VẤN ĐỀ XÁC ĐỊNH SINH KHỐI VÀ TRỮ LƯỢNG RỪNG TỪ ẢNH VỆ TINH

Quản lý tài nguyên rừng & Môi trường VẤN ĐỀ XÁC ĐỊNH SINH KHỐI VÀ TRỮ LƯỢNG RỪNG TỪ ẢNH VỆ TINH Phạm Văn Duẩn1, Vũ Thị Thìn2 ThS Trường Đại học Lâm nghiệp KS Trường Đại học Lâm nghiệp TÓM TẮT Ảnh vệ tinh nguồn liệu quan trọng cho xác định trữ lượng/sinh khối rừng quy mô khác Mặc dù sử dụng để xác định trữ lượng/sinh khối rừng nhiều nơi giới, thuật toán tham số phi tham số phát triển ứng dụng để tính tốn, đến chưa có thuật tốn coi tối ưu sử dụng để xác định sinh khối/trữ lượng rừng từ ảnh cho khu vực giới Xác định sinh khối/trữ lượng rừng sử dụng công nghệ viễn thám công việc bao gồm nhiều bước: thu thập số liệu thực địa, tính tốn sinh khối/trữ lượng thực địa, lựa chọn tư liệu ảnh vệ tinh, lựa chọn biến từ ảnh, lựa chọn thuật tốn thích hợp, đánh giá độ xác kết xác định sinh khối/trữ lượng rừng Điều quan trọng nhà khoa học kết luận nghiên cứu vấn đề phải xác định yếu tố gây sai số giải pháp giảm bớt sai số nhằm phát triển mơ hình xác định sinh khối/trữ lượng rừng tối ưu cho khu vực nghiên cứu cụ thể Từ khoá: Ảnh vệ tinh, Sinh khối rừng, trữ lượng rừng, viễn thám I ĐẶT VẤN ĐỀ Khi sản phẩm từ rừng (chủ yếu sản phẩm gỗ) xem đối tượng việc trao đổi, mua bán nhu cầu xác định trữ lượng/sinh khối rừng đời Trong giai đoạn đầu, trữ lượng/sinh khối rừng xác định phương pháp điều tra mặt đất Trong khoảng 30 năm trở lại đây, ảnh vệ tinh với phương pháp xử lý số sử dụng rộng rãi phục vụ công tác điều tra, kiểm kê xác định trữ lượng/sinh khối rừng giới Do vậy, để xác định trữ lượng/sinh khối rừng, giới song song tồn phương pháp chính: Phương pháp điều tra mặt đất phương pháp sử dụng tư liệu viễn thám Phương pháp sử dụng công nghệ viễn thám để xác định sinh khối/trữ lượng rừng có ưu điểm bật thời gian xử lý ngắn, việc phân loại đối tượng tiến hành nhanh chóng phạm vi rộng, công việc thực dựa vào cấp độ xám giá trị phổ pixel, nên kết thu khách quan phụ thuộc vào chủ quan người giải đốn Hiện có nhiều vệ tinh cung cấp ảnh có độ phân giải khơng gian, phân giải phổ, số lượng kênh phổ chu kỳ bay chụp khác nhau, từ ảnh đa phổ (multispectral sensors) tới ảnh siêu phổ (hyperspectral), bước sóng biến động từ nhìn thấy tới sóng siêu cao tần, độ phân giải không gian từ 1m tới vài km, chu kỳ bay chụp từ hàng ngày tới hàng tuần hàng tháng làm cho công tác xác định sinh khối/trữ lượng rừng từ ảnh trở lên nhanh chóng thuận tiện Bài báo tổng hợp, biên dịch, đánh giá kết nghiên cứu vấn đề xác định sinh khối/trữ lượng rừng từ ảnh vệ tinh II VẬT LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Mục tiêu nghiên cứu Tổng hợp đánh giá nghiên cứu vấn đề xác định sinh khối/trữ lượng rừng từ ảnh vệ tinh 2.2 Vật liệu nghiên cứu Để thực nghiên cứu này, tác giả sử dụng kết báo cơng trình nhà khoa học cơng bố vấn đề xác định trữ lượng/sinh khối rừng từ ảnh vệ tinh làm vật liệu nghiên cứu TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ 3-2015 17 Quản lý tài nguyên rừng & Môi trường 2.3 Phương pháp nghiên cứu Bài báo thực chủ yếu thông qua phương pháp kỹ thuật tra cứu tài liệu tham khảo nước giới, phương pháp kỹ thuật phân tích so sánh, phân tích quan hệ nhân - quả, phân tích tổng hợp, phân tích chuyên gia Trong tập trung vào vấn đề quan trọng: - Đánh giá ảnh hưởng việc thu thập liệu xác định sinh khối/trữ lượng rừng trường đến xác định sinh khối/trữ lượng rừng từ ảnh: Tác giả tìm hiểu phương pháp thường sử dụng để xác định sinh khối/trữ độ xác việc xác định trữ lượng/sinh khối rừng từ ảnh nhân tố ảnh hưởng đến độ xác từ phương pháp phân tích tổng hợp, phân tích quan hệ nhận để đưa kết luận cần thiết - Tác động quy mô khu vực nghiên cứu đến xác định sinh khối/trữ lượng rừng: Tác giả tổng hợp phân tích làm rõ vấn đề quy mô khu vực nghiên cứu ảnh hưởng đến việc xác định sinh khối/trữ lượng rừng theo chiều hướng nào? Từ phương pháp phân tích chuyên gia để đưa khuyến nghị cần thiết vấn đề lượng rừng thực địa, từ tổng hợp đánh III KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN giá ưu, nhược điểm phương pháp sinh khối/trữ lượng rừng giới Nghiên cứu sử dụng ảnh vệ tinh để xác định trữ lượng/sinh khối rừng giới áp dụng khoảng 30 