D li c thu th phân lo i và ki nh phâ a nh d a vào ph i h p nhi u cách th a vào Landsat 8 t n ban kinh nghi m, d li u b có s n, phân gi i không gian là 30 phân gi u tra th a. th c hi n phân lo n m m Google Earth, Envi 4.7, n nh v i tham s u là Scale = 20, n hành thay i các tham s Scale v c nh y là 10, c 103
T p chí KHLN 2019 et al., 2019(2) th là 20, 30, 40 và tham s Shape b ut c a các c p lo i th m ph u 0.1, v c nh y là 0.1, c th là 0.1, 0.2, 0.3, it n 2. N u m phân bi ra tham 1,99 ch ra m phân bi t t t nh t. N u m c s Compactness có phân bi t th p thì c n c i thi n b ng cách n vi c t n do ch n l i vùng m chính xác khi c quy thành m t giá tr i b ng phân lo ng h p m phân bi t giá tr m u là 0.5. Do v y tham s < 1 thì nên g p các lo i th m ph phân Compactness s c nh giá tr m bi t kém l i v - 2,0. Phân lo i LULC: D a vào các vùng ROI m u (Region of Interest), nghiên c u s d ng thu phân lo b d li u m u phân lo th p, thu t toán t o m u phân lo i Standard t qu phân lo i d a Nearest cs d gán vào các c phân Theo Congalton và Green (1999), b ng ma tr n b khu v u qu nh bao g m: r ng xanh, r ng chính xác t xanh, r ng kh p, r ng tr t nông nghi p, qu phân lo i d a trên các ch chính xác toàn b (Overall Accuracy-OA), h s m các lo Kappa, i s n xu t (Producer ng c , cây Accurary-PA) và i s d ng b t tr ch s d ng, (User Accuracy). D li u vùng m u ki t b hoang hóa, di ng, cao su ho c cây công nghi p m i tr ng. Phân lo i Maximum Likelihood d chính xác i có ki nh phân lo i cho các nh còn l i ( nh d a vào pixel. Nghiên c u d pháp phân lo i MLC trong ph n m m Envi 4.7 phân lo i nh v tinh bao g c Phân tích LULCC (Land use Land Cover -2017 T o các vùng m phân tích LULCC c n có b LULC hai th m, nghiên c u th c hi n chuy n các nh phân lo i vào ph n m phân n 1989-1995, 1995- ki m tra m phân bi t d a theo 2 tiêu chí 2001, 2001-2005, 2005-2008, 2008-2014 và th ng kê là Jeffries - Matusita và Transformed 2014-2017. S d ng công c phân tích Tabulate Divergence (Richards, 1999): M phân bi t Area, công c Raster Calculator trong ph n 104
et al., 2019(2) T p chí KHLN 2019 m phân tích LULCC (Nguy n - Th Evaluation-MCE) S d ng chu d báo LULC và ki m ch ng v i k t qu phân lo i ng mô hình chu i CA-Markov trong d ph n m ng th i s d ng cao, sông su ng giao thông. Các nhân công c t c phân thành các c c trình Evaluation- t o ra các quy lu t bày trong b ng 1. chuy i c a các nhân t nl p ph g d ng giao thông và sông su i. B ng 1. Mô t phân c p các nhân t : mét (m) Nhân t C p1 C p2 C p3 C p4 C p5 cao 1300 d c 40 Giao thông 8000 Sông su i 800 D s d báo LULC nghiên c u s d ng d ng công c DecisionWizard trong ph n m m mô hình chu i CA-Markov trong ph n m m IDRISI Taiga xây d ng b . IDRISI Taiga d a trên các ngu u vào: i) nh - Xây d ng ma tr n chuy n d ch d a vào phân lo i d ch chu i Markov trong ph n m m IDRISI Taiga chuy n Markov và iii) các chí MCE. Ma tr n chuy n d ch theo mô hình chuy n d ch Markov cho phép d a vào 2 i - Ki m ch ng k t qu d báo v i k t qu hai th nh ma tr n phân lo i nh v tinh trong cùng