92
đối chứng với 20 mẫu thêm rừng đã được lựa chọn để đánh giá độ chính xác phát hiện thêm rừng. Kết quả được trình bày trong Bảng 3.6 dưới đây:
Bảng 3.8. Kết quả đánh giá độ chính xác phát hiện thêm rừng trên ảnh vệ tinh Sentinel 2
Đặc điểm | Mẫu mất rừng (kiểm chứng) | |
1 | Số lượng mẫu | 20 |
2 | Độ lệch chuẩn | 275,66 |
3 | Trung bình | 521,04 |
4 | Giá trị thấp nhất | 181,16 |
5 | Giá trị cao nhất | 1024,078 |
6 | Số lượng mẫu trong ngưỡng | 19 |
7 | Số lượng mẫu vượt ngưỡng | 1 |
8 | Số lượng mẫu dưới ngưỡng | 0 |
9 | Tỷ lệ chính xác | 95% |
Có thể bạn quan tâm!
-
Hiện Trạng Nhân Sự Cho Phát Triển Ứng Dụng Công Nghệ Địa Không Gian -
Ứng Dụng Ngưỡng Chỉ Số Viễn Thám Trong Phát Hiện Sớm Mất Rừng, Suy Thoái Rừng Tại Khu Vực Vqgnkđ -
Về Ngưỡng Chỉ Số Tương Đối Phát Hiện Mất Rừng, Suy Thoái Rừng -
Tính Toán Giá Trị Tương Đối Kb Với Công Cụ Raster Calculator Trong Phần Mềm Arcgis -
Danh Mục Phần Mềm Ứng Dụng Hỗ Trợ Công Tác Quản Lý Tại Vqgnkđ -
Akay, A. E., Gencal, B., Taş, I. (2017). Spatiotemporal Change Detection Using Landsat Imagery: The Case Study Of Karacebey Flooded Forest, Bursa, Turkey. Isprs Annals Of The Photogrammetry.
Xem toàn bộ 193 trang tài liệu này.
(Kết quả chi tiết đánh giá độ chính xác phát hiện thêm rừng trên ảnh Sentinel 2 tại phụ lục)
Kết quả trong Bảng 3.7 cho thấy: phương pháp sử dụng chỉ số tương đối KB với việc sử dụng ảnh Sentinel 2 để phát hiện thêm rừng có độ chính xác rất cao, đạt độ chính xác 95%. Kết quả xác định ngưỡng chỉ số KB (ARVI) thêm rừng cho thấy các ngưỡng xác định thêm rừng có tỷ lệ chính xác cao, có triển vọng được áp dụng vào thực tiễn.
3.3.4. Xây dựng bản đồ phân bố diện tích thêm rừng mới
Sau khi áp dụng các ngưỡng xác định thêm rừng, nghiên cứu xây dựng bản đồ phân bố các vùng thêm rừng phát hiện được vào cuối thời gian nghiên cứu: năm 2019.
Bản đồ phân bố khu vực thêm rừng rừng được thể hiện trên hình 3.11.
Hình 3.11. Bản đồ phân bố khu vực thêm rừng VQGNKĐ năm 2019
Từ bản đồ hiện trạng mất rừng và suy thoái rừng được thành lập trên, sử dụng công cụ trong phần mềm GIS tiến hành tín toán và thống kê diện tích thêm rừng ở bản đồ được thành lập từ phương pháp sử dụng ngưỡng chỉ số viễn thám, tiến hành tín toán và thống kê diện tích từng trại thái rừng ở VQGNKĐ.
Kết quả cho thấy, ngoài các vùng mẫu, diện tích thêm rừng không nhiều (18 vùng-22,57 ha), phân bố rải rác hai bên đường giao thông chính đi vào phía bắc VQGNKĐ, nơi có hệ thống đường giao thông và có thể tiếp cận dễ dàng. Như vậy, tổng cộng có 344,71 ha rừng được thêm mới trong khuôn khổ thời gian của nghiên cứu trong VQGNKĐ.
3.3.5. Thảo luận về sự thay đổi chỉ số viễn thám theo thời gian và ngưỡng chỉ số tương đối phát hiện thêm rừng mới
Như đã được đề cập đến trong Phương pháp luận nghiên cứu, không phải mọi thay đổi về chỉ số viễn thám trên ảnh vệ tinh là liên quan đến mất
rừng, suy thoái rừng ngoài thực địa. Do đó, tác giả nghiên cứu biến động chỉ số viễn thám cho các kiểu rừng thêm rừng theo thời gian đồng thời xác định ngưỡng chỉ số tương đối để phát hiện rừng thêm mới làm cơ sở cho việc xác định ngưỡng phát hiện thêm rừng.