năm trở lại Tuy nhiên, phần lớn nghiên cứu thực vùng ôn đới rừng vùng có cấu trúc thành phần loài tương đối đơn giản, độ đồng tán rừng cao (Trotter et al 1997, Wu et al 1994) Tại vùng nhiệt đới ẩm, cấu trúc phức tạp thành phần loài đa dạng khiến cho việc xác định sinh khối/trữ lượng rừng từ ảnh khó khăn hơn, kết xác định sinh khối/trữ lượng gặp phải sai số lớn trường hợp rừng bị khai thác chọn tái sinh sau khai thác (Foody et al 2003, Lu 2006, Lucas et al 1998) Theo Fang et al 1998, Brown et al 1989, Lehtonen et al 2004, Wang et al 2011, trữ lượng sinh khối chuyển đổi cho phương trình xác định Vì vậy, nghiên cứu xác định sinh khối trữ lượng rừng từ ảnh vệ tinh coi có giá trị - Đánh giá độ xác mơ hình xác định trữ lượng/sinh khối rừng từ ảnh vệ tinh: Tập trung vào việc xác định phương pháp mà nghiên cứu trước sử dụng để đánh giá Theo kết nghiên cứu, xác định sinh khối/trữ lượng rừng từ ảnh vệ tinh công việc bao gồm nhiều bước Từ thiết kế thu thập số liệu xác định sinh khối/trữ lượng rừng thực - Đánh giá việc lựa chọn ảnh biến tiềm ảnh vệ tinh có liên hệ với sinh khối/trữ lượng rừng: Từ cơng trình nghiên cứu cơng bố, tác giả phân tích loại ảnh thường sử dụng để xác định sinh khối/trữ lượng rừng giới Trong loại ảnh tìm hiểu kiểu biến tiềm hay nhà khoa học sử dụng mơ hình xác định sinh khối/trữ lượng rừng Nhằm cung cấp đến độc giả nhìn chung việc lựa chọn ảnh biến tiềm ảnh vệ tinh để xây dựng mơ hình xác định sinh khối/trữ lượng rừng - Xác định thuật tốn phù hợp cho mơ hình xác định sinh khối/trữ lượng rừng: Sử dụng phương pháp thống kê, phân tích tổng hợp để xác định đặc điểm, ưu, nhược điểm thuật toán áp dụng để xác định 18 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ 3-2015 Quản lý tài nguyên rừng & Môi trường địa, lựa chọn biến tiềm biến tối ưu ảnh có liên hệ với sinh khối/trữ lượng rừng, lựa chọn thuật toán thích hợp, đánh giá sai số giải đốn ảnh hưởng quy mô khu vực nghiên cứu đến kết xác định sinh khối/trữ lượng rừng 3.1 Ảnh hưởng việc thu thập liệu xác định sinh khối/trữ lượng rừng trường đến xác định sinh khối/trữ lượng rừng từ ảnh Để xây dựng mô hình xác định sinh khối/trữ lượng rừng từ ảnh vệ tinh khu vực cụ thể cần phải biết quy luật mối liên hệ tiêu ảnh phi ảnh với trữ lượng/sinh khối rừng khu vực Muốn biết quy luật mối liên hệ lại cần phải có: (1) Sinh khối/trữ lượng rừng thực tế ô mẫu (2) Giá trị tiêu ảnh phi ảnh vị trí tương ứng Sau xác lập mối quan hệ (1) (2) thuật toán tham số phi tham số để đưa quy luật Quy luật dùng để xác định sinh khối/trữ lượng rừng cho toàn khu vực thông qua tiêu ảnh và/hoặc phi ảnh Vì vậy, số liệu sinh khối/trữ lượng rừng xác định trực tiếp thông qua ô mẫu thực địa quan trọng để xây dựng nên mơ hình cho phép xác định trữ lượng/sinh khối rừng từ ảnh Công Phương pháp Chặt hạ đo đếm trực tiếp việc quan trọng nhằm thu thập số liệu thực địa thiết kế: Số lượng, vị trí kích thước mẫu Để thiết kế hệ thống ô mẫu thực địa đáp ứng yêu cầu thường phải quan tâm đến nội dung sau: 1) Diện tích khu vực cần xác định trữ lượng/sinh khối rừng; 2) Diện tích cần phải thu thập mẫu; 3) Diện tích mẫu đo đếm thực địa; 4) Sự phân bố ô mẫu đối tượng điều tra Trong đó, diện tích khu vực thường biết trước Từ diện tích khu vực nghiên cứu thơng qua tiêu chuẩn, quy phạm, thống kê toán học xác định diện tích cần phải thu thập mẫu nhằm đảm bảo chất lượng cơng tác giải đốn Từ diện tích cần thu thập mẫu diện tích ô đo đếm thực địa xác định số lượng ô cần đo đếm Sau xác định số lượng ô mẫu cần đo đếm cần phải xác định vị trí đo đếm đối tượng điều tra Cơng việc quan trọng định đến tính đại diện đo đến cho đối tượng điều tra Bố trí đo đếm đại diện cho đối tượng điều tra làm cho q trình giải đốn xác định sinh khối/trữ lượng rừng xác ngược lại Để xác định vị trí đo đếm đối tượng điều tra thường sử dụng phương pháp: (1) Lấy mẫu ngẫu nhiên; (2) Lấy mẫu hệ thống; (3) Lấy mẫu ngẫu nhiên phân tầng Bảng 3.1 Một số phương pháp thu thập số liệu trường phục vụ xác định sinh khối/trữ lượng rừng từ ảnh vệ tinh Đặc điểm phương pháp Ưu điểm Là phương pháp xác Tồn tiêu thường số liệu chuẩn chặt hạ đo đầu vào để xây đếm để xác định sinh khối/trữ dựng mơ hình