th chuy n d ch có quy lu n c k t qu d (Logsdon, 1996). Nghiên c u s d ng công c 2017 b ng mô hình chu i CA-Markov, nghiên Markov trong ph n m xác c u so sánh k t qu phân lo i nh ma tr n chuy n d ch gi a các LULC trong d ng n nghiên c u. công c Validate trong ph n m s - - D báo LULC d a vào ph n m m IDRISI t 0- Taiga i thích cho s không phù h p D báo LULC d a trên nh phân lo gi a th c t và d hi n i d ch chuy n m i quan h ch t ch gi a d báo và th c t . 105
T p chí KHLN 2019 et al., 2019(2) chính xác t ng th và h s chính xác k t qu phân h n so v lo 71,65%. M chênh l ng th i OBIA Sau khi th nghi m các tham s n và an, 2010; chính xác phân lo i c a các c p Tedros và ng tác gi tham s , nh n th y v i giá tr tham s t qu phân lo t t nh t i gian phân lo Quickbird. i LULC. 1989-2017 i MLC Phân lo i nh v i gian b ng i các nh v tinh còn l i (1989, chính xác t ng th (OA) và h s Kappa (K) c c t ng h p trong b ng 2. t qu cho th y OBIA có B ng 2. chính xác t ng th và h s Kappa t chính xác t ng th (%) H s Kappa 1989 87,0 0,84 1995 87,0 0,84 2001 87,6 0,85 2005 84,6 0,82 2008 85,6 0,83 2014 83,3 0,81 2017 82,3 0,80 i s d t lâm nghi T k t qu phân lo i nh c c trình bày ph n trên, nghiên c u ti ên 30%. 106
et al., 2019(2) T p chí KHLN 2019 B ng 3. T ng h 1989 2005 2008 2014 2017 LULC Di n tích % Di n tích % Di n tích % Di n tích % Di n tích % RTX 459.901,00 70,5 282.354,00 43,3 214.027,00 32,83 198.707,00 30,5 182.064,00 27,92 RK 80.972,20 12,41 50.043,50 7,67 32.548,80 4,99 29.788,40 4,57 29.189,00 4,48 RBTX 33.648,00 5,16 12.762,20 1,96 10.485,00 1,61 9.056,28 1,39 8.778,96 1,35 RT 0 0 3.133,53 0,48 4.407,72 0,68 13.425,60 2,06 5.442,03 0,83 CS 0 0 2.014,47 0,31 5.390,51 0,83 7.481,44 1,15 13.984,00 2,14 DNN 56.026,70 8,59 181.863,00 27,89 290.267,00 44,52 336.816,00 51,69 323.859,00 49,67 DK 17.404,70 2,67 115.221,00 17,67 85.265,40 13,08 38.126,70 5,85 66.898,30 10,26 KDC 2.050,02 0,31 3.294,54 0,51 4.985,34 0,76 8.621,89 1,32 11.552,70 1,77 MN 2.318,58 0,36 1.430,73 0,22 4.611,64 0,71 9.537,40 1,46 10.272,40 1,58 RTX: R ng xanh; RK: R ng Kh p; R ng xanh; RT: R ng tr t nông nghi c Hình 2. B 3.3. D báo LULC v i CA-Markov t o b MCE. M i nhân t nh c chu n hóa thành giá tr nh chung S d ng các d li u s a t n 255. K t qu t o l p b các c p d c, sông su c c minh h a xây d ng b các c p nhân t . K t qu b n hình 3. Hình 3. B c p nhân t d 107
T p chí KHLN 2019 et al., 2019(2) 3.3.2. Xây d ng ma tr n chuy n d - - B ng 4. Ma tr n chuy n d LULC DNN RK RTX DK RT KDC CS RBTX MN DNN 0,8531 0,0001 0,0417 0,0453 0,0186 0,0158 0,0183 0 0,007 RK 0,2061 0,4501 0 0,3107 0 0,0007 0,0004 0,0321 0 RTX 0,1059 0 0,8539 0,0112 0,0204 0 0,0005 0,0013 0,0067 DK 0,5142 0,0736 0,0994 0,2085 0,0166 0,0072 0,0172 0,0581 0,0051 RT 0,6086 0 0,1131 0,0032 0,2632 0 0,0024 0 0,0096 KDC 0,4789 0,0003 0 0,037 0 0,4738 0,0077 0 0,0022 CS 0,6075 0 0,231 0,0614 0,023 0 0,0746 0,001 0,0015 RBTX 0 0,0067 0,0369 0,1208 0 0 0 0,8356 0 MN 0,1884 0 0,0139 0,0174 0,0029 0,0063 0 0 0,7711 t nông nghi p; RK: R ng Kh p; RTX: