Mục tiêu của bài báo này này nhằm nghiên cứu cơ sở khoa học trong lựa chọn chỉ số cảnh quan phù hợp cho tiêu chí phân mảnh rừng phục vụ công tác giám sát biến đổi cấu trúc rừng ngập mặn. Nghiên cứu được thực nghiệm tại rừng ngập mặn Mũi Cà Mau. Mời các bạn tham khảo!
Nghiên cứu NGHIÊN CỨU CƠ SỞ KHOA HỌC TRONG LỰA CHỌN CHỈ SỐ CẢNH QUAN PHÙ HỢP PHỤC VỤ CÔNG TÁC GIÁM SÁT BIẾN ĐỔI CẤU TRÚC RỪNG NGẬP MẶN THỰC NGHIỆM TẠI RỪNG NGẬP MẶN MŨI CÀ MAU PHẠM MINH HẢI, ĐỖ THỊ HOÀI Viện Khoa học Đo đạc Bản đồ Tóm tắt: Chỉ số (spatial metrics) định nghĩa số cảnh quan để mô tả hình thái cấu trúc cảnh quan (O Neill ctv, 1988) Các nghiên cứu đánh giá thay đổi cấu trúc rừng dựa ảnh vệ tinh sử dụng số cảnh quan trở thành xu hướng phổ biến nghiên cứu mức độ ảnh hưởng phân mảnh rừng tới hệ sinh thái Tuy nhiên nay, tìm hiểu hiểu toàn diện lý thuyết sử dụng số cảnh quan phục vụ cho mục đích điều kiện khác chưa phổ biến Có nhiều số cảnh quan phát triển phục vụ phân tích cảnh quan như: phân tích biến động lớp phủ bề mặt, biến động thị rừng Do vậy, công tác nghiên cứu nhằm lựa chọn số cảnh quan phù hợp cho nghiên cứu biến động cấu trúc rừng, đặc biệt rừng ngập mặn, kết hợp với công nghệ viễn thám vấn đề đặt cần quan tâm giải Mục tiêu báo này nhằm nghiên cứu sở khoa học lựa chọn số cảnh quan phù hợp cho tiêu chí phân mảnh rừng phục vụ công tác giám sát biến đổi cấu trúc rừng ngập mặn Nghiên cứu thực nghiệm rừng ngập mặn Mũi Cà Mau Giới thiệu chung Chỉ số (spatial metrics) định nghĩa số cảnh quan để mơ tả hình thái cấu trúc cảnh quan (O Neill ctv, 1988) Các nghiên cứu đánh giá thay đổi cấu trúc rừng dựa ảnh vệ tinh sử dụng số cảnh quan trở thành xu hướng phổ biến nghiên cứu mức độ ảnh hưởng phân mảnh rừng tới hệ sinh thái Mỗi số cảnh quan sử dụng thích hợp cho mơi trường khác sử dụng giải đoán chúng bị nhiều hạn chế hạn đinh bối cảnh khác Tuy nhiên nay, tìm hiểu hiểu tồn diện lý thuyết sử dụng số cảnh quan phục vụ cho mục đích điều kiện khác chưa phổ biến Bên cạnh đó, với kiểu cảnh quan đa dạng số áp dung khung cảnh giới thực làm cho nghiên cứu nâng cao nhận thức cách sửu dụng số cảnh quan điều kiện giới thực khó Có nhiều số cảnh quan phát triển phục vụ phân tích cảnh quan như: phân tích biến động lớp phủ bề mặt, biến động đô thị rừng Do vậy, công tác nghiên cứu nhằm lựa chọn số cảnh quan phù hợp cho nghiên cứu biến động cấu trúc rừng, đặc biệt rừng ngập mặn, kết hợp với công nghệ viễn thám vấn đề đặt cần quan tâm giải Mục tiêu báo này nhằm nghiên cứu sở khoa học lựa chọn số cảnh quan phù hợp cho tiêu chí phân mảnh rừng phục vụ công tác giám sát biến đổi cấu trúc rừng ngập mặn Nghiên cứu thực nghiệm rừng ngập mặn Mũi Cà Mau Mục đích số cảnh quan Ngày nhận bài: 09/11/2019, ngày chuyển phản biện: 19/11/2019, ngày chấp nhận phản biện: 25/11/2019, ngày chấp nhn ng: 01/12/2019 tạp chí khoa học đo đạc đồ số 42-12/2019 20 Nghiờn cu la chn Nhúm nghiên cứu tiến hành nghiên cứu sở khoa học lựa chọn số cảnh quan phù hợp cho cho tiêu chí phân mảnh rừng phục vụ cơng tác giám sát biến đổi cấu trúc rừng ngập mặn, với khu vực thực nghiệm Mũi Cà Mau Để phục vụ cho mục đích phân tích cấu trúc phân mảnh