Ứng dụng công nghệ viễn thám và GIS trong đánh giá tác động của nuôi trồng thủy sản đến hệ sinh thái rừng ngập mặn trong bối cảnh biến đổi khí hậu tại Tiên Lãng, Hải Phòng

ĐẠI HỌC QUỐC GIA HÀ NỘI KHOA CÁC KHOA HỌC LIÊN NGÀNH ĐÀO THÙY DƢƠNG ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM VÀ GIS TRONG ĐÁNH GIÁ TÁC ĐỘNG CỦA NUÔI TRỒNG THỦY SẢN ĐẾN HỆ SINH THÁI RỪNG NGẬP MẶN TRONG BỐI CẢNH BIẾN ĐỔI KHÍ HẬU TẠI TIÊN LÃNG, HẢI PHỊNG LUẬN VĂN THẠC SĨ BIẾN ĐỔI KHÍ HẬU Chuyên ngành: BIẾN ĐỔI KHÍ HẬU Mã số: 8900201.01QTD Ngƣời hƣớng dẫn khoa học: PGS TS Phạm Văn Cự HÀ NỘI - 2019 ĐẠI HỌC QUỐC GIA HÀ NỘI KHOA CÁC KHOA HỌC LIÊN NGÀNH ĐÀO THÙY DƢƠNG ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM VÀ GIS TRONG ĐÁNH GIÁ TÁC ĐỘNG CỦA NUÔI TRỒNG THỦY SẢN ĐẾN HỆ SINH THÁI RỪNG NGẬP MẶN TRONG BỐI CẢNH BIẾN ĐỔI KHÍ HẬU TẠI TIÊN LÃNG, HẢI PHÒNG LUẬN VĂN THẠC SĨ BIẾN ĐỔI KHÍ HẬU Chuyên ngành: BIẾN ĐỔI KHÍ HẬU Mã số: 8900201.01QTD Ngƣời hƣớng dẫn khoa học: PGS TS Phạm Văn Cự HÀ NỘI - 2019 LỜI CAM ĐOAN Tôi xin cam đoan luận văn cơng trình nghiên cứu cá nhân thực dƣới hƣớng dẫn khoa học PGS TS Phạm Văn Cự, không chép cơng trình nghiên cứu ngƣời khác Số liệu kết luận văn chƣa đƣợc cơng bố cơng trình khoa học khác Các thông tin thứ cấp sử dụng luận văn có nguồn gốc rõ ràng, đƣợc trích dẫn đầy đủ, trung thực qui cách Tôi hồn tồn chịu trách nhiệm tính xác thực nguyên luận văn Tác giả Đào Thùy Dƣơng i LỜI CẢM ƠN Lời cho phép đƣợc bày tỏ lòng biết ơn sâu sắc tới thầy PGS TS Phạm Văn Cự, ngƣời trực tiếp hƣớng dẫn, nhiệt tình bảo cho tơi từ bƣớc nghiệp nghiên cứu mà trƣớc tiên hồn thành luận văn Khơng thế, thầy cịn ngƣời ln động viên, khuyến khích tơi lúc khó khăn tinh thần nghiệp Tôi xin trân trọng cảm ơn thầy cô giáo giảng dạy, truyền đạt nâng cao kiến thức chuyên ngành thời gian học tập Khoa Các khoa học liên ngành - Đại học Quốc gia Hà Nội Đặc biệt giúp đỡ thầy chƣơng trình Biến đổi khí hậu Qua tơi xin gửi lời cảm ơn tới cô chú, anh chị bạn lớp cao học K6 - Biến đổi khí hậu ln ủng hộ tạo khơng khí vui vẻ, thoải mái trình học tập nhƣ q trình tơi làm luận văn Lời cuối cùng, xin cảm ơn động viên, ủng hộ tinh thần bố mẹ tôi, anh chị Xin cảm ơn tất bạn bè, đồng nghiệp trao đổi kinh nghiệm hỗ trợ để tơi hồn thành luận văn Hà Nội, ngày… tháng… năm 2019 Tác giả luận văn Đào Thùy Dương ii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii DANH MỤC CÁC CHỮ VIẾT TẮT v DANH MỤC CÁC BẢNG vi DANH MỤC HÌNH vii MỞ ĐẦU CHƢƠNG CƠ SỞ LÝ LUẬN VÀ PHƢƠNG PHÁP NGHIÊN CỨU TÁC ĐỘNG CỦA NUÔI TRỒNG THỦY SẢN ĐẾN RỪNG NGẬP MẶN TRONG BỐI CẢNH BIẾN ĐỔI KHÍ HẬU 1.1 Khái niệm chung Biến đổi khí hậu 1.2 Tổng quan hệ sinh thái rừng ngập mặn 1.2.1 Hệ sinh thái rừng ngập mặn bối cảnh Biến đổi khí hậu 1.2.2 Vai trò rừng ngập mặn giảm nhẹ tác động Biến đổi khí hậu 1.2.3 Hiện trạng rừng ngập mặn Việt Nam 1.3 Tổng quan tác động nuôi trồng thủy sản đến rừng ngập mặn 1.3.1 Thực trạng tác động nuôi trồng thủy sản đến rừng ngập mặn Việt Nam9 1.3.2 Tính phân mảnh rừng ngập mặn dƣới tác động sử dụng đất 11 1.3.3 Tác động tính phân mảnh đến tính dễ bị tổn thƣơng khả thích ứng với Biến đổi khí hậu 12 1.4 Các số phân mảnh 14 1.5 Công nghệ viễn thám hệ thông tin địa lý đánh giá biến động rừng ngặp mặn theo thời gian 17 1.6 Khả sử dụng hệ thông tin địa lý để đánh giá tính phân mảnh rừng ngập mặn số cảnh quan 23 1.7 Quan hệ số phân mảnh cảnh quan với hệ sinh thái rừng ngập mặn dựa đánh giá FRAGSTATS theo thời gian 27 CHƢƠNG