Tuyển tập Hội nghị Khoa học thường niên năm 2024. ISBN: 978-604-82-8175-5
187
ỨNG DỤNG ẢNH UAV PHỔ THÔNG ĐỂ XÁC ĐỊNH
TÁN CÂY NGẬP MẶN BẢO VỆ BỜ BIỂN BẠC LIÊU
Lã Phú Hiến, Lê Hải Trung
Trường Đại học Thủy lợi, email: laphuhien@tlu.edu.vn
1. GIỚI THIỆU
Rừng ngập mặn (RNM) là một trong
những hệ sinh thái quan trọng và đặc trưng
của vùng ven biển nhiệt đới và cận nhiệt đới.
Đây là một trong những kiểu rừng có trữ
lượng các-bon cao nhất tại vùng nhiệt đới [1],
đồng thời đóng vai trò vô cùng quan trọng
bảo vệ vùng ven biển. Với chiều dài bờ biển
trên 3000km, Việt Nam có nhiều khu RNM
lớn chạy dọc theo đường bờ biển như Cần
Giờ, Rú Chà, Tam Giang, U Minh Hạ. Tuy
nhiên, do ảnh hưởng của nhiều nguyên nhân,
đặc biệt là khai thác trái phép và chuyển đổi
mục đích sử đụng đất không hợp lý dẫn tới
diện tích RNM đang ngày càng bị thu hẹp.
Chính vì vậy, việc điều tra, giám sát biến
động RNM thường xuyên, liên tục và kịp thời
là cần thiết và quan trọng. Tuy nhiên, phương
pháp điều tra truyền thống bằng cách thu thập
dữ liệu trực tiếp tại hiện trường trên các ô
tiêu chuẩn tốn nhiều công sức và hiệu quả
không cao. Những lý do chính thường là nền
đất RNM có dạng bãi lầy, mật độ cây cao, …
gây khó khăn cho di chuyển, lấy mẫu.
Bên cạnh đó, ảnh viễn thám cũng được
ứng dụng trong điều tra RNM do khả năng
thu thập dữ liệu nhanh, không cần tiếp xúc
trực tiếp với đối tượng cần nghiên cứu [2].
Đặc biệt, công nghệ bay chụp ảnh bằng thiết
bị bay không người lái (Unmaned Aerial
Vehicle - UAV) phát triển rất mạnh mẽ trong
những năm gần đây. Công nghệ này cho phép
chụp ảnh với độ phân giải rất cao, từ đó nâng
cao độ chính xác của kết quả điều tra rừng.
Kết quả giải đoán cung cấp các thông số quan
trọng như chiều cao cây, đường kính tán, từ
đó ước lượng sinh khối trên mặt đất với độ
chính xác tốt hơn các loại ảnh vệ tinh [3, 4].
Tuy nhiên, các loại UAV cỡ lớn, trang bị các
cảm biến hiện đại như máy ảnh đa phổ, cảm
biến LiDAR thường có giá thành rất cao và
phức tạp trong sử dụng. Do đó, bài báo này
thử nghiệm ứng dụng UAV loại phổ thông
(giá thành thấp) để xác định tán cây và đường
kính tán cho 01 ha RNM ở xã Vĩnh Hậu A,
huyện Hòa Bình, tỉnh Bạc Liêu.
2. PHƯƠNG PHÁP NGHIÊN CỨU
Huyện Hòa Bình hiện có 860,17 ha rừng tự
nhiên, 580,1 ha rừng trồng và 402,41 ha chưa
có rừng (Hình 2). Ở xã Vĩnh Hậu A, dải rừng
Đước rộng 800 tới 1000 m dọc tuyến đê biển,
bãi trước có hiện tượng lở - bồi đan xen trong
năm. Nhìn chung, cây ngập mặn phát triển tốt.
Các tháng phù sa bồi mạnh làm lấp rễ thở; các
tháng khác thì sóng mạnh có thể làm bật gốc
cây, làm giảm dần diện tích RNM. Việc theo
dõi biến đổi RNM ở khu vực này là cần thiết,
tuy nhiên, bài báo chỉ thử nghiệm phương
pháp xác định tán cây bằng ảnh UAV phổ
thông nên chỉ một khu vực nhỏ được lựa chọn.