lượng rừng xác định sinh khối/trữ lượng rừng thực địa Nhược điểm Ghi Mẫu bị phá hoại tốn nhiều thời gian, công sức tiền Klinge et al, Thường áp 1975 dụng cho khu vực nhỏ TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ 3-2015 19 Quản lý tài nguyên rừng & Môi trường Phương pháp Đặc điểm phương pháp - Sử dụng mơ hình hồi quy tuyến tính phi tuyến xây dựng cho loài trạng thái rừng dựa mối quan hệ sinh khối/trữ lượng với: đường kính, chiều cao và/hoặc mật độ khu vực nghiên cứu - Sử dụng số liệu điều tra thực địa đường kính, chiều cao và/hoặc mật độ thu thập kết hợp vơi số liệu tự thu thập khu vực nghiên cứu để xác định sinh khối/trữ lượng rừng Sử dụng mơ hình số liệu có sẵn để xác định Chuyển đổi sinh khối trữ lượng rừng Giữa sinh khối trữ lượng rừng (cây gỗ) chuyển đổi cho phương trình hệ số xác định Ưu điểm Ghi Có thể kế thừa kêt nghiên cứu kết đo đạc trường khu vực - Không phải tất lồi (Rừng trồng) có Overman et mơ hình al, 1994; - Điều kiện mơi Nelson et trường khí al, 1999; hậu nhiều Henry et al, 2010; ảnh hưởng lớn đến kết Chave et al, số liệu không 2014 đo đạc thời điểm Nhiều ô mẫu thiết lập để xác định trữ lượng rừng sử dụng để xác định sinh khối ngược lại Brown Thành phần loài Lugo, 1984; cây, điều kiện Brown et al, mơi trường có 1989; thể ảnh hưởng Segura đến kết xác Kanninen định 2005 Theo nhà khoa học, thu thập số liệu trường phương pháp xác để có liệu trữ lượng/sinh khối rừng Ngoài việc chặt hạ đo đếm trực tiếp, phương pháp thường xác định sinh khối/trữ lượng rừng thông qua thông tin đo đạc không cần tác động vào đối tượng rừng như: Đường kính (D1.3), chiều cao (H), và/hoặc mật độ (N) (Overman et al 1994; Chave et al 2014) Nhiều mơ hình xác định sinh khối/trữ lượng rừng từ số liệu điều tra ô mẫu thực địa phát triển dựa kết hợp khác ba thông số nêu thông qua dạng phương trình hồi quy tuyến tính phi tuyến (Saldarriaga et al 1988, Overman et al 1994, Parresol 1999, Segura Kanninen 2005, Seidel et al 2011, McRoberts Westfall 2014) Khi mơ hình có sẵn (kế thừa từ nghiên cứu trước) sử dụng cho việc xác định sinh khối/trữ lượng rừng 20 Nhược điểm thực địa, cần xem xét thêm điều kiện: Đất, mật độ cây, lịch sử sử dụng đất khí hậu… nhân tố ảnh hưởng đến phát triển đường kính chiều cao cây, ảnh hưởng đến sinh khối trữ lượng Sử dụng không cách mô hình xác định trữ lượng sinh khối rừng thơng qua đo đếm mẫu dẫn đến sai số lớn xác định nhân tố ảnh sau (Clark Kellner 2012) 3.2 Các đánh giá việc lựa chọn ảnh biến tiềm ảnh vệ tinh có liên hệ với sinh khối/trữ lượng rừng 3.2.1 Các đánh giá lựa chọn loại ảnh nhằm xác định sinh khối/trữ lượng rừng Theo Lu 2006, Luther et al 2006, Fuchs et al 2009, Lu et al 2012, Song 2013, Du et al 2014, loại ảnh vệ tinh quang học: Landsat, SPOT, ASTER, CBERS, QuickBird, MODIS, AVHRR… sử dụng để xác định sinh TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3-2015 Quản lý tài nguyên rừng & Môi trường khối/trữ lượng rừng Điều quan trọng sử dụng kỹ thuật thích hợp để trích xuất biến cho mơ hình xác định sinh khối/trữ lượng Ảnh Radar liệu tốt cho xác định sinh khối/trữ lượng rừng sóng radar có khả xun vào tán rừng đến độ sâu định, nhạy cảm với hàm lượng nước thực vật đặc biệt độc lập với thời tiết (Dobson et al 1995, Kasischke et al 1997, Huang Chen 2013) Tính độc lập với thời tiết làm cho ảnh radar áp dụng nhiều để xác định sinh khối/trữ lượng rừng vùng nhiệt đới nơi thường xuyên có mây mù bao phủ khó chụp ảnh quang học có chất lượng tốt Các kỹ thuật hồi quy dựa giá trị tán xạ ngược (Santos et al 2002, Sandberg et al 2011, Rahman Sumantyo 2013) kỹ thuật giao thoa (Balzter et al 2007) thường sử dụng xác định sinh khối/trữ lượng rừng ảnh radar Tuy nhiên, khu vực nghiên cứu với cấu trúc lâm phần phức tạp, độ bão hòa liệu radar vấn đề gây trở ngại giá trị tán xạ ngược sử dụng để xác định sinh khối/trữ lượng rừng (Lucas et al 2007, Solberg et al 2010) Ảnh lidar cung cấp thơng tin chiều cao, đường kính tán cây, đường kính thân cây… dẫn đến việc xác định sinh khối/trữ lượng rừng tốt so với ảnh quang học ảnh radar (Clark et al 2011; Bergen et al 2009) Tuy nhiên, khó khăn lớn sử dụng ảnh Thể loại loại ảnh giá thành cao thường khơng