SỬ DỤNG ẢNH VỆ TINH LANDSAT VÀ GIS ĐỂ ƯỚC TÍNH VÀ GIÁM SÁT LƯỢNG CO2 HẤP THỤ CỦA RỪNG KHỘP (DIPTEROCARP FOREST) TỈNH ĐĂK LĂK

SỬ DỤNG ẢNH VỆ TINH LANDSAT VÀ GIS ĐỂ ƯỚC TÍNH VÀ GIÁM SÁT LƯỢNG CO2 HẤP THỤ CỦA RỪNG KHỘP (DIPTEROCARP FOREST) TỈNH ĐĂK LĂK Huỳnh Thị Kiều Trinh Viện Khoa học Lâm nghiệp Nam Trung Bộ Tây Nguyên Tóm tắt Hệ sinh thái rừng khộp hệ sinh thái (HST) độc đáo, có giới Rừng khộp hình thành điều kiện khắc nghiệt nên khó để thay loại trồng khác đặc biệt độc canh nông nghiệp, công nghiệp Ở Việt Nam, HST đặc trưng cho Tây Nguyên tỉnh Đăk Lăk, mang lại nhiều giá trị đa dạng sinh học khả hấp thụ, lưu giữ lượng lớn CO2, rừng khộp chưa nhận thức đầy đủ giá trị đa dạng sinh học, sinh thái môi trường tiềm ẩn “bị xem” khu rừng giá trị mặt kinh tế sau nhiều năm khai thác gỗ Để ước tính, giám sát lượng CO2 hấp thụ cho khu vực có diện tích rộng, cần phải có liệu sinh khối rừng, carbon lưu giữ đồ theo không gian thời gian Do đó, ứng dụng GIS để xây dựng mối quan hệ nhân tố sinh khối, trữ lượng carbon với giá trị ảnh cho rừng khộp để giám sát lượng CO2 hấp thụ cần thiết ý nghĩa hướng cần tiếp thu phát triển để hỗ trợ việc cung cấp liệu phát thải CO2 Việt Nam tham gia chương trình REDD+ Kết nghiên cứu giải đoán ảnh quản lý ArcGIS thông qua mô hình sinh trắc cho thấy rừng khộp hai huyện Ea Soup Ea H’Leo tỉnh Đăk Lăk có giá trị sau: Tổng diện tích rừng khộp 125.404,8ha Tổng sinh khối mặt đất rừng 8.156.667,6 Tổng lượng carbon tích lũy 4.093.501,1 Tổng lượng CO2 hấp thụ rừng khộp 15.023.149,1 Từ khóa: Hệ sinh thái rừng khộp, sinh khối, Carbon lưu giữ CO2 hấp thụ, GIS, giải đoán ảnh Abtract Estimating Carbon for Dipterocarp Forest by Remote sensing Landsat image and GIS in Dak Lak province Huynh Thi Kieu Trinh Forest Science Institute of Central Highlands and South of Central Viet Nam Dipterocarp forest ecosystems are uniqueness, rare on the world Dipterocarp forest was being formed in the hash conditions so difficult to replace by other crops, especially monoculture agriculture, industrial plants It’s typical ecosystem in Central Highlands and Dak Lak province bring various values such as biodiversity, capacity to absorb and store CO2 but the people not enough to awareness about the value of biodiversity also ecological potential and “was seen” with less economically valuable after years of logging.Estimating, monitoring CO2 absorbed for large area we are need forest biomass data, carbon stored on the maps by space and time Therefore, building the relationships between biomass factor, carbon stock with digital value for dipterocarp forest that vital, mean, the direction should be to acquire and develop to support for provide CO2 emission data when Vietnam participate in REDD+ The value from the research result satellite image interpretation and management in ArcGIS software through allometric equations model showed the dipterocarp forest in Ea Soup and Ea Hleo distric (Dak Lak province): Total area is 125,404.8 hectares, Total biomass above and below under ground of trees is 8,156,667.6 tons Total