ỨNG DỤNG NỀN TẢNG GOOGLE EARTH ENGINE XÁC ĐỊNH RỪNG NGẬP MẶN TẠI CÁC XÃ VEN BIỂN HUYỆN TIÊN LÃNG 30 iii 2.1 Phƣơng pháp nghiên cứu 30 2.1.1 Phƣơng pháp viễn thám hệ thông tin địa lý 30 2.1.2 Phƣơng pháp phân tích thống kê 30 2.2 Khu vực nghiên cứu 31 2.2.1 Điều kiện tự nhiên, tài nguyên thiên nhiên 31 2.2.2 Đặc điểm kinh tế - xã hội 34 2.2.3 Hiện trạng nuôi trồng thủy sản huyện Tiên Lãng 35 2.2.4 Hiện trạng rừng ngập mặn huyện Tiên Lãng 36 2.3 Ứng dụng tảng Google Earth Engine phân loại ảnh vệ tinh 39 2.3.1 Cơ sở liệu công cụ nghiên cứu 39 2.3.2 Phân loại đa thời gian thành lập đồ rừng ngập mặn 41 CHƢƠNG TÁC ĐỘNG CỦA NUÔI TRỒNG THỦY SẢN ĐẾN HỆ SINH THÁI RỪNG NGẬP MẶN 56 3.1 Xu hƣớng biến đổi lớp phủ xã ven biển huyện Tiên Lãng 56 3.2 Tác động nuôi trồng thủy sản đến tính phân mảnh rừng ngập mặn 59 3.3 Tác động tính phân mảnh đến khả thích ứng hệ sinh thái rừng ngập mặn trƣớc tác động biến đổi khí hậu 63 3.3.1 Tính phân mảnh rừng ngập mặn xã ven biển huyện Tiên Lãng 63 3.3.2 Tác động tính phân mảnh đến khả thích ứng rừng ngập mặn 69 KẾT LUẬN VÀ KIẾN NGHỊ 77 TÀI LIỆU THAM KHẢO 80 iv DANH MỤC CÁC CHỮ VIẾT TẮT BĐKH Biến đổi khí hậu ETM Tên loại vệ tinh Landsat (Enhanced Thematic Mapper) HST Hệ sinh thái IPCC Ủy ban liên phủ biến đổi khí hậu (Intergovernmental Panel on Climate Change) GEE Google Earth Engine NTTS Nuôi trồng thủy sản GIS Hệ thông tin địa lý (Geographic Information System) RNM Rừng ngập mặn SPOT Tên loại vệ tinh (System Probatoire d’Observation de la Terre) TDBTT Tính dễ bị tổn thương TM Tên loại vệ tinh Landsat (Thematic Mapper) UNDP Cơ quan Phát triển liên hiệp quốc(United Nations Development Programme) UNFCCC Công ước khung Liên hiệp quốc biến đổi khí hậu (United Nations Framework Convention on Climate Change) v DANH MỤC CÁC BẢNG Bảng 1.1 Diện tích phân bố rừng ngập mặn Việt Nam (đơn vị: ha) .9 Bảng 2.1 Diện tích đầm ni trồng thuỷ sản xã ven biển huyện Tiên Lãng 36 Bảng 2.2 Hiện trạng diện tích rừng ngập mặn (rừng phịng hộ) huyện Tiên Lãng .37 Bảng 2.3 Các thông số ảnh vệ tinh Sentinel-2 40 Bảng 2.4 Đặc điểm ảnh vệ tinh Landsat 40 Bảng 2.5 Chú giải phân loại .47 Bảng 2.6 Ma trận sai lẫn đánh giá độ xác kết phân loại 54 Bảng 3.1 Bảng diện tích loại lớp phủ mặt đất giai đoạn 2010 - 2018 (ha) 56 Bảng 3.2 Ma trận biến động lớp phủ mặt đất giai đoạn 2010 - 2018 (ha) .57 Bảng 3.3 Thay đổi diện tích lớp phủ theo xã ven biển huyện Tiên Lãng (ha) .58 Bảng 3.4 Các số đƣợc dùng luận văn .60 Bảng 3.5 Các biến khả thích ứng 70 Bảng 3.6 Bảng xếp biến thành phần theo vùng 71 Bảng 3.7 Thơng số đầu vào khả thích ứng .73 Bảng 3.8 Thông số đầu vào khả thích ứng sau chuẩn hóa 74 Bảng 3.9 Kết khả thích ứng .75 vi DANH MỤC HÌNH Hình 1.1 Hiện trạng rừng ngập mặn huyện Ngọc Hiển - tỉnh Cà Mau năm 1965(a), 2001 (b) 10 Hình 2.1 Bản đồ huyện Tiên Lãng 32 Hình 2.2 Bản đồ, thích lớp phủ thực vật trạng sử dụng đất dải ven biển huyện Tiên Lãng – Hải Phòng 2018 38 Hình 2.3 Biến động diện tích rừng ngập mặn (ha) Tiên Lãng 1989 -2015 39 Hình 2.4 Sơ đồ Cây định 43 Hình 2.5 API Google Earth Engine 44 Hình 2.6 Quy trình xử lý ảnh phân loại rừng ngập mặn GEE .44 Hình 2.7 Ảnh Sentinel-2 sau loại bỏ mây 45 Hình 2.8 Ảnh kết tổ hợp màu RGB dùng cho mục đích phân loại sau .46 Hình 2.9 Mẫu dùng cho mục đích phân loại ảnh .49 Hình 2.10 Mơ hình định mẫu cho mục đích phân loại 51 Hình 2.11 Ma trận sai lẫn lớp phủ thực tế lớp phủ dự đốn 51 Hình 2.12 Kết phân loại lớp phủ ảnh Sentinel-2 - 2018 52 