Tổng quan sử dụng tư liệu ảnh viễn thám để lập bản đồ rừng ngập mặn

Quản lý Tài nguyên rừng & Môi trường TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ 3 2021 65 TỔNG QUAN SỬ DỤNG TƯ LIỆU ẢNH VIỄN THÁM ĐỂ LẬP BẢN ĐỒ RỪNG NGẬP MẶN Nguyễn Trọng Cương1, Trần Quang Bảo2, Phạ[.]

Quản lý Tài nguyên rừng & Môi trường TỔNG QUAN SỬ DỤNG TƯ LIỆU ẢNH VIỄN THÁM ĐỂ LẬP BẢN ĐỒ RỪNG NGẬP MẶN Nguyễn Trọng Cương1, Trần Quang Bảo2, Phạm Văn Duẩn1, Phạm Ngọc Hải3, Nguyễn Hải Hoà1 Trường Đại học Lâm nghiệp Tổng cục Lâm nghiệp Viện Điều tra Quy hoạch rừng TÓM TẮT Bài báo tổng hợp kết nghiên cứu ứng dụng viễn thám để thành lập đổ rừng ngập mặn giới theo hai chủ đề chính: tư liệu ảnh phương pháp xử lý ảnh; số để xác định rừng ngập mặn Kết cho thấy, nghiên cứu thành lập đồ rừng ngập mặn thông thường sử dụng ảnh viễn thám có độ phân giải trung bình, số nghiên cứu sử dụng ảnh viễn thám có độ phân giải cao sử dụng ảnh hàng không Về phương pháp sử dụng, phát triển kỹ thuật viễn thám dẫn đến phong phú phương pháp phân loại, nghiên cứu rừng ngập mặn thường sử dụng phương pháp phân loại có giám sát, kỹ thuật áp dụng thường dùng số thực vật Bằng cách khai thác đặc trưng hệ sinh thái rừng ngập mặn đặc điểm tư liệu viễn thám, cơng trình phát triển số khác để phân loại rừng ngập mặn khỏi thảm thực vật khác Có số phát rừng ngập mặn hữu hiệu thống kê, số có độ xác lợi khác so với số lại, việc sử dụng số cần vào điều kiện rừng, quy mô cụ thể khu vực, tư liệu ảnh có mục tiêu đồ Từ khóa: số phát rừng ngập mặn, lập đồ rừng ngập mặn, phân loại rừng ngập mặn, rừng ngập mặn, ứng dụng ảnh viễn thám ĐẶT VẤN ĐỀ Rừng ngập mặn vùng đất ngập nước thủy triều với tập hợp đa dạng bụi rậm nằm vùng nhiệt đới cận nhiệt đới vĩ độ khoảng 30 độ Bắc 30 độ Nam (Giri cộng sự, 2011; Lee Yeh, 2009), chúng cung cấp loạt dịch vụ hệ sinh thái môi trường sống cho nhiều loài thủy sản biển, lọc nước, ổn định bờ biển, đa dạng sinh học (Rahman cộng sự, 2013; Abdul Aziz cộng sự, 2015; Giri cộng sự, 2015) cung cấp dịch vụ hệ sinh thái bảo vệ khu vực ven biển cho đường bờ biển nhiệt đới cận nhiệt đới giới (Veettil cộng sự, 2018) Tuy nhiên, rừng ngập mặn ven biển nhiệt đới bán nhiệt đới nằm số hệ sinh thái bị đe doạ dễ bị tổn thương toàn giới (Valiela cộng sự, 2001) Vì vậy, giám sát biến động rừng ngập mặn nhiệm vụ gặp nhiều khó khăn, hệ sinh thái thường khó tiếp cận, việc khảo sát tốn thời gian, giám sát coi nguồn thông tin quan trọng (Moritz Zimmermann cộng sự, 2001) Cùng với phát triển công nghệ viễn thám, tư liệu ảnh viễn thám ngày sử dụng nhiều chứng minh cần thiết việc theo dõi lập đồ hệ sinh thái rừng ngập mặn bị đe dọa cao (Kuenzer cộng sự, 2011), vệ tinh quan sát trái đất công cụ viễn thám hữu hiệu để giám sát rừng ngập mặn (Younes Cárdenas cộng sự, 2017) Ngày nay, 300 vệ tinh quan sát trái đất từ 15 quốc gia hoạt động (Younes Cárdenas cộng sự, 2017), số tư liệu cung cấp thương mại, số lại cung cấp miễn phí Về nguồn tư liệu viễn thám, nói phát triển