Ứng dụng viễn thám quang học và radar trong giám sát rừng ngập mặn khu vực tỉnh cà mau

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KHOA HỌC XÃ HỘI & NHÂN VĂN -oOo - NGUYỄN THỊ HUYỀN ỨNG DỤNG VIỄN THÁM QUANG HỌC VÀ RADAR TRONG GIÁM SÁT RỪNG NGẬP MẶN KHU VỰC TỈNH CÀ MAU LUẬN VĂN THẠC SĨ MÔI TRƯỜNG TP Hồ Chí Minh – Năm 2012 i ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KHOA HỌC XÃ HỘI & NHÂN VĂN -oOo - NGUYỄN THỊ HUYỀN ỨNG DỤNG VIỄN THÁM QUANG HỌC VÀ RADAR TRONG GIÁM SÁT RỪNG NGẬP MẶN KHU VỰC TỈNH CÀ MAU CHUYÊN NGÀNH: SỬ DỤNG VÀ BẢO VỆ TÀI NGUYÊN MÔI TRƯỜNG MÃ SỐ: 60 85 15 LUẬN VĂN THẠC SĨ MÔI TRƯỜNG HƯỚNG DẪN KHOA HỌC TS LÂM ĐẠO NGUYÊN TP Hồ Chí Minh – Năm 2012 i LỜI CAM ĐOAN Tôi cam đoan rằng, ngoại trừ kết tham khảo từ cơng trình khác ghi rõ luận văn, cơng việc trình bày luận văn tơi thực chưa có phần nội dung luận văn nộp để lấy cấp trường trường khác TP HCM, năm 2012 Nguyễn Thị Huyền i LỜI CẢM ƠN Tôi xin gởi lời cảm ơn chân thành tới Thầy Lâm Đạo Nguyên, Thầy Phạm Bách Việt, người tận tình dẫn cho tơi suốt trình thực luận văn Xin gởi lời cảm ơn tới Cô Ngô Thanh Loan, Cô Lê Minh Vĩnh Thầy Cô Khoa Địa lý ln giúp đỡ tơi q trình học tập, nghiên cứu Xin cảm ơn Gia đình bạn bè, người ln đồng hành dành cho tơi tình cảm thương yêu ii TÓM TẮT LUẬN VĂN Rừng ngập mặn (RNM) Cà Mau mang tính điển hình cho hệ sinh thái ngập nước vùng ven biển diện tích, phân bố, tính đa dạng sinh học Tuy nhiên, nhiều nơi rừng ngập mặn Cà Mau bị chặt phá để ni tơm làm cho diện tích rừng thu hẹp, mức độ che phủ rừng giảm Do đó, cần có phương pháp giám sát rừng nhanh chóng xác Dữ liệu ảnh viễn thám sử dụng giám sát rừng ngập mặn sử dụng phổ biến Ảnh quang học radar có khả cung cấp thơng tin khác đối tượng, có khả tận dụng ưu điểm hạn chế nhược điểm loại kết hợp với Dữ liệu quang học gồm ảnh Landsat SPOT 5, liệu radar có ảnh ALOS PALSAR sử dụng Các phương pháp xử lý, phân tích phân loại ảnh có giám sát sử dụng nhằm phân loại đối tượng rừng ngập mặn cách chi tiết Dựa kết phân loại này, khả cung cấp thông tin rừng ngập mặn khu vực tỉnh Cà Mau loại liệu radar, quang học liệu kết hợp đánh giá Từ đưa giải pháp sử dụng liệu thích hợp hỗ trợ cơng tác giám sát rừng ngập mặn khu vực tỉnh Cà Mau Kết cho thấy việc kết hợp ảnh radar quang học giúp hạn chế số nhược điểm loại liệu sử dụng riêng lẻ Tuy nhiên, tùy thuộc vào loại liệu kết hợp mà khả cung cấp thông tin rừng ngập mặn đạt mức độ định Do đó, việc sử dụng loại ảnh nhằm hỗ trợ giám sát RNM tỉnh Cà Mau khác Đề tài thuộc nhiệm vụ Nghị định thư RICEMAN: "Nghiên cứu giám sát lúa rừng ngập mặn công nghệ viễn thám khu vực phía Nam Việt Nam", hơp tác Trung tâm Dữ liệu Viễn thám – Cơ quan Không gian Đức (DFDDLR) Trung tâm Viễn thám GIS – Viện Địa lý Tài nguyên TP.HCM (GIRS-HCMIRG) Từ khóa: Rừng ngập mặn (Mangrove forest), giám sát (monitor), ảnh radar (radar image), ảnh quang học (optical image), kết hợp ảnh (image fusion) iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii TÓM TẮT LUẬN VĂN iii DANH MỤC BẢNG BIỂU vi DANH MỤC HÌNH viii DANH MỤC TỪ VIẾT TẮT x MỞ ĐẦU 1 Đặt vấn đề Mục tiêu Nội dung nghiên cứu Phương pháp thực Phạm vi thực Cấu trúc luận văn CHƯƠNG 1: VÙNG NGHIÊN CỨU VÀ TỔNG QUAN VỀ RỪNG NGẬP MẶN 1.1 Khu vực nghiên cứu 1.1.1 Vị trí địa lý, điều kiện tự nhiên 1.1.2 Đặc điểm kinh tế - xã hội 1.2 Rừng ngập mặn 1.2.1 Khái niệm vai trò rừng ngập mặn 1.2.2 Rừng ngập mặn giới 10 1.2.3 Rừng ngập mặn Việt Nam 10 1.2.4 Rừng ngập mặn Cà Mau 12 CHƯƠNG 2: TỔNG QUAN VỀ ỨNG DỤNG ẢNH VIỄN THÁM TRONG GIÁM SÁT RỪNG NGẬP MẶN 15 2.1 Viễn thám 15 2.1.1 Viễn thám quang học 15 2.1.2 Viễn thám radar 16 2.1.3 Tương tác sóng điện từ với rừng ngập mặn 18 2.2 Ứng dụng viễn thám nghiên cứu rừng ngập mặn 22 2.2.1 Dữ liệu quang học, radar 23 