Hình 1. Dải RNM ven biển huyện Hòa Bình
Hình 2 thể hiện quy trình xác định thông
số tán cây RNM dựa trên kết quả bay chụp
ảnh bằng UAV gồm 6 bước chính:
Tuyển tập Hội nghị Khoa học thường niên năm 2024. ISBN: 978-604-82-8175-5
188
1 - Bay chụp bằng UAV và xử lý ảnh để thu
ảnh trực giao và mô hình số bề mặt (DSM);
2 - Lọc điểm địa hình để tạo mô hình số
địa hình (DTM) từ đó xây dựng mô hình tán
cây nDSM = DSM - DTM;
3 - Phát hiện cạnh trên ảnh trực giao, phân
mảnh ảnh bằng công cụ của Erdas IMAGINE;
4 - Tiến hành lọc kết quả phân mảnh ảnh
để xác định các đối tượng là tán cây riêng lẻ;
5 - Ước lượng đường kính tán cây;
6 - Đánh giá độ chính xác bằng cách so sánh
thông số ước lượng với số liệu đo trực tiếp.
Phân mảnh ảnh
Xác định tán cây riêng lẻ
Ước lượng đường kính
Đánh giá độ chính xác
Ảnh chụp bằng UAV
Ảnh trực giao DSM, DTM
nDSM
Phát hiện cạnh
Hình 2. Quy trình xác định tán cây RNM
Một ca bay chụp ảnh bằng UAV Phantom
4 RTK đã được thực hiện cho 01 ha RNM ở
xã Vĩnh Hậu A ngày 26/04/2024. Độ cao bay
chụp là 50m, độ phủ dọc 80% và độ phủ
ngang 85%, tổng số 80 ảnh đã chụp. Toàn bộ
ảnh được chụp ở chế độ RTK-FIX (Real
Time Kinematic-Fixed) cho phép xử lý ảnh
với độ chính xác cao. Hình 3 minh họa sơ đồ
bay chụp, với tuyến bay chụp màu xanh lá
cây, điểm khống chế ảnh ngoại nghiệp
(KCANN) màu đỏ, điểm kiểm tra màu vàng.
10m
KCANN
KT1
KT2
Hình 3. Sơ đồ bay chụp ảnh bằng UAV
Đường kính tán cây được xác định tại hiện
trường để làm dữ liệu tham chiếu. Đường
kính lớn nhất và đường kính nhỏ nhất của
mỗi tán cây được đo đạc trực tiếp. Từ đó tính
ra đường kính tán trung bình và sử dụng làm
dữ liệu để đánh giá độ chính xác của kết quả
giải đoán.
3. KẾT QUẢ VÀ THẢO LUẬN
Sử dụng Agisoft Metashape để xử lý ảnh
chụp với UAV với 1 điểm KCANN và 2 điểm
kiểm tra. Kết quả thu được là ảnh trực giao độ
phân giải 1,5 cm và DSM độ phân giải 3 cm.
Để thu được DTM, đám mây điểm dày đặc
được lọc tự động bằng phép lọc hình thái, kết
hợp với lựa chọn điểm thủ công ở những khu
vực phép lọc tự động không hiệu quả.
Bước tiếp theo, phần mềm ERDAS Imagine
được sử dụng để phân mảnh ảnh. Kỹ thuật
phát hiện cạnh được thực hiện như một bước
tiền xử lý ảnh trước khi phân mảnh. Sau khi
phân mảnh, những mảnh nhỏ hơn 1000 điểm
ảnh (tương đương 0,225 m2) sẽ được gộp với
mảnh có kích thước lớn hơn liền kề.