cơng trình nghiên cứu giám sát rừng ngập mặn gắn liền với lịch sử phát triển ảnh viễn thám Các phương pháp truyền thống để giám sát lập đồ thường tốn nhiều thời gian, công sức tốn chi phí, đồng thời chúng thường không phát thay đổi vùng rộng lớn ven biển (Ghosh cộng sự, 2016) Một số đồ lớp phủ quy mơ tồn cầu tạo sau năm 2000 cách sử dụng liệu viễn thám đồ đóng góp nhiều vào việc giám sát sử dụng đất che phủ đất khắp giới (Bartholomé Belward, 2007; Friedl cộng sự, 2010; Gong cộng sự, 2012; Hansen cộng sự, 2010; Loveland cộng sự, 2010) Tuy nhiên, đồ tồn cầu lỗi thời khơng phản ánh phân TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ - 2021 65 Quản lý Tài nguyên rừng & Môi trường bố không gian vùng đất ngập nước ven biển (bao gồm thảm thực vật ven biển bãi triều khơng có thực vật) (Wang cộng sự, 2018) Cùng với phát triển công nghệ viễn thám, phong phú loại tư liệu ngày đáp ứng tốt yêu cầu quản lý, giám sát tài nguyên rừng ngập mặn, rừng ngập mặn hệ sinh thái có nhiều đặc trưng, việc nghiên cứu trước gặp nhiều khó khăn hạn chế nguồn tư liệu phương pháp truyền thống thường gây tốn Ngày nay, với việc sử dụng phương pháp tiên tiến, có độ xác cao, cơng trình nghiên cứu đạt kết có ý nghĩa phục vụ mục tiêu khám phá nguồn tài nguyên 1.1 Tư liệu viễn thám thành lập đồ Rừng ngập mặn 1.1.1 Sử dụng ảnh máy bay thành lập đồ rừng ngập mặn Trong vài thập kỷ trước năm 1970, ảnh máy bay công nghệ chiếm ưu áp dụng để phân tích bề mặt, việc thiếu tư liệu phương pháp phù hợp làm cho cơng trình khó có nhìn tổng quan, theo (Green cộng sự, 2010; Green cộng sự, 1996) việc lập đồ phạm vi rừng ngập mặn rừng trồng cạn lần thực chụp ảnh máy bay trước năm 1970 Các kết nghiên cứu rằng, ảnh máy bay dường phù hợp với việc lập đồ chi tiết môi trường ven biển nhỏ hẹp Năm 2002, Sulong sử dụng ảnh không tỉ lệ 1:5.000, kết hợp với ảnh Landsat TM để thành lập đồ rừng ngập mặn phân biệt 14 loài thực vật khác rừng ngập mặn khu vực Kemaman, Malaysia (Sulong, 2002) Kairo cộng lập đồ rừng ngập mặn Khu bảo tồn Quốc gia Kiunga Marine Kenya cách sử dụng ảnh máy bay, đồ rừng ngập mặn họ làm bật rừng ngập mặn sản xuất phi sản xuất, bao gồm thông tin mật độ chiều cao mức độ loài (Kairo cộng sự, 2002) Ảnh vệ tinh siêu phổ sử dụng để lập đồ rừng ngập mặn (Jusoff, 2006; Kamal Phinn, 2011) 66 Năm 2014, Heenkenda sử dụng ảnh Wordview-2 ảnh máy bay để phân biệt loài rừng ngập mặn ven biển khu vực Rapid, miền Bắc nước Úc, khu vực rừng ngập mặn khơng có rừng ngập mặn phân biệt cách sử dụng phân loại ảnh dựa đối tượng (Heenkenda cộng sự, 2014) Các khu vực rừng ngập mặn sau tiếp tục phân loại thành loài cách sử dụng thuật tốn máy vector hỗ trợ (SVM) với thơng số phù hợp Cơng trình nghiên cứu Kuenzer thống kê 14 nghiên cứu từ năm 1990 đến năm 2011 sử dụng tư liệu ảnh không, ảnh kỹ thuật số để nghiên cứu rừng ngập mặn (Kuenzer cộng sự, 2011) Hiện nay, với công nghệ đại, thiết bị bay không người lái (UAV) hỗ trợ đắc lực cho công tác quản lý giám sát