2.2.2 Kết hợp liệu quang học radar 25 iv CHƯƠNG 3: PHƯƠNG PHÁP 27 3.1 Phương pháp luận 27 3.1.1 Xử lý phân tích ảnh 28 3.1.2 Phân loại ảnh 29 3.1.3 Đánh giá khả xác định rừng ngập mặn 30 3.2 Dữ liệu 31 3.2.1 Dữ liệu ảnh 31 3.2.2 Dữ liệu khác 32 3.3 Phương pháp 34 3.3.1 Xử lý 34 3.3.2 Phân loại 35 3.3.3 Đánh giá độ xác phân loại 40 CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN 42 4.1 Kết xử lý phân tích 42 4.1.1 Xử lý ảnh 42 4.1.2 Phân tích 44 4.2 Kết phân loại đánh giá độ xác phân loại 50 4.2.1 Dữ liệu radar 50 4.2.2 Dữ liệu quang học 52 4.2.3 Dữ liệu quang học kết hợp với radar 55 4.3 Đánh giá khả sử dụng ảnh viễn thám giám sát rừng ngập mặn 57 4.3.1 Khả nhận dạng đối tượng 57 4.3.2 Phân biệt đối tượng mặt hình học 65 4.4 Đề xuất sử dụng ảnh viễn thám giám sát rừng ngập mặn 71 KẾT LUẬN 74 TÀI LIỆU THAM KHẢO 76 PHỤ LỤC 82 v DANH MỤC BẢNG BIỂU Bảng 2.1: Tương tác bước sóng, phân cực RNM 20 Bảng 2.2: Thuận lợi khó khăn sử dụng ảnh quang học có độ phân giải khơng gian trung bình ảnh radar giám sát RNM 21 Bảng 3.1: Thông tin ảnh SPOT sử dụng 31 Bảng 3.2: Thông tin ảnh Landsat sử dụng 31 Bảng 3.3: Thông tin ảnh ALOS PALSAR sử dụng 32 Bảng 3.4: Hệ thống phân loại cho ảnh quang học 36 Bảng 3.5: Hệ thống phân loại cho ảnh radar 37 Bảng 3.6: Khóa giải đoán cho ảnh quang học 38 Bảng 3.7: Khóa giải đốn cho ảnh radar 39 Bảng 3.8: Đô lệch chuẩn đối tượng RNM2.3 kênh ảnh SPOT 39 Bảng 3.9: Số điểm lấy mẫu đánh giá độ xác phân loại 40 Bảng 4.1: Giá trị tán xạ ngược trung bình đối tượng ảnh ALOS PALSAR 44 Bảng 4.2: Giá trị phản xạ trung bình đối tượng ảnh Landsat 45 Bảng 4.3: Giá trị phản xạ trung bình đối tượng ảnh SPOT 46 Bảng 4.4: Độ tách biệt lớp mẫu phân loại cho ảnh ALOS PALSAR không kết hợp PC 47 Bảng 4.5: Độ tách biệt lớp mẫu phân loại cho ảnh ALOS PALSAR có kết hợp PC 48 Bảng 4.6: Độ tách biệt lớp mẫu phân loại cho ảnh Landsat 48 Bảng 4.7: Độ tách biệt lớp mẫu phân loại cho ảnh Landsat + ALOS PALSAR 49 Bảng 4.8: Độ tách biệt lớp mẫu phân loại cho ảnh SPOT 49 Bảng 4.9: Độ tách biệt lớp mẫu phân loại cho ảnh SPOT + ALOS PALSAR 50 Bảng 4.10: Kết phân loại ảnh radar kết hợp với ảnh thành phần 51 Bảng 4.11: Kết phân loại ảnh quang học kết hợp với NDVI 52 Bảng 4.12: Kết phân loại liệu kết hợp kết hợp NDVI PC 55 Bảng 4.13: Khả phân loại đối tượng khu vực RNM 57 Bảng 4.14: Độ xác phân loại ảnh ALOS PALSAR 58 Bảng 4.15: Độ xác phân loại ảnh Landsat 60 vi Bảng 4.16: Độ xác phân loại ảnh SPOT 61 Bảng 4.17: Độ xác phân loại liệu kết hợp Landsat – ALOS PALSAR 63 Bảng 4.18: Độ xác phân loại liệu kết hợp SPOT - ALOS PALSAR 64 Bảng 4.19: Khả khoanh vẽ ranh giới đối tượng loại liệu ảnh 66 Bảng 4.20: Đánh giá khả khoanh vẽ ranh giới đối tượng loại liệu 67 Bảng 4.21: Khả khắc phục ảnh hưởng mây liệu quang học liệu kết hợp 68 Bảng 4.22: Độ xác phân loại đối tương loại liệu 69 Bảng B.1: Mẫu thực địa đối tượng khu vực rừng ngập mặn Cà Mau 82 vii DANH MỤC HÌNH Hình A.1: Sơ đồ khu vực nghiên cứu thuộc tỉnh Cà Mau Hình 1.1: Phân bố diện tích RNM giới 10 Hình 1.2: Phân chia khu vực RNM Việt Nam 11 Hình 1.3: Diến biến RNM Việt Nam 1943 – 2008 11 Hình 1.4: Bản đồ trạng loại đất rừng tai Cà Mau 2010 12 Hình 1.5: Diễn biến diện tích RNM Cà Mau từ 1983 – 2010 13 Hình 1.6: Diễn biến diện tích RNM tơm Cà Mau 13 Hình 2.1: Đường cong phản xạ phổ số đối tượng 16 Hình 2.2: Sự tương tác bước sóng (X, C, L, P) sử dụng SAR 17 Hình 2.3: Phản xạ đối tượng ảnh quang học 18 Hình 2.4: Đặc tính phổ ảnh hưởng lên phản xạ mắm đước Cà Mau 19 Hình 2.5: Cơ chế tán xạ ngược giai đoạn phát triển RNM ảnh radar 20 Hình 3.1: Sơ đồ bước thực đề tài 28 Hình 3.2: Bản đồ loại đất rừng khu vực nghiên cứu năm 2010 33 Hình 3.3: a) Dữ liệu kết hợp ảnh SPOT ALOS PALSAR; b) Dữ liệu kết hợp ảnh Landsat ALOS