có sẵn Như vây, loại ảnh quang học, radar, lidar có ưu, nhược điểm riêng việc kết hợp chúng với cải thiện độ xác việc xác định sinh khối/trữ lượng rừng (Walker et al 2007; Kellndorfer et al 2010) 3.2.2 Lựa chọn biến tiềm ảnh có liên hệ với sinh khối/trữ lượng rừng Nhiều biến xác định từ ảnh vệ tinh sử dụng mơ hình xác định sinh khối trữ lượng rừng Tuy nhiên, tất biến hữu ích việc xây dựng mơ hình xác định tiêu (Lu 2006) Các phương pháp khác sử dụng để xác định biến phù hợp cho mơ hình xác định sinh khối/trữ lượng rừng như: (1) Xác định biến dựa kiến thức chuyên môn kinh nghiệm lĩnh vực nghiên cứu cụ thể; (2) Lựa chọn biến có tương quan mạnh với sinh khối trữ lượng; (3) Sử dụng phân tích hồi quy bước để xác định biến sử dụng mơ hình hồi quy; (4) Kết hợp số xác định từ loại ảnh khác khu vực vào tập tin xác định biến mới, sau sử dụng số giới hạn biến ban đầu cho mơ hình ước lượng sinh khối; (5) Sử dụng thuật toán ngẫu nhiên để xếp hạng tầm quan trọng biến xác định sinh khối/trữ lượng rừng Bảng 3.2 Các biến tiềm ảnh vệ tinh thường sử dụng mơ hình xác định sinh khối/trữ lượng rừng Kiểu biến sử dụng Mô tả biến Biến giá trị phổ band ảnh, Giá trị phản xạ phổ số thực vật, giá trị phổ sau chuyển đổi đối tượng ảnh ảnh Ảnh vệ Đặc điểm không gian Biến tiêu cấu trúc ảnh giá tinh đối tượng ảnh trị phổ đối tượng sau phân đoạn ảnh quang Kết hợp giá trị Sử dụng kết hợp: Giá trị phổ học phản xạ phổ đặc band ảnh, số thực vật, giá trị phổ sau điểm không gian chuyển đổi ảnh, tiêu cấu trúc ảnh, đối tượng ảnh giá trị phổ sau phân đoạn… làm biến đầu Ghi Foody et al, 2003; Zheng et al, 2004 Lu et al, 2005 Lu, 2005; Lu et al, 2012 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3-2015 21 Quản lý tài nguyên rừng & Môi trường Thể loại Ảnh siêu cao tần Kiểu biến sử dụng Mô tả biến Ghi vào để xác định sinh khối/trữ lượng rừng từ ảnh Ảnh Radar Trộn ảnh cảm biến khác để tạo ảnh chung Tích hợp ảnh quang học siêu Kết hợp loại ảnh cao biến khác tần Mitchard et al, 2011; Các biến sử dụng như: Hệ số tán xạ Nafised et al, 2011; ngược, cấu trúc ảnh, số giao thoa Saatchi et al, 2011; SAR, số phân cực SAR… Carreiras et al, 2012; Sarker et al, 2012 Sử dụng phương pháp kết hợp ảnh (Fussion) để trộn ảnh cảm biến khác (ví dụ trộn ảnh Landsat ảnh Chen, 2013; radar) để tạo ảnh có tỉnh Montesano et al, loại ảnh đầu vào sử dụng biến 2013 ảnh đầu để xác định sinh khôi/trữ lượng rừng Ảnh loại cảm biến sử dụng biến đầu vào để xác định sinh Nelson et al, 2009; khối/trữ lượng rừng theo vị trí Theo Chen et al, 2012; phương pháp này, vị trí định, Selkowitz et al, người ta xác định giá trị loại ảnh theo 2012; Vaglio Laurin tiêu cho trước sử dụng chúng làm et al, 2014 biến đầu vào để xác định sinh khối/trữ lượng cho vị trí Các kết nghiên cứu cho thấy, hầu hết mô hình ước lượng sinh khối thích hợp cho khu vực nghiên cứu cụ thể mà mơ hình phát triển khó áp dụng cho khu vực khác ảnh hưởng môi trường liệu viễn thám thường có mối quan hệ phi tuyến với biến độc lập ảnh vệ tinh Do đó, mơ hình phi tuyến hàm số mũ (Næsset et al 2011, Chen et al 2012); hàm logarit (McRoberts et al 2013) thường sử dụng để xác định sinh khối/trữ lượng rừng 3.3 Xác định thuật tốn phù hợp cho mơ hình xác định sinh khối/trữ lượng rừng Trong thực tế, mối quan hệ sinh khối/trữ lượng rừng biến độc lập xác định từ ảnh vệ tinh thường phức tạp Ngược lại, thuật tốn phi tham số khơng ấn định trước cách rõ ràng cấu trúc mơ hình có tính linh hoạt Do tính linh hoạt thuật toán phi tham số nên chúng đánh giá chuyên nghiệp việc tạo mơ hình xác định sinh khối/trữ lượng cho đối tượng rừng có cấu trúc phức tạp Các thuật toán phi tham số thường gặp bao gồm: Thuật toán láng giềng gần (K-NN), mạng lưới nơtron (ANN), thuật toán hồi Rất nhiều kỹ thuật (thuật toán) phát triển cho việc xác định sinh khối/trữ lượng rừng từ ảnh, chúng chia thành hai loại lớn: thuật toán tham số thuật toán phi tham số Thuật toán tham số giả định mối quan hệ biến phụ thuộc (Sinh khối trữ lượng) biến độc lập có nguồn gốc từ liệu ảnh vệ tinh (Giá trị phản xạ phổ Band, số thực vật…) mơ hình hóa mơ hình hồi quy tuyến tính đơn biến, đa biến hàm phi tuyến Tuy nhiên, sinh khối 22 