rừng ngập mặn Việc sử dụng UAV để kiểm kê liệu hệ sinh thái rừng ngập mặn có độ xác cao Lớp phủ rừng ngập mặn dễ dàng xác định cách sử dụng phân tích số hóa máy (Khakhim cộng sự, 2019) Việc sử dụng rộng rãi UAV linh hoạt mang lại tiềm lớn để phân tích cách định lượng ảnh hưởng độ cao thủy triều lên độ phản xạ quang phổ Các UAV sử dụng để thu hình ảnh rừng ngập mặn lúc lũ cục thủy triều xuống (Wang cộng sự, 2018) Các ảnh thu thập từ UAV có độ phân giải cao, khơng lồi mà cịn đo đếm xác thơng tin cấu trúc rừng ngập mặn Nổi bật số nghiên cứu Keller, tác giả sử dụng ảnh lấy từ thiết bị bay gắn cảm biến NDVI để thành lập đồ (500m x 500m) rừng ngập mặn cửa sơng bờ biển Thái Bình Dương Costa Rica (Yaney Keller cộng sự, 2019) Tuy nhiên, thực tế cho thấy việc sử dụng UAV chưa đáp ứng toán giám sát quy mô rộng lớn cấp vùng cấp quốc gia Tư liệu ảnh sử dụng nhiều cho việc sử dụng để so sánh kiểm tra kết giải đốn tư liệu ảnh có độ phủ rộng 1.1.2 Sử dụng tư liệu viễn thám có độ phân giải trung bình TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ – 2021 Quản lý Tài nguyên rừng & Môi trường Các tư liệu không gian có độ phân giải trung bình đóng vai trò quan trọng việc lập đồ rừng ngập mặn vùng địa lý rộng lớn Trong nghiên cứu rừng ngập mặn, ảnh viễn thám quang học có độ phân giải khơng gian trung bình thường sử dụng thường xuyên phổ biến Nghiên cứu Purnamasayangsukasih cho thấy tư liệu phù hợp cho ứng dụng quy mô quốc gia khu vực (Purnamasayangsukasih cộng sự, 2016) Đã có nhiều nghiên cứu nghiên cứu sử dụng tư liệu ảnh có độ phân giải trung bình nhiều quốc gia Các liệu sử dụng phổ biến từ Landsat-5 TM SPOT Đồng thời, số nhà điều tra sử dụng liệu từ Landsat MSS, Landsat-7 ETM +, Landsat 8, IRS, 1C/1D LISS III Aster, gần hệ thống tư liệu Sentinel 2A Sentinel 2B Theo đánh giá Kuenzer năm 2011, khoảng 20 năm từ 1990-2010 có khoảng 50 nghiên cứu công bố sử dụng tư liệu viễn thám trung bình, bật tư liệu Spot Landsat TM (Kuenzer cộng sự, 2011) Đặc biệt, có nhiều nghiên cứu lập đồ diện tích rừng ngập mặn quy mơ lớn thực cách sử dụng ảnh viễn thám có độ phân giải khơng gian trung bình thấp sau năm 2000 (Giri cộng sự, 2015; Giri cộng sự, 2011b; Jia cộng sự, 2013) Đầu tiên, tư liệu Landsat TM SPOT sử dụng hai nghiên cứu lập đồ phạm vi rừng ngập mặn cho giai đoạn 19902000 thực Gao Green (Gao, 1999; Green cộng sự, 2010) Sau đó, ảnh SPOT4 sử dụng để đánh giá tình trạng thay đổi rừng ngập mặn tỉnh Trà Vinh đồng sông Cửu Long từ năm 1965 đến năm 2001 (Thu Populus, 2007) Gang Agatsiva sử dụng thành công ảnh SPOT XS để lập đồ mức độ trạng thái rừng ngập mặn Mida Creek, Kenya năm 1992 (Gang Agatsiva, 1992) Sau đó, Blasco cộng xây dựng đồ kiểm kê hệ sinh thái rừng ngập mặn vịnh Mahajamba, Madagascar dựa hình ảnh SPOT (Blasco F, 1998), Wang cộng xác định thay đổi phân bố tổng diện tích rừng ngập mặn ven biển Tanzania sử dụng Landsat TM năm 1990 Landsat ETM + năm 2000 (Wang cộng sự, 2003) Tác giả (Conchedda cộng sự, 2008) tạo