Kết Luận, Đánh Giá Chung Phương Pháp Sử Dụng Thuật Toán

VCNDSI = NDSI2017 - NDSI2014 (1.10)

NDVI2014, NDVI2017, NDSI2014, NDSI2017 lần lượt là chỉ số thực vật khác biệt chuẩn và chỉ số đất khác biệt chuẩn tính trên ảnh năm 2014 và 2017. ChangeIndex1 = (1.11)

ChangeIndex2 = VCNDVI +VCNDSI 1.12)

Kết quả nghiên cứu đã cho thấy, nếu sử dụng lô khoanh vi từ ảnh Landsat 8 để phát hiện vị trí mất rừng có thể đạt độ chính xác đến 99,2%. Nếu sử dụng đơn vị phát hiện mất rừng là lô kiểm kê rừng có sẵn thì độ chính xác là 91,6%. Nghiên cứu kết luận, kết quả nghiên cứu có thể áp dụng mở rộng để phát hiện vị trí mất rừng cho các khu vực khác trên toàn quốc.

Lê Tuấn Anh và Cs, (2018) [1], đã sử dụng ảnh SPOT-5 và SPOT-6, số liệu đo đạc thực nghiệm nhằm xác định ngưỡng để phát hiện sớm mất rừng tại huyện Đắk Song, tỉnh Đắk Nông. Nghiên cứu đã thiết lập chỉ tiêu khác biệt tương đối về màu sắc giữa 2 ảnh (SsNDVI) và chỉ tiêu khác biệt tương đối về cấp độ sáng giữa 2 ảnh (SsBright) để phát hiện mất rừng.

SsNDVI = (1.13)

SsBright = (1.14)

sNDVIt1, sBrightt1 là chỉ số tương đối và cấp độ sáng tương đối của lô rừng tại ảnh chụp trước; sNDVIt2, sBrightt2 là chỉ số tương đối và cấp độ sáng tương đối của lô rừng tại ảnh chụp sau.

sNDVIi = (1.15)

Có thể bạn quan tâm!

Xem toàn bộ 193 trang tài liệu này.

sBrighti = (1.16)

Trong đó: i là số thứ tự của lô nghiên cứu. sNDVIi, sBrighti lần lượt là chỉ số khác biệt màu sắc tương đối, cấp độ sáng tương đối của lô thứ I; NDVIi, Brighti lần lượt là chỉ số khác biệt màu sắc, cấp độ sáng trung bình của lô i; NDVIa, Brighta lần lượt là chỉ số khác biệt màu sắc, độ sáng trung bình của toàn ảnh.

Kết quả nghiên cứu đã chỉ ra rằng, những nơi còn rừng chỉ tiêu SsNDVI

>1, SsBright >1,5; nơi mất rừng SsNDVI <1, SsBright < 1,5. Độ chính xác của việc phát hiện mất rừng sử dụng ngưỡng trong nghiên cứu là 90%. Kết quả nghiên cứu cũng đã chỉ ra rằng, các lô rừng có diện tích lớn hơn 2 ha là không nhầm lẫn hoặc ít nhầm lẫn khi phát hiện mất rừng.

Nguyễn Hải Hòa và Cs (2018)[10], đã sử dụng ảnh vệ tinh Sentinel 2, các chỉ số viễn thám (NDVI, NBR, IRSI) để xác định ngưỡng phát hiện sớm mất rừng ở tại Khu dự trữ sinh quyển thế giới Langbiang, tỉnh Lâm Đồng. Các tác giả đã sử dụng các công thức:

dNDVIDeforestation = NDVItruoc - NDVIsau (1.17)

dNBRDeforestation = NBRtruoc - NBRsau (1.18)

dIRSIDeforestation = IRSItruoc - IRSIsau (1.19)

Kết nghiên cứu đã xác định được ngưỡng các chỉ số viễn thám để phát hiện sớm mất rừng với độ chính xác từ 66,7- 85,7%. Ngưỡng phát hiện sớm mất rừng của chỉ số NDVI dao động từ 0,400 đến 0,792; với chỉ số NBR là từ 0,200 đến 0,529; và IRSI là từ 0,604 đến 1,193.