Nghiên cứu đã xác định biến động chỉ số ARVI của 5 kiểu rừng thêm mới. Tác giả thấy rằng, kiểu rừng lá rộng rụng lá có sự biến động chỉ số viễn thám cao KB (ARVI) từ 173,93 đến 965,43. Với kết quả này, luận án đã giới hạn lại phạm vi xác định ngưỡng chỉ số tương đối để phát hiện thêm rừng mới ở khu vực Vườn Quốc gia Nam Ka Đinh.
Kết quả của luận án phù hợp với một số nghiên cứu trước đã được công bố bởi: Hashemi, S. A., Fallahchai, M. M. (2011) [40], Yang, Y. et al. (2019) [49]; Devaney, J. et al. (2015) [30], trong việc xác định các thay đổi của rừng không đổi trên dựa vào việc xác định sự thay đổi của các chỉ số viễn thám trên ảnh vệ tinh. Ngoài ra, theo Yang, Y. et al. (2019) [49], sự phát triển của thực vật rừng chịu ảnh hưởng bởi nhiều yếu tố trong đó quan trọng nhất là lượng mưa, nhiệt độ, địa hình...nên cần xác định ngưỡng chỉ số tương đối cho các kiểu rừng không đổi cho các khu vực có các điều kiện tự nhiên khác nhau để có cơ sở cho việc xác định ngưỡng thêm rừng phù hợp nhất.
3.4. Đề xuất một số giải pháp đẩy mạnh ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng tại khu vực VQGNKĐ
3.4.1. Đề xuất quy trình ứng dụng công nghệ địa không gian trong phát hiện sớm mất rừng, suy thoái rừng, và khu vực thêm rừng mới
Qua thời gian nghiên cứu nhằm xác định và lựa chọn chỉ số ARVI trên anh Sentinel 2, đề tài luận án thấy rằng: quản lý, bảo vệ và theo dõi nguồn tài nguyên rừng ở Lào nói chung và ở khu vực VQGNKĐ nói riêng, mất rừng, suy thoái rừng, thêm rừng mới không phải nơi nào, lúc nào cũng được phát hiện kịp thời và được đánh giá đúng hiện trạng, thực chất và hậu quả, v.v, mà nó gây ra.
Do đó, mất rừng, suy thoái rừng, thêm rừng vẫn ngang nhiên diễn ra hàng ngày, tồn tại ở nhiều nơi, hậu quả mà nó gây ra ngày càng trầm trọng thêm.
Cơ sở khoa học được đề tài luân án cung cấp từ kết quả nghiên cứu thực tiễn là những dẫn liệu khoa học quan trọng đề xuất, xây dựng quy trình ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng của Lào và ở khu vực VQGNKĐ.
Dẫn liệu khoa học từ kết quả của luận án cho thấy, cần sử dụng ngưỡng chỉ số tương đối trong khoảng: (i). Từ -29,83087 đến -5,44138 đối với phát hiện suy thoái rừng; (ii).Từ -88,76 đến -65,77 đối với phát hiện mất rừng và (iii). Từ 173,93 đến 965,43 đối với phát hiện thêm rừng với chỉ số thực vật kháng khí quyển KB (ARVI) trên loại ảnh Sentinel 2 để phát hiện mất rừng, suy thoái rừng và khu vực thêm rừng mới ở khu vực VQGNKĐ.
Với cơ sở, dẫn liệu khoa học và thực tiễn trên, đề tài luận án đề xuất quy trình hướng ứng dụng công nghệ địa không gian trong trong quản lý tài nguyên rừng nhằm quản lý bền vững nguồn tài nguyên rừng ở khu vực VQGNKĐ. Định hướng quy trình ứng dụng công nghệ địa không gian được thực hiện trình tự theo các bước trong hình 3.12 dưới đây.
Hình 3.12. Sơ đồ trình tự các bước ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng ở khu vực VQGNKĐ
Trình tự các bước trong quy trình:
- Các bước được thực hiện trên Google Earth Engine, cụ thể như sau:
Bước 1. Đăng ký tài khoản Google Earth Engine (GEE). Để sử dụng và truy cập được vào GEE, theo yêu câu trang website, người dùng cần phải đăng ký một tài khoản đăng nhập cá nhân để sử dụng chương trình GEE của Google. Người dùng đăng ký tài khoản GEE bằng cách truy cập vào đường dẫn: https://code.earthengine.google.com/ [51] và đăng ký bằng tài khoản Email cá nhân mà mình sử dụng. Ví dụ email của tác giả: b.chanthavong@nuol.edu.la. Khi đang nhập xong, màn hình giao diện được thể hiện như hình sau.
Hình 3.13. Giao diện Google Earth Engine đã đăng nhập
GEE làm việc thông qua giao diện trực tuyến (người dùng cần có Internet) được gọi là Code Editor. Trên giao diện này, người dùng sẽ làm việc với các tập lệnh, đoạn mã (code) để thực hiện toàn bộ các chức năng có trong GEE. Đoạn mã được thể hiện trong phụ biểu 8.