đồ lớp phủ đất hệ sinh thái rừng ngập mặn nằm Casamance Low, Senegal ảnh SPOT năm 1986 SPOT năm 2006, kết kiểm chứng ảnh Landsat TM cho năm 1986 ảnh SPOT cho năm 2006 Sau Blasco cộng xây dựng đồ hệ sinh thái rừng ngập mặn quy mơ khu vực cách sử dụng hình ảnh SPOT (Blasco, 2001; Blasco, 2002) Võ Quốc Tuấn cộng xây dựng đồ hệ sinh thái rừng ngập mặn Đồng sông Cửu Long vào năm 2013 (Vo cộng sự, 2013) Dữ liệu viễn thám sử dụng nghiên cứu bao gồm liệu SPOT đa phổ Terra SAR-X (được sử dụng để hiệu chỉnh hình học) Các nghiên cứu thành lập đồ rừng ngập mặn tồn cầu có độ phân giải theo theo thời gian không gian cao bật Giri cộng năm 2011, tác giả lập đồ trạng phân bố rừng ngập mặn toàn cầu cách sử dụng liệu Landsat có sẵn, cơng trình nghiên cứu nhiều tác giả trích dẫn (Giri cộng sự, 2011b) Sau đó, Hamilton Casey tạo sở liệu rừng ngập mặn tồn cầu hàng năm có độ phân giải không gian 30m từ năm 2000 đến năm 2012 (Hamilton Casey, 2016), nhiên độ phân giải không gian thời gian thấp Hai phát triển gần lĩnh vực quan sát trái đất có khả cải thiện đáng kể hiệu việc giám sát rừng ngập mặn toàn cầu Đầu tiên, miễn phí vệ tinh Sentinel 2A 2B Châu Âu Hai vệ tinh cung cấp hình ảnh lặp lại ngày độ phân giải không gian 10 m, ứng dụng tốt giám sát không gian - thời gian khu rừng ngập mặn (Verhegghen cộng sự, 2016; Xiong cộng sự, 2017) Thứ hai, tảng máy tính Google Earth Engine (GEE) chứa kho lưu trữ liệu Sentinel xử lý trước cập nhật liên tục cho phép phát triển công cụ xử lý hiệu liệu quy mơ tồn cầu (Chen TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ - 2021 67 Quản lý Tài nguyên rừng & Môi trường cộng sự, 2017; Gorelick cộng sự, 2017) Ảnh Sentinel lập đồ xác phạm vi rừng ngập mặn phân biệt quần xã loài ngập mặn, nhiên nhà nghiên cứu thường thận trọng tính phức tạp loài rừng ngập mặn (Wang cộng sự, 2018) Luojia Hu sử dụng kết hợp ảnh Sentinel Sentinel để thành lập đồ rừng ngập mặn ven biển quốc gia Trung Quốc vào năm 2020, nghiên cứu việc kết hợp hai tư liệu ảnh Radar ảnh quang học việc thành lập đồ rừng ngập mặn quy mô quốc gia (Hu cộng sự, 2020) Trong nghiên cứu mình, Selamat cộng (2020) sử dụng ảnh Sentinel 2A để bổ sung thông tin cải thiện kết kiểm kê rừng ngập mặn khu vực Malaysia Trước giá trị diện tích rừng ngập mặn trích xuất từ ảnh Landsat dựa phân loại tổng hợp hình ảnh mắt Những phát góp phần vào việc xác định không gian tốt cho việc giám sát rừng ngập mặn việc sửa đổi thông tin trước trích xuất từ ảnh Landsat Gần đây, nghiên cứu Phạm Văn Duẩn cộng (2019) đánh giá khả khai thác ảnh vệ tinh quang học miễn phí phục vụ giám sát lớp phủ mặt đất Việt Nam, ảnh Landsat OLI phù hợp cho mục tiêu giám sát biến động hàng năm, tư liệu Sentinel MSI phù hợp cho mục tiêu giám sát biến động theo quý Ở khía cạnh khác, Parida Kumari tiến hành lập đồ phân tích động lực học rừng ngập mặn giai đoạn 2009–2019 sử dụng liệu vệ tinh Landsat Sentinel dọc theo Bờ biển Odisha, Ấn Độ (Parida Kumari, 2020) Các tư liệu xử lý tảng