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3-2015 Quản lý tài nguyên rừng & Mơi trường quy (Regression tree), thuật tốn rừng ngẫu nhiên (Random forest), thuật toán SVM… (Moisen Frescino 2002, Lu 2006, Powell et al 2010, Saatchi et al 2011, Song 2013) Bảng 3.3 Một số thuật toán phi tham số thường sử dụng để xác định sinh khối/trữ lượng rừng Thuật toán Láng giềng gần K-nearest neighbor (K-NN) Mạng lưới Notron Artificial neural network (ANN) Mô tả thuật toán Ưu điểm Nhược điểm Ghi Giá trị (sinh khối/trữ lượng rừng) điểm định dự báo trung bình có trọng số giá trị k điểm xung quanh phương pháp nghịch đảo khoảng cách Đơn giản, sử dụng để dự đoán cho nhiều loại biến khác Lựa chọn biến dự báo tốn nhiều thời gian Chirici et al, 2008; McRoberts, 2012 ANN cung cấp giải pháp mạnh mẽ xác định giá trị vấn đề phức tạp có tính phổ qt cao không cần giả định mối quan hệ giá trị xác định biến đầu vào Cần số lượng ô mẫu tương đối lớn để Foody huấn luyện mẫu 2001 sử dụng mơ hình Là mơ hình giá trị đầu kết nối với biến đầu vào thông qua mạng lưới (mẫu – kết quả) huấn luyện từ trước et al, Chia mơ hình xác định sinh khối/trữ lượng rừng thành mạng lưới hình theo Cây hồi điều kiện, đảm bảo quy đồng cao dự Regression lý thuyết hồi quy tree Sau đó, xác định giá trị sinh khối/trữ lượng rừng cho nhánh Nếu liệu có thay đổi Mơ hình cung mơ hỉnh Hese et al, cấp liệu đầu phải thay đổi 2005; Saatchi et dễ hiểu, dễ áp theo cho phù hợp al, 2007 dụng nên phụ thuộc nhiều vào nguồn liệu Một số lượng lớn hồi quy xác định hoàn toàn ngẫu nhiên từ Rừng ngẫu biến đầu vào (có thể nhiên biến liên tục rời rạc) Random để xác định giá trị đầu forest Các giá trị đầu sau xác định trung bình cộng kết đầu từ tất hồi quy Giảm nhiễu loạn liệu đầu vào, có xu hướng đạt độ xác cao so với phương pháp hồi quy đơn Phải xử lý khối lượng công việc nhiều gấp nhiều lần so với phương pháp hồi quy Baccini et al, 2008; Eskelson et al, 2009; Vauhkonen et al, 2010; Avitabile et al,2012; Hudak et al, 2012; Pflugmacher et al, 2014; Tanase et al, 2014 Nhằm xác định thuật toán tối ưu, nhiều thuật toán khác bao gồm thuật toán nghiên cứu tiến hành phân tích so sánh tham số phi tham số để xác định thuật toán TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3-2015 23 Quản lý tài nguyên rừng & Môi trường thích hợp cho việc thiết lập mơ hình ước trùng Ưu điểm phương pháp lượng sinh khối trữ lượng thảm thực vật số lượng ô mẫu cần lấy thực địa làm (Moisen Frescino 2002, Labrecque et al giảm chi phí thu thập liệu Tuy nhiên, hai 2006, Baccini et al 2008, Goetz et al 2009, tập lấy ngẫu nhiên từ tập ban đầu nên Latifi et al 2010) Tuy nhiên, số lượng ô nhiều ô mẫu trùng dẫn đến mẫu hạn chế nên việc so sánh chưa đưa đánh giá cao độ xác hiệu rõ rệt Vì vậy, việc xác định thuật toán khác ảnh hưởng đến hiệu xác định sinh khối/trữ lượng rừng bị bỏ ngỏ Phương pháp thứ hai, tập hợp ô mẫu thiết kế thu thập thực địa theo phương pháp thứ Các ô mẫu thu sau được đánh số từ đến hết chia 3.4 Đánh giá độ xác mơ hình xác thành phần: 1) Sử dụng phương pháp chọn định trữ lượng/sinh khối rừng từ ảnh vệ tinh ngẫu nhiên phân tầng để chọn ô mẫu sử Xác định sai số phương pháp ước tính sinh khối/trữ lượng rừng từ ảnh vệ tinh có tầm quan trọng đặc biệt nhiều nhà khoa học quan tâm nghiên cứu (Gahegan Ehlers 2000, Crosetto et al 2001, Wang et al 2009, Gonzalez et al 2010, Olofsson et al 2013, Rocchini et al 2013, Montesano et al 2014, Zhang et al 2014) Hiện nay, có phương pháp sử dụng rộng rãi giới để đánh giá sai số xác định sinh khối/trữ lượng rừng từ ảnh vệ tinh Phương pháp thứ nhất, tập hợp ô mẫu thiết kế theo phương pháp: lấy mẫu ngẫu nhiên, lấy mẫu hệ thống lấy mẫu ngẫu nhiên phân tầng Sau thiết kế hệ thống vị trí mẫu, tiến hành điều tra thu thập số liệu ô mẫu nhằm xác định xác sinh khối/trữ lượng rừng thực địa Các mẫu thu sau chia thành tập phương pháp chọn ngẫu nhiên: tập sử dụng để xây dựng mơ hình (Nội dung 3.1) tập sử dụng để đánh giá độ xác Hai tập hợp chọn ngẫu nhiên từ tập hợp ô mẫu ban đầu có mẫu 24 dụng để xây dựng mơ hình (Thường chọn khoảng 75% số ô mẫu ban đầu); 2) Các ô mẫu lại (khoảng 25%) sử dụng để đánh giá độ xác kết Với phương