carbon stored is 4,093,501.1 tons in forest Total CO2 absorbed is 15,023,149.1 tons Keyword:Dipterocarp forest ecosystems,biomass, carbon stored,CO2 absorbed, GIS, satellite image interpretation I ĐẶT VẤN ĐỀ Hệ sinh thái rừng khộp mang lại nhiều giá trị cho người đặc biệt giá trị đa dạng sinh học khả hấp thụ lưu giữ lượng lớn CO2 Tuy nhiên, rừng khộp chưa nhận thức đầy đủ giá trị đa dạng sinh học, sinh thái môi trường tiềm ẩn “bị xem” khu rừng giá trị mặt kinh tế sau nhiều năm khai thác gỗ Chương trình REDD+ra đời hội cho lâm nghiệp Việt Nam để tiếp nhận thực tốt cam kết tương lai Việt Nam cần có nghiên cứu phương pháp đo tính, giám sát thay đổi lượng carbon lưu giữ CO2 hấp thụ rừng tự nhiên Đồng thời, dựa công nghệ GIS viễn thám để theo dõi, cung cấp thông tin, liệu có sở khoa học, đáng tin cậy thay đổi bể chứa carbon cho hệ sinh thái rừng cụ thể chứng minh giảm phát thải khí gây hiệu ứng nhà kính CO2 việc thực quản lý rừng tốt kiểu rừng cụ thể, rừng khộp kiểu rừng cần nghiên cứu Nghiên cứu ứng dụng công nghệ GIS viễn thám nhiều nước ứng dụng điều tra quản lý tài nguyên rừng Dữ liệu vệ tinh sử dụng để ước tính sinh khối carbon lưu giữ mặt đất Công nghệ viễn thám thực qui mô toàn cầu để giám sát thảm thực vật chu trình carbon[10], [11].Nghiên cứu “Xác định lượng CO2 hấp thụ rừng rộng thường xanh vùng Tây Nguyên làm sở tham gia chương trình giảm thiểu khí thải phát từ suy thoái rừng rừng” Bảo Huy cộng (2010-2012) [1], [2], [5], nghiên cứu cho rừng tự nhiên rộng thường xanh Việt Nam xây dựng mối quan hệ nhân tố sinh khối, trữ lượng carbon với giá trị ảnh cho rừng rộng thường xanh cho khu vực Tây Nguyên [3, [4] Tuy nhiên, trữ lượng carbon biến thiên theo loại rừng vùng sinh thái, tùy thuộc vào yếu tố vật lý đất, thảm thực vật…nó không đồng khu vực quốc gia Những nghiên cứu ước tính lượng CO2 hấp thụ rừng khộp giới, [6], [7], [8], [9], chưa xây dựng mối quan hệ nhân tố sinh khối, trữ lượng carbon với giá trị ảnh cho rừng khộp để giám sát lượng CO2 hấp thụ Ở Việt Nam, nghiên cứu Nguyễn Việt Lương (2012) [13]đã tính tổng sinh khối mặt đất khu vực vườn quốc gia Yok Đôn theo hàm allometric equations xây dựng Chaivo et al (2010) khu vực rừng khộp Thái Lan dựa vào hai tham số H DBH Tuy nhiên, kiểu rừng khác nhau, trạng thái khác hấp thụ lượng CO2 carbon lưu giữ không giống Nhưng chưa có nghiên cứu xây dựng mối quan hệ nhân tố sinh khối, trữ lượng carbon với giá trị ảnh cho rừng khộp khu vực Tây Nguyên Để ước tính, giám sát lượng CO2 hấp thụ cho khu vực có diện tích rộng, cần phải có liệu sinh khối rừng, carbon lưu giữ đồ theo không gian thời gian Do vậy, nghiên cứu cần thiết ý nghĩa hướng cần tiếp thu phát triển để hỗ trợ việc cung cấp liệu phát thải CO2 Việt Nam tham gia chương trình REDD+.Trước bối cảnh câu hỏi đặt cho nghiên cứu là: Làm để ước tính, giám sát thay đổi CO2 hấp thụ cho rừng khộp diện rộng?Hiệu giảm phát thải khí CO2 gây hiệu ứng nhà kính việc thực quản lý rừng tốt rừng khộp? Viễn thám công nghệ GIS giúp việc ước tính sinh khối, theo dõi biến động CO2 theo thời gian mang lại hiệu quả, giảm