Lê Ngọc Hoàn và Trần Quang Bảo, (2018) [13] đã nghiên cứu sử dụng thuật toán của Louis et al. (2003) trích xuất điểm dị thường nhiệt từ ảnh vệ tinh MODIS làm cơ sở khoa học trong việc sử dụng ảnh MODIS trong phát hiện và cảnh báo cháy rừng ở Việt Nam. Thuật toán sử dụng kênh nhiệt sáng có nguồn gốc từ kênh MODIS 4µm và 11µm, ký hiệu tương ứng là T4 và T11.

Một điểm ảnh ban ngày được xác định là điểm cháy tiềm năng khi nó thỏa mãn điều kiện:

T4 > 310 K, ∆T = T4 - T11 > 10 K (1.20)

Một điểm ảnh ban ngày được xác định là điểm cháy tiềm năng khi nó thỏa mãn điều kiện:

T4 > 305 K, ∆T = T4 - T11 > 10 K (1.21)

Nghiên cứu đã sử dụng ảnh vệ tinh MODIS giai đoạn 2010-2015 để trích xuất điểm dị thường nhiệt, đồng thời tổng hợp và phân tích khả năng phân bố các điểm dị thường nhiệt theo thời gian và không gian. Kết quả của nghiên cứu đã cho thấy, các điểm dị nhiệt phân bố theo thời gian, không gian đều tương đối phù hợp với kết quả phân vùng trọng điểm cháy rừng và mùa cháy rừng ở Việt Nam.

Mi, J. et al. (2019) [43], đã sử dụng ảnh vệ tinh Landsat đa thời gian và chỉ số thực vật NDVI để nghiên cứu sự mất rừng, tăng rừng giai đoạn 1987- 2017 tại khu vực khai thác mỏ thuộc huyện Nanjiao, thành phố Datong, tỉnh Shanxi, Trung Quốc. Nghiên cứu đã sử dụng công thức:

dNDVI= NDVIt2 - NDVIt1 (1.22)

NDVIt2 và NDVIt1 là giá trị NDVI trên ảnh tại thời điểm năm t2 và t1. Nghiên cứu đã chia ngưỡng dNDVI thành 5 cấp: tăng mạnh (dNDVI >

0,4); tăng ít (0,1 < dNDVI < 0,4); ổn định (-0,1 < dNDVI < 0,1); giảm nhẹ (- 0,1 < dNDVI < -0,4) và giảm mạnh (dNDVI < -0,4). Kết quả nghiên cứu đã xác định được, trong khoảng thời gian 30 năm, 1,34% diện tích rừng tự nhiên đã bị mất, chuyển sang đất đồng cỏ. Ngược lại, 4,38% các loại đất khác đã chuyển thành rừng trồng.

Nguyễn Hải Hòa và Cs, (2019) [11], đã sử dụng ảnh Landsat để xác định ngưỡng chỉ số phát hiện sớm khai thác khoáng sản tại Khu dự trữ sinh quyển thế giới Langbiang, tỉnh Lâm Đồng. Nghiên cứu đã sử dụng ảnh Landsat 5, Landsat 8 để đánh giá biến động giá trị Albedo với chỉ số NDVI giai đoạn từ năm 2008 đến năm 2017 để xác định ngưỡng biến động giá trị Albedo và NDVI cho phát hiện mất rừng.

dNDVIMineral Exploitation = NDVI2017 - NDVI2008 (1.23) dAlbedoMineral Exploitation = AlbedoLandsat 2017 - AlbedoLandsat 2008 (1.24)

Kết quả nghiên cứu cho thấy, giá trị Albedo có ngưỡng dao động từ 0,083 đến 0,160 và giá trị NDVI dao động từ 0,202 đến 0,516. Việc áp dụng

ngưỡng Albedo và NDVI có thể phát hiện mất rừng do hoạt động khai thác khoáng sản với độ tin cậy từ 56,0 đến 81,1%.