rừng ngập mặn, nhóm số Đồng (Aggregation) sử dụng để nhằm lựa chọn số phù hợp (MaGarigal, 2002) Giữa số cảnh quan có giống khái niệm chúng không giống chức cách thức sử dụng Trong nghiên cứu này, sử dụng 11 số cảnh quan AI-Chỉ số đồng (Aggregation index); Cohension-Chỉ số kết liền (Patch Cohesion Index); Division-Chỉ số phân chia (Landscape Division Index); Lsi-Chỉ số hình dạng(Landscape Shape Index); Mesh-Chỉ số kích thước mắt lưới (Effective Mesh Size); NpChỉ số số mảng (Number of patch index); Pd-Chỉ số mật độ mảng (Patch density Index); Pladj-Chỉ số điểm ảnh liền kề (Proportion of Like Adjacency Index) (https://www.umass.edu/landeco/research/fragstats/documents/fragstats.help 4.2.pdf) Hệ số tương quan thống kê 3.1 Khái lược phương pháp tính tính hệ số tương quan Có nhiều phương pháp tính hệ số tương quan thống kê sử dụng rộng rãi Pearson, Kendall, hay Spearman, nhiên phương pháp phổ biến Pearson correlation (r) Phương pháp đo lường độ mạnh hướng mối quan hệ tuyến tính hai biến, khơng thể áp dụng cho hai biến khơng có mối quan hệ tuyến tính khơng thể phân biệt biến độc lập biến phụ thuộc Giá trị tuyến tính nằm khoảng từ -1 đến 1, giá trị nói lên mối quan dương dương hồn hảo hai biến, có nghĩa biến thứ tăng biến thứ hai tăng theo Còn giá trị -1 21 phản ánh mức độ tương quan âm coi hoàn hảo nhiên biến thay đổi ngược nhau, nghĩa biến đầu tăng biến thứ hai giảm ngược lại Cịn giá trị hiểu khơng có mối quan hệ hai biến Độ mạnh mối quan hệ biến thể giá trị hệ số, ví dụ giá trị 0.3 có nghĩa có tương quan dương tương quan yếu khơng có ý nghĩa Thông thường không xem xét ý nghĩa tương quan giá trị tương quan nhỏ 0.8 Còn với hệ số tương quan từ 0.9 trở lên đại diện tương quan mạnh Hệ số tương quan theo phương pháp Pearson biểu thị theo cơng thức đây: Trong đó: ρxy: hệ số tương quan Pearson Cov(x,y): hiệp phương sai biến x y σx: độ lệch chuẩn biến x σy: độ lệch chuẩn biến y Để tính hệ số tương quan kết ảnh phân loại ảnh số, sử dụng phương pháp Pearson Do phải tính hệ số tương quan cho cặp (ảnh kết phân loại ảnh số hình thái) với số lượng lớn cặp số cần thiết có kết minh hoạ tổng thể mối liên hệ số cách trực quan, nên tác giả xây dựng chương trình tự động tính hệ số tương quan tạo biểu đồ nhiệt thể mức độ chiều tương quan cặp ảnh Nhóm thực đề tài tiến hành tính tốn liệu thử nghiệm sử dụng ngơn ngữ Python, có thư viện hỗ trợ như: Rasterio, Seaborn, Numpy, Pandas, thư viện học máy Sklearn (hình 1) 3.2 Thực nghiệm tính hệ số tương quan 3.2.1 Khu vực thử nghiệm liệu u vo tạp chí khoa học đo đạc ®å sè 42-12/2019 Nghiên cứu Cà Mau tỉnh ven biển cực nam Việt Nam, nằm khu vực Đồng sông Cửu Long Phần lãnh thổ đất liền tỉnh Cà Mau nằm tọa độ từ 8030’ - 9010’ vĩ Bắc 104080’ - 10505’ kinh Đông Điểm cực Đông 105024’ kinh Đông thuộc xã Tân Thuận, huyện Đầm Dơi Điểm cực Nam 8033’ vĩ Bắc thuộc xã Viên An, huyện Ngọc Hiển Điểm cực Tây 104043’ kinh Đông thuộc xã Đất Mũi, huyện Ngọc Hiển Điểm cực Bắc 9033’ vĩ Bắc thuộc xã Biển Bạch, huyện Thới Bình correction) phần mềm PCI Geomatic 2018 Quá trình tiền xử lý ảnh gồm bước: Hiệu chỉnh xạ trước đầu thu; hiệu chỉnh xạ ảnh hưởng mây; hiệu chỉnh