chi phí tham gia REDD+ sao?Vì việc nghiên cứu“Sử dụng ảnh vệ tinh Landsat GIS để ước tính giám sát lượng CO2 hấp thụ rừng khộp tỉnh Đăk Lăk” góp phần giải vấn đề II PHẠM VI, ĐỐI TƯỢNG NGHIÊN CỨU Phạm vi nghiên cứu:Nghiên cứu lượng carbon tích lũy phận mặt đất thực vật thân gỗ; Nghiên cứu mối quan hệ sinh khối, carbon rừng để suy CO2 hấp thụ gỗ mặt đất với liệu ảnh vệ tinh Landsat Đối tượng nghiên cứu:Các lâm phần rừng khộp với trạng thái khác thuộc hai huyện phân bố rừng khộp chính: huyện Ea Soup huyện Ea Hleo, tỉnh Đăk Lăk; Sinh khối carbon thân gỗ mặt đất; III MỤC TIÊU, NỘI DUNG, PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Mục tiêu nghiên cứu:Xây dựng kỹ thuật ứng dụng ảnh vệ tinh Landsat công nghệ GIS để ước tính giám sát lượng CO2 hấp thụ phát thải rừng khộp, làm sở tham gia chương trình REDD+ 3.2 Nội dung nghiên cứu: i) Thử nghiệm hai phương pháp phân loại ảnh vệ tinh kết hợp với ba phương pháp điều tra ô mẫu để ước tính sinh khối carbon rừng ii) Ứng dụng công nghệ GIS để xây dựng giải pháp quản lý, giám sát sinh khối lượng CO2 hấp thụ phát thải rừng khộp 3.3 Phương pháp nghiên cứu 3.3.1 Cơ sở liệu ảnh mặt đất  Nguồn vật liệu: - Ảnh vệ tinh Landsat năm 2010 có độ phân giải 30x30m, cảnh ảnh có kích thước 170km phương Bắc – Nam 183km phương Đông - Tây Ảnh có kênh mang số thứ tự từ đến kênh toàn sắc (Panchromatic hay viết tắt PAN) Kênh 1, thuộc vùng xạ nhìn thấy; kênh 4, thuộc vùng hồng ngoại có độ phân giải 30m; kênh thuộc vùng hồng ngoại nhiệt có độ phân giải 30m kênh Pan có độ phân giải 15m Các kênh có kèm theo bước sóng độ phân giải thể bảng 3.1 Bảng 3.1: Đặc điểm ảnh Landsat Kênh Bước sóng (micromet) Độ phân giải (m) Kênh 0.45- 0.515 30 Kênh 0.525-0.605 30 Kênh 0.63- 0.69 30 Kênh 0.75-0.90 30 Kênh 1.55-1.75 30 Kênh 10.40- 12.5 30 Kênh 2.09-2.35 30 Pan 0.52- 0.90 15 - Các đồ sở địa hình, sông suối, hành khu vực Ea Soup Ea H’Leo - Các phần mềm xử lý ảnh ENVI 4.7, phần mềm GIS: ArcGIS phần mềm thống kê Statgraphics Centurion Plus  Hiệu chỉnh hình học ảnh:Việc nắn chỉnh tiến hành phần mềm ENVI  Phân loại vùng nghiên cứu cứu thành vùng có rừng không rừng, sở giải đoán ảnh vùng có rừng: Trên ảnh tạo vùng quan tâm (ROI – Region of Interest) vùng mẫu cho đối tượng có rừng vùng mẫu rừng Dựa vùng mẫu này, sử dụng phương pháp phân loại có kiểm định Maximum Likelihood để phân thành loại thảm phủ có rừng vào không rừng ảnh hiệu chỉnh hình học phần mềm ENVI 3.3.2 Thu thập số liệu ô mẫu mặt đất, chặt hạ để lập mô hình tính toán sinh khối carbon phần gỗ mặt đất Lập ô tiêu chuẩn 50x50m chặt hạ để thu thập số liệu sinh khối gỗ mặt đất: Tổng ô mẫu rải trạng thái khu vực gồm 18 ÔTC với ô trạng thái giàu, ô trạng thái rừng trung bình, ô trạng thái nghèo, ô rừng non Trong đó, khu vực huyện Ea Soup điều tra 10 ô điều tra huyện Ea Hleo Tại ô điều tra thu thập số liệu ban đầu ô mẫu như: + Vị trí ô mẫu; Tọa độ địa lý (phải lấy xác); Nhân tố lâm phần sinh thái; + Ô mẫu sơ cấp kích thước 50x50(m): Điều tra gỗ có D1.3>30cm với nhân tố điều tra gồm loài, D1.3(cm), H(m) + ô mẫu thứ cấp 10x10(m) ô sơ cấp: Trong