Nghiên cứu phân loại Đất ngập nước vườn quốc gia ba bể sử dụng mô hình học máy và dữ liệu viễn thám

Nghiên cứu phân loại Đất ngập nước vườn quốc gia ba bể sử dụng mô hình học máy và dữ liệu viễn thám Nghiên cứu phân loại Đất ngập nước vườn quốc gia ba bể sử dụng mô hình học máy và dữ liệu viễn thám

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

- -

NGUYỄN VĂN QUÂN

NGHIÊN CỨU PHÂN LOẠI ĐẤT NGẬP NƯỚC VƯỜN QUỐC GIA BA BỂ

SỬ DỤNG MÔ HÌNH HỌC MÁY VÀ DỮ LIỆU VIỄN THÁM

LUẬN VĂN THẠC SĨ KHOA HỌC

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

- -

NGUYỄN VĂN QUÂN

NGHIÊN CỨU PHÂN LOẠI ĐẤT NGẬP NƯỚC VƯỜN QUỐC GIA BA BỂ

SỬ DỤNG MÔ HÌNH HỌC MÁY VÀ DỮ LIỆU VIỄN THÁM

Chuyên ngành: Bản đồ Viễn thám và Hệ thông tin địa lý

Mã số: 8440211.01

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC

Hà Nội – 2022

LỜI CẢM ƠN

Trong quá trình thực hiện luận văn, ngoài sự cố gắng của bản thân, học viên

đã nhận được rất nhiều sự giúp đỡ, nhân dịp này học viên xin bày tỏ lòng biết ơn với những sự giúp đỡ đó

Lời đầu tiên, học viên xin gửi lời cảm ơn chân thành và sâu sắc tới TS Đặng Kinh Bắc và PGS.TS Đinh Thị Bảo Hoa giảng viên Khoa Địa lý, Trường Đại học K hoa học Tự nhiên – ĐHQG Hà Nội đã tận tình hướng dẫn, chỉ bảo, luôn theo sát và truyền đạt những kiến thức, kinh nghiệm quý báu, tạo điều kiện thuận lợi cho học viên có thể hoàn thành luận văn

Cảm ơn đề tài khoa học và công nghệ: “Nghiên cứu, đề xuất giải pháp duy trì đặc tính sinh thái và cải thiện sinh kế cộng đồng tại một số khu Ramsar ở Việt Nam”,

mã số TNMT.2020.562.08 của Bộ Tài nguyên và Môi trường đã hỗ trợ học viên trong quá trình đi thực địa, thu thập tài liệu

Đồng thời học viên cũng xin bày tỏ lòng biết ơn tới các thầy cô Khoa Địa Lý,

Bộ môn Bản đồ Viễn thám và Hệ thông tin địa lý, Trường Đại học Khoa học Tự nhiên – ĐHQG Hà Nội đã giúp đỡ, tạo điều kiện và truyền đạt cho tác giả nhiều kiến thức hay, bổ ích cũng như các kĩ năng cần thiết trong cuộc sống, công tác cũng như trong suốt quãng thời gian học tập tại trường

Cuối cùng, học viên xin gửi lời cảm ơn tới gia đình và bạn bè đã luôn động viên, chia sẻ trong suốt quá trình thực hiện nghiên cứu

Mặc dù đã có nhiều cố gắng để thực hiện đề tài một cách hoàn chỉnh nhất, tuy nhiên không tránh khỏi thiếu sót và hạn chế Kính mong nhận được sự góp ý của thầy

MỤC LỤC

LỜI CẢM ƠN i

MỤC LỤC ii

DANH MỤC BẢNG iv

DANH MỤC HÌNH v

BẢNG KÝ HIỆU CHỮ VIẾT TẮT vi

MỞ ĐẦU 1

1 Tính cấp thiết của đề tài 1

2 Mục tiêu nghiên cứu 2

3 Đối tượng nghiên cứu 2

4 Nội dung và nhiệm vụ nghiên cứu 2

4.1 Nội dung nghiên cứu 2

4.2 Nhiệm vụ nghiên cứu 2

5 Ý nghĩa khoa học và thực tiễn 3

5.1 Ý nghĩa khoa học 3

5.2 Ý nghĩa thực tiễn 3

6 Cơ sở tài liệu 3

7 Cấu trúc luận văn 4

CHƯƠNG 1 CỞ SỞ LÝ LUẬN CỦA ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM VÀ MÔ HÌNH HỌC MÁY TRONG PHÂN LOẠI ĐẤT NGẬP NƯỚC 5

1.1 Tổng quan về đất ngập nước 5

1.1.1 Khái niệm đất ngập nước 5

1.1.2 Lợi ích của hệ sinh thái ĐNN 7

1.1.2.1 Lợi ích gián tiếp từ hệ sinh thái ĐNN 7

1.1.2.2 Lợi ích trực tiếp từ hệ sinh thái ĐNN 8

1.1.3 Phân loại đất ngập nước 9

1.1.3.1 Phân loại đất ngập nước theo RAMSAR 9

1.1.3.2 Phân loại đất ngập nước tại Việt Nam 9

1.2 Tổng quan tình hình nghiên cứu trong và ngoài nước về phân loại đất ngập nước bằng mô hình học máy và dữ liệu viễn thám 10

1.2.1 Tổng quan tình hình nghiên cứu ngoài nước 10

1.2.2 Tổng quan tình hình nghiên cứu trong nước 12

1.2.3 Tình hình nghiên cứu ĐNN ở khu vực vườn Quốc gia Ba Bể 15

1.3 Cơ sở và phương pháp ứng dụng viễn thám trong nghiên cứu phân loại lớp phủ 15

1.3.1 Cơ sở viễn thám trong nghiên cứu phân loại lớp phủ 15

1.3.2 Các phương pháp phân loại lớp phủ trên ảnh viễn thám 17

1.3.2.1 Phương pháp phân loại có kiểm định 17

1.3.2.2 Phương pháp tương phản ảnh 18

1.3.2.3 Phương pháp ứng dụng viễn thám đa kênh 19

1.3.3 Cơ sở khoa học phân loại ĐNN trên ảnh viễn thám 22

1.4 Cơ sở khoa học của ứng dụng mô hình học máy trong giám sát biến động lớp phủ 25

1.5 Quy trình thiết lập mô hình học máy trong phân loại ĐNN 26

CHƯƠNG 2 ĐẶC ĐIỂM ĐẤT NGẬP NƯỚC TẠI VƯỜN QUỐC GIA BA BỂ 29

2.1 Đặc điểm tự nhiên và kinh tế xã hội 29

2.1.1 Vị trí khu vực nghiên cứu 29

2.1.2 Đặc điểm địa chất 30

2.1.3 Đặc điểm địa hình 32

2.1.4 Đặc điểm hiện trạng sử dụng đất và thổ nhưỡng 34

2.1.5 Đặc điểm khí hậu, thủy văn 36

2.1.6 Đặc điểm sinh thái 36

a Thảm thực vật rừng 37

b Tài nguyên động vật rừng 38

2.1.7 Đặc điểm kinh tế xã hội 38

2.2 Đa dạng loại hình đất ngập nước trong VQG 39

2.3 Vai trò vùng đất ngập nước khu vực VQG Ba Bể 40

CHƯƠNG 3 PHÂN LOẠI ĐẤT NGẬP NƯỚC KHU VỰC VQG BA BỂ 44

3.1 Thiết lập mô hình học máy trong phân tách khu vực ĐNN 44

3.1.1 Chuẩn bị dữ liệu đầu vào 44

3.1.2 Cấu trúc mạng ResU-Net trong phân loại đất ngập nước 46

3.1.3 Phương pháp tối ưu hóa mô hình ResU-net 50

3.1.4 Thiết lập các mô hình truyền thống 53

3.2 Đánh giá độ chính xác và hiệu suất xử lý của các mô hình 54

3.3 Phân bố vùng đất ngập nước tại VQG Ba Bể 59

3.4 Đánh giá biến động đất ngập nước 61

3.5 Đánh giá sử dụng ĐNN tại VQG Ba Bể 63

3.5.1 Thực trạng sử dụng ĐNN tại VQG Ba Bể 63

3.5.2 Bất cập trong sử dụng tài nguyên ĐNN khu vực hồ Ba Bể 64

3.5.3 Một số đề xuất và thảo luận 64

KẾT LUẬN 65

TÀI LIỆU THAM KHẢO 66

PHỤ LỤC 72

DANH MỤC BẢNG

Bảng 1 1 Khả năng xác định các loại hình ĐNN trên ảnh vệ tinh 22

Bảng 2 1 Phân bố diện tích thảm thực vật rừng VQG Ba Bể (đơn vị: ha) [5] 37

Bảng 2 2 Tổng hợp tài nguyên thực vật VQG Ba Bể [5] 37

Bảng 2 3 Thống kê các lớp động vật ở VQG Ba Bể [5] 38

Bảng 2 4 Phân loại đất ngập nước dựa trên RAMSAR, MONRE và VQG Ba Bể 39 Bảng 3 1 Ba thuật toán tối ưu hóa để đào tạo các thông số của kiến trúc ResU-Net để phân loại đất ngập nước 52

Bảng 3 2 Hiệu suất mô hình của 48 mô hình U-Net được đào tạo để dự đoán kiểu loại hình ĐNN 55

Bảng 3 3 Xác nhận chéo của ba mô hình U-Net được đào tạo và hai mô hình điểm chuẩn để phân loại kiểu ĐNN 57

DANH MỤC HÌNH

Hình 1 1 Phương pháp phân loại có kiểm định (Ảnh Sentinel -2) 18

Hình 1 2 Phương pháp giãn cân bằng (Ảnh Sentinel -2) 19

Hình 1 3 Phương pháp tổ hợp kênh phổ (ảnh Sentinel -2) 20

Hình 1 4 Phương pháp tỷ số ảnh (Ảnh Sentinel-2) 21

Hình 1 5 Tổng quát phương pháp xây dựng bản đồ phân bố nước mặt 24

Hình 1 6 Quy trình thiết lập mô hình học máy trong phân loại ĐNN 27

Hình 2 1 Phạm vi khu vực nghiên cứu và điểm lấy mẫu trên nền ảnh Sentinel-2 29 Hình 3 1 Một số mẫu thực địa chụp vào tháng 11/2021 tại khu vực VQG Ba Bể (Người chụp: Nguyễn Văn Quân) 44

Hình 3 2 Kết quả tính toán chỉ số MNDWI của từng loại hình ĐNN và toàn khu vực VQG Ba Bể trong 7 năm 45

Hình 3 3 Cấu trúc ResU-Net để đào tạo mô hình phân loại các loại ĐNN 47

Hình 3 4 Hàm mất mát và các giá trị độ chính xác của ba mô hình U-Net đã được huấn luyện để đạt được hiệu suất cao nhất 56

Hình 3 5 So sánh kết quả phân loại của 5 mô hình so với thực tế (ảnh chụp tại VQG Ba Bể 11/2021 bởi Nguyễn Văn Quân) 59

Hình 3 6 Bản đồ phân bố các kiểu đất ngập nước khu vực VQG Ba Bể 60

Hình 3 7 Kết quả phân loại các đối tượng theo mô hình UNet-Adadelta-256-64 61 Hình 3 8 Biến động diện tích mặt hồ khu vực Ba Bể 62