R t khác; RT: R ng tr ng; KDC: Khu dân ng xanh; MN: M t l p ph không chuy ch t ph n m so sánh, k t qu S d ng công c Validate trong Hình 4. Các k t qu trong hình 4 ch ra mô hình CA- K t qu so sánh cho th y mô hình d Markov có giá tr Kappa> 0,70. Theo Landis và Koch (1977), giá tr Kappa trong kho ng t ng tác gi n 0,80 (t n 80%) th hi n m n cao gi a hai b phân lo i. So sánh b th c t và b n c u ti p t c d d báo, tham s quan tr ng nh t là Kno, t c s d S d ng nh phân lo c a mô ph ng ho c mô hình (Pontius, 2000). t o ma tr n d ch chuy ng 108
et al., 2019(2) T p chí KHLN 2019 công c Markov trong ph n m m IDRISI. K t qu th hi n qua b ng 5. B ng 5. Ma tr n chuy n d LULC DNN RK RTX DK RT KDC CS RBTX MN DNN 0,7688 0,0006 0,0397 0,1227 0,0054 0,025 0,0247 0,0005 0,0126 RK 0,2771 0,3018 0,0039 0,3441 0,0005 0,004 0,0042 0,0601 0,0042 RTX 0,2773 0,0003 0,6309 0,0519 0,0107 0,0032 0,0121 0,0023 0,0114 DK 0,5849 0,0548 0,0674 0,1849 0,0069 0,0149 0,0226 0,0534 0,0103 RT 0,6541 0,0001 0,0663 0,1237 0,1208 0,0064 0,0104 0,001 0,0173 KDC 0,4532 0 0,004 0,0798 0,0003 0,4315 0,024 0 0,0074 CS 0,6981 0,0001 0,1088 0,1071 0,0067 0,0102 0,0604 0,0019 0,0066 RBTX 0,0446 0,0232 0,0194 0,2183 0,0005 0,0001 0,0026 0,6911 0,0001 MN 0,2494 0,0006 0,0352 0,0408 0,0019 0,0169 0,0061 0 0,6492 t nông nghi p; RK: R ng Kh p; RTX: R t khác; RT: R ng tr ng; KDC: Khu dân ng xanh; MN: M t l p ph không chuy ch t T k t qu b ng 4, nh n th y xác su t các l p ph khác chuy t nông nghi i v i l p ph r ng, xác su t l p ph r ng xanh và r ng tr ng chuy n sang 3.3.3. D báo mô hình l p ph t nông nghi i r ng còn l i, trong kh nh phân lo 2017, ii) ma tr n chuy n d ch 2026 và iii) nh hân t MCE. K t qu d c minh h a qua b ng 6 và hình 5. B ng 6. K t qu d Di n tích d báo 2026 LULC Di n tích (ha) T l % R ng xanh 153.961,00 23,61 R ng kh p 28.301,80 4,34 R ng xanh 8.617,21 1,32 R ng tr ng 5.048,10 0,77 Cao su 12.327,10 1,89 t Nông nghi p 346.655,00 53,15 t khác 75.553,92 11,59 11.550,10 1,77 M c 10.150,30 1,56 T ng 652.164,53 100,00 109
T p chí KHLN 2019 et al., 2019(2) Hình 5. 2026 y r ng t nhiên có kh ti p t c gi 2026 t ng di n tích r ng ch i t ng lo i r ng c th n tích r ng xanh có th ch còn 23,61%, di n tích r ng kh p là 28.301,80 ha n tích r ng bán ng xanh là 8.617,21 1,32%, di n tích r ng tr ng là 5.048,10 ha nh n tích cao su có th ns gi m 0,9% so v n có nghiên c V L IC Nghiên c i D án nghiên c i tác nh y Tham gia Nghiên c u (PEER - Parnership for Enhanced Engagement in Research) t c tài tr b i USAID. Các tác gi chân thành c t c tham gia thu th p d li v qu n lý r c t . 110