ô đặt tâm ô góc ô mẫu sơ cấp Điều tra gỗ có 5cm < D1.3 30cm Nhân tố điều tra Loài, D1.3 (cm), H(m) + ô mẫu phụ 2x2(m) ô thứ cấp: Điều tra gỗ tái sinh có D1.31.3m Nhân tố điều tra gồm Loài, D1.3(cm), H(m) Trong ô mẫu phụ 2x2(m)- ô trung tâm, điều tra tiêu sinh thái G(m2), loại đất, nhiệt độ, độ ẩm, pH đất, tọa độ GPS, độ tàn che, loài gỗ, thực bì Kế thừa số liệu Bộ môn Quản lý Tài nguyên rừng Môi trường (Trường Đại học Tây Nguyên, năm 2011) với173 chặt hạ rải theo cấp kính ô mẫu 2500m2, có tổng số373 mẫu phân tích sinh khối carbon, đó: 94 thân, 93 mẫu lá, 92 mẫu cành, 94 mẫu vỏ Thiết lập hàm sinh trắc (Allometric equations)dựa quan hệ sinh khối, carbon lưu giữ rừng với hai nhân tố DBH H để tính sinh khối gỗ mặt đất (TAGTB, tấn/ha) carbon gỗ mặt đất (TAGTC, tấn/ha) với gỗ có DBH ≥ cm Lập kiểu dạng ô điều tra để giải đoán ảnh vệ tinh: Điều tra 43 ô giải đoán ảnh phân bố rải trạng thái vùng nghiên cứu hai huyện có rừng khộp Ea Soup Ea Hleo Thiết lập ô với dạng ô mẫu chồng điểm: Ba kiểu dạng ô mẫu thiết lập Ô Prodan 5.5 cây, ô tròn phân tầng 1000m2 ô vuông 30x30m  Đối với ô vuông 30 x 30m chia thành ô thứ cấp 10 x10m  Đối với ô tròn phân tầng 1000m2 đề nghị dùng điều tra carbon rừng Việt Nam Bảo Huy (2010) Dùng dây có thắt nút dải màu bán kính ô mẫu phụ 1m ứng với bán kính 3,14m2 (màu xanh chuối), bán kính đo đếm tái sinh; 5,64m ứng với bán kính 100m2 (màu vàng); 12,62m ứng với bán kính 500m2 (màu xanh biển) 17,84m ứng với bán kính 1000m2 (màu đỏ) Để thuận tiện cho việc đo đếm cần dây có thắt nút kéo theo hướng ô tròn dùng dây cần phải di chuyển múi ô Trong vùng bán kính từ 1m đến 5.64m đo có DBH từ 6cm trở lên Từ bán kính 5.64m-2.62m đo có DBH từ 22cm trở lên Từ bán kính 12.62m-17.84m đo có DBH từ 42cm trở lên  Đối với ô Prodan dùng thước dây xác định gần tâm với đường kính D1.3 từ 6cm trở lên Cây xa tâm xác định thứ 6.Sau thiết lập dạng ô giải đoán, tiến hành đo tiêu ô theo ô thứ cấp 10 x 10m Xác định loài, đo chiều cao (m), đường kính D1.3 (cm) có đường kính từ 6cm trở lên ô Đồng thời, dựa vào cấp kính phân ô tròn tiêu chí chọn Prodan để đánh dấu thuộc ô tròn, thuộc ô Prodan hay ô tròn vuông (những thuộc cấp kính ô tròn phân tầng nằm ô vuông) Từ số liệu thu thập cho dạng ô mẫu:Tính mật độ (số cây/ha) trữ lượng (m3/ha) cho dạng ô Sử dụng hàm sinh trắc (Allometric equations) rừng để ước tính sinh khối gỗ mặt đất lâm phần (TAGTB, tấn/ha) carbon gỗ mặt đất lâm phần (TAGTC, tấn/ha), tính cho có DBH từ 6cm trở lên với dạng ô: + Đối với ô vuông 30x30m, tính tổng sinh khối carbon theo công thức 3.1 công thức 3.2: TAGTB(tan/ha)  104 *  AGB(kg / cây) *103 900 (CT III.1) 104 *  C( AGB)(kg / cây) *103 (CT III.2) 900 + Đối với ô tròn phân tầng, tính tổng sinh khối carbon theo công thức3.3 3.4: TAGTC(tan/ha)  TAGTB(tan/ ha)   AGB(kg ) * N *10 3 TAGTC (tan/ ha)   C ( AGB)(kg ) * N *10 (CT III.3) 3 (CT III.4) Trong đó, mật độ cỡ kính tính theo công thức 3.5, 3.6 3.7 N /  104  N (6  D  22cm) 100.no (CT III.5) N /  104  N (22  D  42cm) 500.no (CT III.6) N /  10  N ( D  42cm) 1000.no (CT III.7) Với: no số ô điều