Hình 2.13 Kết phân loại lớp phủ ảnh Landsat - 2010 .53 Hình 2.14 Các điểm dùng cho mục đích kiểm chứng 54 Hình 2.15 Một số hình ảnh thực địa 55 Hình 3.1 Biểu đồ biến động sử dụng đất giai đoạn 2010-2018 .56 Hình 3.2 Bản đồ thay đổi diện tích rừng ngập năm giai đoạn 2010 - 2018 .58 Hình 3.3 Biến thiên số cảnh quan đo kích thƣớc mảnh, mật độ độ phức tạp mảnh rừng ngập mặn 62 Hình 3.4 Biến thiên số cảnh quan đo lƣờng tiếp giáp rừng ngập mặn, kích thƣớc khoảng cách mảnh 63 Hình 3.5 Biến động nhiệt độ qua nhiều năm Tiên Lãng trạm Hịn Dấu .64 Hình 3.6 Biến động lƣợng mƣa Tiên Lãng trạm Hòn Dấu 65 Hình 3.7 Mực nƣớc biển dâng Tiên Lãng trạm Hòn Dấu 65 Hình 3.8 Số lƣợng bão theo giai đoạn Tiên Lãng 66 Hình 3.9 Biến thiên số cảnh quan đo kích thƣớc mảnh, mật độ độ phức tạp rừng ngập mặn theo xã .68 Hình 3.10 Các số cảnh quan đo lƣờng tiếp giáp rừng ngập mặn, kích thƣớc khoảng cách mảnh xã 69 Hình 3.11 Khả thích ứng rừng ngập mặn dƣới tác động tính phân mảnh 76 vii MỞ ĐẦU Lý chọn đề tài BĐKH trở thành mối đe dọa thực với cảnh quan tự nhiên, đa dạng sinh học nguồn lợi tự nhiên biển ven bờ khác Theo Công ƣớc chung Liên Hợp Quốc BĐKH (United Nations Framework Convention on Climate Change), BĐKH “một thay đổi khí hậu mà trực tiếp gián tiếp hoạt động ngƣời, làm thay đổi thành phần khí tồn cầu làm tăng thêm vào thay đổi tự nhiên khí hậu đƣợc quan sát thấy chuỗi thời gian” Việt Nam đƣợc đánh giá quốc gia chịu ảnh hƣởng nặng nề từ tác động BĐKH, đặc biệt vùng ven biển, nơi có mật độ dân số tập trung cao hải đảo xa bờ chƣa có kế hoạch ứng phó với BĐKH khứ Vì lẽ đó, dƣờng nhƣ kế hoạch phát triển kinh tế địa phƣơng sở khó đáp ứng đƣợc tình hình với hậu cực đoan BĐKH gây tƣơng lai Hải Phòng cửa ngõ kinh tế của khu vực kinh tế phía Bắc, thành phố thƣơng mại động phát triển công nghiệp, dịch vụ du lịch Để đạt đƣợc tốc độ tăng trƣởng kinh tế cao, Hải Phòng phát triển mạnh theo hƣớng ngành công nghiệp dịch vụ vận tải chủ yếu Điều gây ảnh hƣởng mạnh đến khu vực đới bờ biển, đặc biệt hệ sinh thái ven biển, vốn nhạy cảm với biến động môi trƣờng Chế độ thủy động lực chịu ảnh hƣởng tác động tƣơng hỗ phức tạp q trình sơng, biển vùng biển tƣơng đối hở, lại chịu tác động đồng thời từ sông: Lạch Huyện, Nam Triệu, Bạch Đằng, Cửa Cấm Lạch Tray (trong có sông chi lƣu hệ thống sông Thái Bình) tác động hoạt động kinh tế ngƣời đới bờ Các tác động làm biến đổi điều kiện mơi trƣờng lý hố điều kiện động lực khu vực, khiến hệ sinh thái phải chịu sức ép lớn bị suy thối nghiêm trọng Chính vậy, việc đánh giá mức độ dễ bị tổn thƣơng hệ sinh thái ven biển vấn đề quan trọng thành phố Hải Phòng phục vụ cho quản lý tổng hợp đới bờ Đặc biệt, vào cuối tháng 3/2005, Vƣờn Quốc gia Cát Bà đƣợc UNESCO thức cơng nhận trở thành khu dự trữ sinh giới thứ mức độ đến hệ thống chịu tác động biến đổi thời tiết đặc biệt; độ nhạy (Sensitivity) mức độ hệ thống chịu tác động (trực tiếp gián tiếp) có lợi nhƣ bất lợi tác nhân kích thích liên quan đến khí hậu; khả thích ứng (Adaptive Capacity) khả hệ thống nhằm thích nghi với biến đổi khí hậu (bao gồm thay đổi cực đoan khí hậu), nhằm giảm thiểu thiệt hại, khai thác yếu tố có lợi để phù hợp với tác động biến đổi khí hậu Các nghiên cứu tính phân mảnh có ảnh hƣởng đến khả thích ứng rừng ngập mặn Từ khái niệm khả thích ứng, nghiên cứu đƣợc tổng quan chƣơng I, kết hợp với số cảnh quan Fragstats xác định tính phân mảnh rừng ngập mặn đƣợc phân tích theo xã, học viên tiến hành đánh giá khả thích