Bước 2. Lựa chọn và tải ảnh vệ tinh Sentinel 2 trên GEE. Người sử dụng căn cứ vào phạm vi sử dụng để xây dựng một lớp bản đồ ranh giới ở dạng vùng (polygon) có định dạng shapefile (.shp). Lớp ranh bản đồ này được lưu trong một thư mục và được nén lại với định dạng (.Zip). File Zip này được đưa vào GEE bằng lệnh. Người dùng viết mã để GEE hiểu và trả về tất cả các ảnh vệ tinh trong phạm vi ranh giới đã lựa chọn với khoảng thời gian do người dùng thiết lập. Ngoài danh sách các ảnh, GEE cung cấp 1 file “Image Properties” chứa thông tin về mỗi ảnh (tên cảnh ảnh, thời gian chụp ảnh, tỉ lệ mây, v.v.). Quá trình thao tác, thực hiện các lệnh trong bước này sẽ nhận được kết quả trong hình dưới đây.
Hình 3.14. Ảnh Sentinel 2 trước và sau kỳ được lựa chọn và ranh giới nghiên cứu
Người dùng căn cứ vào thời gian của ảnh, tỉ lệ mây để lựa chọn ảnh phù hợp với mục tiêu nghiên cứu. Sau đó, nhấn vào nút “Run” như hình bên trên tương ứng với ảnh được lựa chọn để tải ảnh về máy. Ảnh sẽ được lưu trong Drive của Email người sử dụng đã đang ký.
Bước 3. Tạo ảnh chỉ số viễn thám và xử lý ảnh vệ tinh trong GEE. Người sử dụng GEE sẽ viết các đoạn chương trình (Script) với việc sử
dụng các hàm tạo chỉ số thực vật trong GEE. Người dùng cần biết đối với mỗi chỉ số thực vật hay chỉ số viễn thám sẽ sử dụng Band ảnh nào tương ứng với mỗi loại ảnh vệ tinh khác nhau. Khi sử dụng chỉ số ARVI tại khu vực nghiên cứu được thu thập trực tiếp trên GEE tính toán dựa vào công thức:
ARVI = [NIR - (2 × RED) + BLUE] / [NIR + (2 × RED) + BLUE] (3.1)
Đối với ảnh Sentinel-2, NIR (kênh cận hồng ngoại) là Band 8A; RED (kênh đỏ) là Band 4; BLUE (kênh xanh lam) là Band 2. Giá trị của chỉ số ARVI nằm trong khoảng -1 ÷ 1. Nếu giá trị ARVI càng cao thì khu vực đó có độ che phủ thực vật tốt. Nếu giá trị ARVI thấp thì khu vực đó có độ thực phủ thấp.
Tạo ảnh chỉ số viễn thám: cảnh ảnh chỉ số ARVI và xử lý ảnh vệ tinh trong GEE. Người sử dụng GEE sẽ viết các đoạn chương trình (Script) với việc sử dụng các hàm tạo chỉ số thực vật trong GEE. Người dùng cần biết đối với mỗi chỉ số thực vật hay chỉ số viễn thám sẽ sử dụng Band ảnh nào tương ứng với mỗi loại ảnh vệ tinh khác nhau. Kết quả tạo ảnh chỉ số thực vật kháng khí quyển trên ảnh Sentinel 2 bằng cách tạo đoạn chương trình được thể hiện trong hình sau.
Hình 3.15. Ảnh chỉ số ARVI trước và sau kỳ được lựa chọn
- Các bước được thực hiện trên ArcGIS, cụ thể như sau:
Bước 4. Cắt ảnh theo phạm vi nghiên cứu trong phần mềm ArcGIS
10.3. Phạm vi nghiên cứu ở đây chính là toàn bộ diện tích đất có rừng ở khu vực VQGNKĐ. Việc chỉ lựa chọn các lô có rừng để phát hiện mất rừng, suy thoái rừng và khu vực thêm rừng mới là phù hợp với mục đích, đồng thời nhằm làm giảm bớt các sai số cho kết quả. Lớp bản đồ phạm vi nghiên cứu được chuyển về sang hệ tọa độ WGS 84 và nó cũng được chuyển từ dạng vector sang dạng Raster trong phần mềm ArcGIS với lệnh “Polygon to Raster” để sử dụng cho việc cắt ảnh theo phạm vi nghiên cứu.
Sử dụng công cụ “Raster Calculator” trong phần mềm ArcGIS để cắt ảnh vệ tinh theo phạm vi nghiên cứu như trong hình dưới đây:
Hình 3.16. Cắt ảnh vệ tinh theo phạm vi nghiên cứu với công cụ Raster Calculator trong phần mềm ArcGIS
Bước 5. Tính toán chỉ số tương đối KB trong phần mềm ArcGIS 10.3. Ở bước này, người dùng các ảnh chỉ số viễn thám (sau khi đã được cắt) ở thời điểm T1 và T2 trong kỳ đánh giá biến động để tính giá trị tương đối KB theo công thức như sau:
KB = 100x(T2- T1)/T1 (3.2)