tra + Đối với ô Prodan tính TAGTB, TAGTC theo công thức 3.8 3.9: TAGTB(tan/ ha)  104 * AGB(kg ) *103   *r (CT III.8) 104 *  C ( AGB)(kg) *103 (CT III.9)  *r2 Đây sở liệu để nghiên cứu thiết lập quan hệ ảnh với lượng sinh khối mặt đất theo kiểu ô mẫu khác 3.3.3Thử nghiệm phương pháp ứng dụng ảnh vệ tinh ước lượng sinh khối carbon rừng theo kiểu ô mẫu: Thử nghiệm phương pháp khác nhau:Phương pháp nghiên cứu chủ yếu xác lập mối quan hệ sinh khối, carbon rừng kiểu ô mẫu với liệu ảnh, làm sở ước lượng sinh khối, carbon rừng lập đồ, quản lý sở liệu carbon rừng thông qua ảnh viễn thám GIS i) Phương pháp phân loại ảnh phi giám định lập quan hệ với sinh khối rừng cho dạng ô mẫu: Phương pháp nhằm mục đích thử nghiệm khả phân loại ảnh dựa vào giá trị ảnh quan hệ với sinh khối, carbon rừng mặt đất để phân loại rừng ước lượng sinh khối, carbon rừng Cùng với liệu điều tra dạng ô mẫu tròn, vuông Prodan, tìm mối quan hệ phương pháp phân loại ảnh phương pháp lập ô tốt cho kiểu rừng khộp TAGTC(tan/ ha)  Hình 3.1: Sơ đồ tiếp cận nghiên cứu phân loại ảnh phi giám định lập quan hệ với sinh khối rừng Phân loại phi giám định dựa vào tập hợp phần tử có giá trị ảnh Số lượng nhóm phân loại tùy thuộc vào người phân loại, trình lặp lặp lại việc nhóm lớp theo tiêu người phân loại đặt gồm số lần lặp tối đa (Maximum iteration), số pixel tối thiểu nhóm/lớp (Minimum Pixel in Class), độ lệch chuẩn tối đa nhóm (Maximum Class Stdv), số Pixel tối thiểu kết nhóm (Maximum Merge pairs) thỏa mãn điều kiện đặt trình dừng lại Trong phương pháp ISODATA áp dụng phương pháp mềm dẻo, tự nhiên, không cần cố định số lớp Dựa vào trung bình lớp/loại liệu không gian, sau xếp lại pixel cách sử dụng khoảng cách tối thiểu Mỗi đặc trưng pixel phân loại lại tạo trung bình Các lớp tách, hợp nhất, xóa thực sở liệu ngưỡng tham số Tất pixel phân loại vào lớp gần nhất, trừ sai tiêu chuẩn hay ngưỡng tham số nằm ngoài, trường hợp số pixel phân loại lại chúng không đạt tiêu chuẩn lựa chọn Quá trình tiếp tục số lượng điểm ảnh lớp thay đổi số lần tối đa lần lặp đạt Việc phân loại thành lớp số lượng pixel lớp người xử lý định; thực tế trạng thái rừng, mức độ che phủ có xạ quang phổ khác Do đó, chọn số lượng lớp (Class) khác phân loại có ý nghĩa phân chia rừng thành lớp có độ chi tiết, số ảnh khác nhau; từ dò tìm mối quan hệ có lớp phân chia khác với sinh khối, trữ lượng carbon điều tra ô mẫu, sở để thiết lập hệ thống phân loại ảnh phi giám định sở tương quan với sinh khối, carbon rừng Thử nghiệm phân loại tự động với hệ thống class: + Phân chia từ - class: Tạo lớp + Phân chia từ - class: Tạo lớp + Phân chia từ - class: Tạo lớp Lập quan hệ tổng sinh khối, carbon gỗ mặt đất theo dạng ô mẫu với mã số class (id_class) phân loại ảnh: TAGTB, TAGTC =f(Class_id) theo tổ hợp lớp, lớp, lớp.Mô hình quan hệ sinh khối, carbon (yi) với giá trị điều tra, giá trị ảnh (xi) thiết lập dạng yi = f(xi); yi xi đổi biến số log, sqrt, exp, 1/yi, xi tổ hợp biến để tìm hàm biến số thích hợp.Chọn mô hình quan hệ sinh khối theo nhân tố điều tra, hệ thống lớptheo tiêuthống kê như: hệ số quan