BẢNG KÝ HIỆU CHỮ VIẾT TẮT

Difference Water Index

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Các vùng đất ngập nước nội địa bao gồm các con sông, suối, hồ, hồ chứa, các hang nước ngầm… Các vùng ĐNN nội địa hết sức đa dạng về độ lớn, hình thái, và đem lại nhiều nguồn lợi lớn Chế độ nước thường xuyên có sự biến động theo thời gian, nhiều vùng đất ngập nước có tính chất theo mùa, và khô hạn một hoặc nhiều mùa hàng năm Lượng nước phần nào quyết định các chức năng của đất ngập nước

và vai trò của nó đối với môi trường Các vùng đất ngập nước nội địa thường có mối quan hệ mật thiết, chịu tác động thường xuyên, trực tiếp từ các vùng dân cư, nông nghiệp, lâm nghiệp,…Các tác động này thường gây ảnh hưởng xấu đến môi trường của vùng nước, tác động tới hoạt động sống của các loài sinh vật trong thủy vực đó Cho dù sự suy thoái và chuyển đổi đất ngập nước đã được cảnh báo trong nhiều năm qua, nhưng việc đánh giá, kiểm kê và giám sát những thay đổi này vẫn còn gặp nhiều khó khăn do thiếu khả năng tiếp cận và công nghệ Các mô hình giám sát đất ngập nước đã phát triển chưa được sử dụng hiệu quả vì các đối tượng đất ngập nước nội địa được phân tách từ các mô hình đó đã bị trộn lẫn với các đối tượng khác trong đất liền Về cơ bản, các mô hình này không tuân theo bất kỳ hệ thống phân loại đất ngập nước quốc tế hay quốc gia nào Do đó, việc trang bị cho các nhà quản lý những công

cụ tốt hơn để phân loại và giám sát diện tích đất ngập nước theo thời gian thực là điều cần thiết

Để quan sát các loại đất ngập nước trong một khu vực rộng lớn, các ảnh vệ tinh như MODIS, Landsat và Sentinel-2 thường được sử dụng So với các hình ảnh

vệ tinh MODIS và Landsat có độ phân giải không gian kém thì các hình ảnh vệ tinh Sentinel-2 với khả năng chụp ảnh đa phổ, có thể thu được hình ảnh quang học một cách có hệ thống trên cả khu vực nội địa và ven biển ở độ phân giải không gian cao (10 m đến 60 m)

Vườn Quốc gia Ba Bể là khu vực có nhiều loại hình đất ngập nước có ý nghĩa rất quan trọng với môi trường, con người tại khu vực Vườn Quốc gia Ba Bể rất đa dạng về các sinh cảnh nước ngọt, và cũng là nơi phân bố của các loài bị đe dọa ở cấp

độ toàn cầu Tuy nhiên, hiện nay với sự phát triển của cơ sở hạ tầng giao thông, nhà cửa, ý thức của người dân địa phương trong việc bảo vệ rừng đi xuống với các hoạt động phá hoại tài nguyên như: săn bắn, khai thác quá mức lâm sản, phá rừng làm đất canh tác, sử dụng chất độc, chất nổ để đánh bắt cá, , đồng thời với việc mở rộng diện tích đất canh tác khu vực đất ở đã làm ảnh hưởng đến những khu vực đất ngập nước tại nơi đây Vì vậy, vấn đề đặt ra đối với khu vực VQG Ba Bể là làm thế nào để phân biệt được các loại ĐNN một cách nhanh chóng hiệu quả để từ đó đưa ra được các giải pháp quản lý bền vững và sử dụng khôn khéo ĐNN tại đây

Xuất phát từ những lý do trên, thì việc nghiên cứu và thực hiện luận án

“Nghiên cứu phân loại đất ngập nước vườn Quốc gia Ba Bể sử dụng mô hình học máy và dữ liệu viễn thám” là hết sức cấp thiết

2 Mục tiêu nghiên cứu

Mục tiêu chung của luận văn nhằm phát triển một mô hình hữu ích để phân loại đất ngập nước thông qua ảnh vệ tinh Sentinel và dữ liệu địa hình - địa chất khu vực vườn Quốc gia Ba Bể

Mục tiêu cụ thể:

Xây dựng được mô hình học máy trong phân loại đất ngập nước theo thông tư 07/2020/TT-BTNMT

Thành lập được bản đồ phân loại đất ngập nước khu vực vườn Quốc gia Ba

Bể bằng việc sử dụng mô hình học máy sâu và ảnh viễn thám Sentinel

3 Đối tượng nghiên cứu

Hệ sinh thái đất ngập nước thuộc khu vực vườn Quốc gia Ba Bể, huyện Ba Bể, tỉnh Bắc Kạn

4 Nội dung và nhiệm vụ nghiên cứu

4.1 Nội dung nghiên cứu

- Cơ sở lý luận nghiên cứu ứng dụng học máy và công nghệ viễn thám trong phân loại đất ngập nước

- Nghiên cứu đặc điểm và quy luật phân bố các kiểu đất ngập nước tại khu vực Vườn quốc gia Ba Bể

- Xây dựng mô hình và giải pháp ứng dụng học máy phục vụ công tác giám sát lớp phủ đất ngập nước vùng các-xtơ

- Nghiên cứu biến đổi lớp phủ đất ngập nước khu vực Vườn Quốc gia Ba Bể

từ năm 2018 tới năm 2022 dựa vào công nghệ học máy và dữ liệu viễn thám Trên cơ sở kết hợp giữa nghiên cứu lý thuyết và thực nghiệm đưa ra những nhận xét, từ đó, nghiên cứu đưa ra các kiến nghị về giải pháp nhằm phát triển bền vững khu vực vườn quốc gia Ba Bể

4.2 Nhiệm vụ nghiên cứu

Để đạt được mục tiêu và hoàn thành tốt nội dung trên, cần thực hiện nhiệm vụ chính sau đây:

- Thu thập, phân tích và đánh giá các tài liệu đã được công bố có liên quan đến nội dung nghiên cứu

- Thu thập các cảnh ảnh vệ tinh Sentinel -2 chứa khu vực nghiên cứu và đúng thời điểm cần nghiên cứu

- Xây dựng bản đồ phân loại Đất ngập nước theo ảnh Sentinel -2 đã thu thập của khu vực nghiên cứu

- Đánh giá biến động diện tích bề mặt hồ Ba Bể

5 Ý nghĩa khoa học và thực tiễn

5.1 Ý nghĩa khoa học

Kết quả nghiên cứu sẽ góp phần vào việc giải thích chi tiết các bước phát triển

mô hình học máy sâu trong phân loại được các loại đất ngập nước chính xác

5.2 Ý nghĩa thực tiễn

Nghiên cứu góp phần đánh giá được thực trạng đất ngập nước tại khu vực vườn quốc gia Ba Bể qua các năm, các thời kỳ Từ đó, giúp các nhà khoa học, các nhà bảo tồn, các cơ quan chức năng có định hướng trong việc bảo vệ và phát triển kinh tế khu vực mà không làm ảnh hưởng quá nhiều tới vùng đất ngập nước tại khu vực

Ngoài ra, nghiên cứu cũng góp phần chia sẻ thông tin thực tế liên quan đến hiện trạng đất ngập nước tại khu vực, đồng thời cũng cung cấp một phương pháp mới trong nghiên cứu phân loại các đối tượng thông qua công nghệ học máy và dữ liệu ảnh viễn thám

6 Cơ sở tài liệu

Đề tài được thực hiện trên cơ sở:

- Luận văn nhận được hỗ trợ tài liệu từ đề tài khoa học và công nghệ:

“Nghiên cứu, đề xuất giải pháp duy trì đặc tính sinh thái và cải thiện sinh

kế cộng đồng tại một số khu Ramsar ở Việt Nam”, mã số

TNMT.2020.562.08 của Bộ Tài nguyên và Môi trường

- Các văn bản pháp lý thông tư, nghị định của cơ quan Nhà nước các cấp

có liên quan đến luận văn

- - Các tài liệu thu thập từ nhiều nguồn bao gồm các sách, công trình

nghiên cứu, đề tài khoa học, bài báo và các tài liệu khác về vấn đề và vùng lãnh thổ nghiên cứu đã được nghiệm thu hoặc công bố

- Các ảnh vệ tinh Sentinel -2 của Cơ quan không gian châu Âu (ESA), Landsat 8 của Cơ quan khảo sát Địa chất Mỹ (USGS) được tải miễn phí

7 Cấu trúc luận văn

Nội dung của luận văn ngoài phần mở đầu, kết luận và tài liệu tham khảo, phụ lục được trình bày trong 3 chương như sau:

Chương 1: Cơ sở lý luận của ứng dụng công nghệ viễn thám và mô hình học

máy trong phân loại đất ngập nước

Chương 2: Đặc điểm đất ngập nước tại vườn Quốc gia Ba Bể

Chương 3: Phân loại đất ngập nước khu vực Vườn Quốc gia Ba Bể

CHƯƠNG 1 CỞ SỞ LÝ LUẬN CỦA ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM VÀ MÔ HÌNH HỌC MÁY TRONG PHÂN LOẠI ĐẤT NGẬP NƯỚC 1.1 Tổng quan về đất ngập nước

1.1.1 Khái niệm đất ngập nước

Thuật ngữ “Đất ngập nước” - Tiếng Anh là “Wetland” được hiểu theo nhiều cách khác nhau, tùy theo quan điểm, người ta có thể chấp nhận các định nghĩa khác nhau

Đất ngập nước là những vùng mà nước là yếu tố khởi nguyên tác động đến môi trường và cuộc sống của động, thực vật trong môi trường đó ĐNN là nơi mặt nước ngang bằng hoặc xấp xỉ mặt đất, hoặc nơi ngập trong nước nông

Các loại ĐNN đặc trưng bao gồm:

 Các khu vực gian triều và cửa sông như phá, các bãi san hô lộ thiên, bãi bùn, bãi cát và đầm lầy mặn, rừng ngập mặn;

 Sông và các vùng đầm lầy ven sông thường xuyên bị ngập, lũ, phụ lưu và các hồ;

 Đồng cỏ nước ngọt ngập tạm thời và thường xuyên, các bãi sậy;

 Đầm lầy than bùn nhiệt đới, rừng đầm lầy nước ngọt;

 Các đầm lầy than bùn vùng ôn đới và hàn đới

Từ đó chúng ta thấy ĐNN rất khó định nghĩa một cách chính xác, nó vẫn là vấn đề cần phải nghiên cứu, khám phá nhiều hơn đối với các nhà khoa học, không chỉ vì ĐNN phân bố rộng theo vị trí địa lý mà còn rất khác nhau về những điều kiện thủy văn ĐNN thường phân bố ở ranh giới giữa các HST trên cạn như đất đồng cỏ, rừng ở vùng đai cao và các HST ở dưới nước như các hồ sâu và đại dương làm cho chúng có tính khác biệt giữa các HST kể trên

Hiện nay trên thế giới có rất nhiều định nghĩa về ĐNN đang được sử dụng Các nhà khoa học từ nhiều quốc gia như Canada, Australia,…hay các tổ chức quốc

tế như Tổ chức bảo vệ thiên nhiên Quốc tế (IUCN), Công ước Ramsar,…đều đã nghiên cứu và đưa ra định nghĩa về ĐNN