Duarte, E. et al. (2020), đã sử dụng ảnh Landsat 5 TM, Landsat 8, dữ liệu hiện trường, Google Earth Engine để xác định suy thoái rừng lá kim tại quốc gia Cộng hòa Dominica thông qua việc xác định sự thay đổi trữ lượng các-bon rừng trên ảnh vệ tinh. Công thức sử dụng để tính toán:

CD = Ct1 - Ct2 (1.25)

Trong đó: CD là trữ lượng các-bon rừng suy giảm giai đoạn 1990- 2018 (Mg/ha); Ct1 là trữ lượng các-bon rừng năm 1990; Ct2 là trữ lượng các- bon rừng năm 2018.

Kết quả nghiên cứu đã xác định xây dựng được bản đồ suy thoái trữ lượng các-bon rừng với độ chính xác 70,7%, đồng thời đã xác định được trữ lượng các-bon bị giảm 18% do giảm về diện tích và trữ lượng rừng cây lá kim trong giai đoạn 1990-2018.

Santos, S. M. B et al (2020) [47], đã sử dụng ảnh vệ tinh Landsat 8 và chỉ số NBR để xác định cấp độ cháy và mức độ tái sinh rừng sau cháy tại Vườn quốc gia Chapada Diamantina, Brazil. Các tác giả đã sử dụng các công thức xác định ngưỡng cho các cấp độ cháy và mức độ tái sinh rừng sau:

dNBRs = NBRpre - NBRpost (1.26)

dNBRr = NBRpost - NBRregrowth (1.27)

RdNBRs = (1.28)

RdNBRs là mức độ cháy và RdNBRr là mức độ tái sinh trưởng.

Kết quả nghiên cứu đã xác định được các ngưỡng RdNBRs và RdNBRr như sau: tái sinh trưởng cao (-500 đến -251); tái sinh trưởng thấp (-250 đến - 99); không cháy (-100 đến 99); cháy thấp (+100 đến +269); cháy thấp-trung

bình (+270 đến +439); cháy trung bình-cao (+440 đến +659); cháy cao (+660

đến +1300).

Nguyễn Quốc Hiệu, (2020) [8], đã sử dụng tư liệu ảnh viễn thám đa thời gian Landsat 8 và Sentinel 2 với 2 chỉ số viễn thám được sử dụng để phát hiện sớm mất rừng, suy thoái rừng và khu vực thêm rừng mới vừng Tây nguyên, tác giả sử dụng công thức để xác định ngưỡng mất, suy thoái rừng với độ chính xác cao và được đề xuất ứng dụng trong phát hiện sớm mất rừng vùng Tây Nguyên.

KB = 100x(T1- T2)/T1 (2.30)

Trong đó: T1 là giá trị của chỉ số viễn thám tại thời điểm trước tác động. T2 là giá trị của chỉ số viễn thám tại thời điểm sau tác động.

Bộ Nông nghiệp và Phát triển Nông thôn (2020) [2]. Báo cáo kết quả thực hiện dự án "Thiết lập thí điểm hệ thống tuần tra, giám sát lửa rừng, sự thay đổi rừng và đất lâm nghiệp cấp huyện" của Bộ NN&PTNT đã đưa ra ngưỡng mất rừng đối với khu vực tỉnh Điện Biên với chỉ số NDVI là dNDVI > 45,0% hoặc dNDVI > 0,308; chỉ số NBR là dNBR > 41,0% hoặc dNBR > 0,248.

1.3.2.2. Ở Cộng hòa Dân chủ Nhân dân Lào

Sử dụng thuật toán phát hiện thay đổi đã được áp dụng khá phổ biến trên thế giới, tuy nhiên ở Lào cho đến nay tác giá chưa tìm hiểu được tài liệu nào công bố về sử dụng thuật toán, nhất là thuật toán tương đối tính cho các chỉ sổ viễn thám để phát hiện mất rừng, suy thái và thêm rừng.

1.3.2.3. Kết luận, đánh giá chung phương pháp sử dụng thuật toán

Theo hướng này, các nhà nghiên cứu nắm bắt sự thay đổi của rừng được phát hiện trực tiếp trên ảnh vệ tinh thông qua việc sử dụng thuật toán qua các chỉ số viễn thám phát hiện biến động phản ánh sự thay đổi về giá trị chỉ số viễn thám/giá trị phổ của đối tượng nghiên cứu trên ảnh vệ tinh.