hệ R2%adj cao nhất, AIC(Akaike Information Criterion), CF(Correction factor), Cp (Tiêu chuẩn Mallow’Cp)và S1%, S2%(được tính theo công thức biến động trung bình S1% sai số tương đối S2%) bé nhất.So sánh mô hình quan hệ sinh khối với nhân tố điều tra, hệ thống class, lựa chọn mô hình tốt tương ứng với tổ hợp hệ thống class, số hệ thống class cần phân chia có mối quan hệ chặt chẽ với sinh khối carbon rừng mặt đất theo kiểu dạng ô mẫu thích hợp cho rừng khộp Cuối kết phân loại sinh khối, carbon ảnh thông qua mô hình đánh giá sai số với giá trị sinh khối thực tế cácô mẫu.Sử dụng tiêu chuẩn T bắt cặp theo Paired Two Sample for Means để kiểm tra sai khác giá trị ước tính ảnh với thực tế, P(T 0.05 chấp nhận Ho, nghĩa giá trị ước tính theo lý thuyết thực tế khác biệt với độ tin cậy 95%và ngược lại bác bỏ Ho Việc sử dụng T bắt cặp vị trí ô mẫu có hai giá trị so sánh lý thuyết thực tế, tức bắt cặp sử P chiều (one tail) để đánh giá chênh lệch liệu theo chiều hướng (lớn hay nhỏ thua) ii) Phương pháp phân loại ảnh có giám định phân chia rừng theo cấp sinh khối Phương pháp dựa kiểu ô mẫu, kiểu có 43 ô mẫu quan sát thực địa để phân loại ảnh thành lớp đồng sinh khối carbon rừng Các bước tiến hành: - Phân cấp sinh khối dựa vào kiểu ô mẫu - Phân lập ảnh theo cấp sinh khối kiểu ô mẫu: Các ô mẫu vùng ROI đại diện cho cấp Sử dụng thuật toán phân loại Maximum Likelihood để phân thành lớp sinh khối, carbon phần mềm ENVI - Sử dụng 15 18 ô mẫu 50x50m độc lập để đánh giá độ tin cậy phân loại ảnh thành cấp sinh khối, carbon ENVI Hình III.1: Sơ đồ tiếp cận nghiên cứu phân loại ảnh có giám định phân chia rừng theo cấp sinh khối theo kiểu ô mẫu 3.3.4 Ứng dụng GIS quản lý, giám sát sinh khối, carbon rừng Trên sở ảnh vệ tinh giải đoán phân loại theo cấp sinh khối, carbon, tiến hành lập sở liệu sinh khối, carbon cho khu vực:Chuyển file ảnh thành vector với thuộc tính sinh khối/ha (TAGTB, ha) thực nghiên cứu giải đoán ảnh vệ tinh ArcGIS; Sử dụng mô hình allometric equations lâm phần để tính gián tiếp giá trị sinh khối, carbon bể chứa khác toàn lâm phần; Biên tập đồ sinh khối, carbon rừng xuất sở liệu; Theo dõi cập nhật thay đổi diện tích, trữ lượng carbon ArcGIS thông qua chức cập nhật trường theo hàm allometric equations Hình 3.2: Sơ đồ tiếp cận nghiên cứu ứng dụng GIS quản lý, giám sát sinh khối, carbon rừng IV KẾT QUẢ NGHIÊN CỨU 4.1 Ứng dụng ảnh vệ tinh ước tính giám sát sinh khối, carbon rừng 4.1.1 Thiết lập mô hình sinh trắc ước tính sinh khối carbon rừng phân mặt đất (AGB) C(AGB) Từ số liệu chặt hạ phân tích sinh khối carbon, thiết lập mô hình ước tính sinh khối mặt đất (AGB) carbon tương ứng C(AGB) theo hai nhân tố điều tra rừng DBH H Dựa vào tiêu chí thống kê lựa chọn hàm, biến số tiêu hàm tối ưu lựa chọn mô hình bảng 4.1 Bảng 4.1: Các mô hình sinh trắc để ước tính sinh khối carbon rừng phần mặt đất R2adj P_Value 96.71 Ln(AGB_kg) = -3.25897 + 0.183087*Ln(H_m) + 2.5682*Ln(DBH_cm) Ln(AGB_kg) = -3.5857 + 1.56326*Ln(DBH_cm*H_m) Dạng hàm Ln(AGB_kg) = -3.13468 + 2.68072*ln(DBH_cm) Ln(AGB_kg) = -3.57369 1.00666*Ln(DBH_cm^2*H_m) + Ln(C_AGB