GEE cho thấy tiềm liệu vệ tinh có độ phân giải cao để tạo đồ theo dõi thay đổi rừng ngập mặn có độ xác cao (Parida Kumari, 2020) Có thể thấy rằng, có nhiều cơng trình, báo cơng bố nhấn mạnh tầm quan trọng liệu viễn thám có độ phân giải trung bình để nghiên cứu lập đồ sinh cảnh rừng ngập mặn Các liệu Landsat TM, ETM, OLI Spot 68 sử dụng rộng rãi, liệu Landsat MSS, IRS Aster, Sentinel sử dụng Bên cạnh đó, kỹ thuật phân loại tư liệu ảnh có độ phân giải trung bình thích hợp cho việc lập đồ hệ sinh thái (trừ cấp độ loài), giám sát thay đổi quy mơ lớn, phân tích mối quan hệ môi trường khu vực đánh giá tình trạng rừng ngập mặn (sức khỏe, mật độ ) Biến động rừng ngập mặn toàn cầu dễ nhận thấy từ việc phân tích liệu có độ phân giải trung bình Hiện nay, liệu Sentinel với vượt trội độ phân giải không gian (10 m) độ phân giải thời gian cao (5 ngày) góp phần hữu hiệu vào việc phân biệt rừng ngập mặn theo nhiều cấp độ (Manna Raychaudhuri, 2018) 1.1.3 Sử dụng ảnh tư liệu viễn thám có độ phân giải cao Sự mắt thành cơng IKONOS-2 vào năm 1999 Quickbird vào năm 2001 tạo hệ cảm biến khơng gian có độ phân giải cao có sẵn để quan sát trái đất Điều mở tiềm cho việc lập đồ rừng ngập mặn với mức độ phân biệt đối tượng ảnh cải thiện tăng khác biệt rừng ngập mặn quần thể khác Có tương đối nghiên cứu xuất sử dụng hình ảnh có độ phân giải cao để điều tra hệ sinh thái rừng ngập mặn (Kuenzer cộng sự, 2011) Trong thập kỷ trước năm 2000, hầu hết nghiên cứu tập trung vào lập đồ phân bố rừng ngập mặn, khơng thể phân biệt lồi rừng ngập mặn khác Trở ngại lớn rừng ngập mặn thường tạo thành dải hẹp mảng nhỏ, khó xác định ảnh vệ tinh (Green cộng sự, 1996; Blasco F, 1998) Với việc phóng vệ tinh viễn thám có độ phân giải cao từ năm 1999 cho phép thành lập đồ loài rừng ngập mặn khu vực rộng lớn Năm 2004, Wang cộng phân loại thành cơng lồi ngập mặn, tác giả sử dụng kênh đa phổ có độ phân giải 1,0 m 4,0 m ảnh IKONOS, để phân loại ba loài rừng ngập mặn với độ xác 70% - 98%, gồm: Đước đỏ (Rhizophora mangle L.), Mắm (Avicennia TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ – 2021 Quản lý Tài nguyên rừng & Môi trường germinans L.) Đước trắng (Laguncularia racemosa) dọc theo bờ biển Caribe Panama Nghiên cứu chứng minh cần thiết việc tích hợp phân tích ảnh dựa đối tượng vào phân loại loài rừng ngập mặn Ngoài ra, việc so sánh hình ảnh vệ tinh có độ phân giải cao cho thấy sử dụng ảnh IKONOS có độ xác tốt so với ảnh QuickBird ảnh QuickBird có độ phân giải cao (Wang cộng sự, 2004) Mặc dù tư liệu ảnh độ phân giải cao hữu hiệu thành lập rừng ngập mặn Tuy nhiên, chi phí thương mại cao nên tư liệu chưa sử dụng nhiều, hầu hết tư liệu có độ phân giải cao sử dụng để phát phân biệt loài rừng ngập mặn để so sánh kết giải đoán tư liệu khác Theo (Kuenzer cộng sự, 2011), đến năm 2011 có khoảng 14 cơng trình nghiên cứu sử dụng tư liệu này, ảnh Quickbird sử dụng 10 nghiên cứu, ảnh IKONOS sử dụng nghiên cứu có 02 nghiên cứu sử dụng hai loại tư liệu Wang