PALSAR 35 Hình 3.4: Tuyến điểm lấy mẫu thực tế đánh giá độ xác phân loại 41 Hình 4.1: Vị trí điểm khống chế ảnh SPOT 42 Hình 4.2: Vị trí điểm khống chế ảnh Landsat 42 Hình 4.3: Ảnh trước sau lọc với lọc Lee, cửa sổ lọc 5x5 43 Hình 4.4: Ảnh số thực vật NDVI liệu SPOT (a) liệu Landsat (b) 43 Hình 4.5: Phân tích PC (a: Ảnh gốc, b: PC 1, c: PC 2, d: PC 3) 44 Hình 4.6: Giá trị tán xạ ngược trung bình đối tượng ảnh ALOS PALSAR 45 Hình 4.7: Giá trị phản xạ trung bình đối tượng ảnh Landsat 46 Hình 4.8: Giá trị phản xạ trung bình đối tượng ảnh SPOT 47 Hình 4.9: Kết phân loại ảnh ALOS PALSAR 51 Hình 4.10: Các điểm lấy mẫu đánh giá độ xác phân loại ảnh ALOS PALSAR 52 Hình 4.11: Kết phân loại ảnh Landsat 53 Hình 4.12: Kết phân loại ảnh SPOT 54 Hình 4.13: Các điểm lấy mẫu đánh giá độ xác phân loại ảnh Landsat 54 viii MNUOC 79,25 84,00 96,30 100,00 ĐCX toàn cục (%) 79,24 83,09 85,20 90,00 88,31 Kappa 0,75 0,82 0,84 0,89 0,87 Tổng đối tượng 12 đối tượng 96,20 87,02 12 đối tượng 94,23 92,45 12 đối tượng 90,38 92,16 12 đối tượng Hình 4.17: Biểu đồ độ xác người sử dụng loại liệu Hình 4.18: Biểu đồ độ xác nhà sản xuất loại liệu Ảnh ALOS PALSAR có khả phân loại đối tượng RNM khơng chi tiết (3 đối tượng) Ở liệu quang học liệu kết hợp, khả phân loại chi tiết đối tượng rừng ngập mặn tốt (7 đối tượng) Dữ liệu quang học liệu kết hợp có độ xác phân loại cao liệu radar Biểu đồ so sánh độ xác phân loại liệu (Hình 4.17, 4.18) cho thấy khơng có khác biệt nhiều đối tượng RNM liệu quang học kết hợp Nhìn chung, liệu kết hợp tận dụng số lợi loại ảnh quang học radar, không khắc phục hết nhược điểm Ngoài ra, tùy thuộc vào loại ảnh quang học kết hợp với ảnh radar mà khả tận dụng ưu điểm cải thiện nhược điểm khác Như vậy, kết phân loại đánh giá cho thấy, tùy thuộc vào loại ảnh khác mà việc kết hợp liệu quang học radar đạt kết tốt Ảnh Landsat kết hợp với ảnh ALOS PALSAR cho kết xác định đối tượng tốt ảnh Landsat, nhiên kết không tốt kết hợp ảnh SPOT 70 ALOS PALSAR Điều tùy thuộc vào độ phân giải không gian liệu quang học radar 4.4 Đề xuất sử dụng ảnh viễn thám giám sát rừng ngập mặn Tùy thuộc vào mức độ chi tiết loại RNM cần phân loại, sử dụng loại liệu ảnh viễn thám phù hợp Đối với ảnh radar, khả tách biệt đối tượng khu vực RNM không cao, liệu lại không bị ảnh hưởng điều kiện thời tiết, nên phù hợp việc ứng dụng ảnh nhằm khắc phục cập nhật thêm thông tin ảnh quang học bị mây che phủ Ảnh quang học loại liệu sử dụng phổ biến khả phân loại đối tượng tốt, dễ sử dụng Tuy nhiên, RNM phát triển chủ yếu khu vực nhiệt đới, vùng thường xuyên có lượng mưa cao nên bầu trời thường xuyên bị mây bao phủ Do đó, ảnh quang học thu nhận khu vực không tránh khỏi ảnh hưởng thời tiết làm giảm chất lượng liệu Theo kết phân loại liệu thực đề tài, việc kết hợp ảnh quang học radar phần khắc phục hạn chế loại liệu quang học radar Kết hợp ảnh radar quang học nâng cao khả phân loại đối tượng khu vực bị mây che phủ Ảnh radar quang học có đặc điểm thu nhận ảnh riêng, đó, khả cung cấp thơng tin đối tượng khác Mỗi loại liệu phù hợp với phương pháp xử lý mục đích sử dụng định Chỉ có ba ảnh Landsat 7, SPOT 5, ALOS PALSAR sử dụng đề tài, chưa có nhiều loại ảnh viễn thám sử dụng để chứng minh tính khái quát cho tất loại ảnh radar, quang học, quang học kết hợp với radar Dựa vào khả phân loại đối tượng loại liệu phân tích, số nhận xét đề xuất rút nghiên cứu này: - Các đối tượng phân loại ảnh quang học chi tiết ảnh radar Điều chất sóng sử dụng phương pháp thu nhận loại liệu khác Ảnh quang học thu nhận dựa khả phản xạ đối tượng vùng sóng nhìn thấy hồng ngoại Sóng điện từ có tương tác khác với loại đối tượng tuỳ theo chiều dài bước sóng Ảnh radar nhạy với độ gồ ghề bề mặt đối tượng Như vậy, đối tượng có tán xạ ngược khác tùy thuộc