Theo nghĩa rộng như Công ước RAMSAR (1971): "ĐNN là những vùng đầm lầy, sình lầy, vùng than bùn hoặc vùng nước dù là tự nhiên hay nhân tạo, thường

bao gồm cả các vùng nước biển có độ sâu không quá 6 mét khi thuỷ triều thấp" (Điều 1.1 Công ước Ramsar, 1971) [42, 43]

Theo nghĩa hẹp, các định nghĩa nhìn chung đều xem ĐNN như đới chuyển tiếp sinh thái (Ecotone), những diện tích chuyển tiếp giữa môi trường trên cạn và ngập nước, những nơi mà sự ngập nước của đất gây ra sự phát triển của một hệ thực vật đặc trưng [5]

Những định nghĩa về ĐNN thường bao gồm 3 thành tố chính:

 ĐNN được phân biệt bởi sự hiện diện của nước

 ĐNN thường có những loại đất đồng nhất khác hẳn với những vùng đất cao ở xung quanh

 ĐNN thích hợp cho sự hiện diện của những thảm thực vật thích nghi với những điều kiện ẩm ướt

Định nghĩa của Công ước RAMSAR đã bao quát hết tất cả các loại hình ĐNN của Việt Nam: Các vùng biển nông ven biển, cửa sông, đầm phá, đồng bằng châu thổ các sông suối, ao hồ, đầm lầy tự nhiên hay nhân tạo, vùng nuôi trồng thủy sản, canh tác lúa nước,…đều thuộc loại ĐNN Chính vì vậy, mà hiện nay định nghĩa Công ước RAMSAR về ĐNN không những được các nhà khoa học trong nước sử dụng mà còn nhiều nhà khoa học, quốc gia trên thế giới áp dụng

Tại Việt Nam, ĐNN được định nghĩa là những vùng đầm lầy, than bùn, vùng nước tự nhiên hay nhân tạo, vùng ngập nước thường xuyên hoặc tạm thời, là nước ngọt, nước lợ hoặc nước mặn, kể cả những vùng biển có độ sâu không quá 6m khi ngấn nước thủy triều thấp nhất [1]

Trong đó, đất ngập nước nội địa được định nghĩa là các vùng nước và các khu vực khác bị bao phủ bởi nước thường xuyên hoặc định kỳ do đất thoát nước kém Sự hiện diện kéo dài của nước tạo ra các điều kiện thuận lợi cho sự phát triển của các loài thực vật thích nghi đặc biệt (ưa nước) và thúc đẩy sự phát triển của các loại đất đặc trưng của đất ngập nước Đất ngập nước nội địa phổ biến nhất ở vùng đồng bằng ngập lũ dọc theo sông và suối (đất ngập nước ven sông), ở các vùng trũng bị cô lập được bao quanh bởi đất khô, dọc theo rìa của hồ và ao, và trong các khu vực trũng khác hoặc nơi lượng mưa đủ làm bão hòa đất

Còn theo Thông tư số 07/2020/TT-BTNMT ngày 31 tháng 8 năm 2020, vùng đất ngập nước nội địa được định nghĩa là những vùng đất ngập nước ngọt tự nhiên nằm trong lục địa hoặc nằm gần ven biển [1]

Có thể nhận thấy rằng, định nghĩa ĐNN của nước ta tương đồng với định nghĩa theo công ước RAMSAR Chính vì vậy, việc nhận biết, phân loại ĐNN tại khu vực VQG Ba Bể dựa trên hai định nghĩa này

1.1.2 Lợi ích của hệ sinh thái ĐNN

1.1.2.1 Lợi ích gián tiếp từ hệ sinh thái ĐNN

Mỗi hệ sinh thái ĐNN đều bao gồm nhiều thành phần cấu tạo như đất, nước, các loài động vật, thực vật và các chất dinh dưỡng trong đó Các quá trình xảy ra giữa

và trong các thành phần này cho phép các hệ sinh thái ĐNN thực hiện một số chức năng mà đem lại nhiều nguồn lợi cho hệ sinh thái khu vực đó và cả con người Một

số lợi ích gián tiếp mà hệ sinh thái ĐNN đem lại như là:

Nạp và tiết nước ngầm: Nước được thấm từ ĐNN xuống các tầng nước trong

lòng đất, nước được giữ ở đó và điều tiết dòng chảy bề mặt ở vùng ĐNN khác cho con người sử dụng

Xử lý nước, giữ lại cặn, chất độc: Vùng ĐNN được coi như “Bể lọc” tự nhiên,

có tác dụng giữ lại các chất lắng đọng và chất độc (chất thải sinh hoạt và công nghiệp)

Giữ lại chất dinh dưỡng: làm nguồn phân bón cho cây và thức ăn của các sinh

vật sống trong HST đó

Hạn chế ảnh hưởng lũ lụt: Bằng cách giữ và điều hòa lượng nước mưa như

các bồn chứa tự nhiên, giải phóng nước lũ từ từ Từ đó, có thể làm giảm hoặc hạn chế

lũ lụt ở vùng hạ lưu

Chống sóng, bão, ổn định bờ biển và chống xói mòn: Nhờ lớp phủ thực vật,

đặc biệt là rừng ngập mặn ven biển, thảm cỏ… có tác dụng làm giảm sức gió của bão

và bào mòn đất của dòng chảy bề mặt

Ổn định vi khí hậu: Do chu trình trao đổi chất và nước trong HST, nhờ lớp

phủ thực vật của ĐNN, sự cân bằng O2 và CO2 trong khí quyển làm cho khí hậu địa phương được ổn đinh, đặc biệt là nhiệt độ và lượng mưa ổn định hơn

Sản xuất sinh khối: Là nơi sản xuất và xuất khẩu sinh khối làm nguồn thức

ăn cho các sinh vật thủy sinh, các loài động vật hoang dã cũng như vật nuôi

1.1.2.2 Lợi ích trực tiếp từ hệ sinh thái ĐNN

Các loài động, thực vật trong vùng ĐNN là rất phong phú, đa dạng, môi trường sống cũng rất lý tưởng cho nhiều loài động, thực vật phát triển mạnh Chính vì vậy, ngoài những lợi ích gián tiếp mà các hệ sinh thái này đem lại cho con người thì những lợi ích trực tiếp đem đến những giá trị kinh tế rất lớn cho người dân sinh sông quanh khu vực, có thể kể đến như:

Tài nguyên rừng: Các loài thực vật thường rất phong phú ở các vùng ĐNN,

tạo nên nguồn tài nguyên giàu có, có thể khai thác để phục vụ lợi ích kinh tế như cung cấp gỗ, than, củi, các sản phẩm tinh dầu, dược liệu Nhiều vùng ĐNN rất giàu động vật hoang dã, động vật đặc chủng như các loài chim, bò sát, lưỡng cư,

Nuôi trồng thủy, hải sản: Các vùng ĐNN là môi trường sống và là nơi cung

cấp thức ăn cho các loài thủy sản có giá trị kinh tế cao như tôm, cua, cá…

Sản phẩm nông nghiệp: Các ruộng lúa nước chuyên canh hoặc xen canh với

các cây hoa màu khác đã tạo nên nhiều sản phẩm quan trọng của ĐNN

Cung cấp nước ngọt: Nhiều vùng ĐNN là nguồn cung cấp nước ngọt cho sinh

hoạt, tưới tiêu, cho ăn nuôi gia súc và sản xuất công nghiệp

Tài nguyên năng lượng: Các vùng sình lầy là vùng rất tĩnh lặng và ẩm ướt,

phần lớn nhờ có lượng mưa đều nên những vùng này có chứa nhiều chất hữu cơ được cấu thành qua rất nhiều năm tạo nên lượng than bùn lớn – đây là nguồn nhiên liệu quan trọng Ngoài ra các đập nước, thác nước cũng là nguồn cung cấp năng lượng, ở Việt Nam phần lớn điện năng cung cấp cho sự phát triển của nền kinh tế đều là từ các nhà máy thủy điện

Giao thông đường thủy: Môi trường nước mênh mông của các con sông, kênh

rạch, các hồ chứa nước lớn, vùng ngập lut,… có thể dùng để vận chuyển hàng hóa và làm đường giao thông công cộng Đặc biệt là vùng đồng bằng sông Cửu Long với hệ thống sông ngòi dày đặc thì giao thông đường thủy đóng vai trò hết sức quan trọng trong đời sống cũng như phát triển kinh tế của các cộng đồng dân cư địa phương

Giải trí, du lịch: Các khu bảo tồn ĐNN như Tràm Chim (Đồng Tháp), Xuân

Thủy (Nam Định)…, nhiều vùng có cảnh quan đẹp như Bích Động, Vân Long (Ninh Bình)…và nhiều đầm phá ở miền Trung đã thu hút rất nhiều khách du lịch trong và

ngoài nước đến tham quan Ở đó còn tạo ra rất nhiều các hoạt động thể thao, giải trí như: đua thuyền, săn bắn, câu cá, bơi lội…

1.1.3 Phân loại đất ngập nước

1.1.3.1 Phân loại đất ngập nước theo RAMSAR

Vào những năm đầu của thập kỷ 70, Công ước Ramsar (1971) đã phân loại ĐNN thành 22 kiểu mà không chia thành các hệ, các lớp khác nhau Trong quá trình thực hiện và thực tiễn áp dụng tại các vùng các quốc gia khác nhau thì sự phân hạng này đã thay đổi, được xem xét, chỉnh sửa bổ sung thành 42 kiểu loại hình ĐNN (phụ lục 1)

Theo như phân loại của Công ước Ramsar, ĐNN tại VQG Ba Bể bao gồm các loại ĐNN: Sông suối có nước thường xuyên (M), sông suối có nước theo mùa (N),

hồ tự nhiên (O), các vùng đất ngập nước cây bụi chiếm ưu thế (W), vùng đất ngập nước nước ngọt có cây lớn chiếm ưu thế (Xf), các hệ thống thủy văn các-xtơ ngầm

và hang động nội địa (Zk(b))

1.1.3.2 Phân loại đất ngập nước tại Việt Nam

Theo Thông tư số 07/2020/TT-BTNMT ngày 31 tháng 8 năm 2020 của Bộ TN

& MT [1] thì ở nước ta ĐNN được chia thành 3 nhóm dựa vào các yếu tố thủy - hải văn, địa hình, địa mạo, điều kiện thổ nhưỡng, mức độ tác động của con người và ảnh hưởng của các yếu tố biển, lục địa như sau:

(1) Vùng đất ngập nước ven biển, ven đảo là những vùng đất ngập nước tự nhiên mặn, lợ ở ven biển, ven đảo (ký hiệu nhóm I)

(2) Vùng đất ngập nước nội địa là những vùng đất ngập nước ngọt tự nhiên nằm trong lục địa hoặc nằm gần ven biển (ký hiệu nhóm II)

(3) Vùng đất ngập nước nhân tạo là các vùng đất ngập nước được hình thành

do tác động của con người (ký hiệu nhóm III)