cộng vào năm 2004 Olwig cộng vào năm 2007 Ngoài ra, SPOT6 sử dụng Trần Quang Bảo Phùng Văn Khoa (Bảo cộng sự, 2016) để so sánh kết giải đốn tư liệu viễn thám trung bình Cà Mau với có độ xác 90% Ảnh Woldview (Wan cộng sự, 2019) sử dụng để thành lập đồ thành phần loài rừng ngập mặn khu bảo tồn thiên nhiên rừng ngập mặn Thâm Quyến, Trung Quốc phương pháp CNN (Convolutional Neural Networks) CÁC PHƯƠNG PHÁP VÀ CHỈ SỐ SỬ DỤNG TRONG THÀNH LẬP BẢN ĐỒ RỪNG NGẬP MẶN 2.1 Các phương pháp sử dụng để thành lập đồ rừng ngập mặn Một số phương pháp thường sử dụng để thành lập rừng ngập mặn giải đoán mắt, sử dụng số thực vật, phân loại dựa pixel ảnh gồm phân loại có kiểm định khơng có kiểm định, ngồi cịn số phương pháp khác phân loại định, phương pháp dựa đối tượng Trong nghiên cứu, tác giả sử dụng phương pháp kết hợp phương pháp với Các phương pháp lập đồ ngập mặn quan trọng bao gồm phân tích giải đốn mắt số hóa máy tính Do có kết tốt quy mô vùng loại tư liệu trung bình, đặc biệt kết hợp với thơng tin chi tiết mặt đất (các mẫu khóa giải đốn ảnh) làm đầu vào tham khảo, phương pháp giải đoán mắt sử dụng rộng rãi để lập đồ hệ sinh thái rừng ngập mặn phức tạp (Blasco, 1992; Gang Agatsiva, 1992; Prasad cộng sự, 2009; Selvam, 2003 ; Wang cộng sự, 2003) Ngoài ra, phương pháp phân loại đơn giản không kiểm định thường sử dụng để lập đồ rừng ngập mặn (Béland cộng sự, 2007; Giri cộng sự, 2010; Giri cộng sự, 2007; Giri, 2008; Hernández Cornejo cộng sự, 2005; Kovacs cộng sự, 2001; Sirikulchayanon cộng sự, 2008; Tong cộng sự, 2010; Vasconcelos, 2002) Một số nghiên cứu thực để điều tra so sánh tính thích hợp thuật toán phân loại khác cho phân chia quang phổ rừng ngập mặn (Gao, 1997; Green cộng sự, 2010; Saito cộng sự, 2010) Nhìn chung, theo tài liệu, việc áp dụng hệ thống phân loại xác suất cực đại (Maximum Likelihood Classifier MLC) có giám sát phương pháp hiệu mạnh mẽ để phân loại rừng ngập mặn dựa liệu viễn thám truyền thống (Aschbacher, 1995; Gao, 1997; Gao, 1999; Green cộng sự, 2010; Rasolofoharinoro cộng sự, 2010; Saito cộng sự, 2010) 2.2 Các số sử dụng nghiên cứu thành lập đồ Rừng ngập mặn Trong phương pháp phân loại có giám sát, nghiên cứu thường sử dụng số thực vật Chỉ số thực vật số tạo số tổ hợp kênh ảnh có mối quan hệ với chất lượng thảm thực vật pixel ảnh định, số thực vật khác biệt chuẩn hóa (NDVI), số thực vật điều chỉnh đất (SAVI) số diện tích (LAI) sử dụng rộng rãi Các số TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ - 2021 69 Quản lý Tài nguyên rừng & Môi trường làm bật đặc tính nội thực vật có liên quan đến lá, độ xanh tươi sức sống đối tượng Mỗi số có biểu thức cụ thể, thể đặc tính thảm thực vật tốt so với việc sử dụng kênh ảnh riêng lẻ Tuy vậy, số biết không dành riêng cho rừng ngập mặn phân biệt rừng ngập mặn với thảm thực vật cạn (Gathot Winarso, 2014) Rừng ngập mặn rừng ngập mặn cạn dày đặc tạo giá trị NDVI giống nhau, việc tách chúng khỏi tư liệu viễn thám khó khăn trừ có thêm liệu đầu vào