kg) + AIC CF Cp S1% 0.00 -418.79 1.04 0.00 22.8 95.92 0.00 -387.99 1.05 1.00 25.8 89.47 0.00 -232.79 1.13 2.00 41.12 93.02 0.00 -302.68 1.09 2.00 33.48 96.97 0.00 -199.91 1.04 0.00 24.8 Ln(C_AGB kg) = -4.35124 2.56549*Ln(DBH_cm) 0.366245*Ln(H_m) + + 96.51 0.00 -195.31 1.05 1.00 26.3 Ln(C_AGB kg) = -4.63988 1.04451*Ln(DBH_cm^2*H_m) + 0.00 -149.27 1.10 2.00 36.73 = -4.22693 2.83379*ln(DBH_cm) 93.71 Dạng hàm Ln(C_AGB kg) = -4.74468 R2adj + 91.23 P_Value 0.00 AIC -119.29 CF 1.14 Cp 2.00 S1% 42.55 1.63498*Ln(DBH_cm*H_m) Kết cho thấy, sử dụng biến số DBH để ước tính sinh khối carbon rừng chưa phản ánh hết đầy đủ sinh khối lượng carbon rừng cấp kính khác chiều cao tạo lượng sinh khối carbon khác Vì vậy, nghiên cứu sử dụng phương trình 4.1 ước tính sinh khối phương trình 4.2 để ước tính carbon rừng theo hai biến DBH H: Ln(AGB_kg) = -3.25897 + 0.183087*Ln(H_m) + 2.5682*Ln(DBH_cm) (PT 4.1) Với R adj = 95.92; P value = 0.00; AIC = -387.99; CF = 1.05; Cp = 1.00 S1% =25.8 Ln(C_AGB_kg) = -4.35124 + 2.56549*Ln(DBH_cm) + 0.366245*Ln(H_m) (PT 4.2) Với R2.adj = 96.51; P value = 0.00; AIC = -195.31; CF = 1.05; Cp = 1.00 S1% =26.3 Trên sở mô hình AGB C(AGB), tính toán tổng sinh khối mặt đất (TAGTB, tấn/ha) tổng carbon rừng phần mặt đất (TAGTC, tấn/ha) cho 43 ô mẫu giải đoán ảnh theo kiểu dạng ô hình tròn (1000m2), vuông (30 x 30m) Prodan 5,5 4.1.2 Hiệu chỉnh hình học ảnh, phân loại thành vùng có rừng rừng a) Hiệu chỉnh hình học ảnh Ảnh Landsat hiệu chỉnh hình học dựa điểm khống chế thu thập mặt đất (GCP- Ground control points).Để hiệu chỉnh ảnh cho vùng rừng khộp phân bố hai huyện Ea Hleo Ea Soup,thu thập 27 điểm khống chế GPS cầm tay Ảnh đăng ký theo phép chiếu UTM zone 49, với ellip thực dụng WGS 84 Phương pháp “nearest neighbor – người láng giềng gần nhất” áp dụng với độ phân giải không gian 30x30m để bảo toàn tính nguyên vẹn giá trị pixel b) Phân loại vùng có rừng rừng Kết phân loại mặc định theo thứ tự rừng mang giá trị 1, có rừng mang giá trị Dựa ảnh phân loại, tiến hành tạo mặt nạ cho vùng có rừng Dựa mặt nạ có rừng này, cắt ảnh (Subset) theo vùng có rừng để nghiên cứu Kết cho ảnh có vùng có rừng 4.1.3 Phân loại ảnh vệ tinh phương pháp phi giám định lập mối quan hệ sinh khối, carbon rừng với lớp phân loại Thử nghiệm phân chia thành 3, 4, lớp (class) (dựa vào thực tế biến đổi trạng thái rừng có khả nhiều lớp trạng thái) Trong phân chia tự động chọn số pixel tối thiểu lớp (Minimum Pixel in Class) pixel (mỗi pixel ảnh Landsat có kích thước 30 x 30m) ứng với 5.400m2, lý chọn số pixel để đơn vị lớp phân loại bao phủ toàn diện tích ô mẫu (1.000m2), đồng thời phù hợp với quy định kiểm kê rừng Việt Nam trạng thái rừng tách có diện tích lớn 5.000m2.Trên sở ảnh phân loại thành hệ thống lớp khác nhau, chuyển đổi liệu dạng raster ảnh phân loại phi giám định thành vector với lớp nói 10 Sau đó, chồng lớp tọa độ ô mẫu tính toán sinh khối phần mặt đất TAGTB (tấn/ha)theo dạng ô mẫu gắn với lớp phân loại theo 3, class, Tạo sở liệu quan hệ sinh khối carbon rừng ứng với hệ thống class phân loại khác tổ hợp từ 