et al., 2019(2) T p chí KHLN 2019 1. Ph Thìn, Nguy n Qu c tính giá tr các thông s khoanh vi ng ng phù h p trên ph n m m eCognition: th nghi m v i nh v p chí Khoa h c và Công ngh Lâm nghi p s 6-2016. 2. ng d ng d li u i gian trong l p b di n tích tr ng lúa T p chí Khoa h c và Phát tri n 2015, t p 13, s 6: 943-954. 3. Nguy n T c, Hu n Ng ng d ng GIS và vi n thám nghiên c u ng bi t lâm nghi ng h p nghiên c u t ng Xuân, huy n Qu ng Ninh, t nh Qu ng n 2005- y u h i th o ng d ng GIS toàn qu c 2016. Tr.632-641. 4. Nguy n Th ng d ng vi n thám và GIS trong qu n lý tài nguyên r ng, NXB Thông T n. 5. Nguy n Th ng thu t toán phân lo xây d ng b s d t/th m ph t k L k b ng nh v T p chí Nông nghi p và Phát tri n nông thôn, 13(340), tr 122-129. 6. Ngô Th n Th a ch n tham s n phù h phân lo i nh v p chí Khoa h ih cC p 54, S 4A (2018): 22-33. 7. Nguy n Th is d n t t nh k Nông 1989-2017. 8. Tr n bi n r ng t i huy k Hà, t cs . i h c Nông Lâm thành ph H Chí Minh. 9. n Hoàng Ti p, Cao Qu t, Võ Qu c Tu ng d ng công ngh vi xây d ng b hi n tr ng r ng ng p m a bàn huy n Th nh Phú, t nh B y u H i th o ng d ng GIS toàn qu c 2014. Tr.79-87. 10. Tr n Th m Thanh Qu (2014), "S d u vi n thám và GIS thành l p b l p ph r ng t l 1/10.000", T p chí Khoa h c và Công ngh Lâm nghi p, 4(2014), tr.161-168. 11. Tr nh Th Hoài Thu, Lê Th Thu Hà, Ph m Th id m nh và phân lo ng chi t xu t thông tin l p ph b m t t phân gi p chí Khoa h c k thu t M - a ch t. s Tr a m . tr.59-64. 12. nC ng d ng h th a lý và chu ng và d báo nhu c u s d p chí Khoa h i h cC : Công ngh thông tin: 119-124. 13. Akiwumi F.A and Butler D.R., 2008. "Mining and environmental change in Sierra Leone, West Africa: a remote sensing and hydrogeomorphological study". Environ Monit Assess, 142(1-3), pp. 309-18. 14. 15. Daniels, A.E., Painter, K., Southworth, J., 2008 .Milpa imprint on the tropical dry forest landscape in Yucatan, Mexico: Remote sensing & field measurement of edge vegetation. Elsevier, Amsterdam, The Netherlands, pp.293-304. 16. Using a CA-Markov 17. Nong Province based on remote sensing and Mark J. Viet. Env. 2018, 9(3):132-140. 111
T p chí KHLN 2019 et al., 2019(2) 18. -Based Performance Analysis of Object-Based Image Analysis Using Aerial and Quikbird- 19. 33(1):159-174. 20. Eng. Remote Sensing, vol. 66, no. 8, pp. 1011-1016, 2000. 21. Quintero, G. V., Moreno, R. S., García, M. P., Guerrero, F. V., Alvarez, C. P. and Alvarez, A. P., 2016. 22. is: An introduction. Springer-Verlag, Berlin, 23. Robert C. W and Norman D. R., 2010. Object-based classification vs. pixel-based classification: comparitive importance of multi-resolution imagery. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVIII-4/C7. 24. Tedros M. B., Charles R. L., Qiusheng W., Oleg A.,Victor V. C., Bradley C. A and Hongxing L., 2017. Comparing Pixel- and Object-Based Approaches in Effectively Classifying Wetland-Dominated Landscapes. Remote Sens. 2018, 10, 46; doi:10.3390/rs10010046. 25. Turner B. L , Lambin E. F, and Reenberg A., 2007. The emergence of land change science for global environmental change and sustainability. PNAS December 26, 2007 vol. 104 no. 52. 26. Yirsaw, the Prediction of Subsequent Changes in Ecosystem Service Values in a Coastal Area of China, the Su-Xi- 27. Zh -oriented approach for annalysing and characterizing urban landscape at -3135. Email tác gi chính: huongthanh.frem@gmail.com Ngày nh n bài: 17/06/2019 Ngày ph n bi a ch a: 20/06/2019 Ngày duy : 28/06/2019 112