pháp này, mặt lý thuyết đáng tin cậy so với phương pháp thứ nhất, làm tăng chi phí phải điều tra thu thập số lượng ô mẫu nhiều (Ngồi số lượng mẫu nội dung 3.1 cần phải điều tra thêm 25% số ô để đánh giá độ xác) Sự hiểu biết nguồn gốc gây nên sai số quan trọng để nâng cao chất lượng công tác xác định sinh khối/trữ lượng rừng Nhiều tác giả nghiên cứu nguồn gây sai số xác định trữ lượng/sinh khối rừng từ ảnh vệ tinh Theo đó, sai số ước lượng sinh khối/trữ lượng rừng thay đổi từ 5% đến 30%, tùy thuộc vào hệ sinh thái rừng, đặc điểm địa hình, liệu thực địa, độ phân giải không gian ảnh, phương pháp sử dụng… (Chen et al 2000, Heath Smith 2000, Keller et al 2001, Chave et al 2004, Saatchi et al 2007, Nabuurs et al 2008, Asner et al 2009, 2011, Mascaro et al 2011) Keller cộng nghiên cứu nguồn sai TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3-2015 Quản lý tài nguyên rừng & Môi trường số lấy mẫu thấy nguồn gây nhỏ Theo Montesano cộng thật khó để sai số việc lựa chọn mơ hình hồi quy để xác định sai số chung xác định trữ lượng/sinh xác định sinh khối/trữ lượng rừng từ khối rừng từ ảnh vệ tinh cho trạng thái tiêu đo đếm thực địa như: đường kính rừng khu vực cụ thể (D1.3), chiều cao (H), và/hoặc mật độ (N) chúng nhỏ với rừng giầu lại sai số việc đo đếm tiêu lớn rừng có trữ lượng thấp thực tế (Keller et al 2001) Wang et al (2011), Zhang et al (2013) Việc lựa chọn mơ hình hồi quy để thiết nghiên cứu ảnh hưởng vị trí mẫu đến lập mối quan hệ sinh khối/trữ lượng rừng độ xác ước tính sinh khối rừng với tiêu ảnh phi ảnh nhằm xác phát vị trí mẫu khơng ảnh định trữ lượng/sinh khối rừng từ ảnh vệ tinh có hưởng nhiều đến độ xác việc xác thể cho sai số đến 20% (Saatchi et al 2007) định trữ lượng/sinh khối rừng lại có ảnh Độ xác xác định sinh khối/trữ lượng rừng phụ thuộc vào kích thước mẫu Keller et al (2001) chứng minh độ xác xác định sinh khối/trữ lượng rừng hưởng đến mối quan hệ sinh khối/trữ lượng rừng với tiêu ảnh phi ảnh từ ảnh hưởng đến phân bố khơng gian trữ lượng tăng 10% kích thước mẫu tăng Tóm lại, nghiên cứu rằng, từ 0,25 lên Chave et al (2004) nguồn gốc sai số ước lượng trữ lượng/sinh nghiên cứu mối quan hệ độ xác ước tính sinh khối rừng kích thước mẫu rừng nhiệt đới mẫu nên có kích thước lớn 0,25 Mascaro et al (2011) cho thấy sai số ước lượng sinh khối rừng giảm tới 38% kích thước mẫu tăng từ 0,36 lên khôi rừng từ ảnh vệ tinh xuất từ: (1) Sai số xác định đường kính, chiều cao rừng thực địa nhân tố cấu thành trữ lượng/sinh khối rừng; (2) Sai số xác định trữ lượng/sinh khối rừng từ liệu thực địa lựa chọn mơ hình cách tính trữ lượng khác nhau; (3) Sai số giá trị phản xạ phổ ảnh Độ phân giải không gian, ảnh hưởng vệ tinh bị ảnh hưởng khí quyển, độ điều kiện khí quyển, cơng tác nắn chỉnh hình đốc, độ cao, kết nắn chỉnh hình học ảnh…; học ảnh ảnh hưởng đến độ xác (4) Sai số độ xác vị trí điểm mẫu xác định trữ lượng/sinh khối rừng từ ảnh – khơng xác định xác vị trí điểm Montesano et al (2014) cho điều kiện địa hình có ảnh hưởng đến kết xác định sinh khối/trữ lượng rừng từ ảnh vệ tinh Mặt khác, rừng có sinh khối/trữ lượng cao, cấu trúc rừng ổn định sai số tương đối xác định sinh khối/trữ lượng rừng từ ảnh mẫu máy GPS có sai số lớn, việc nắn chỉnh hình học ảnh có độ xác khơng cao; (5) Sự khác biệt kích thước mẫu độ phân giải ảnh vệ tinh Sơ đồ bước nghiên cứu xác định sinh khối/trữ lượng rừng sau: TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3-2015 25 Quản lý tài nguyên rừng & Môi trường THU THẬP DỮ LIỆU, TỔ CHỨC DỮ LIỆU VÀ TIỀN XỬ LÝ DỮ Dữ liệu phụ trợ (DEM, Bản đồ thổ nhưỡng, đồ khí hậu…) ẢnhLIỆU viễn thám (Ảnh quang học, ảnh siêu cao tần) Số liệu điều tra thu thập thực địa (Trạng thái, trữ lượng, sinh khối) Lựa chọn biến ảnh phi ảnh phù hợp Lựa chọn thuật tốn phù hợp cho mơ hình xác định sinh khối trữ lượng rừng So sánh, đánh giá hồn thiện mơ hình xác định sinh khối trữ lượng rừng Ứng dụng mơ hình xác định sinh khối trữ lượng rừng Hình 3.1 Sơ đồ bước nghiên cứu xác định sinh khối/trữ lượng rừng 3.5 Tác động quy mô khu vực nghiên cứu đến xác định sinh khối/trữ lượng rừng Diện tích khác khu vực nghiên cứu trực tiếp ảnh hưởng đến thiết kế quy trình xác định