ứng rừng ngập mặn dƣới tác động tính phân mảnh Các yếu tố sau đƣợc xác định biến khả thích ứng Bảng 3.5 Các biến khả thích ứng Biến Biến phụ Biến thành phần Kích thƣớc mảnh trung bình AREA_MN (AC11) Kích Kích thƣớc mảnh trung bình trung vị AREA_MD thƣớc (AC12) biến Số lƣợng mảnh NP (AC13) đổi (AC1) Số lƣợng mảnh đơn vị diện tích PD (AC14) Chỉ số mảnh lớn phần LPI (AC15) Diện Chỉ số hình dạng LSI (AC ) KHẢ NĂNG 21 tích, mật THÍCH ỨNG độ, cạnh Kích thƣớc mảnh trung bình theo khu vực FRAC_AM (AC) (AC2) (AC22) Chỉ số liên kết/rải rác mảnh CONTIG_MN (AC31) Độ phân tách, độ Chỉ số lân cận gần Euclidean ENN_MN (AC32) gần ( AC3) Độ lệch chuẩn khoảng cách trung tâm mảnh đến trung tâm mảnh lân cận gần ENN_SD ( AC33) 70 Ở thành phần khả dễ bị tổn thƣơng, liệu thu thập đƣợc đƣợc xếp theo ma trận hình chữ nhật với hàng thể vùng cột thể thị Giả sử M vùng/địa phƣơng, K thị mà ta thu thập đƣợc Gọi X ij giá trị chị thị j tƣơng ứng với vùng i Khi bảng liệu có M hàng K cột nhƣ sau: Bảng 3.6 Bảng xếp biến thành phần theo vùng Biến thành phần Vùng/địa phƣơng … J … K X11 X12 … X1J … X1K X21 X22 … X2J … X2K … … … … … … … i Xi1 Xi2 … XiJ … XiK … … … … … … … M XM1 XM2 … XMJ … XMK Do số có thứ nguyên khác nên ta phải chuẩn hóa để số liệu không phụ thuộc vào thứ nguyên trƣớc tính tốn Phƣơng pháp chuẩn hóa đƣợc áp dụng theo nhƣ số phát triển ngƣời (HDI) UNDP năm 2006 Giá trị biến sau chuẩn hóa nằm Khi chuẩn hóa số liệu việc xem xét mối quan hệ biến tính dễ bị tổn thƣơng quan trọng Có hai kiểu quan hệ biến tính dễ bị tổn thƣơng quan hệ thuận quan hệ nghịch Trong mối quan hệ thuận, giá trị biến cao tính dễ bị tổn thƣơng lớn Ngƣợc lại, mối quan hệ nghịch, giá trị biến lớn tính dễ bị tổn thƣơng giảm Trong kiểu quan hệ cơng thức chuẩn hóa cho số đƣợc áp dụng khác Khi mối quan hệ số tính dễ bị tổn thƣơng quan hệ thuận cơng thức chuẩn hóa biến thành phần là: Xij = (Xij - MinXij)/(MaxXij - MinXij) (1) 71 Rõ ràng kết nằm khoảng từ đến Giá trị có nghĩa vùng có giá trị cao nghĩa vùng có giá trị thấp Khi mối quan hệ số tính dễ bị tổn thƣơng quan hệ nghịch cơng thức chuẩn hóa biến là: Yij = (Max Xij – Xij)/(MaxXij - MinXij) (2) Từ công thức (1) (2) ta thấy rõ ràng Xij + Yij = 1, nên ta tính Xij tất biến lấy giá trị nghịch đảo (1 – Xij) cho biến có quan hệ nghịch với tính dễ bị tổn thƣơng Sau chuẩn hóa biến thành phần, ta tính giá trị biến phụ theo công thức (3) Xi = ∑ (3) Trong đó: Xi: Biến phụ độ phơi nhiễm, độ nhạy hay độ thích ứng; n: số biến thành phần biến phụ Xij: Biến thành phần thứ j đƣợc chuẩn hóa biến phụ tƣơng ứng Sau xác định đƣợc biến thành phần, biến (E, S, AC) đƣợc xác định cơng thức (4) X= ∑ (4) ∑ Trong đó: X: Biến chính; xi: Biến phụ thứ i đƣợc xác định công thức (3); ni: Số lƣợng biến thành phần cấu tạo nên biến phụ thứ i; m: số lƣợng biến phụ xi Nhiều nghiên cứu áp dụng trọng số cho biến thành phần, biến phụ hay biến Có phƣơng pháp tính trọng số nhƣ thống kê hay phƣơng pháp chuyên gia Tuy nhiên, nghiên cứu này, học viên không áp dụng trọng số mà coi vai trò biến phụ, biến thành phần biến cân nhƣ 72 Sử dụng công thức sau để xác định số biến phụ: Sử dụng công thức sau để xác định số AC: Các số khả thích ứng đƣợc trình bày bảng sau, đƣợc xác định giá trị phƣơng pháp tính tốn số phân mảnh cảnh quan trƣớc cho xã xử lý để có số phù hợp Giá trị biến thành phần thuộc Khả thích ứng đƣợc tổng hợp bảng sau đây: Bảng 3.7 Thông số đầu vào khả thích ứng Biến Biến phụ Kích thƣớc biến KHẢ đổi NĂNG (AC1) THÍCH ỨNG (AC) Biến thành phần Xã Đơn vị Tây Đơng Tiên Vinh Hƣng Hƣng Hƣng Quang Kích thƣớc mảnh trung bình AREA_MN (AC11) 0.15 2.32 0.65 4.97 Kích thƣớc mảnh trung bình trung vị AREA_MD (AC12) 0.09 0.09 0.18 0.09 Số lƣợng mảnh NP (AC13) số 87.00 118.00 95.00 93.00 Số lƣợng mảnh đơn vị diện tích PD (AC14) số 653.15 43.06 153.65 20.14 Chỉ số mảnh lớn phần LPI (AC15) % 6.08 88.93 21.69 87.51 Diện Chỉ số hình dạng LSI (AC ) % 10.12 7.18 11.85 8.78 21 tích , mật độ, cạnh Kích thƣớc mảnh trung bình theo 1.05 1.15 1.15 1.23 (AC2) khu vực FRAC_AM (AC22) 73 Chỉ số liên kết/rải rác mảnh CONTIG_MN (AC31) Độ phân Chỉ số lân cận gần tách, dộ Euclidean ENN_MN (AC32) gần Độ lệch chuẩn khoảng cách ( AC3) trung tâm mảnh đến trung tâm mảnh lân cận gần ENN_SD ( AC33) 0.07 0.11 0.15 0.11 104.54 97.21 78.92 93.96 70.50 73.85 39.12 42.27 Các biến phụ Khả thích ứng có mối quan hệ nghịch với tính phân mảnh, giá trị biến phụ lớn khả thích ứng cao Do đó, tính giá trị biến phụ phải xét đến quan hệ biến phụ biến thành phần để áp dụng công thức chuẩn hóa phù hợp Mối quan hệ biến phụ biến thành phần khác đƣợc chuẩn hóa khác Bảng 3.8 Thơng số đầu vào khả thích ứng sau chuẩn hóa Xã Biến Biến phụ Biến thành phần Kích thƣớc mảnh trung bình AREA_MN (AC11) Kích thƣớc mảnh trung bình trung vị Kích thƣớc AREA_MD (AC12) biến Số lƣợng mảnh NP (AC13) KHẢ đổi (AC ) Số lƣợng mảnh đơn vị NĂNG diện tích PD (AC14) THÍCH Chỉ số mảnh lớn phần LPI ỨNG (AC15) (AC) Diện tích , Chỉ số hình dạng LSI (AC21) mật độ, Kích thƣớc mảnh trung bình theo cạnh (AC2) khu vực FRAC_AM (AC22) Độ phân Chỉ số liên kết/rải rác tách, độ mảnh CONTIG_MN (AC31) 74 Tây Đông Tiên Vinh Hƣng Hƣng Hƣng Quang 1 0.55 0.90 1.00 0.00 0 1 0.96 0.79 1 0.81 0.02 0.37 0.00 0.41 0.40 1.00 0.53 0.53 gần ( AC3) Chỉ số lân cận gần Euclidean ENN_MN (AC32) Độ lệch chuẩn khoảng cách trung tâm mảnh đến trung tâm mảnh lân cận gần ENN_SD ( AC33) 0 1.00 0.41 0.10 1.00 Sau sử dụng công thức chuẩn hóa giá trị tiến hành tính tốn, kết khả thích ứng thu đƣợc nhƣ sau: Bảng 3.9 Kết khả thích ứng Chỉ số thành phần tính phân Số hợp mảnh rừng phần phụ Giá trị số Tây Hƣng Đơng Hƣng Tiên Hƣng Vinh Quang Kích thƣớc biến đổi (AC1) 0.80 0.50 0.65 0.56 Diện tích, mật độ, cạnh (AC2) 0.69 0.71 0.20 0.33 Độ phân tách, độ gần ( AC3) 0.37 0.27 0.67 0.62 0.65 0.47 0.56 0.53 Khả thích ứng (AC) Khả thích ứng tỉ lệ nghịch với tính phân mảnh rừng ngập mặn, theo bảng xã có khả thích ứng cao Tây Hƣng với số 0,65, sau đến Tiên Hƣng (0,56) Tƣơng ứng với số thích ứng thấp 0,47 xã có khả thích ứng thấp – Đông Hƣng Điều cho ta thấy biến động sử dụng đất tác động đến tính phân mảnh 75 Hình 3.11 Khả thích ứng rừng ngập mặn dƣới tác động tính phân mảnh 76 KẾT LUẬN VÀ KHUYẾN NGHỊ Kết luận Do nhu cầu đánh giá biến đổi lớp phủ sử dụng đất huyện Tiên Lãng giai đoạn 10 năm để đánh giá ảnh hƣởng tính phân mảnh rừng ngập mặn Tiên Lãng với dung lƣợng khoảng 700MB nên luận văn sử dụng tảng điện toán đám mây Google Earth Engine (GEE) để phân loại ảnh vệ tinh khu vực nghiên cứu Google Earth Engine công cụ cho phép xử lý chồng lớn hình ảnh vệ tinh Luận văn sử dụng thuật toán phân loại đa thời gian có sẵn GEE Random Forest để phân loại liệu ảnh vệ tinh có sẵn sở liệu Landsat Sentinel Các liệu tích hợp để tạo tổ hợp khơng mây dựa thuật tốn lọc mây cho ảnh Landsat Sentinel có sẵn GEE Kết phân loại đa thời gian (2010-2018) cho phép thành lập đồ lớp phủ năm giai đoạn nghiên cứu Để phân tích thay đổi tính