3, class Cơ sở liệu tạo ArcGIS với dạng ô: ô vuông, ô tròn phân tầng ô Prodan điểm điều tra giải đoán ảnh tính toán TAGTB; chồng với hệ thống phân loại class xuất sang dạng file database để xây dựng phương trình quan hệ: TAGTB (tấn/ha) = f(Class_3_id, Class_4_id, Class_5_id); có hệ thống phân loại thành Class_id ứng với 3, 4, lớp Trong tổ hợp cấp phân loại tìm mối quan hệ sinh khối rừng với class_id cho dạng ô mẫu.Kết phân loại phi giám định thành class khác tạo lớp không phân loại unclasssified Do vậy,một số ô mẫu lọt lớp không phân loại không sử dụng lập mô hình Kết quảcó 34 ô mẫu chồng lên ảnh phân loại thành lớp-4 lớp; 32 ô mẫu chồng lên ảnh phân loại thành 3-4-5 lớp 3-5 lớp.Ứng với mô hình quan hệ TAGTB với tổ hợp class, chọn mô hình có tiêu chí thông kế tốt hệ số quan hệ lớn nhấtR2adj (cao nhất) tồn với P 95% Xác định mô hình đạt tiêu thống kê phù hợp mô hình lập theo dạng ô mẫu với tổ hợp class khác xác định phương pháp phân loại ảnh phi giám định kết hợp với phương pháp lập ô.Bảng trình bày mô hình tối ưu cho dạng ô với tổ hợp class phân loại ảnh theo phi giám định Bảng 4.2: Mô hình quan hệ sinh khối lâm phần (TAGTB (tấn/ha) kiểu ô mẫu với class ảnh phân loại phi giám định Mô hình quan hệ R2 % Adj PValue n Cp CF AIC S1% S2% P(T 0.05) Dạng ô mẫu hình vuông (Square: SQ) sinh khối có quan hệ cao với ảnh phân loại tổ hợp từ 3-4-5 lớp với sai số tương đối S2%=13.20% sai khác giá trị ước tính qua ảnh với thực tế ô mẫu với độ tin cậy 95% (kiểm tra t bắt cặp với P one tail = 0.97 > 0.05) Dạng ô mẫu Prodan (PR) sinh khối có quan hệ với ảnh phân loại tổ hợp từ 3-5 lớp, cósai số tương đối cao với S2%=43.51% sai khác giá trị ước tính qua ảnh với thực tế ô mẫu với độ tin cậy 95% (kiểm tra t bắt cặp với P one tail = 0.28 > 0.05 Kết cho thấy: - Giá trị sinh khối lâm phần (TAGTB, tấn/ha) có quan hệ chặt chẽ với giá trị phân loại ảnh theo phương pháp phi giám định với tổ hợp lớp phân loại theo 3, class Kiểm tra cuối tiêu chuẩn t cho thấy chưa có sai khác với thực tế ô mẫu ước lượng qua ảnh phương pháp phân loại phi giám định theo tổ hợp class chồng xếp lên - Với kiểu ô mẫu (3 kiểu) khác giá trị TAGTB có quan hệ với tổ hợp class 3, class chưa có sai khác với thực tế ô mẫu qua kiểm tra t, có độ tin cậy sai số khác Trong ô hình vuông (30x30m) cho mối quan hệ TAGTB với lớp phân loại ảnh có sai số bé 13.2%, ô Prodan có sai số lớn 43.5% Ô hình tròn diện tích 1000m2 có sai số tương đối trung bình 21.1%; ô hình tròn dễ lập, thích hợp địa hình dốc, phức tạp Vì vậy, ô áp dụng điều kiện sai số cao ô vuông Cuối cùng, từ đánh giá nói theo tiêu thống kê sai số, cho thấy rừng khộp, phân ảnh phi giám định tổ hợp chồng xếp 3-4-5 lớp để lập quan hệ với TAGTB ô vuông cho mối quan hệ sinh khối rừng mặt đất số ảnh tốt nhất.Mô hình lựa chọn mô hình quan hệ sinh khối rừng TAGTB thu thập tính toán từ dạng ô mẫu hình vuông (kích thước 30x30m)với tổ hợp chồng xếp 3-4-5 class theo phương trình 4.3 sau: Ln(TAGTB_SQ)/Class_4_Id = 3.94929 + 0.101204*Sqrt (Class_3_Id^3* Class_5_Id) - 3.02242*ln(Class_4_Id) (PT 4.1.3) Với R adj= 94.07%; P