vào chiều dài bước sóng, phân cực 71 - Ảnh Landsat kết hợp với liệu ALOS PALSAR cho kết phân loại tốt nhờ tận dụng độ phân giải cao từ ảnh ALOS PALSAR khắc phục số đối tượng ảnh quang học dễ bị lẫn lộn nhà đất trống khơ, giảm ảnh hưởng mây Hình dạng đối tượng RNM có kích thước nhỏ phân loại tốt - Kết phân loại liệu SPOT kết hợp với ALOS PALSAR giảm ảnh hưởng mây Tuy nhiên, độ phân giải ảnh SPOT tương đương với ảnh ALOS PALSAR nên liệu sau kết hợp không cải thiện chi tiết hình dạng đối tượng Một số khu vực khắc phục nhược điểm ảnh quang học lẫn lộn đất trống khô nhà ở, số đối tượng RNM có độ xác phân loại giảm không đáng kể Như vậy, liệu kết hợp ảnh quang học radar nâng cao khả phân biệt đối tượng RNM Ảnh quang học radar thu nhận đối tượng theo đặc trưng khác nhau, đó, liệu kết hợp có khả tận dụng khác biệt Tuy nhiên, trường hợp nghiên cứu này, mức độ phân biệt cấu trúc đối tượng liệu radar không làm tăng khả phân biệt đối tượng RNM liệu kết hợp - Về vấn đề xử lý sử dụng ảnh giám sát RNM: Mỗi loại liệu có đặc điểm khác quy định thời gian thu nhận ảnh, khu vực, đối tượng thu nhận…nên loại liệu có phương pháp xử lý, phân loại khác Như kết phân loại liệu phân tích cho thấy liệu quang học kết hợp thêm ảnh số NDVI, liệu radar kết hợp ảnh thành phần tạo kết phân loại tốt Ngoài ra, việc sử dụng loại liệu giám sát RNM có đặc điểm: - Ảnh ALOS PALSAR có khả phân loại đối tượng RNM thấp, độ xác phân loại khơng cao, hình dạng đối tượng khơng phân loại chi tiết, đó, khơng nên sử dụng ảnh ALOS PALSAR nhằm giám sát RNM trường hợp - Ảnh Landsat (khơng có kênh tồn sắc 15 m) có khả tách biệt loại RNM chi tiết (có nhiều kênh phổ dải sóng nhìn thấy hồng ngoại) hình dạng đối tượng sau phân loại không tốt (độ phân giải không gian không cao) nên sử dụng nhằm giám sát RNM tỉnh Cà Mau 72 - Ảnh SPOT ảnh Landsat với kết hợp ảnh ALOS PALSAR cho khả phân loại đối tượng RNM chi tiết, đảm bảo tốt phân bố hình dạng đối tượng, sử dụng liệu công tác giám sát RNM tỉnh Cà Mau Như vậy, điều kiện ảnh quang học không bị ảnh hưởng mây, với mục đích hỗ trợ giám sát RNM cấp tỉnh, ảnh ALOS PALSAR Landsat không nên sử dụng độc lập Ảnh Landsat kết hợp ALOS PALSAR có khả phân loại đối tượng chi tiết đảm bảo phân bố, hình dạng đối tượng nên sử dụng nhằm giám sát RNM tỉnh Cà Mau Ảnh SPOT có khả sử dụng độc lập giám sát RNM, không cần kết hợp thêm ảnh ALOS PALSAR Dữ liệu quang học kết hợp với radar có khả giảm bớt ảnh hưởng mây phân loại Vì vậy, ảnh Landsat SPOT nên kết hợp thêm với ảnh ALOS PALSAR bị mây bao phủ nhiều Nhìn chung, ảnh radar có độ phân giải cao ảnh quang học, sau kết hợp với ảnh quang học, tận dụng độ phân giải không gian khả không bị ảnh hưởng mây ảnh radar Tuy nhiên, ảnh radar quang học có độ phân giải khơng gian ngang nhau, sau kết hợp kết chủ yếu cải thiện khía cạnh giảm bớt ảnh hưởng thời tiết, khả phân biệt đối tượng khơng có khác biệt nhiều việc sử dụng liệu quang học liệu kết hợp 73 KẾT LUẬN Khả phân loại RNM từ loại liệu quang học, radar, quang học kết hợp với radar nghiên cứu đề tài Trong đó, liệu quang học sử dụng ảnh Landsat có độ phân giải 30 m, ảnh SPOT có độ phân giải 10 m Dữ liệu radar sử dụng ALOS PALSAR có độ phân giải không gian 12,5 m 25 m Khi kết hợp ảnh quang học với radar, loại ảnh chuyển độ phân giải 10 m Khả xác định đối tượng RNM loại liệu đánh giá dựa hai tiêu chí mức độ phân biệt (số lượng, hình dạng, phân bố) đối tượng khu vực ngập mặn độ xác phân loại Ảnh ALOS PALSAR có độ xác phân loại hệ số Kappa không cao, đạt 79% 0,75 tương ứng Ảnh Landsat có độ xác cao 83%, Kappa đạt 0,81 Ảnh Landsat kết hợp ALOS PALSAR có độ xác nâng lên 85% Kappa đạt 0.84 Ảnh SPOT có độ xác phân loại cao 90%, Kappa 0,89, nhiên liệu SPOT kết hợp ALOS PALSAR lại có độ xác khơng