Căn cứ vào điều kiện địa hình, địa mạo, thủy văn, hải văn, thổ nhưỡng, thảm thực vật, yếu tố sinh vật, hiện trạng sử dụng đất và mặt nước, các vùng đất ngập nước thuộc 3 nhóm trên đưược phân loại thành 26 kiểu đất ngập nước theo quy định (phụ lục 1) Vì vậy dựa theo Thông tư số 07/2020/TT-BTNMT và nội dung nghiên cứu

Các kiểu đất ngập nước thuộc nhóm II vùng đất ngập nước nội địa gồm có 8 kiểu Trong đó khu vực VQG Ba Bể có 6/8 kiểu bao gồm: sông, suối có nước thường xuyên (Stx), sông, suối có nước theo mùa (Stm), hồ tự nhiên (Htn), vùng ngập nước

có cây bụi chiếm ưu thế và ngập nước theo mùa (Cb), vùng ngập nước có cây gỗ chiếm ưu thế và ngập nước theo mùa (Cg), hệ thống thủy văn ngầm các-xtơ và hang, động nội địa (Cnd)

Các kiểu đất ngập nước thuộc nhóm III vùng đất ngập nước nhân tạo gồm có 9 kiểu, trong đó tại VQG Ba Bể chỉ có kiểu đất canh tác nông nghiệp (Dnn)

1.2 Tổng quan tình hình nghiên cứu trong và ngoài nước về phân loại đất ngập nước bằng mô hình học máy và dữ liệu viễn thám

1.2.1 Tổng quan tình hình nghiên cứu ngoài nước

Theo các quan niệm trên thế giới, đất ngập nước là một trong những hệ sinh thái quan trọng nhất trên Trái Đất Chúng đóng một vai trò quan trọng trong việc giảm bớt lũ lụt và lọc nước bị ô nhiễm, đồng thời cung cấp môi trường sống cho nhiều loài thực, động vật Chính vì vậy, hiện nay trên thế giới đã có nhiều công trình nghiên cứu liên quan đến ĐNN

Việc lập bản đồ ĐNN và các khu vực ven sông là bước đầu tiên trong một loạt các hoạt động liên quan đến quản lý, phục hồi chức năng và mở rộng ĐNN Trong một thời gian dài người ta cho rằng vùng ĐNN được coi là diện tích đất được bao quanh bởi nước ít có giá trị kinh tế Chính vì suy nghĩ thiếu tích cực này mà người ta

đã bỏ qua tầm quan trọng của vùng ĐNN và toàn bộ loại hình sinh thái nơi đây Rất nhiều vùng ĐNN đã được thay thế bởi các khu đô thị, nhà ở… Với sự biến đổi khí hậu ngày càng diễn ra mạnh mẽ, cùng sự tham gia hoạt động của các nhà khoa học, nhà môi trường, địa lý mà con người bắt đầu nhận thức được tầm quan trọng cũng như lợi ích của ĐNN để có những biện pháp bảo vệ, phát triển ĐNN Trong một bản báo cáo của Bộ Tài nguyên Minnesota, nghiên cứu “Phương pháp thành lập bản đồ ĐNN cho vùng Twin Cities Metropolian” [32] cho thấy rằng: ở Minnesota, trên 50% vùng ĐNN đã bị mất Đô thị hóa gây ra thiệt hại nhỏ về diện tích nhưng lại mang thiệt hại rất lớn đến môi trường ĐNN Chính vì vậy, ngoài việc bảo tồn diện tích ĐNN còn phải bảo tồn giá trị cốt lõi của ĐNN là rất quan trọng Việc lập bản đồ về

sự phân bố không gian của các vùng ĐNN là vô cùng cần thiết Lập bản đồ ĐNN có thể đạt được qua nhiều phương pháp khác nhau

Viễn thám đã được sử dụng như một công cụ lập bản đồ ĐNN từ những năm

1960 và những tiến bộ gần đây về mặt khoa học công nghệ đã có thể cung cấp đáng

kể về độ chính xác và hiệu quả về chi phí Một trong những bài báo nghiên cứu đầu tiên về ĐNN liên quan đến viễn thám là của Johannessen, ông đã sử dụng các bức ảnh chụp từ trên không của vịnh Nehalem từ năm 1939 và 1960 để so sánh ranh giới đàm lầy trong các bức ảnh chụp từ trên không khác nhau với biểu đồ khảo sát Bờ biển Hoa Kỳ từ 1875 cho bảy cửa sông chính Tác giả đã kết luận rằng sự xuất hiện của các cụm thực vật hình tròn phong phú trong các bức ảnh trên không của các bãi bùn ở cửa sông ở các vùng ôn đới là bằng chứng cho sự mở rộng của các đầm lầy

Dữ liệu viễn thám có độ phân giải không gian thấp được sử dụng trong các nghiên cứu ĐNN có thể kể đến là MODIS và dữ liệu AVHRR Thiết bị MODIS trên các vệ tinh Aqua và Terra của NASA cung cấp vùng phủ sóng lặp lại gần như hàng ngày trên bề mặt Trái đất với 36 dải quang phổ và chiều rộng dải khoảng 2330 km Bảy dải được thiết kế đặc biệt cho viễn thám mặt đất với độ phân giải không gian là

250 m (dải 1–2) và 500 m (dải 3–7) Với hạn chế là độ phân giải thấp nhưng độ phủ lớn nên ảnh MODIS chủ yếu dùng để nghiên cứu trên phạm vi rộng lớn và không cần yêu cầu độ chính xác quá cao Nghiên cứu của Cai và cộng sự [20] đã sử dụng dữ liệu MODIS để lập bản đồ các vùng nước của hồ Bà Dương ở Trung Quốc và thu được diện tích mặt hồ với sai số khoảng 6,19% Carroll và cộng sự [21] đã tạo ra một bản

đồ mặt nạ nước trên toàn cầu ở độ phân giải 250m dựa trên bộ dữ liệu vùng nước trên MODIS và Radar

Dữ liệu ảnh viễn thám có độ phân giải không gian trung bình trong phạm vi từ

4 -30m chủ yếu gồm Landsat, ASTER, Sentinel, SPOT Trong đó, ảnh vệ tinh Landsat được sử dụng chủ yếu do có lợi thế về mặt không gian, thời gian mà còn vì dữ liệu miễn phí Berlangarobles và Ruizluna [19] đã sử dụng sáu loại che phủ đất (rừng ngập mặn, đầm phá, đầm lầy muối, rừng khô, diễn thế thứ sinh và nông nghiệp) từ dữ liệu Landsat làm chỉ số trực tiếp để phát hiện những thay đổi cảnh quan trong hệ thống ven biển Majahual của Mexico Họ phát hiện ra rằng các hoạt động canh tác là nguyên nhân chính dẫn đến sự thay đổi cảnh quan Hay như Rapinel và cộng sự [44] nhận thấy rằng hình ảnh Landsat 8 OLI có thể được sử dụng để lập bản đồ quần xã thực vật ở vùng đầm lầy ven biển với độ chính xác cao hơn Nhờ sự phát triển của viễn thám, nhiều phương pháp mới được tạo ra nhằm lập bản đồ và giám sát các vùng đất ngập nước Jia và cộng sự [33] đã lập bản đồ các khu vực rừng ngập mặn ở Trung

thu được kết quả chính xác Hay dựa vào Landsat ETM+, Chiu và Couloigner [20]

đã đề xuất một bộ phân loại Fuzzy C – Means (FCM) đã sửa đổi để xác định các khu vực đất ngập nước tiềm năng và thu đưược kết quả tốt hơn so với bộ phân loại FCM tiêu chuẩn

Hơn thế nữa, trong thời đại khoa học ngày càng phát triển, việc kết hợp sử dụng ảnh viễn thám với các phương pháp mà có áp dụng trí thông minh nhân tạo đang

là xu thế hiện nay Phương pháp phân đoạn ngữ nghĩa hiện đang bắt đầu được sử dụng trong các mô hình học máy, đặc biệt là trong việc tách các vùng phủ và đất ngập nước cho mỗi đặc điểm lớp phủ trên ảnh viễn thám thành một lớp riêng biệt [29] Một

số mạng sử dụng các phương pháp phân đoạn ngữ nghĩa chẳng hạn như mạng nơ-ron liên kết (CNN) mã hóa thông tin ngữ nghĩa cấp cao với quy trình phân tách dữ liệu mẫu [15,24] Tuy nhiên, phương pháp này không bảo toàn thông tin không gian chi tiết nhất của hình ảnh đầu vào Do đó, một số mô hình như PSPNet, DeepLab v2 và Deeplab v3 đã được tích hợp với nhiều lớp phức hợp hơn để lưu giữ thông tin không gian trong suốt quá trình [34] Đặc biệt, mô hình mạng U-Shape có thể khôi phục thông tin không gian của dữ liệu đầu vào sau quá trình mã hóa và giải mã [25,28] Hai giai đoạn này được kết nối liên tục và đa chiều, giúp lưu giữ thông tin không gian

và thuộc tính đến cùng Tuy nhiên, các mạng này thường mã hóa dữ liệu khá sâu, sinh

ra nhiều tham số, tốn dung lượng bộ nhớ, khó khôi phục cả thông tin không gian và thông tin thuộc tính trong quá trình giải mã

1.2.2 Tổng quan tình hình nghiên cứu trong nước

Tại Việt Nam, nghiên cứu ĐNN đã được Chính phủ và các nhà khoa học trái đất quan tâm, nghiên cứu từ lâu Năm 1989, Việt Nam đã tham gia công ước quốc tế Ramsar về bảo tổn ĐNN như là nơi sống quan trọng của các loài chim nước Thêm vào đó, Việt Nam cũng đã có những cố gắng trong công tác nghiên cứu, quản lý và bảo tồn ĐNN như: “Chương trình bảo tồn đất ngập nước quốc gia”; Nghị định 109/2003/NĐ-CP về bảo tồn và phát triển bền vững các vùng ĐNN [2]; “ Chiến lược quản lý hệ thống khu bảo tồn thiên nhiên Việt Nam đến năm 2010” (Số 192/2003/QĐ-TTg [9]);… Những kiến nghị đã được đưa ra trong “Báo cáo tổng quan hiện trạng đất ngập nước Việt Nam sau 15 năm thực hiện công ước Ramsar” là “Xây dựng, ban hành hệ thống tiêu chí, bảng phân loại về đất ngập nước, xây dựng bản đồ đất ngập nước toàn lãnh thổ và từng vùng sinh thái ở các tỷ lệ khác nhau Đẩy mạnh nghiên cứu đất ngập nước, trong đó có nghiên cứu và dự báo các xu thế biến động ĐNN Việt Nam từ năm 1989” (Cục Bảo vệ Môi trường Việt Nam, 2005) [4] Tuy nhiên, những

nghiên cứu trong giai đoạn này cũng chỉ là bước đầu thích ứng phục vụ cho công tác bảo tồn và quản lý mà chưa có tài liệu chính thức công bố nhằm phân loại đất ngập nước tại Việt Nam Đến năm 2016, Tổng cục môi trường đã chính thức ban hành quyết định số 1093/QĐ-TCMT về hướng dẫn kỹ thuật phân loại đất ngập nước [11] Đây là văn bản đầu tiên giúp các nhà khoa học định hướng phân loại các loại hình ĐNN tại Việt Nam Bên cạnh đó, Luật Đa dạng sinh học 2008 [12] được đánh giá là rất tiến bộ, có tầm nhìn, hệ thống và tiếp cận đầy đủ các cam kết và chuẩn mực quốc

tế về bảo tồn đa dạng sinh học Đến ngày 29/7/2019, Thủ tướng chính phủ tiếp tục ban hành Nghị định số 66/NĐ-CP về bảo tồn và sử dụng bền vững các vùng ĐNN trên toàn lãnh thổ Việt Nam [3] nhưng sau đó Bộ TN & MT tiếp tục ra thông tư số 07/2020/TT-BTNMT [1] nhằm làm rõ nội dung phân loại đất ngập nước Mới đây, Luật Bảo vệ môi trường (sửa đổi) được Quốc hội thông qua ngày 17/11/2020 [13] đã đưa vào nội dung về vùng đất ngập nước quan trọng và dịch vụ hệ sinh thái đất ngập nước phục vụ mục đích kinh doanh du lịch, giải trí, nuôi trồng thủy sản Có thể thấy rằng, Nhà nước ta từ rất sớm đã thấy được những tiềm năng, sự cần thiết, lợi ích từ những khu vực ĐNN, luôn tạo điều kiện để các nhà khoa học nghiên cứu phát triển nhằm bảo tồn và phát huy những giá trị lợi ích của ĐNN đem lại