phân mảnh rừng ngập mặn dƣới ảnh hƣởng nuôi trồng thủy sản luận văn sử dụng phần mềm FRAGTATS tính số hình thái lớp phủ sử dụng đất giai đoạn 2010 2018 cho xã ven biển huyện Tiên Lãng Việc so sánh lớp phủ xã ven biển huyện Tiên Lãng giai đoạn năm 2010-2018, cho thấy xu hƣớng biến đổi lớp phủ đất: rừng ngập mặn tăng lên 55,27 đất khác (đất nông nghiệp) giảm mạnh, cịn diện tích đất dân cƣ tăng lên nhanh Diện tích mặt nƣớc bao gồm diện tích ni trồng thủy sản tăng lên, chuyển đổi từ đất nông nghiệp chặt phá rừng ngập mặn chuyển sang nuôi trồng thủy sản Trên địa bàn xã chuyển dịch đất khơng giống Hầu hết xã có diện tích rừng ngập mặn tăng lên (trừ xã Tiên Hƣng), diện tích khu dân cƣ hầu hết xã tăng giai đoạn Cùng với gia tăng dân cƣ dẫn đến diện tích mặt nƣớc ni trồng thủy sản tăng lên hầu hết xã, riêng xã Đơng Hƣng có giảm nhẹ nhƣng khơng đáng kể Để đánh giá thay đổi tính phân mảnh rừng ngập mặn dƣới ảnh hƣởng nuôi trồng thủy qua năm 2010 2018 luận văn lựa chọn 10 77 số số đƣợc phân thành nhóm: 1) Nhóm số đo đạc kích thƣớc biến đổi mảnh: AREA_MN, AREA_MD, NP, PD, LPI cho thấy mảnh rừng ngập mặn có xu phân mảnh theo thời gian 2) Nhóm số độ phân tách/độ gần: CONTIG_MD, ENN_MN, ENN_SD cho thấy xu hƣớng giảm dần, điều có nghĩa mảnh trở nên tập trung hơn; 3) Nhóm số diện tích, mật độ, cạnh: LSI, FRAC_AM cho thấy giảm xu hƣớng Nhìn chung, độ phức tạp hình dạng độ che phủ rừng ngập mặn giảm Phân tích tác động tính phân mảnh đến khả thích ứng rừng ngập mặn theo xã: Từ năm 2010 - 2018, xu hƣớng phân mảnh rừng ngập mặn theo thời gian xã khác nhau, xã Tiên Hƣng có xu hƣớng phân mảnh cao nhất, tiếp đến xã Tây Hƣng, Đông Hƣng xã Vinh Quang có độ phân mảnh giảm mạnh Điều cho ta thấy tính phân mảnh rừng ngập ngặp mặn ngày giảm theo thời gian có đầu tƣ phát triển tổ chức quốc tế nỗ lực quyền địa phƣơng Xã có khả thích ứng cao Tây Hƣng với số 0,65, sau đến Tiên Hƣng (0,56), Đơng Hƣng xã có số thích ứng thấp 0,47 Điều cho ta thấy biến động sử dụng đất tác động đến tính phân mảnh Khuyến nghị Dữ liệu ảnh viễn thám có độ phân giải khác gây khơng khó khăn việc xử lý Việc thống loại tƣ liệu viễn thám nhƣ phƣơng pháp xử lý ảnh đa độ phân giải tăng thêm độ xác trình phân loại đối tƣợng tăng mức độ chi tiết đối tƣợng Mặc dù GEE có nhiều ƣu điểm nhƣng đáng ý GEE chƣa hồn hảo Vẫn có mơ-đun chƣa hoàn chỉnh Tuy nhiên tác giả đánh giá cao ý tƣởng GEE nỗ lực họ việc tạo hệ thống xử lý liệu không gian địa lý khơng tính phí hoạt động đám mây Chuỗi thời điểm có liệu luận văn chƣa đủ để theo dõi biến động rừng ngập mặn dƣới ảnh hƣởng nuôi trồng thủy sản Vì cần tăng cƣờng thêm liệu ảnh thời điểm khứ để thấy đƣợc mức độ biến động cách liên tục 78 Việc nghiên cứu tính phân mảnh cảnh quan rừng ngập mặn cần kết hợp với nghiên cứu chuyển đổi loại hình sử dụng đất khác để tăng giá trị sử dụng kết làm sở phục vụ quy hoạch phát triển bền vững rừng nuôi trồng thủy sản mà không ảnh hƣởng đến môi trƣờng xung quanh 79 TÀI LIỆU THAM KHẢO Tiếng Việt Bộ Tài ngun Mơi trƣờng (2008) Chương trình mục tiêu Quốc gia ứng phó với biến đổi khí hậu CRES (2011) Đất ngập nƣớc Biến đổi khí hậu Kỷ yếu hội thảo khoa học quốc gia Nhà xuất khoa học kỹ thuật Nguyễn Ánh Hoàng, Lê Thị Bích Ngọc, Phạm Hồng Hải (2013) Ứng dụng ArcGIS Patch Analyst phân tích định lƣợng cấu trúc cảnh quan trƣờng hợp nghiên cứu huyện Văn Yên, tỉnh Yên Bái Kỷ yếu Hội thảo Ứng dụng GIS toàn quốc 2013 Phan Nguyên Hồng (1999) Rừng ngập mặn Việt Nam NXB Nông