cao sử dụng ảnh SPOT 5, đạt 88%, Kappa 0,87 Kết cho thấy, ảnh radar có ưu khơng bị ảnh hưởng thời tiết, khả phân biệt loại đối tượng rừng ngập mặn hạn chế ảnh quang học, khả đảm bảo hình dạng đối tượng khơng cao Ảnh quang học Landsat SPOT có khả phân biệt đối tượng RNM chi tiết bị mây phủ nhiều làm giảm khả phân loại xác đối tượng Ảnh Landsat kết hợp ALOS PALSAR có khả nhận dạng đối tượng tốt, hình dạng đối tượng chi tiết ảnh Landsat Dữ liệu kết hợp SPOT ALOS PALSAR làm tăng khả phân loại đối tượng khu vực bị mây phủ, tách đối tượng đất trống, dân cư tốt hơn, số loại RNM có độ xác phân loại giảm Tuy nhiên liệu kết hợp đảm bảo khả nhận dạng khoanh vẽ ranh giới đối tượng tốt Dựa kết phân loại đánh giá khả xác định RNM liệu radar, quang học, liệu quang học kết hợp với radar, số nhận xét hướng sử dụng ảnh phù hợp giám sát RNM đề xuất Về khía cạnh xử lý phân loại ảnh, liệu quang học kết hợp thêm NDVI có khả nâng cao chất lượng ảnh phân loại, 74 liệu ảnh radar quang học kết hợp với radar có kết phân loại tốt kết hợp ảnh thành phần Việc sử dụng ảnh giám sát RNM phù hợp phải tùy thuộc vào khả xác định đối tượng loại liệu Kết đánh giá cho thấy ảnh ALOS PALSAR có mức độ phân biệt đối tượng khu vực ngập mặn không cao nên tránh sử dụng độc lập ảnh ALOS PALSAR cho phân loại RNM trường hợp Ảnh quang học loại liệu dễ sử dụng có khả phân loại đối tượng tốt Khi liệu quang học không bị ảnh hưởng mây, loại liệu ưu tiên khả xác định đối tượng RNM tốt dễ sử dụng Ảnh SPOT sử dụng độc lập hỗ trợ giám sát RNM cấp tỉnh ảnh Landsat nên kết hợp thêm với ảnh ALOS PALSAR Tuy nhiên, khó để có ảnh quang học khu vực RNM không bị ảnh hưởng mây Vì việc kết hợp ảnh quang học radar phương pháp hiệu Ảnh sau kết hợp tận dụng mức độ thơng tin chi tiết liệu radar có độ phân giải không gian cao, đồng thời giảm ảnh hưởng mây, giúp phân loại đối tượng tốt Do đó, ảnh SPOT 5, SPOT Landsat kết hợp ảnh ALOS PALSAR loại liệu sử dụng để giám sát RNM khu vực tỉnh Cà Mau Ảnh radar có khả cung cấp thông tin cấu trúc đối tượng Khi kết hợp ảnh radar quang học, có khả tăng thêm khả nhận diện đối tượng liệu Tuy nhiên, nghiên cứu này, mức độ phân biệt cấu trúc đối tượng khu vực nghiên cứu ảnh ALOS PALSAR chưa đủ nhằm bổ sung thông tin cho ảnh quang học để tách biệt đối tượng rừng ngập mặn Ảnh Landsat 7, SPOT ALOS PALSAR ba loại liệu sử dụng đề tài nên đánh giá khả phân biệt đối tượng RNM loại liệu Đề xuất sử dụng ảnh mang tính định hướng, chưa có nghiên cứu sâu để xác định thêm hướng sử dụng ảnh cụ thể Đây số hạn chế đề tài, đó, đề tài cần nghiên cứu nhiều loại liệu quang học radar khác nhau, đồng thời rút định hướng sử dụng loại liệu cụ thể Đối với liệu radar, thực nghiên cứu với loại ảnh có chiều dài bước sóng phân cực khác nhau, nhằm xác định bước sóng phân cực phù hợp giám sát RNM Cà Mau 75 TÀI LIỆU THAM KHẢO Tiếng Việt Trương Thị Hịa Bình nnk, 2008, Đánh giá biến động diện tích rừng ngập mặn vùng ven bờ biển công nghệ viễn thám hệ thông tin địa lý, http://125.235.3.98/dspace/handle/123456789/542, 25/05/2011 Bộ Nông nghiệp Phát triển Nông thôn, Số 78/2002/QĐ-BNN, ngày 28 tháng năm 2002, Ban hành quy phạm kỹ thuật theo dõi diễn biến rừng đất lâm nghiệp lực lượng Kiểm lâm Bộ Nông nghiệp Phát triển Nông thôn, 2006, Hệ sinh thái rừng tự nhiên Việt Nam, Cẩm nang ngành Lâm nghiệp Bộ Nông nghiệp Phát triển Nông thôn, Tổng cục Lâm nghiệp, 2010, Tiến độ thực mục tiêu môi trường, Báo cáo tiến độ ngành Lâm nghiệp 2006 – 2010, dự án FORMIS (Phát triển hệ thống quản lý thông tin ngành Lâm Nghiệp) Chi Cục Phát triển Lâm nghiệp Cà Mau, 2000, Hiện trạng rừng đất rừng Cà Mau Trần Trọng Đức, Phạm Bách Việt, 2004, Giám sát biến động rừng ngập mặn Cần Giờ sử dụng kỹ thuật viễn thám GIS, Đề tài cấp - Đại học Bách Khoa Tp