Thuật toán phát hiện thay đổi đã được áp dụng trong những trường hợp như: phát hiện mất rừng, suy thoái rừng, tăng rừng; phát hiện những thiệt hại tài nguyên rừng do cháy rừng, bão gây ra; phát hiện thay đổi sử dụng đất; phân loại mức độ tái sinh rừng sau cháy với độ chính xác từ 56,0 đến 99,2%.

Các thuật toán phát hiện thay đổi đã được sử dụng để phát hiện thay đổi tài nguyên rừng có thể chia thành 3 nhóm: (i) thuật toán khác biệt ảnh đơn biến hay còn gọi là chỉ số tuyệt đối; (ii) thuật toán tương đối hay còn gọi là chỉ số tương đối và (iii) thuật toán khác biệt ảnh đa biến hay còn gọi là phân tích vector đa biến. Đây là kỹ thuật phát hiện thay đổi theo thời gian dựa trên phát hiện sự thay đổi về phổ trên ảnh vệ tinh. Trong công thức tính chỉ số tuyệt đối và chỉ số tương đối chỉ sử dụng duy nhất 1 kênh ảnh hoặc 1 chỉ số viễn thám (NDVI, NBR, ARVI, v.v.) trong khi đó công thức tính của phương pháp phân tích vector đa biến không giới hạn số kênh ảnh hoặc số lượng các chỉ số viễn thám. Việc sử dụng các chỉ số viễn thám khác nhau cũng ảnh hưởng đến hiệu quả và độ chính xác của kết quả phát hiện thay đổi.

Các tư liệu ảnh vệ tinh được sử dụng để đánh giá biến động gồm: (1). Landsat; (2). SPOT; (3). Sentinel 2. Tuy nhiên, ảnh Landsat được các nhà nghiên cứu sử dụng với tần suất cao hơn cả, chiểm trên 60%, số còn lại là các loại ảnh viễn thám khác như: Sentinel 2, v.v.

Các chỉ số viễn thám được các nhà nghiên cứu sử dụng gồm: NDVI; NBI; EVI; IRSI, v.v. Tuy nhiên, chỉ số được các nhà nghiên cứu sử dụng thông dụng cho các nghiên cứu của mình là chỉ số NDVI, chiếm trên 60%.

1.4. Thảo luận và xác định hướng nghiên cứu đề tài luận án

1.4.1. Về giám sát sự thay đổi rừng (mất, suy thoái rừng, có thêm rừng mới)

Tổng quan vấn đề nghiên cứu đã giúp cho việc nhận thức đúng đắn và toàn diện về vườn quốc gia, rừng, mất rừng, suy thoái rừng, thêm rừng và các nguyên nhân gây MR, STR và TR. Theo đó, việc phát hiện và nhận biết các nguyên nhân không chỉ bằng cơ quan, tổ chức có thẩm quyền mà có sự góp sức rất lớn từ ứng dụng tư liệu viễn thám và công nghệ địa không gian. Tuy nhiên, ứng dụng công nghệ địa không gian không những phục thuộc vào từng quốc gia, vùng lãnh thổ, từng vùng, từng địa phương riêng biệt mà chúng còn phục thuộc vào yếu tố điều kiện tự nhiên, kinh tế xã hội khác nhau. Quốc gia

có nền khoa học công nghệ phát triển, việc ứng dụng cộng nghệ địa không gian có khả năng phát triển dễ dàng hơn. Ở tại Lào, ứng dụng cộng nghệ địa không gian còn rất khiêm tốn, nhất là trong quản lý tài nguyên rừng. Để duy trì, khai thác, quản lý bền vững nguồn tài nguyên rừng, chúng ta phải dựa trên các đặc trưng nguồn tài nguyên, trình độ khoa học công nghệ và điều kiện riêng của từng quốc gia, vùng lãnh thổ, từng địa phương đó.