Hình 4. Kết quả phân mảnh ảnh và tách tán
cây: (a) Mảnh ảnh sau khi lọc; (b) Tán cây
đã tách (màu xanh), chưa tách (màu đỏ)
Khảo sát thực địa cho thấy tán cây có
đường kính 1,5 tới 7 m, chiều cao cây khoảng
2 tới 10 m. Để loại trừ các mảnh ảnh không
phải tán cây, một phép lọc tự động được thực
Tuyển tập Hội nghị Khoa học thường niên năm 2024. ISBN: 978-604-82-8175-5
189
hiện theo nguyên tắc: mảnh có S < 5 m2 hoặc
S > 40 m2 sẽ được loại. Ngoài ra, những
mảnh có giá trị nDSM của điểm tâm < 1 m
cũng được loại bỏ. Trong ảnh, tán cây có thể
được coi gần đúng là một hình tròn với
đường kính 2S
D
 , với S là diện tích
của mảnh ảnh (tương đương 1 tán cây). Theo
đó, tán cây được biểu diễn gần đúng bằng
đường tròn có tâm là tâm của mảnh ảnh và
đường kính D. Các tán cây xác định được là
đường tròn màu xanh, tán cây bị bỏ sót hoặc
sai là đường tròn màu đỏ (Hình 4b).
Đường kính tán của 16 cây (Hình 4b) được
so sánh với số liệu thực đo cho sai số trung
phương (SSTP) = 0,338m và hệ số xác định
R2 = 0,987 (Hình 5). Do nền rừng là bùn
nhão, nên chỉ có thể đo trực tiếp các tán cây ở
khu vực cây thưa, tiếp cận dễ dàng. Vì vậy,
kết quả so sánh nêu trên chỉ đặc trưng cho
khu vực tán cây thưa, không thể đại diện cho
toàn bộ khu vực nghiên cứu 1 ha.
Hình 5. So sánh giữa đường kính
tán cây ngập mặn thực đo và tính toán
từ giải đoán ảnh chụp bằng UAV
Dựa vào Hình 5, có thể thấy rằng, ở khu
vực cây thưa, việc xác định tán cây khá chính
xác. Tuy nhiên, ở khu vực cây dày đặc thì tán
cây có thể bị bỏ sót và nhận sai. Nguyên nhân
là do các tán cây này xen kẽ và tạo thành một
vùng có màu sắc tương đối đồng nhất, vùng
phân mảnh này có diện tích lớn (> 40 m2) nên
sẽ bị loại bỏ trong quá trình lọc mảnh ảnh.
Ngoài ra, cây Đước có lá thưa, nDSM từ
kết quả chụp ảnh quang học sẽ bị làm trơn,
không có sự phân tách giữa các tán cây. Do
đó, ngay cả khi sử dụng nDSM, kết quả phân
mảnh ảnh cũng không tốt lên. Tóm lại, UAV
loại phổ thông, trang bị máy ảnh quang học
là tương đối phù hợp để xác định tán cây tự
động ở khu vực tán cây thưa. Kỹ thuật này có
thể ứng dụng trong theo dõi, quản lý các khu
vực bãi bồi mới trồng cây ngập mặn.
4. KẾT LUẬN
Bài báo đã thử nghiệm chiết tách tán cây
ngập mặn từ dữ liệu ảnh chụp bằng UAV loại
phổ thông. Ở khu vực cây thưa, tán cây được
tách tương đối chính xác, đường kính tán xác
định được với sai số trung phương 0,338 m.
Kỹ thuật này phù hợp để theo dõi cây ngập
mặn sau khi trồng ở các khu vực ven biển.
Chúng tôi đang tiếp tục nghiên cứu hoàn
thiện kỹ thuật để có thể chuyển giao cho địa
phương, phục vụ công tác quản lý môi
trường, bảo vệ rừng, và phòng chống thiên tai
vùng ven biển.
5. LỜI CẢM ƠN
Bài báo được thực hiện trong khuôn khổ
dự án Mekong Delta Living Lab - Y90385.
6. TÀI LIỆU THAM KHẢO
[1] Donato D.C. et al. 2011. Mangroves among
the most carbon-rich forests in the tropics.
Nature Geoscience.
[2] Li X. et al. 2007. Regression and analytical
models for estimating mangrove wetland
biomass in South China Using Radarsat
Images. Int. J. Remote Sens., 28, 5567-5582.
[3] Navarro A. et al. 2020. The application of
Unmanned Aerial Vehicles (UAVs) to
estimate above-ground biomass of
mangrove ecosystems. Remote Sens.
Environ. 242, 111747.
[4] Nguyễn H.T.K và cs. 2022. Ứng dụng ảnh
máy bay không người lái (UAV) xác định
sinh khối trên mặt đất của RNM khu vực
vịnh Vân Phong, tỉnh Khánh Hòa. Hội nghị
Biển Đông, 2022.