sinh khối/trữ lượng rừng lựa chọn loại tư liệu ảnh Trên quy mô nhỏ như: thôn/bản/chủ rừng việc xác định trữ lượng/sinh khối rừng thường thông qua tư liệu ảnh có độ phân giải cao nên kết ước tinh có độ xác cao Các tư liệu ảnh quang học QuickBird IKONOS nguồn phổ biến cho mục đích (Thenkabail et al 2004, Leboeuf et al 2007) Tuy nhiên, cấu trúc rừng phức tạp, vấn đề bóng cây, biến thiên giá trị phổ cao làm giảm độ xác kêt Ước lượng sinh khối/ trữ lượng rừng quy mơ lục địa tồn cầu đạt ý ngày tăng thập kỷ qua lo ngại biến đổi khí hậu tồn cầu 26 sẵn có tư liệu ảnh độ phân giải không gian thấp như: MODIS, AVHRR (Baccini et al 2008, Du et al 2014) Tuy nhiên, độ phân giải không gian lớn dẫn đến không thống kích cỡ mẫu điểm ảnh làm tăng sai số xác định sinh khối/trữ lượng rừng (Wang Zhang 2014) Như vậy, vấn đề quy mơ khu vực nghiên cứu rõ ràng có ảnh hưởng đến độ xác ước lượng sinh khối/trữ lượng rừng từ ảnh vệ tinh thông qua phù hợp kích thước mẫu độ phân giải khơng gian tư liệu ảnh Về lý thuyết, ảnh có độ phân giải không gian cao không cần ô mẫu có diện tích q lớn, hệ sinh thái rừng, mẫu q nhỏ tính đại diện tạo sai số lớn việc xác định trữ lư ợng thực địa cấu trúc phức tạp Đa số mẫu sử dụng điều tra rừng có kích thước từ 400-1000 m2 (Keller et TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3-2015 Quản lý tài nguyên rừng & Mơi trường al 2001, Nỉsset et al 2011, Lu et al 2012) Các kích thước q lớn cho ảnh có độ phân giải khơng gian cao QuickBird (độ phân giải kênh toàn sắc 0,6 m; kênh đa phổ 2,4 m) dẫn đến biến thiên giá trị phổ lớn mẫu Các kích thước ô mẫu tương đối phù hợp cho ảnh vệ tinh có độ phân giải khơng gian trung bình Landsat, khơng phù hợp với ảnh có độ phân giải khơng gian thấp MODIS AVHRR Thu thập số liệu trường công việc tốn Do ưu tiên số chọn kích thước mẫu đại diện cho khu vực nghiên cứu với chi phí thu thập thấp giựa yếu tố: khoảng cách lại, khả tiếp cận Ưu tiên thứ hai ô mẫu phải chứa có kích thước khác nhau, thường đơn vị lấy mẫu tối thiểu lĩnh vực nghiên cứu sinh khối/trữ lượng rừng cho dù ảnh vệ tinh có độ phân giải không gian cao V KẾT LUẬN Việc xác định sinh khối/trữ lượng rừng sử dụng ảnh vệ tinh đòi hỏi thiết kế cẩn thận bước từ việc lựa chọn ô mẫu, điều tra ô mẫu thực địa, tính tốn xác định trữ lượng rừng thực địa, lựa chọn loại ảnh vệ tinh, lựa chọn thuật tốn cho việc thiết lập mơ hình ước lượng sinh khối/trữ lượng Việc thu thập số liệu ô mẫu hoạt động tốn nhiều thời gian nhân lực Vì vậy, trước tiến hành thu thập liệu ô mẫu việc xác định số lượng, vị trí kích thước mẫu quan trọng Kích cỡ mẫu phải phù hợp với yêu cầu thống kê tối thiểu, vị trí ô mẫu nên xác định thông qua kỹ thuật lấy mẫu thống kê: ngẫu nhiên, hệ thống, ngẫu nhiên phân tầng phải xem xét cẩn trọng yếu tố về: phạm vi khu vực nghiên cứu, loại đất, khả tiếp cận Việc có đủ dung lượng mẫu tiêu ô mẫu đo xác điều kiện tiên cho việc xác đinh trữ lượng/sinh khối rừng từ ảnh vệ tinh đạt độ xác cao Ảnh vệ tinh hiệu chỉnh tốt góp phần nâng cao độ xác kết xác định sinh khối/trữ lượng rừng Đối với ảnh quang học cần phải nắn chỉnh trực giao hiệu chỉnh khí quyển, đối vơi ảnh radar cần phải nắn chỉnh hình học trước sử dụng để xác định trữ lượng/sinh khối rừng Việc xác định biến thích hợp từ ảnh để xây dựng mơ hình xác định trữ lượng/sinh khối rừng quan trọng Việc sử dụng biến khác loại ảnh từ loại ảnh vệ tinh khác quan trọng việc nâng cao độ xác xác định trữ lượng/sinh khối rừng Việc lựa chọn thuật toán tốt cho khu vực nghiên cứu đòi hỏi phải có so sánh kết xác định trữ lượng/sinh khối rừng thuật toán tiềm Nhiều thuật toán khác lại có ảnh hưởng lớn đến kết xác định trữ lượng/sinh khối rừng khu vực cụ thể Việc xác định độ xác ước lượng trữ lượng/sinh khối rừng từ ảnh quan trọng, khó khăn lớn cần thu thập số lượng đủ lớn ô mẫu thực địa Đánh giá độ xác xác định trữ lượng nhằm xác định yếu tố ảnh hưởng đến ước lượng trữ lượng/sinh khối Dựa phân tích sai số giúp hiểu rõ điều kiện môi trường, phức tạp rừng, liệu ảnh thuật toán ảnh hưởng đến kết xác định trữ lượng rừng từ ảnh, từ có biện pháp để tối ưu hóa mơ hình xác định trữ lượng/sinh khối rừng cho khu vực TÀI LIỆU THAM KHẢO Dobson, M