HCM Phạm Xuân Hoài, 2009, Một số vấn đề lâm học nhiệt đới, ĐH Lâm nghiệp Phan Nguyên Hồng, 1997, Vai trò RNM Việt Nam, kỹ thuật trồng chăm sóc, NXB Nơng nghiệp Ngơ Đình Quế, Phạm Trọng Thịnh nnk, 2012, Báo cáo kết điều tra, khảo sát tháng 01 năm 2012, Dự án GIZ Kiên Giang, ICZM/ CCCEP, Khơi phục Rừng ngập mặn Việt Nam 10 Đỗ Đình Sâm, Nguyễn Ngọc Bình, Ngơ Đình Quế, Vũ Tấn Phương, Tổng quan rừng ngập mặn Việt Nam, 2005, NXB Nông nghiệp 11 Nguyễn Ngọc Thạch, 1997, Viễn thám nghiên cứu tài nguyên môi trường, NXB Khoa học kỹ thuật 12 Phạm Trọng Thịnh, Dominic Meinardi, Klaus Schmitt, 2011, Giám sát rừng ngập mặn, Dự án Quản lý Nguồn Tài nguyên Thiên nhiên Vùng Ven biển tỉnh Sóc Trăng 76 13 Lê Quang Toan, 2011, Ứng dụng ảnh vệ tinh viễn thám Rada xác định sinh khối rừng ngập mặn khu vực ven biển đồng Sông Hồng, Luận văn Thạc sĩ, 2011, Đại học Khoa học Tự nhiên, Đại học quốc gia Hà nội 14 Lê Quang Toan, Trần Tuấn Ngọc, Lâm Đạo Nguyên Phạm Văn Cự, 2011, Ứng dụng ảnh vệ tinh Radar xác định sinh khối rừng ngập mặn khu vực ven biển tỉnh Nam Định, Kỷ yếu Hội thảo khoa học quốc gia “Đất ngập nước biến đổi khí hậu” NXB Khoa học Kỹ thuật, Hà Nội, ngày 19/12/2011 15 Lê Văn Trung, 2005, Viễn thám, NXB ĐH Quốc gia Tp Hồ Chí Minh 16 Trung tâm Viễn thám Hệ thông tin địa lý - Viện Địa lý Tài nguyên TP.HCM hợp tác với Trung tâm Dữ liệu Viễn thám – Cộng hòa Liên bang Đức, thực hiện, Nghiên cứu giám sát lúa rừng ngập mặn cơng nghệ viễn thám khu vực phía Nam Việt Nam 17 Thái Văn Trừng, 1999, Những hệ sinh thái rừng nhiệt đới Việt Nam, NXB Khoa học kỹ thuật 18 Lê Xuân Tuấn, Phan Nguyên Hồng, Trương Quang Học, 2008, Những vấn đề môi trường ven biển phục hồi rừng ngập mặn Việt Nam, Kỷ yếu hội thảo quốc tế Việt Nam học lần thứ ba 19 Chu Hải Tùng, Đặng Trường Giang, Phạm Văn Mạnh, Nguyễn Minh Ngọc, 2008, Ứng dụng kết hợp ảnh vệ tinh radar quang học để thành lập số lớp thông tin lớp phủ mặt đất, Viễn thám Địa tin học, số 5-2008 20 Tô Văn Vượng, 2009, nghiên cứu số sở khoa học nhằm đề xuất giải pháp kỹ thuật gây trồng rừng ngập mặn cho vùng bãi bồi ven biển huyện Kim Sơn, tỉnh Ninh Bình, luận văn Thạc sĩ Lâm nghiệp, ĐH Thái nguyên Tiếng Anh 21 Gidudu Anthony, Hulley Greg, Marwala Tshilidzi, 2007, Classification of Images Using Support Vector Machines, Advances, Volume: 3, Issue: 2, Publisher: Ieee 22 Giuliano Di Baldassarre, Guy Schumann, Paul Bates, 2010, Coarse resolution SAR imagery to support flood inundation modelling in near-real time, School of Geographical Sciences, University of Bristol, Assembly, Volume: 11 77 23 F Blasco, T Gauquelin, M Rasolofoharinoro, J Denis, M Aizpuru and V Caldairou, Mar Freshwater Res.,1998, Recent advances in mangrove studies using remote sensing data, 49, 287–96, ©CSIRO 1998, 10.1071/MF97153, 1323-1650/98/040287 24 J.A.Chards, 1999, Remote Sensing Digital Image Analysis: An Introduction, Springer-Verlag, Berlin, Germany 25 Junaid K Choudhury, 1997, Sustainable management of coastal mangrove forest development and social needs, XI World forestry Congress, FAO, Volume 6, Topic 38.6 26 J.F.Dallemand, J.Lichtenegger, R.K.Raney, R.Schumann, 1993, Radar imagery: Theory and interpretation, Lecture note , FAO Remote Sensing Center 27 FAO, 2005, Global Forest Resources Assessment 2005, ISBN 92-5-105481-9, FAO Forestry 28 FAO, 2007, Mangroves of Asia 1980-2005:Country Reports, Forest Resources Assessment Programme, Working Paper 137 Rome, 2007 29 Ilka C Feller, Marsha Sitnik, 1996, Mangrove ecology: A Manual for a Field Course - A Field Manual Focused on the Biocomplexity on Mangrove Ecosystems, Smithsonian Institution 1996, Washington DC 30 Steffen Gebhardt, Vo Quoc Tuan, Pham Bach Viet, Lam Dao Nguyen, Pham Trong Thinh, Juliane Huth, Claudia Kuenzer, 