Chính vì thế, những năm trở lại đây, nhờ có sự quan tâm của Nhà nước mà có rất nhiều công trình nghiên cứu liên quan đến những khu vực ĐNN Việc thành lập bản đồ, theo dõi sự biến động của các khu vực ĐNN đang được đông đảo các nhà khoa học quan tâm với nhiều những phương pháp nghiên cứu, tiếp cận khác nhau nhưng tựu chung lại đều theo hai hướng là hướng lập bản đồ hiện trạng và hướng đánh giá biến động đất ngập nước

Ở giai lập bản đồ hiện trạng, các nghiên cứu chủ yếu là phát hiện, mô tả sự phân bố của các loại hình ĐNN và đi đến việc thành lập bản đồ hiện trạng ĐNN tại khu vực nghiên cứu Đây cũng là giai đoạn được xác định là cơ sở, là bước đầu tiên nhưng vô cùng quan trọng trong việc phát hiện bảo tồn và là tiền đề cho các nghiên cứu tiếp theo

Để xác định các khu vực ĐNN thì có hai phương pháp chủ yếu hiện nay là nghiên cứu thực địa truyền thống và ứng dụng công nghệ viễn thám và GIS

Khảo sát thực địa đánh giá hiện trạng: đây là phương pháp phổ biến nhất khi

chưa có sự hỗ trợ từ ảnh chụp của máy bay không người lái, ảnh vệ tinh Việc khảo sát thực địa có thể theo tuyến hoặc theo các ô tiêu chuẩn nhằm mục đích xác định các

Giải đoán từ ảnh viễn thám: Việc sử dụng ảnh viễn thám trong việc phát hiện,

phân loại các loại hình ĐNN đang là xu hướng sử dụng trong những năm gần đây và

cả trong tương lai Với việc độ phân giải ảnh viễn thám ngày càng được tăng cao và

độ phân giải thời gian càng ngày càng thu hẹp thì việc sử dụng tư liệu ảnh viễn thám trong nghiên cứu càng trở lên thiết thực và hiệu quả hơn Đồng thời, sử dụng tư liệu ảnh viễn thám giúp các nhà nghiên cứu tiết kiệm thời gian, công sức, tiền bạc và đảm bảo an toàn Tuy nhiên, việc phân loại ĐNN từ ảnh viễn thám cũng có nhiều phương pháp khác nhau như phân loại có kiểm định (Supervised Classification), tổ hợp màu,

tỷ số, các mô hình học máy sâu… Trong đó, với sự phát triển của khoa học công nghệ, việc áp dụng các mô hình trí tuệ nhân tạo vào phân loại lớp phủ bề mặt nói chung và đất ngập nước nói riêng đang là xu thế trên toàn cầu cũng như đối với các

nhà khoa học Việt Nam Một số nghiên cứu có thể kể đến là “Coastal wetland classification with deep U-Net convolutional networks and Sentinel-2 imagery: A case study at the Tien Yen estuary of Vietnam” của Đặng Kinh Bắc và cộng sự [23]

Mục tiêu chính của nghiên cứu này là sử dụng các mô hình ResU-Net để phân loại các loại hình ĐNN ven biển tại cửa sông Tiên Yên, Việt Nam Kết quả cho thấy hai

mô hình ResU-Net sử dụng chức năng tối ưu hóa Adam và RMSprop cho đô chính xác cao hơn 85%, đặc biệt là ở các vùng đất ngập nước xen canh có rừng, ao nuôi trồng thủy sản và ao trang trại

Các nghiên cứu về đất ngập nước chủ yếu đề cập đến hướng đánh giá sự biến động ĐNN qua các mốc thời gian khác nhau Các phương pháp chủ yếu sử dụng đều

là điều tra thực địa kết hợp việc giải đoán ảnh vệ tinh bằng các phương pháp truyền thống như phân loại có kiểm định, phân loại bằng mắt thường Một số nghiên cứu có

thể kể đến như: “Đánh giá biến động đất ngập nước phục vụ xây dựng các giải pháp

đa lợi ích sử dụng bền vững tài nguyên đất ngập nước thị xã Quảng Yên, tỉnh Quảng Ninh với sự hỗ trợ của viễn thám và gis” của Nhữ Thị Xuân và Đinh Thị Bảo Hoa

[14] Nghiên cứu này sử dụng phương pháp viễn thám và hệ thông tin địa lý thành lập ma trận biến động và các bản đồ hiện trạng, biến động lớp phủ mặt đất, bản đồ hiện trạng đất ngập nước nhằm đề xuất các giải pháp đa lợi ích sử dụng hợp lý ĐNN

cho khu vực nghiên cứu Hay một nghiên cứu khác là “Đánh giá sự thay đổi đất ngập nước vùng Đồng Tháp Mười bằng tư liệu ảnh viễn thám Landsat” của Nguyễn Hồ và

cộng sự [6] Nghiên cứu này cũng đánh giá sự thay đổi đất ngập nước của vùng giai đoạn từ 1990 đến 2020 bằng công nghệ viễn thám với tư liệu ảnh vệ tinh Landsat đa thời gian và phương pháp phân loại có giám sát Maximum Likelihood Kết quả nghiên cứu này cho thấy trong khoảng 30 năm, đất ngập nước có sự suy giảm nghiêm

trọng, hơn 88,6% diện tích đã được chuyển đổi sang đất nông nghiệp và vườn cây ăn trái

Tựu chung lại, những nghiên cứu về ĐNN trước đây chủ yếu là nghiên cứu những khu vực ĐNN ven biển mà có rất ít nghiên cứu đề cập đến ĐNN nội địa Phương pháp phân loại cũng chủ yếu bằng việc áp dụng các mô hình phân loại có kiểm định hoặc bằng mắt nhằm tách lọc được các đối tượng ĐNN thông qua ảnh viễn thám Kết quả của việc phân loại này cơ bản vẫn đảm bảo được kết quả kỳ vọng nhưng sẽ mất rất nhiều thời gian do các nghiên cứu chủ yếu là phân tích biến động tức là phải giải đoán từng ảnh một Trong khi đó một giải pháp tiên tiến hơn và cũng đạt được độ chính xác rất cao mà lại rút ngắn được thời gian rất nhiều đó là áp dụng các mô hình học máy sâu trong phân loại đang được các nhà khoa học nước ta tiếp cận và áp dụng

1.2.3 Tình hình nghiên cứu ĐNN ở khu vực vườn Quốc gia Ba Bể

Đã có nhiều hướng nghiên cứu liên quan đến ĐNN tại khu vực VQG Ba Bể, tuy nhiên những nghiên cứu này chủ yếu tập trung vào góc độ quản lý bền vững nguồn tài nguyên ĐNN tại khu vực mà chưa chỉ ra hay đưa ra được bản đồ phân loại ĐNN tại khu vực Một số nghiên cứu ứng dụng viễn thám thì cũng chỉ tập trung nghiên cứu phân loại rừng tại địa phương mà không đề cập đến ĐNN tại đây Chính

vì vậy, việc chọn nghiên cứu phân loại ĐNN tại khu vực VQG Ba Bể áp dụng mô

hình học máy sâu và tư liệu ảnh viễn thám là cần thiết và mới

1.3 Cơ sở và phương pháp ứng dụng viễn thám trong nghiên cứu phân loại lớp phủ

1.3.1 Cơ sở viễn thám trong nghiên cứu phân loại lớp phủ

Lớp phủ bề mặt là trạng thái vật chất của bề mặt trái đất, là sự kết hợp của nhiều thành phần khác nhau như thực phủ, thổ nhưỡng, nước, đá dưới sự tác động của các nhân tố tự nhiên như nắng, gió, mưa, bão và nhân tọa như khai thác đất để trồng trọt, xây dựng nhà cửa, công trình phục vụ cuộc sống của con người Sự kết hợp này tạo ra lớp phủ mặt đất rất đa dạng và phong phú Do đó để phân loại lớp phủ thì ngày nay ngoài việc khảo sát thực địa thì việc phân tích sử dụng tư liệu ảnh viễn thám là ưu tiên hàng đầu vì sự nhanh chóng, hiệu quả, ít tốt kém mà nó đem lại

Sử dụng viễn thám để phân loại và đánh giá lớp phủ đã được sử dụng rộng rãi trong nhiều lĩnh vực, trong đó có ứng dụng công nghệ viễn thám để thành lập bản đồ

bản đồ chu kỳ trước chỉ được áp dụng khi không có bản đồ địa chính cơ sở và ảnh chụp từ máy bay hoặc vệ tinh Bản đồ hiện trạng sử dụng đất được thành lập trên bản

đồ nền theo quy định của Bộ Tài nguyên và Môi trường khi số lượng và diện tích các khoanh đất ngoài thực địa đã biến động không quá 25% so với bản đồ hiện trạng sử dụng đất của chu kỳ trước theo quy phạm thành lập bản đồ hiện trạng sử dụng đất Với những ưu điểm so với các phương pháp khác, hiện nay phương pháp sử dụng dữ liệu ảnh viễn thám và ảnh hàng không được sử dụng phổ biến và hiệu quả nhất trong thành lập, hiện chỉnh bản đồ hiện trạng sử dụng đất các tỉ lệ

Cơ sở khoa học của công nghệ viễn thám dựa trên bản chất vật lí trong tự nhiên

là các vật thể (đối tượng) trong những điều kiện khác nhau thì khả năng phản xạ hoặc bức xạ của sóng điện từ sẽ có những đặc trưng riêng Tất cả các vật thể đều phản xạ, hấp thụ, phân tách và bức xạ sóng điện từ bằng các cách thức khác nhau và được gọi

là đặc trưng phổ Đặc trưng phổ sẽ được phân tích theo nhiều cách khác nhau để nhận dạng ra đối tượng trên bề mặt đất, nó sẽ cho phép giải thích được mối quan hệ giữa đặc trưng phổ và sắc, tông mầu trên ảnh tổ hợp mầu để giải đoán đối tượng