1.4.2. Về thành tựu nghiên cứu ứng dụng tư liệu ảnh viễn thám và công nghệ địa không gia trong quản lý tài nguyên rừng

Tổng quan vấn đề nghiên cứu đã giúp cho việc nhận biết đúng đắn các phương pháp được các nhà nghiên cứu ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng, các kết quả đối với từng phương pháp đó và một số đề xuất giải pháp nhằm ngăn chặn, hạn chế biến động, các nguyên nhân tạo động lực thúc đẩy MT, STR và khu vực thêm rừng mới nhằm quản lý bền vững nguồn tài nguyên rừng. Những giải pháp được đề xuất của các nhà nghiên cứu nổi bật có thể tóm tắt như sau:

- Giải pháp ứng dụng tư liệu viễn thám và công nghệ địa không gian trong quản lý tài nguyên rừng bằng kỹ thuật so sánh sau phân loại.

- Giải pháp ứng dụng tư liệu viễn thám và công nghệ địa không gian trong quản lý tài nguyên rừng bằng thuật toán cho một số chỉ số viễn thám (NDVI; NBR; SAVI; ARVI; IRSI) theo các công thức tính toán khác nhau.

- Giải pháp kết hợp giữa điều tra thực tế và ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng.

1.4.3. Về những tồn tại nghiên cứu trước đây

Mặc dù đã đạt được nhiều thành tựu, nhưng các nghiên cứu về ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng vẫn còn những tồn tại và chưa thể bao quát cho mọi khu rừng ở cấp độ quốc gia, vùng lãnh thổ, các vườn quốc gia và các địa phương khác nhau, trong đó có Vườn Quốc gia Nam Ka Đinh, tỉnh Bolikhamsay.

Ứng dụng công nghệ chưa thể bao quát và khai thác tối đa các lợi thế của hệ thống công nghệ địa không gian mang lại, hệ thống các tư liệu ảnh viễn thám, các nghiên cứu mới chỉ tập trung sử dụng một số công nghệ viễn thám, phần mềm GIS và một số tư liệu ảnh viễn thám, chỉ số viễn thám thông dụng như: Ảnh Landsats; ảnh SPOT; ảnh MODIS; ảnh Sentinel 2 và một số chỉ số viễn thám như: NDVI, NBR mà chưa dùng một số chỉ số viễn thám khác như chỉ số thực vật kháng khí quyển (ARVI).

Đối với những nghiên cứu ở Lào, có thể tóm tắt một số tồn tại chính về ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng nói chung và ở VQGNKĐ nói riêng như sau:

- Còn ít/chưa ứng dụng công nghệ địa không gian trong xác định đặc trưng và biến động (MR, STR và TR) nguồn tài nguyên rừng theo thời gian.

- Chưa xác định được tác nhân chính gây ra biến động tài nguyên rừng;

- Chưa phân loại và phân tích được nguyên nhân gây tác nhân chính gây ra MT, STR và TR;

Còn ít công trình nghiên cứu và chưa đề xuất được những giải pháp ứng dụng tư liệu ảnh viễn thám và công nghệ địa không gian trong quản lý tài nguyên rừng phù hợp.

1.4.4. Xác định vấn đề nghiên cứu cho đề tài luận án

Đối tượng rừng nghiên cứu của đề tài luận án là tài nguyên thuộc Vườn Quốc gia Nam Ka Đinh đã và đang bị tác động làm mất rừng, suy thái rừng và thêm rừng, nên luận án chọn hướng nghiên cứu ứng dụng tư liệu ảnh viễn thám đa thời gian bằng thuật tương đối (KB) toán tính theo chỉ ARVI, kết hợp điều tra, đánh giá hiện trạng tài nguyên tại hiện trường, phân tích các nguyên nhân làm cơ sở đề ra các giải pháp ứng dụng công nghệ địa không gian vào quản lý bền vững tài nguyên rừng khu vực nghiên cứu.

Từ đất lâm nghiệp, tài nguyên rừng đã và đang bị biến động mạnh, diện tích MR và STR rừng chiếm tỷ lệ lớn cần chuyển thành rừng theo hướng ổn