khác (Alvin B.Baloloy cộng sự, 2020) Để giải thách thức việc lập đồ rừng ngập mặn với số thực vật, số nhà nghiên cứu đề xuất số thực vật đặc trưng cho rừng ngập mặn cách sử dụng băng tần đầu vào khác liệu vệ tinh Một số số Rừng ngập mặn (MI) Winarso đề xuất năm 2014 (Gathot Winarso, 2014) Lần áp dụng khu vực rừng ngập mặn Alas Purwo, Indonesia sử dụng kênh Landsat hồng ngoại gần (NIR) hồng ngoại sóng ngắn (SWIR) (Bảng 1) Bảng Các số lập đồ rừng ngập mặn có dùng để tách rừng ngập mặn khỏi pixel rừng ngập mặn Tên số Tác giả Công thức Tư liệu ảnh Mangrove Index (MI) (Gathot Winarso, 2014) MI = (NIR-SWIR/NIR x SWIR) x 10000 Landsat Mangrove Recognition Index (Selamat cộng sự) (Zhang Tian, 2013) MRI = [GVIL – GVIVH] x GVIL x (WIL + WIH) Landsat Combine Mangrove Recognition Index (CMRI) (Gupta CMRI = NDVI-NDWI cộng sự, 2018) Trong đó: NDVI: số khác thực vật biệt chuẩn hóa thực vật; NDWI: sơ nước khác biệt chuẩn hóa Mangrove Probability Vegetation Index (MPVI) (Kumar MPVI = Normalized Difference Wetland Vegetation Index (NDWVI) (Kumar Discriminant Normalized Vegetation Index (DNVI) (Manna Raychaudhuri, 2018) Mangrove Forest Index (MFI) (Jia cộng sự, 2019) Trong đó: GVI - Chỉ số độ xanh thực vật; WI: Chỉ số độ ẩm; L: Chỉ số thủy triểu xuống thấp; H số thủy triều lên cao ∑ ∑ cộng sự, 2017) Landsat ∑ ∑ ∑ ∑ EO-1Hyperion ∑ Trong đó: n tổng số band ảnh, Ri giá trị độ phản xạ band i pixel hình ảnh phản xạ; ri giá trị hệ số phản xạ band i quang phổ rừng ngập mặn lấy từ liệu kiểm chứng NDWVI = (R2203 – R559)/(R2203 + R559) EO-1Hyperion cộng sự, 2017) DNVI = ( √ ) Sentinel Trong đó: Band có giá trị cao band 2, tương ứng SWIR1 SWIR2 ảnh Sentinel MFI =[(Ƿλ1 - ǷƁλ1) + (Ƿλ2 - ǷƁλ2) + (Ƿλ3 - ǷƁλ3) + (Ƿλ4 ǷƁλ4)]/4 Sentinel Trong đó: Ƿλ giá trị phản xạ band trung tâm λ vùng λ từ đến 4; giá trị bước sóng λ1, λ2, λ3, λ4 705, 740, 783 865 nm Mangrove Vegetation Index (MVI) 70 (Alvin B.Baloloy cộng sự, 2020) MVI = (NIR – Green)/(SWIR1-Green) Sentinel Trong đó: NIR, Green, SWIR1 giá trị band 8, band band 11 ảnh Sentinel TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ – 2021 Quản lý Tài nguyên rừng & Môi trường Chỉ số nhận biết Rừng ngập mặn MRI (Zhang Tian, 2013) phát triển để giám sát rừng ngập mặn từ khơng gian cách sử dụng hình ảnh Landsat TM đa vùng với mức thủy triều khác (Bảng 1) Những thay đổi điều kiện thủy triều thấp thủy triều lên dẫn đến khác biệt đặc điểm quang phổ thảm thực vật rừng ngập mặn (Zhang cộng sự, 2017) Chỉ số MRI xem xét hiệu ứng thủy triều nhạy cảm với độ ẩm ướt, độ xanh thay đổi độ xanh Tuy nhiên, khả áp dụng MRI cho khu vực rừng ngập mặn khác bị hạn chế liệu thủy triều điều kiện thủy triều có thay đổi khu vực khác toàn cầu Thông tin độ ẩm thảm thực vật cụ thể địa điểm thời gian thủy triều thấp cao cần thiết bị hạn chế từ liệu viễn thám Để giải hạn chế này, số nhận biết rừng ngập mặn kết hợp (CMRI) đề xuất (Gupta cộng sự, 2018) CMRI sử dụng NDVI để thể có mặt thảm thực vật số nước chênh