Đặc điểm phản xạ phổ của các đối tượng trên bề mặt Trái Đất là thông số quan trọng nhất trong viễn thám Do các thông tin viễn thám có liên quan trực tiếp đến năng lượng phản xạ từ các đối tượng, nên việc nghiên cứu các tính chất quang học (chủ yếu là đặc trưng phản xạ phổ) của các đối tượng tự nhiên đóng vai trò hết sức quan trọng đối với việc ứng dụng có hiệu quả phương pháp viễn thám Phần lớn các phương pháp ứng dụng viễn thám được sử dụng hiện nay đều có liên quan trực tiếp hoặc gián tiếp với việc nghiên cứu các đặc trưng phản xạ phổ của các đối tượng hay nhóm đối tượng nghiên cứu Các thiết bị ghi nhận, các loại phim chuyên dụng với độ nhạy cảm phổ phù hợp đã được chế tạo dựa trên kết quả nghiên cứu về quy luật phản

xạ phổ của các đối tượng tự nhiên

Các đối tượng tự nhiên bao gồm tất cả các đối tượng thuộc lớp phủ bề mặt Trái Đất, có thể chia các đối tượng này thành 3 nhóm chính: nhóm lớp phủ thực vật, nhóm phi thực vật (đất trống, dân cư, đường xá,…), nước Với mỗi nhóm đối tượng này thì đặc trưng phổ phản xạ của các đối tượng đều khác nhau và các đối tượng trong nhóm cũng có sự khác biệt Đó chính là cơ sở để các nhà khoa học có thể phân loại các đối tượng nhờ vào việc phân tích ảnh viễn thám

1.3.2 Các phương pháp phân loại lớp phủ trên ảnh viễn thám

Để kết quả phân loại các đối tượng ĐNN có độ chính xác cao cần tiến hành sử dụng các phương pháp để làm rõ các đối tượng cần phân loại Các phương pháp thường được sử dụng như là:

(i) Phương pháp phân loại có kiểm định; (ii) Phương pháp tương phản ảnh; (iii) Phương pháp thao tác với đa kênh ảnh: tổ hợp màu; tỉ số ảnh

1.3.2.1 Phương pháp phân loại có kiểm định

Người giải đoán đã biết trước đối tượng cần phải phân loại trên ảnh Sau đó tiến hành lấy mẫu trên ảnh đại diện cho các đối tượng và tính toán các chỉ số thống

kê Sự lựa chọn mẫu phụ thuộc vào sự hiểu biết của người giải đoán về khu vực nghiên cứu và sự thể hiện của các đối tượng trên ảnh Như vậy, người giải đoán giám định việc phân loại các đối tượng trên ảnh

Dựa trên vùng mẫu, các tham số thống kê được xác định và đó chính là các chỉ tiêu thống kê sử dụng trong quá trình phân loại về sau Thường sử dụng các thuật toán sau:

- Thuật toán phân loại hình hộp (Parallelepiped): dựa trên nguyên tắc lôgic Boolean đơn giản (và/hoặc) Phương pháp này đơn giản, tính toán nhanh nhưng xảy

ra những pixel thuộc vùng chồng lắp giữa các khối hộp thường bị phân loại nhầm gây sai số

- Khoảng cách ngắn nhất (Minimum Distance to Means): dựa trên nguyên tắc khoảng cách gần nhất từ 1 pixel đến vector trung bình của mẫu đối tượng Phương pháp này đơn giản, tính toán nhanh nhưng cho kết quả có độ chính xác thấp ở những vùng có nhiều đối tượng phân bố phức tạp

- Phân loại xác xuất cực đại (Maximum likelihood): dựa trên nguyên tắc xác suất của 1 pixel có thể được gán vào 1 trong những đối tượng định trước được tính toán Sau đó, pixel sẽ được gán vào đối tượng có xác suất cao nhất Phương pháp này cho độ chính xác cao, được sử dụng rộng rãi nhất nhưng sẽ tính toán chậm

Ảnh gốc Phân loại ảnh có kiểm định (Maximum

likelihood)

Hình 1 1 Phương pháp phân loại có kiểm định (Ảnh Sentinel -2)

- Phân loại mờ: phù hợp với trường hợp không phân biệt rõ ràng giữa "chính xác" và "không chính xác", lý luận mờ đa trị cho phép chuyển tiếp giữa "đúng" và

"sai" Đầu ra của hệ phân loại mờ là các tập mờ được đặc trưng bởi các hàm tư cách thành viên, đối tượng sẽ được xếp vào loại có mức độ tư cách thành viên cao nhất Các hệ phân loại mờ thích hợp tốt với hầu hết các vấn đề trong tách thông tin viễn thám

1.3.2.2 Phương pháp tương phản ảnh

* Giãn ảnh:

Một ảnh số 8-bit dữ liệu có giá trị phổ trong khoảng từ 0 đến 255 tương ứng với giá trị xám của chương trình xử lý ảnh gắn cho các ảnh vệ tinh Thông thường ảnh số ở trong một khoảng giá trị hẹp nằm trong 0-255 Ví dụ ảnh có giá trị mức độ sáng (phổ) từ 60 đến 158 Giãn ảnh là kéo giá trị nhỏ nhất (60) trở về giá trị 0 và giá trị lớn nhất của khoảng (giá trị 158) về giá trị 255 Ngoài ra có các phương pháp giãn khác như theo phân bố chuẩn, giãn ảnh theo logarit và giãn ảnh theo cắt mật độ

và giãn theo tuyến tính Trong xử lý ảnh số có rất nhiều phần mềm xử lý ảnh chuyên dụng như ERDAS Imagine, ERMapper, PCI, Multiscope, ENVI có chức năng này

- Giãn tuyến tính được thực hiện với việc đưa giá trị mức độ xám của kênh gốc giãn rộng theo tuyến tính phủ kín khoảng 0-255

- Giãn đa tuyến tính được thực hiện khi từng khoảng của mức độ xám ảnh gốc được giãn riêng biệt

- Giãn hàm logarit được thực hiện bằng việc áp dụng hàm logrit, hàm mũ hoặc một hàm toán học được định trước Giãn logarit rất có lợi khi quan tâm đến khoảng

Ảnh gốc PP giãn cân bằng: tách biệt các khu vực

rừng già với các khu vực khác

Hình 1 2 Phương pháp giãn cân bằng (Ảnh Sentinel -2)

Phần mềm ENVI với giao diện dễ sử dụng cho phép người dùng tùy biến sử dụng các phương pháp giãn ảnh một cách nhanh chóng theo mục đích nhất định

1.3.2.3 Phương pháp ứng dụng viễn thám đa kênh

Trong xử lý ảnh số việc phối hợp các tổ hợp kênh ảnh trong phân tích, giải đoán ảnh đem lại hiệu quả cao và hết sức tiện ích

* Phương pháp tổ hợp kênh ảnh

Trong xử lý ảnh số, ảnh được hiển thị bằng việc tổ hợp màu sử dụng 3 màu nguyên thủy là đỏ, xanh lục và xanh lam (RGB) Hiển thị màu dạng RGB được dùng trong xử lý ảnh số tạo ảnh tổ hợp màu thật và giả màu cho các kênh ảnh đa phổ

Việc tổ hợp các kênh phổ tương ứng khác nhau sẽ làm nổi bật nên các đối tượng cần phân loại

Ảnh gốc PP tổ hợp kênh ảnh (B4-B3-B2)

Hình 1 3 Phương pháp tổ hợp kênh phổ (ảnh Sentinel -2)

Hình trên cho ta thấy phương pháp này có thể tách biệt được nước, đất trống với các đối tượng khác

* Phương pháp tỷ số ảnh

Phương pháp này được ứng dụng trong xử lý ảnh nhằm tách lọc các thông tin hữu ích cho những mục đích khác nhau Tỷ số ảnh có ích trong việc phân biệt biến động phổ rất nhỏ trong một cảnh ảnh của từng kênh hoặc tổ hợp giả màu Tỷ số ảnh hiển thị rất rõ biến thiên về độ dốc của đường cong phổ giữa hai kênh liên quan đến giá trị phổ phản xạ quan sát trên các kênh Độ dốc này rất khác biệt cho các vật chất khác nhau ở một vài kênh phổ Ví dụ tỷ số giữa kênh NIR và SWIR, chỉ số này có thể tăng cường các thông tin về nước một cách hiệu quả, từ đó sẽ phân loại được các khu vực ĐNN ao hồ, sông suối một cách hiệu quả Hay chỉ số NDMI cũng là một chỉ

số để xác định hàm lượng nước trong thực vật, chỉ số này đặc biệt hữu ích với việc

phân loại thực vật ở các khu vực đất ngập nước Kết hợp chỉ số NDMI với NDVI có thể phân biệt được những loại hình ĐNN như cây bụi ngập nước chiếm ưu thế theo mùa hay cây gỗ chiếm ưu thế ngập nước theo mùa…

Chỉ số khác biệt thực vật: Chỉ số thực vật được tạo ra để nghiên cứu độ xanh của thực vật, trạng thái thực vật và sinh khối như đã được nói ở trên Thông thường, chỉ số thực vật được áp dụng cho các kênh phổ hồng ngoại và kênh phổ đỏ Thực vật

có đặc tính là hấp thụ năng lượng phổ hồng ngoại cho việc quang hợp và tạo diệp lục,

vì vậy phổ phát xạ của thực vật thể hiện năng lượng trong dải phổ hồng ngoại Tỷ số thực vật được áp dụng cho các kênh ảnh vệ tinh đa phổ MSS, Landsat, SPOT, Sentinel

và các ảnh vệ tinh đa phổ khác Trong thực tế có nhiều cách tạo ra tỷ số thực vật khác nhau dựa trên hai mô hình chính là mô hình góc dốc và mô hình dựa trên khoảng cách

Hình 1 4 Phương pháp tỷ số ảnh (Ảnh Sentinel-2)

Chỉ số NDVI phân tích từ ảnh Sentinel -2, giá trị màu xanh đặc trưng cho khu vực rừng giàu và giảm dần Phương pháp này cho phép phân biệt các đối tượng là thực vật, theo dõi diễn biến của chúng thay đổi theo thời gian và theo mùa Phương pháp kênh chỉ số có thể thực hiện ở hầu hết các phần mềm xử lý ảnh hiện nay

Ảnh vệ tinh phản ánh thực trạng bề mặt đất ở thời điểm chụp ảnh với độ chính xác và tính khách quan cao, trên ảnh vệ tinh đã thể hiện trực tiếp nhiều loại hình sử dụng đất Trong đó phổ phản xạ là thông tin quan trọng nhất để nhận diện và phân tích các đối tượng trên bề mặt ĐNN cũng là một loại đối tượng tự nhiên thuộc lớp phủ bề mặt nên nó cũng tuân theo các quy luật phổ phản xạ các đối tượng tự nhiên Chính vì vậy, việc sử dụng ảnh viễn thám chúng ta hoàn tooàn có thể nghiên cứu chúng thông qua các đặc tính của phổ phản xạ của từng loại hình ĐNN được thể hiện trên ảnh vệ tinh thu thập Vì vậy, có thể coi ảnh vệ tinh là tư liệu hữu hiệu để xác định phạm vi phân bố các loại hình ĐNN