2011, Synergistic Usage of TerraSAR-X and SPOT satellite data for mapping mangrove forests over Ca Mau peninsula in the Mekong River Delta, Accepted at the International Journal of Remote Sensing 31 Geoffrey M Henebry, 1997, Advantages of principal components analysis for land cover segmentation from SAR image series, Third ERS Symposium on Space at the service of our Environment, Florence, Italy, 14-21 32 H Hoekman, 1999, Monitoring tropical forests using synthetic aperture radar, The Balance between Biodiversity Conservation and Sustainable Use of Tropical Rain Forests: Workshop Proceedings, 6-8 December 1999, Balikpapan, Kalimantan 33 Yousif Ali Hussin, Mahfud M Zuhair, Michael Weir, 1999, Monitoring Mangrove Forests using Remote Sensing and GIS, Workshop Proceedings “The balance between biodiversity conservation and sustainable use of tropical rain forests”, 6-8 December 19992001, pp 251-257, ISBN 90-5113-050-3, Record Number 20023073695 78 34 Yousif Ali Hussin, 2007, Synthetic aperture radar and optical satellite images for detecting and monitoring tropical deforestation and forest degradation in Southeast Asia, Commission VII, WG2/ WG7 35 Claudia Kuenzer , Andrea Bluemel , Steffen Gebhardt , Tuan Vo Quoc Stefan Dech, 2011, Remote Sensing of Mangrove Ecosystems: A Review , Remote Sens 2011, ISSN 2072-4292 36 Lee, Jong-Sen, 1980, Digital Image Enhancement and Noise Filtering by Use of Local Statistics, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol PAMI - 2, No.2 37 Richard M Lucas, Peter Bunting, Dan Clewley, Christophe Proisy et al, 2010, Characterisation and Monitoring of Mangroves Using ALOS PALSAR Data, Ustralasian Remote Sensing & Photogrammetry Conference, 12 – 17/ 9/2010 38 M Mansourpour, M.A Rajabi, J.A.R Blais, 2000, Effects and performance of Speckle noise reduction Filters on Active Radar and SAR images, Image Rochester NY, Volume: 2, Issue: 1/W41, Publisher: Citeseer 39 Elizabeth McLeod, Rodney V Salm, 2006, Managing Mangroves for Resilience to Climate Change, IUCN, Gland, Switzerland 40 A.V Meenakshi, V Punitham, 2011, Performance of speckle noise reduction Filters on Active Radar and SAR Images, International Journal of Technology And Engineering System (IJTES) - Vol2, No1 41 Nguyen Dinh Duong, 2002, Combination of multispectral and SAR remote sesning data for urban study, Proceeding of Asian Conference of Remote Sensing, Kathmandu, Nepal, November 25- 29 42 Vanina Pasqualini, Jacques Iltis, Nadine Dessay, Marc Lointier, Olivier Guelorget, Laurent Polidori, 1999, Mangrove mapping in North-Western Madagascar using SPOT-XS and SIR-C đa data, Hydrobiologic 413: 127-133, R.S Dvdd, Dirersiry and Function in mangrove ecosystems, Kluwer Academic Publisliers 43 Phan Nguyen Hong, Hoang Thi San, 1993, Mangroves of Vietnam, IUCN, BangkokThailand 79 44 Phan Minh Thu, 2006, Application of remote sensing and GIS tools for recognizing changes of mangrove forests in Ca Mau province, Proceedings of GIS-IDEAS 2006 Ho Chi Minh, 9-11 Nov 2006 45 Christophe Proisy, Anthea Mitchell, Richard Lucas, Franỗois Fromard, Franỗois Fromard, 2003, Estimation of Mangrove Biomass using Multifrequency Radar Data Application to Mangroves of French Guiana and Northern Australia, Proceeding of the Mangrove 2003 conference, 20-24 May 2003, Salvador, Bahia, Brazil 46 Sassan Saatchi, Bruce Nelson, Anthony Freeman, Bruce Chapman, 1997, Application of Radar Remote Sensing in Mapping and Monitoring Tropical Forest Types in Amazon Basin, Space symposium, Washington, D.C 20008 47 Huiyong SANG, Hui Lin, Limin Yang, Ying Liu, Xiangming Xiao, 2007, Land Cover Classification in the Poyang Lake Region, China, Using Landsat TM and JERS-1 Synthetic Aperture Radar Data, Annals