lệch chuẩn hóa (NDWI) để thể thông tin nước rừng ngập mặn mà khơng cần liệu thủy triều cụ thể Vì NDVI NDWI có tương quan nghịch nên việc trừ số làm tăng phạm vi CMRI tăng giá trị khác biệt lớp phủ đất khác với dấu hiệu phổ gần tương tự CMRI sau sử dụng đầu vào cho phương pháp phân loại thực để tách cảnh ảnh Landsat thành bốn lớp: nước, đất, thực vật khơng có rừng ngập mặn rừng ngập mặn Phương pháp dựa CMRI yêu cầu nhiều liệu thực tế để tạo đồ đầu Các tác giả so sánh kết từ phân loại dựa CMRI với kết NDVI, SAVI tỷ lệ đơn giản, độ xác CMRI tốt (Khakhim cộng sự, 2019) Ngoài ảnh Landsat, số dựa ảnh Sentinel gọi Chỉ số rừng ngập mặn (MFI) đề xuất (Jia cộng sự, 2019) Chỉ số sử dụng phản xạ kênh đỏ ảnh Sentinel nhạy cảm với rừng ngập mặn ngập nước Kết cho thấy khu rừng ngập mặn ngập nước tách biệt khỏi nước hình ảnh đầu MFI Nghiên cứu nhấn mạnh khả kênh NIR kênh RED việc phân biệt thực vật nước Chỉ số nói thiết kế dựa đỉnh phản xạ vùng quang phổ NIR thảm thực vật xanh (Jia cộng sự, 2019) Trước đó, vào năm 2018 Manna đề xuất số sửa đổi số thực vật bình thường khác biệt (DNVI) dựa hai dải sóng ngắn (SWIR1 SWIR2) tư liệu ảnh Sentinel áp dụng Sundarbans, Ấn Độ Bởi dải SWIR chủ yếu sử dụng để đặc trưng cho tính liên quan đến độ ẩm nước, đặc tính hút phản xạ nước xung quanh dải cho tốt việc mô tả đặc điểm chất lượng rừng ngập mặn (Manna Raychaudhuri, 2018) Chỉ số xác suất thực vật rừng ngập mặn (MPVI) đề xuất Kumar năm 2017 sử dụng băng tần lấy từ liệu EO-1 Hyperion Hyperion cảm biến siêu viễn thám, ảnh không gian thu gồm 70 kênh phổ cảm biến VNIR 172 kênh phổ SWIR, cung cấp tổng cộng 242 kênh phổ với độ rộng kênh gần 10nm độ phân giải mặt đất 30m (Kumar cộng sự, 2017) Ngoài MPVI, Chỉ số Thảm thực vật đất ngập nước khác biệt bình thường (NDWVI) đề xuất Kumar (Kumar cộng sự, 2017), NDWVI sử dụng tư liệu Hyperion gồm kênh SWIR kênh Green để phân biệt rừng ngập mặn với thảm thực vật rừng ngập mặn Kết hợp số khác sử dụng để phân tách lớp rừng ngập mặn không rừng ngập mặn Kết nghiên cứu cho thấy, sử dụng MPVI tạo độ xác tổng thể 73,98% MPVI NDWVI kết hợp cho độ xác cao (85,01%) (Kumar cộng sự, 2017) Trong nghiên cứu rừng ngập mặn Philippin số khu vực thuộc Nhật Bản, Việt Nam, Thái Lan, Campuchia Indonexia vào năm 2020, Alvin cộng xây dựng số rừng ngập mặn MVI (Alvin TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ - 2021 71 ... CHỈ SỐ SỬ DỤNG TRONG THÀNH LẬP BẢN ĐỒ RỪNG NGẬP MẶN 2.1 Các phương pháp sử dụng để thành lập đồ rừng ngập mặn Một số phương pháp thường sử dụng để thành lập rừng ngập mặn giải đoán mắt, sử dụng. .. NDWVI sử dụng tư liệu Hyperion gồm kênh SWIR kênh Green để phân biệt rừng ngập mặn với thảm thực vật rừng ngập mặn Kết hợp số khác sử dụng để phân tách lớp rừng ngập mặn không rừng ngập mặn Kết... sự, 2002) Ảnh vệ tinh siêu phổ sử dụng để lập đồ rừng ngập mặn (Jusoff, 2006; Kamal Phinn, 2011) 66 Năm 2014, Heenkenda sử dụng ảnh Wordview-2 ảnh máy bay để phân biệt loài rừng ngập mặn ven biển