nghiệp Nguyễn Thị Thanh Hƣơng Đoàn Minh Trung (2018) Áp dụng thuật toán phân loại random forest để xây dựng đồ sử dụng đất/thảm phủ tỉnh đắk lắk dựa vào ảnh vệ tinh Landsat OLI Tạp chí Nơng nghiệp & Phát triển nông thôn: p 122129 Đồng Thị Ngọc Lan (2011) Nghiên cứu, xây dựng phương pháp trích chọn thuộc tính nhằm làm tăng hiệu phân lớp liệu đa chiều Lê Xuân Tuấn, Phan Nguyên Hồng Trƣơng Quang Học (2008) Những vấn đề môi trƣờng ven biển phục hồi rừng ngập mặn Việt Nam Kỷ yếu hội thảo Quốc tế Việt Nam học lần thứ ba Nguyễn An Thịnh (2013) Sinh thái cảnh quan: lý luận ứng dụng mơi trường nhiệt đới gió mùa (Landscape ecology: concepts and applications in the tropical monsoon environment) NXB Khoa học Kỹ thuật Viện Công nghệ Vũ trụ (2014) Đánh giá biến động sử dụng đất sử dụng ảnh viễn thám đa thời gian spot5 khu vực dự án hai tỉnh Bến Tre Trà Vinh: p 27 10 Vũ Đoàn Thái (2011) Hệ sinh thái rừng ngập mặn tác dụng cản sóng rừng ngập mặn NXB Nơng nghiệp: p 196 11 Vũ Nguyễn Văn Vũ (2014) Đánh giá tính dễ bị tổn thương biến đổi khí hậu hệ sinh thái rừng ngập mặn Vườn quốc gia Xuân Thủy, tỉnh Nam Định Khoa Sau Đại học - Đại học Quốc gia Hà Nội 80 Tiếng Anh 12 Bangqian Chen, Xiangming Xiao, Xiangping Li, Lianghao Pan, Russell Doughty, JunMa, Jinwei Dong, Yuanwei Qin, Bin Zhao, Zhixiang Wu, RuiSun, Guoyu Lan, Guishui Xie, Nicholas Clinton, and C Giri (2017) A mangrove forest map of China in 2015: Analysis of time series Landsat 7/8 and Sentinel1A imagery in Google Earth Engine cloud computing platform 13 Basten K (2009) Classifying Landsat Terrain Images via Random Forests Bachelor thesis Computer Science in Radboud University, Netherlands 14 Benz U C., Hofmann P., WillhauckG., Lingenfelder I., and H M., Multiresolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information: p 239-258 15 Breiman L and Cutler A (2001) Random Forest Machine Learning Journal Paper: p 5-32 16 César Alejandro Berlanga‐Robles, Arturo Ruiz‐Luna, and Rafael Hernández‐ Guzmán (2011) Impact of Shrimp Farming on Mangrove Forest and Other Coastal Wetlands: The Case of Mexico, Aquaculture and the Environment ed A Shared Destiny and D.B Sladonja 17 Donato, D.C., J.B Kauffman, D Murdiyarso, S Kurnianto, M Stidham, and M Kanninen (2011) Mangroves among the most carbon-rich forests in the tropics Nature Geoscience: p 293– 297 18 Efron B (1979) Bootstrap Methods: Another look at the Jackknife The Annals of statistics: p 1-26 19 Emil A Cherrington, Betzy E Hernandez, Noel A Trejos, Octavio A Smith, Eric R Anderson, Africa I Flores, and Bessy C Garcia (2010) Technical Report: Identification of threatened and resilient mangroves in the Belize barrier reef system Water Center for the Humid Tropics of Latin America and the Caribbean 20 Gini C (1997) Concentration and dependency ratios English translation in Rivista di Politica Economica: p 769–789 21 Herold M., Scepan J., and C.K C (2002) The use of remote sensing and landscape metrics to describe structures and changes in urban land uses Environment and Planning: p 1443 - 1458 81 22 Jason Parent, Daniel Civco, and James Hurd (2007) Simulating Futurre Forest Fragmentation In a connecticut region undergoing suburbanization 23 Justice Camillus Mensah (2013) Fragmentation in Mangrove Forest ecosystems 24 IPCC (2007) Synthesis Report, Climate change 2007 25 Karen C Seto and M Fragkias (2007) Mangrove conversion and aquaculture development in Vietnam: A remote