of GIS, Volume 13, Issue & 2, 01 December 2007 48 T N K D Binh, Nico Vromant, Nguyen Thanh Hung, Luc Hens, E.K.Boon, 2005, Land Cover Changes Between 1968 and 2003 In Cai Nuoc, Ca Mau Peninsula, Vietnam, Environment, Devolopment and Sustainability, Vol 7, Number 4, 519-536, DOI: 10.1007/s10668-004-6001-z, Springer 2005 49 Tong Phuoc Hoang Son, Phan Minh Thụ, 2005, Some pre-analysis techniques of remote sensing images for land-use in Mekong delta, International Journal of Geoinformatics, Vol 1, No 1, March 2005, ISSN 1686-6576 50 Toon Westra, Koen C Mertens, Robert R De Wulf , 2005, ENVISAT ASAR Wide Swath and SPOT-VEGETATION Image Fusion for Wetland Mapping: Evaluation of Different Wavelet-based Methods, Geocarto International, Vol 20, Issue 51 Wu, T.-F., C.-J Lin, R C Weng, 2004, Probability estimates for multi-class classification by Pairwise coupling, Journal of Machine Learning Research, 5:975-1005 Trang web tiếng Việt 52 Số liệu Nông nghiệp, Lâm nghiệp Thủy sản, http://www.gso.gov.vn/default.aspx?tabid=430&idmid=3, truy cập 4/5/2012 80 53 Tỉnh Cà Mau, 7/5/2009, http://cema.gov.vn/modules.php?name=Content&op=details&mid=7864, truy cập 12/11/2011 54 Tỉnh Cà Mau, http://www.tiepthinongsanviet.org.vn/Th%E1%BB%8Btr%C6%B0%E1%BB%9Dng/T%E 1%BB%89nhC%C3%A0Mau/tabid/745/Default.aspx, truy cập 12/11/2011 55 Nguyễn Hồng Trí, 2009, Khu dự trữ sinh giới Mũi Cà Mau http://www.mabvietnam.net/Vn/MuiCaMaubios_vn.htm, truy cập 10/06/2011 Trang web tiếng Anh 56 Characterization of Satellite Remote Sensing Systems, http://www.satimagingcorp.com/characterization-of-satellite-remote-sensing-systems.html, truy cập 25/7/2011 57 Forests and climate change, http://www.fao.org/newsroom/en/focus/2006/1000247/index.html, truy cập 20/07/2011 58 K Kathiresan, Importance of Mangrove Ecosystem, http://ocw.unu.edu/internationalnetwork-on-water-environment-and-health/unu-inweh-course-1-mangroves/Importance-ofmangroves.pdf, truy cập 20/6/2011 59 Mangrove forest: global distribution Map Encyclopædia Britannica Online Web 21 Feb 2012, http://www.britannica.com/EBchecked/media/40/Major-wetland-areas-andworldwide-distribution-of-salt-marshes-and, truy cập 2/3/2012 60 Mangrove Management in the Northern Territory, http://www.nt.gov.au/nreta/wildlife/nature/pdf/mangroves/2_mangrove_ecosystem.pdf, truy câp 24/6/2011 61 Radar remote sensing of regenerating tropical forests, http://www.dsr.inpe.br/dsr/tmk/cap3.pdf, truy cập 10/6/2011, tr.27 62 Remote sensing: Fundamental Concepts, http://remote-sensing.net/concepts.html, truy cập 22/3/2012 63 Wisdom project, http://www.wisdom.caf.dlr.de/en/content/remote-sensing-results, truy cập 2/7/2012 81 PHỤ LỤC Bảng B.1: Mẫu thực địa đối tượng khu vực rừng ngập mặn Cà Mau STT Đối tượng RNM1 Mô tả Hình lấy mẫu Rừng ngập mặn thưa, cao khoảng 45m, thường ven bờ biển, rừng có độ che phủ 50 - 60%, cấu trúc mịn RNM2.1 Rừng ngập mặn dày hơn, có độ cao 68m, mọc rải rác, có độ che phủ 6070% RNM2.2 Rừng ngập mặn dày, mọc rải rác, có độ che phủ 70 - 80% RNM2.3 Rừng ngập mặn dày, có độ che phủ 80 - 90% 82 RNM2.4 Rừng ngập mặn dày, cao lớn, có độ tuổi lớn, có độ che phủ 90% RNM3.1 Rừng ngập mặn dày, xen lần khu vực nuôi tôm, có độ che phủ từ 50%, thường tạo thành dải dày RNM3.2 Rừng ngập mặn thưa, xen lần khu vực nuôi tôm, lộ mặt nước, tạo thành vệt mỏng, diện tích nhỏ, có độ che phủ 50% NN1 Bãi bồi ven sơng, bờ biển, hình dạng khơng xác định NN2.1 Bãi đất trống khơ có xen cỏ, đất cạn nước xen lẫn khu vực nông nghiệp, tôm, xen lẫn ngập mặn 83 10 NN2.2 Khu nuôi tôm, mặt nước, xen lẫn ngập mặn 11 DCU Hình dạng không xác định, cấu trúc lốm đốm, tập trung ven bờ sông lớn 12 MNUOC Sông, kênh rạch, dài, ngoằn ngoèo, cấu trúc mịn Ảnh chụp ngày 13/12/2011 30/12/2011 84