1.3.3 Cơ sở khoa học phân loại ĐNN trên ảnh viễn thám

Từ hệ thống phân loại ĐNN Việt Nam, có thể đưa ra hai nhóm đối tượng có mức độ khai thác được trên ảnh vệ tinh như sau:

(1) Nhóm các đối tượng dễ xác định được trên ảnh

(2) Nhóm các đối tượng xác định được trên ảnh nhưng phải có tài liệu khác hỗ trợ và điều tra bổ sung ngoài thực địa

Ảnh vệ tinh Sentinel có độ phân giải trung bình nhưng vẫn thể hiện khá đầy

đủ các đối tượng trên mặt đất tại thời điểm chụp ảnh Đánh giá khả năng xác định các loại hình ĐNN trên ảnh vệ tinh Sentinel được thể hiện trên bảng sau:

Bảng 1 1 Khả năng xác định các loại hình ĐNN trên ảnh vệ tinh

4 Vùng cây bụi ×

5 Vùng cây gỗ chiếm ưu thế

Dễ nhầm lẫn với rừng

gỗ

6 Đất canh tác nông nghiệp ×

7 Hệ thống hang ngầm

Thông tin khai thác được trên ảnh vệ tinh phụ thuộc rất nhiều vào độ phân giải ảnh (độ phân giải không gian, độ phân giải phổ), thời gian chụp ảnh Vì vậy, khi xây dựng các chỉ tiêu phân loại cần xác định rõ ràng tỷ lệ bản đồ cần thành lập để lựa chọn được loại ảnh vệ tinh phù hợp Sau đó mới tiến hành khai thác lựa chọn ảnh vệ tinh có thời gian phù hợp với mục tiêu nghiên cứu

Việc giải đoán ảnh hay còn gọi là điều vẽ, suy giải ảnh là việc “đọc” ảnh thông qua các dấu hiệu trực tiếp có trên ảnh hoặc các dấu hiệu gián tiếp (dấu hiệu chỉ định)

để suy diễn Các dấu hiệu trực tiếp bao gồm dấu hiệu về màu sắc, cấu trúc, diện mạo

và mật độ ảnh; dấu hiệu gián tiếp là các quy luật, đặc điểm phân bố, điều kiện sinh thái về các mối quan hệ tương hỗ giữa các đối tượng

Hiện nay, công cụ Google Earth Engine (GEE) của Google là một trong các công cụ lưu trữ và tính toán dữ liệu viễn thám và thông tin địa lý (GIS) được sử dụng rộng rãi nhất Công cụ cho phép sử dụng, tính toán và triết xuất dữ liệu cho khu vực nghiên cứu từ bộ cơ sở dữ liệu ảnh vệ tinh được lưu trữ trên hệ thống máy chủ của Google, do vậy tiết kiệm được rất nhiều tài nguyên máy tính cũng như thời gian tính toán so với các phương pháp tính toán truyền thống Tuy nhiên, ở Việt Nam hiện chưa có nhiều nghiên cứu sử dụng công cụ này Vì vậy việc nghiên cứu công cụ này phục vụ đánh giá biến động của các đối tượng trên bề mặt đất là rất cần thiết Trên ảnh Landsat 8 thu được từ cơ sở dữ liệu này, việc tính toán chỉ số NDWI, MNDWI được thực hiện trực tiếp trên đó dưới công thức sau:

Hình 1 5.Tổng quát phương pháp xây dựng bản đồ phân bố nước mặt

Có sự khác biệt giữa giá trị NDWI và MNDWI trong các năm tương ứng: MNDWI qua các năm đều có giá trị lớn hơn so với giá trị NDWI, khoảng giá trị của chỉ số MNDWI rộng hơn so với khoảng giá trị của chỉ số NDWI Về khả năng tăng cường tính năng nước của chỉ số khác biệt nước NDWI và chỉ số khác biệt nước hiệu chỉnh, thì chỉ số NDWI thường bị ảnh hưởng bởi mây, địa hình và bởi các yếu tố khác nhiều hơn so với chỉ số MNDWI Khu vực có giá trị NDWI và MNDWI càng lớn thì

độ sâu mực nước tại đó càng cao Kết quả phân tích cho thấy giá trị cực tiểu và cực đại của cả hai chỉ số qua các năm đều có sự khác biệt điều đó có thể thấy được rằng

độ sâu của mực nước mặt có sự biến động qua các năm Do khu vực nghiên cứu tương đối rộng, nên đối với các khu vực sông suối nhỏ, nên rất khó phận biệt phân biệt nhận dạng trên bản đồ khi dựa vào hai chỉ số NDWI và MNDWI đều khó và bị lẫn với giá trị của các đối tượng khác trong khu vực Qua phân tích và so sánh hai chỉ số NDWI

và MNDWI, có thể thấy rằng chỉ số MNDWI ít bị ảnh hưởng nhiều bởi sự che phủ của mây và bởi các yếu tố khác Theo nghiên cứu của tác giả Xu [58] đã công bố cho thấy rằng so với chỉ số NDWI thì chỉ số MNDWI cho kết quả hiển thị tính năng nước tốt hơn và ít bị ảnh hưởng bởi đất xây dựng, địa hình Từ các kết quả trên đề tài lựa

chọn sử dụng chỉ số MNDWI để phân loại đối tượng nước và xây dựng bản đồ biến động nguồn tài nguyên nước khu vực nghiên cứu

1.4 Cơ sở khoa học của ứng dụng mô hình học máy trong giám sát biến động lớp phủ

Học máy là một bộ phận trí tuệ nhân tạo, trong đó máy tính học các quy tắc dựa trên dữ liệu thô đầu vào Các mô hình có thể tăng sản lượng của chúng dựa trên kết quả trước đây hoặc nguồn dữ liệu mới Trong 5 năm gần đây, các mô hình được phát triển dựa trên học sâu đã mang lại nhiều lợi ích cho con người trong các lĩnh vực khoa học Trái đất khác nhau, chẳng hạn như phân loại đối tượng, xác định các khu vực phù hợp của cây trồng, phân loại các loại ven biển, và dự báo tai biến thiên nhiên Đáng chú ý, nó cho phép các nhà quản lý môi trường đưa ra quyết định nhanh chóng

và chính xác trong thời gian thực mà không có sự can thiệp của con người Một số nghiên cứu đã áp dụng kỹ thuật học sâu trong thực tế để phân loại đất ngập nước và hầu hết trong số họ đề xuất kỹ thuật này như một công cụ quản lý môi trường trong tương lai Tuy nhiên, rất khó để sử dụng/cập nhật các mô hình được đào tạo từ những nghiên cứu đó cho các khu vực mới vì chúng được đào tạo cho các lớp phủ hỗn hợp, thay vì một nhóm lớp phủ cụ thể

Trước khi phát triển một mô hình học sâu để phân loại đất ngập nước, cần phải hiểu định nghĩa và các loại sử dụng đất này Hiện nay trên thế giới có nhiều định nghĩa về đất ngập nước theo các cấp độ và mục đích sử dụng khác nhau Sự khác biệt giữa các định nghĩa về đất ngập nước phụ thuộc vào đặc điểm của đất ngập nước và quan điểm quản lý đất ngập nước của mỗi quốc gia Tuy nhiên, hầu hết các định nghĩa trên thế giới đều coi đất ngập nước là một loại hình sử dụng đất đặc thù, chịu ảnh hưởng tác động qua lại giữa địa mạo, thủy văn, thổ nhưỡng và sinh thái địa phương Ngoài ra, các nhà khoa học từ 160 quốc gia tham gia Công ước về Đất ngập nước (còn được gọi là RAMSAR – có trên https://www.ramsar.org/ (được truy cập vào ngày 07 tháng 10 năm 2020) đã xác định vùng đất ngập nước là một hệ sinh thái chuyển tiếp giữa vùng cao nguyên và vùng đất ngập nước sâu Là một hệ sinh thái được xác định cụ thể trong Công ước RAMSAR, các vùng đất ngập nước là một hệ sinh thái tiềm năng hoàn toàn có thể được phát hiện và giám sát ở các quy mô khác nhau dựa trên ảnh viễn thám và kỹ thuật học sâu

Gần đây, mạng nơ-ron tiên tiến (NN) đã trở thành một công cụ có giá trị cho máy học để học các liên kết phi tuyến tính động Do đó, mạng này có thể đưa ra dự

không giám sát, RF, dựa trên pixel và Máy vectơ hỗ trợ Trong ba năm gần đây, nhiều mạng NN được nâng cấp để phân loại độ che phủ mặt đất tiêu chuẩn đã được đề xuất, chẳng hạn như Mạng thần kinh chuyển đổi (CNN), R-CNN, U-Net và Mask-RCNN Đối với phân loại vùng đất ngập nước ven biển, các mô hình dựa trên học sâu này sử dụng cả dữ liệu không gian và dữ liệu quang phổ được coi là giải pháp đầu cuối tiềm năng để phân tách các đối tượng bị ảnh hưởng bởi nước Mặc dù các mạng lưới này

đã được xem xét để phân loại đất ngập nước nội địa, nhưng việc khám phá các mạng lưới này để phân loại đất ngập nước ven biển vẫn còn hạn chế Một trong những thách thức chính trong việc phân loại đất ngập nước bằng các mô hình học sâu là các đối tượng đất ngập nước bị trộn lẫn với các đối tượng đất khô Do đó, các mô hình không thể tách rời các loại che phủ nội địa như rừng nội địa, đồng cỏ, đất trống và khu đô thị với đất ngập nước và nước vĩnh viễn Trong khi đó, các mô hình phân loại có sẵn không tuân theo hệ thống phân loại đất ngập nước RAMSAR nổi tiếng Nói cách khác, rất khó để sử dụng các mô hình học sâu đã phát triển trong các nghiên cứu trước đây để phân loại vùng đất ngập nước ven biển hơn nữa Do đó, cần phải làm cho các

mô hình học sâu có thể áp dụng nhiều hơn vào việc phân loại đất ngập nước ven biển của hệ thống RAMSAR Theo đó, các nghiên cứu khác có thể sử dụng hoặc cải tiến các mô hình để hướng tới một mô hình hoàn chỉnh cho việc phân loại đất ngập nước nội địa

Ngoài ra, để quan sát các loại đất ngập nước trong một khu vực rộng lớn, các ảnh vệ tinh như MODIS, Landsat và Sentinel-2 thường được sử dụng So với các hình ảnh vệ tinh MODIS và Landsat có độ phân giải không gian thấp, Sentinel-2, với vai trò là sứ mệnh chụp ảnh đa phổ, có thể thu được hình ảnh quang học một cách có hệ thống trên cả khu vực nội địa và ven biển ở độ phân giải không gian cao (10 đến 60 m)

1.5 Quy trình thiết lập mô hình học máy trong phân loại ĐNN

Việc xây dựng và lựa chọn được mô hình học máy tối ưu nhất cho việc phân loại ĐNN tại khu vực nghiên cứu là điều tiên quyết xuyên suốt luận văn Đây là giai đoạn quan trọng nhất, nhằm giải quyết mục tiêu chính của luận văn Việc xác định được mô hình học máy sâu phù hợp dựa trên các giá trị đánh giá sự chính xác của mô hình và kết quả so sánh với các mẫu lấy ngoài thực địa