C., F T Ulaby, L E Pierce, T L Sharik, K M Bergen, J Kellndorfer, J R Kendra, et al (1995), Estimation of Forest Biomass Characteristics in Northern Michigan with SIR-C/XSAR Data IEEE Transactions on Geoscience and Remote Sensing 33: 877–894 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3-2015 27 Quản lý tài nguyên rừng & Môi trường Foody, G.M., Boyd, D.S and Cutler, M.E.J (2003), Predictive relation of tropical forest biomass from Landsat TM data and their transferability between regions Remote Sensing of Environment, No 85, pp 463-474 Huang, Y P., and J S Chen (2013), Advances in the Estimation of Forest Biomass Based on SAR Data Remote Sensing for Land and Resources 25: 7–13 Oliver Cartus, Maurizio Santoro, Josef Kellndorfer (2012), Mapping forest aboveground biomass in the Northeastern United States with ALOS PALSAR dual-polarization L-band Remote Sensing of Environment, No 124, pp 466 – 478 Powell, S L., W B Cohen, S P Healey, R E Kennedy, G G Moisen, K B Pierce, and J L Ohmann (2010), Quantification of Live Aboveground Forest Biomass Dynamics with Landsat Time-series and Field Inventory Data: A Comparison of Empirical Modeling Approaches Remote Sensing of Environment114 (5): 1053–1068 Rahman, M M., and J T S Sumantyo (2013), Retrieval of Tropical Forest Biomass Information from ALOS PALSAR Data Geocarto International 28 (5): 382–403 Sandberg, G., L M H Ulander, J E S Fransson, J Holmgren, and T Le Toan (2011), L- and Pband Backscatter Intensity for Biomass Retrieval in Hemiboreal Forest Remote Sensing of Environment 115 (11): 2874–2886 Solberg, S., R Astrup, T Gobakken, E Naesset, and D J Weydahl (2010), Estimating Spruce and Pine Biomass with Interferometric X-Band SAR Remote Sensing of Environment 114 (10): 2353–2360 Trotter, C.M., Dymond, J.R and Goulding, C.J (1997), Estimation of timber volume in a coniferous plantation forest using Landsat TM International Journal of Remote Sensing, No 18, pp 2209-2223 10 Zhang, G., S Ganguly, R R Nemani, M A White, C Milesi, H Hashimoto, W Wang, S Saatchi, Y Yu, and R B Myneni (2014), Estimation of Forest Aboveground Biomass in California Using Canopy Height and Leaf Area Index Estimated from Satellite Data Remote Sensing of Environment 151: 44–56 DETERMINATE ESTIMATE BIOMASS AND VOLUME FORESTS FROM SATELLITE IMAGES Pham Van Duan, Vu Thi Thin SUMMARY Remote sensing is a major data source for biomass estimation on various scales Although different sensor data have been used, the guidelines to support automated selection of optimal variables and modeling algorithms not exist Various parametric and nonparametric algorithms have been developed, but no universal algorithm is available and selection of an optimal algorithm for biomass modeling is poorly understood In reality, biomass estimation using remote sensing technology is a comprehensive procedure with many steps: field survey data collection, biomass calculation at plot level, remote sensing data selection, variable extraction, proper algorithm selection, and error evaluation It is important to identify major factors causing uncertainties, and put substantial effort into reducing these uncertainties to develop an optimal biomass estimation procedure Keywords: Forest biomass, forest reserves, remote sensing, satellite images Người phản biện Ngày nhận Ngày phản biện Ngày định đăng 28 : TS Hoàng Việt Anh : 08/8/2015 : 25/8/2015 : 15/9/2015 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ LÂM NGHIỆP SỐ 3-2015 ... Geoscience and Remote Sensing 33 : 877–894 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ LÂM NGHIỆP SỐ 3- 2015 27 Quản lý tài nguyên rừng & Môi trường Foody, G.M., Boyd, D.S and Cutler, M.E.J (20 03) , Predictive relation... Environment, No 85, pp 4 63- 474 Huang, Y P., and J S Chen (20 13) , Advances in the Estimation of Forest Biomass Based on SAR Data Remote Sensing for Land and Resources 25: 7– 13 Oliver Cartus, Maurizio... Environment114 (5): 10 53 1068 Rahman, M M., and J T S Sumantyo (20 13) , Retrieval of Tropical Forest Biomass Information from ALOS PALSAR Data Geocarto International 28 (5): 38 2–4 03 Sandberg, G., L