ảnh hưởng khí Nhóm thực hiền nghiên cứu tiến hành cơng tác nắn chỉnh hình học trộn ảnh độ phân giải 2.5m Ảnh nắn hệ tọa độ WGS84 hệ quy chiếu UTM múi 48 Để đánh giá độ xác kết thực hiện, nhóm thực đề tài sử dụng đồ kiểm kê rừng khu vực nghiên cứu thành lập năm 2015 Hình 2: Phạm vi khu vực thực nghiệm (http://www.camau.gov.vn/wps/portal/bando) 3.2.2 Công tác phân loại ảnh vệ tinh Hình 1: Minh họa ngơn ngữ Python thư viện hỗ trợ sử dụng nghiên cứu Bài báo thực với liệu ảnh vệ tinh SPOT6 chụp thời điểm năm 2015 Dữ liệu cung cấp Đài thu Viễn thám Quốc Gia, Cục Viễn thám Quốc Gia, Bộ Tài Nguyên Môi Trường thuộc đề tài nghiên cứu khoa học Chương trình KHCN vũ trụ giai đoạn 20162020: “Nghiên cứu ứng dụng cơng nghệ viễn thám phương pháp trắc lượng hình thái xây dựng tiêu chí giám sát trình suy thối rừng ngập mặn phục vụ cơng tác bảo tồn, phục hồi rừng ngập mặn sử dụng hợp lý đất ngập nước ven biển Thử nghiệm Tỉnh Cà Mau Quảng Ninh” Ảnh vệ tinh đề tài có độ phủ mây nhỏ 10%, hiệu chỉnh xạ khí cơng cụ ATCOR (Atmospheric Nhóm thực đề tiến hành để thu thập mẫu giải đoán ảnh khu vực nghiên cứu Công tác thu thập mẫu tiến hành phương pháp thực địa phần mềm Google Earth Sau đó, Phương pháp Multiresolution segmentation phần mềm xử lý ảnh Ecognition sử dụng để phân đoạn Sử dụng thuật toán Random Forest liệu ảnh SPOT6, nhóm nghiên cứu tiến hành phân loại ảnh viễn thám đánh giá độ xác kết phân loại ảnh phục vụ xây dựng trạng rừng ngập mặn khu vực thực nghiệm với đối tượng ngậm mặn chia thành loại như: mắm, đước, hỗn giao.v.v (Phạm Minh Hải ctv, 2019) (hình 3) (Xem hình 3) Sau phân loại ảnh, kết phân loại ảnh t¹p chÝ khoa học đo đạc đồ số 42-12/2019 22 Nghiên cứu sử dụng liệu đầu vào trình xử lý với số cảnh quan lựa chọn Đối với số nhóm Aggregate, cơng tác xử lý ảnh thực khu vực có rừng khơng có rừng Do đó, sản phẩm phân loại ảnh xử lý hai lớp rừng – không rừng, lý hiệu lớp Cls phân tích hồi quy tuyến tính xử lý với số khác (hình 4) (Xem hình 4) Kết tính tốn chạy số cảnh quan với liệu đầu vào ảnh phân loại thể hình Ở đó, tượng phân mảnh rừng thể qua số khác (Xem hình 5) Nhóm nghiên cứu tiến hành phương pháp so sánh định tính định lượng nhằm lựa chọn số phù hợp nhóm Aggregate Tuy sản phẩm ảnh số tính tốn nhóm kết tính tốn thể cấu trúc phân mảnh khác với giá trị khác Về so sánh định tính, từ hình cho thấy sản phẩm tính tốn số PLADJ thể rõ nét khu vực bị phân mảnh so với số khác Về định lượng, nhóm nghiên cứu tiến hành chạy tìm hệ số tương quan cặp liệu với để chọn số phù hợp nhóm Aggregate mơ tả cấu trúc độ độ phân mảnh rừng Với Cls lớp phân bố rừng ngập mặn cố PLADJ nhóm Aggregate tương quan cao biểu đồ Heatmap với hệ số tương quan R=0.92 Kết hợp so sánh định tính định lượng, nhóm nghiên cứu nhận thấy số PLADJ thể tương quan cao CLS, qua đánh giá phù hợp số so sánh với số cịn lại (Xem hình 6) Kết luận Nhóm thực nghiên cứu thực phân tích dụng tổng hợp số cảnh quan Hình 3: Kết phân loại ảnh sử dụng thuật tốn Random Forest Hình 4: Kết phân loại sau xử lý 23 t¹p chÝ khoa học đo đạc đồ số 42-12/2019 Nghiờn cu Hình 5: Kết tính số cảnh quan nhóm Aggregate thực mơ tả cấu trúc phân mảnh