Hình 1 6 Quy trình thiết lập mô hình học máy trong phân loại ĐNN

Quá trình thực hiện trải qua ba bước chính:

Bước 1: Lựa chọn và khoanh vùng khu vực nghiên cứu

Bước 2: Chuẩn bị dữ liệu đầu vào cho các mô hình

Bước 3: Thiết lập các mô hình

Việc luyện các mô hình khác nhau để đánh giá độ chính xác các mô hình là cần thiết để xác định mô hình học máy nào phù hợp và đem lại kết quả có độ chính xác và tin cậy cao nhất Ngoài ra, trong luận văn này cũng chạy bổ sung thêm hai mô hình truyền thống là RF và SVM nhằm mục đích so sánh với những mô hình học máy

đề xuất

Kết luận chương 1:

Đất ngập nước được hiểu theo nhiều cách khác nhau, nhưng trong đó định nghĩa của công ước Ramsar (1971) đã bao quát hết tất cả các loại hình ĐNN ở Việt Nam và cũng được sử dụng rộng rãi nhất trên thế giới

Đất ngập nước có vai trò rất quan trọng trong sự tồn tại phát triển của con người cũng như sinh vật thông qua những lợi ích trực tiếp lẫn gián tiếp mà nó đem lại Chính vì vậy, việc bảo tồn, phát huy và duy trì các vùng ĐNN là vô cùng quan trọng và luôn là vấn đề hàng đầu được đề cập đến của mỗi quốc gia

Hệ thống phân loại ĐNN tại Việt Nam cũng có sự khác biệt so với hệ thống phân loại ĐNN của Ramsar để phù hợp với thực trạng đất ngập nước tại nước ta nhưng về cơ bản vẫn dựa theo bảng phân loại ĐNN của Ramsar

Đã có rất nhiều những nghiên cứu về ĐNN trên toàn thế giới và cả ở Việt Nam với những phương pháp khác nhau Các phương pháp tăng cường ảnh có thể sử dụng độc lập để giải đoán, nhận biết các đối tượng mặt đất, các loại ĐNN khác nhau hoặc

có thể sử dụng như là thông tin hữu ích trong phân tích và xử lý ảnh số Tuy nhiên, cùng với sự phát triển của khoa học – công nghệ thì những phương pháp dùng để phân loại ĐNN dựa trên tư liệu ảnh viễn thám cũng được phát triển và xu thế hiện nay là việc ứng dụng các mô hình học máy sâu vào phân loại

CHƯƠNG 2 ĐẶC ĐIỂM ĐẤT NGẬP NƯỚC TẠI VƯỜN QUỐC GIA BA BỂ

2.1 Đặc điểm tự nhiên và kinh tế xã hội

2.1.1 Vị trí khu vực nghiên cứu

Vườn Quốc gia Ba Bể nằm ở phía Bắc huyện Ba Bể, cách thành phố Bắc Kạn

70 km theo hướng Tây Bắc và cách thủ đô Hà Nội 250 km về phía Bắc

Vườn Quốc gia Ba Bể nằm trên địa phận hành chính của xã Nam Mẫu, Khang Ninh, Cao Thượng, Thượng Giáo, Quảng Khê, Hoàng Trĩ, Đồng Phúc thuộc huyện

Ba Bể và xã Nam Cường thuộc huyện Chợ Đồn

Hình 2 1. Phạm vi khu vực nghiên cứu và điểm lấy mẫu trên nền ảnh Sentinel-2

Ranh giới Vườn Quốc gia Ba Bể bao gồm: phía Bắc giáp với phần còn lại của

xã Cao Thượng, huyện Ba Bể; phía Nam giáp với xã Bằng Phúc, Tân Lập huyện Chợ Đồn, xã Đôn Phong huyện Bạch Thông; phía Đông giáp phần còn lại xã Khang Ninh, Thượng Giáo và xã Mỹ Phương huyện Ba Bể; phía Tây giáp xã Xuân Lạc, một phần

xã Nam Cường huyện Chợ Đồn và xã Đà Vị huyện Na Hang tỉnh Tuyên Quang

đã công nhận vùng lõi của VQG Ba Bể là khu đất ngập nước thứ 1938 có tầm quan trọng trên thế giới

2.1.2 Đặc điểm địa chất

Vườn quốc gia Ba Bể trải qua một lịch sử phát triển địa chất, địa mạo hết sức phức tạp, dẫn đến việc tạo thành các phong cảnh rất ngoạn mục với cấu trúc địa chất độc đáo

Địa tầng khu vực chủ yếu gồm:

 Hệ tầng Pia Phương (D 1 pp)

Hệ tầng lộ khá rộng rãi ở khu vực, được chia thành hai phân hệ tầng chính: Phân hệ tầng dưới (D1pp 1), lộ ra với diện không đáng kể, là nhân các nếp lồi cánh thoải Thành phần thạch học đặc trưng gồm: đá phiến sét vôi, đá phiến sericit xen vài lớp vôi mỏng, đá vôi đolomit và đá phiến vôi có vật chất than (phần thấp), đá vôi xám đen chứa bitum, đá vôi đolomit, đôi khi có lớp kẹp mỏng phiến sét chứa san

hô (phần giữa); đá hoa xám trắng dạng sọc dải, đá hoa màu loang lổ xen lớp mỏng phiến sericit Bề dày đạt 800m

Phân hệ tầng trên (D1 pp 2), phát triển rộng, chiếm diện tích lớn ở phía tây tỉnh Theo thành phần thạch học, phân hệ tầng chia ra 3 phần:

+ Phần dưới gồm chủ yếu các đá lục nguyên - silic xen phun trào chứa mangan (phiến sericit, cát bột kết tuf, tuf riolit, đá phiến xen bột kết chứa mangan, đá phiến sét vôi, cát bột kết xen phylit) dày 410m

+ Phần giữa gồm các đá cacbonat xen ít silic, trầm tích lục nguyên (đá vôi phân dải mỏng, đá vôi silic giàu hóa thạch, đá phiến sericit, cát bột kết silic, đá vôi silic, đá vôi sét, đôi chỗ có than, graphit) dày 610m

+ Phần trên gồm các đá lục nguyên xen silic và tuf felsic chứa mangan hàm

lượng thấp (đá phiến sét - silic lẫn vôi, cát bột kết, cát kết dạng quarzit, phiến sericit, phylit, tuf riolit phân phiến) Dày 750-800m Chiều dày tổng cộng của hệ tầng 1600-1640m Ranh giới dưới của hệ tầng không quan sát được Phía trên hệ tầng chỉnh hợp với hệ tầng Mia Lé

 Hệ tầng Mia Lé (D 1 ml)

Phân hệ tầng dưới (D1 ml1) với thành phần thạch học: đá phiến sét, cát bột kết màu xám phân lớp mỏng đến vừa, xen ít lớp cát kết phân lớp dày, đá vôi phân lớp

mỏng, đá vôi sét, đá phiến sericit, đá vôi xám phân lớp trung bình, đá phiến sét đen

Bề dày chung của phân hệ tầng dưới 370-500m

Phân hệ tầng trên đặc trưng bằng những tập đá vôi dày màu đen, xen với các tập trầm tích lục nguyên mỏng với thành phần thạch học: đá vôi xám đen tái kết tinh yếu, đá vôi đôlomit chứa Amphipora Sp Và huệ biển, đá phiến sét - sericit xen ít cát bột kết và sét vôi (phần dưới); đá vôi và đá vôi sét xen ít lớp mỏng phiến sét, cát kết phân lớp dày, đá vôi xám phân lớp trung bình (phần trên) Bề dày của phân hệ trêntầng khoảng 500m

Bề dày tổng cộng của hệ tầng đạt 900-1000m

 Hệ tầng Khao Lộc (D 1-2 kl)

Thuộc một nếp lõm bị cắt xén bởi đứt gãy phương ĐB-TN và BN Theo thành phần thạch học, hệ tầng Khao Lộc ở khu vực này chia thành 2 phân hệ tầng Thuộc phạm vi khu vực nghiên cứu chỉ bắt gặp phân hệ tầng dưới được đặc trưng bởi thành phần thạch học đá phiến sét - sericit, cát kết dạng quarzit xen lớp mỏng đá vôi xám đen dày 350m Hệ tầng Khao Lộc nằm chỉnh hợp lên hệ tầng Mia Lé, có tuổi Đevôn sớm giữa

 Đệ Tứ không phân chia Q

Các trầm tích Đệ tứ có khối lượng ít, phân bố dọc các thung lũng, sông suối lớn, thung lũng Karst Thành phần chủ yếu là cuội, sỏi, sét bột dày 2 -3 m

Các thành tạo magma xâm nhập:

 Phức hệ Phia Bioc (γρaT 3 n pb)

Phức hệ Phia Bioc được chia ra làm 3 pha

- Pha 1 (γπaT3n pb 1): granođiorit, granit bioti dạng porphyr hạt vừa-lớn

- Pha 2 (γaT3n pb 2): granit bioti, granit hai mica hạt nhỏ-vừa

- Pha 3 (ρaT3n pb 3): aplit, pegmatit

- Kiểu địa hình Các-xtơ: Chiếm 23,6% tổng diện tích tự nhiên của khu vực Địa hình bị chia cắt thành nhiều khối, vách sườn thẳng đứng cao tới 700 – 800 m Hầu hết núi đá trong vùng đều có các dạng Các-xtơ trên mặt và Các-xtơ ngầm tạo ra các hang động, sông, suối ngầm Một số hang động đẹp kể đến như động Hua Mạ, động Puông, hang Thẳm Phẩy, hang Nà Phoòng

Động Hua Mạ nằm ở phía Nam hồ Ba Bể, bên dòng sông Lèng tĩnh mịch, động Hua Mạ nằm trên lưng chừng ngọn núi Cô Đơn thuộc khu Lèo Pèn (Rừng ma) quanh năm cây cối xanh rì, rậm rạp Với độ cao 350m so với mặt nước biển, từ chân núi Cô Đơn du khách có thể men theo các bậc cầu thang dọc sườn núi dốc thoai thoải

là tới cửa động Trong động có rất nhiều nhũ đá đẹp với hình thù độc đáo Động Hua

Mạ có chiều dài tới hơn 700m, trần động có chỗ rộng và cao tới 40 – 50m, chứa đựng nhiều vách, nhũ đá lung linh kỳ vĩ Trong động có rất nhiều nhũ đá đẹp với hình thù độc đáo như: Tượng Phật bà Quan Âm trên tòa sen, hình ảnh thầy trò Đường Tăng đi lấy Kinh, khu ruộng bậc thang, rèm đá, cổng đá Vẻ đẹp của động được khám phá vào năm 2004, từ đó đến nay, động Hua Mạ không ngừng được đầu tư và lưu giữ, cho đến nay Động Hua Mạ thực sự là một trong những hang động tự nhiên còn nguyên vẹn vẻ tự nhiên và hoang sơ nhất Bắc Kạn

Hang Thẳm Phẩy nằm không xa tính từ chân núi Cô Đơn, hang Thẳm Phầy được ví như hang Sơn Đòong của miền Bắc Đây là một hang nước độc đáo với chiều dài từ 3 – 6km và chiều cao có thể lên tới 40m Đây là một hang động nguyên sơ còn