rừng ngập mặn Dựa kết thu được, với thể rõ ràng phân mản rừng ngập mặn kết tính tốn số cảnh quan hệ số tương quan cao với nhóm CLS (phân bố rừng ngập mặn) 0.92, số cảnh quan PLADJ nhóm Aggregate đáp ứng hồn tồn mặt định tính (thể phân bố rõ ràng) mặt định lượng (hệ số tương quan cao) mơ tả tiêu chí phân mảnh rừng ngập mặn với khu vực thử nghiệm Mũi Cà Mau Đây tiền đề có ý nghĩa vô quan trọng nghiên cứu suy thoái rừng ngập mặn tương lai ứng dụng kết hợp ảnh vệ tinh số cảnh quan.m Tài liệu tham khảo [1] McGarigal, 2002 (https://www.umass.edu/landeco/research/fra gstats/documents/fragstats.help.4.2.pdf) [2] O’Neill (1988) Indices of landscape pat- tạp chí khoa học đo đạc đồ số 42-12/2019 24 Nghiờn cu Hỡnh 6: Các hệ số tương quan số cảnh quan - số cảnh quan số cảnh quan - lớp phân bố rừng ngập mặn đồ thị Heatmap tern Landscape Ecology, 1, 153-162 [3] Phạm Minh Hải ctv, 2019 Nghiên cứu sở khoa học ứng dụng thuật toán Random Forest phân loại ảnh vệ tinh SPOT6 với khu vực thử nghiệm Tỉnh Cà Mau Tạp chí Summary Khoa học Đo đạc Bản đồ Số 40-6/2019 [4] Pearson’s correlation (2012) http://www.statstutor.ac.uk/resources/upload ed/pearsons.pdfm The scientific research in selecting suitable spatial metrics for monitoring changes of mangrove structure The study area in the mangrove forests of Mui Ca Mau, Ca Mau province of Vietnam Pham Minh Hai, Do Thi Hoai, Vietnam Institute of Geodesy and Cartography Spatial metrics are defined as landscape indicators to describe the morphology and structure of a landscape (O Neill et al., 1988) Recent studies investigating changes in forest structure using satellite images and Spatial metrics are becoming a new trend in studying the extent of forest fragmentation on ecosystems However, a comprehensive understanding of the theory of the selections of suitable indicators for purposes under different conditions has not been disseminated There are many spatial metrics developed for landscape analysis, such as: analysis of land use and land cover change, and forest changes Therefore, studying suitable spatial metrics for analyzing changes in forest structure, especially mangroves, using remote sensing and spatial metrics is getting very important The objective of this manuscript is to investigate the scientific basis for selecting suitable spatial metrics the forest fragmentation in order to manage changes in mangrove structure The study area in the mangrove forests of Mui Ca Mau, Ca Mau province of Vietnam.m 25 tạp chí khoa học đo đạc ®å sè 42-12/2019 .. .Nghiên cứu lựa chọn Nhóm nghiên cứu tiến hành nghiên cứu sở khoa học lựa chọn số cảnh quan phù hợp cho cho tiêu chí phân mảnh rừng phục vụ công tác giám sát biến đổi cấu trúc rừng ngập mặn, ... vực thực nghiệm Mũi Cà Mau Để phục vụ cho mục đích phân tích cấu trúc phân mảnh rừng ngập mặn, nhóm số Đồng (Aggregation) sử dụng để nhằm lựa chọn số phù hợp (MaGarigal, 2002) Giữa số cảnh quan. .. of landscape pat- tạp chí khoa học đo đạc đồ số 42-12/2019 24 Nghiên cứu Hình 6: Các hệ số tương quan số cảnh quan - số cảnh quan số cảnh quan - lớp phân bố rừng ngập mặn đồ thị Heatmap tern Landscape