sensing-based approach for evaluating the Ramsar Convention on Wetlands 26 Kashif Majeed Salik (2012) Impact of Climate Change on Mangroves Ecosystem in South Asia, in FINAL REPORT for APN PROJECT Project Reference Number: ARCP2012-04CMY-Salik Asia-Pacific Network for Global Change Research 27 Katrin Vohland, Ariane Walz, Alexander Popp, Hermann Lotze-Campen, and Wolfgang Cramer (2012) The Role of Ecosystem Services in Increasing the Adaptive Capacity of the Poor Climate Change, Justice and Sustainability: Linking Climate and Development Policy 28 Kuenzer, C., A Bluemel, S Gebhardt, T.V Quoc, and S Dech (2011) Remote sensing of mangrove ecosystems: a review 29 Laverty, M.F and J.P Gibbs (2007) Ecosystem Loss and Fragmentation Synthesis American Museum of Natural History, Lessons in Conservation 30 Lenore Fahrig (2003) Effects of habitat fragmentation on biodiversity Annu Rev Ecol Evol 31 Lewis, R.R and M.J Marshall (1997) Principles of successful restoration of shrimp aquaculture ponds back to mangrove forest Programa/resumes de Marcuba, Palacio de Convenciones de La Habana, Cuba 32 Lowe B and Kulkarni A (2015) Multispectral Image Analysis Using Random Forest International Journal on Soft Computing (IJSC) 33 Luck M and W J (2002) A gradient analysis of urban landscape pattern: a case study from the Phoenix metropolitan region, Arizona, USA Landscape Ecology 34 Mark D Spalding (2013) The role of ecosystems in coastal protection: Adapting to climate change and coastal hazards Ocean & Coastal Management 82 35 McGarigal K., Cushman S A., and N.M C., FRAGSTATS (2002) spatial pattern analysis program for categorical maps 36 McGarigal K and M.B J (1995) FRAGSTATS: spatial pattern analysis program for quantifying landscape structure Gen Tech Report PNW-GTR351: USDA Forest Service, Pacific Northwest Research Station, Portland 37 Mitra S and Hayashi Y (2000) Neuro-fuzzy rule generation: Survey in soft computing framework IEEE Transactions on Neural Networks 11 38 N., D.J (2007) Avaluation of five landscape-level metrics for measuring the effects of urbanization on landscape structure: the case of Tucson, Arizona, USA Landscape and Urban Planning 39 Nanki Sidhu, Edzer Pebesma, and G Camaraa (2018) Using Google Earth Engine to detect land cover change: Singapore as a use case European Journal of Remote Sensing 40 P Saenger (2012) Mangrove Ecology, Silviculture and Conservation Kluwer Academic publishers 41 Pham H M., Yamaguchi Y., and B.T Q (2011) A case study on the relation between city planning and urban growth using remote sensing and spatial metrics Landscape and Urban Planning 42 Quoc Tuan Vo, Natascha Oppelt, Patrick Leinenkugel, and C Kuenzer (2013) Remote Sensing in Mapping Mangrove Ecosystems — An Object-Based Approach 43 Rhyma P, Norizah, Ismail Adnan A, and Shamsudin (2016) A review of uses of satellite imagery in monitoring mangrove forests IOP Conference Series: Earth and Environmental Science 44 Riebeek, H (2013) How to Interpret a Satellite Image: Five Tips and Strategies: Feature Articles 45 Saiful Arif Abdullah and Nobukazu Nakagoshi (2007) Forest fragmentation and its correlation to human land use change in the state of Selangor, peninsular Malaysia Forest Ecology and Management 46 Uday Pimple, Dario Simonetti, Asamaporn Sitthi, Sukan Pungkul, Kumron Leadprathom, Henry Skupek, Jaturong Som-ard, Valery Gond, and S Towprayoon (2018) Google Earth Engine Based Three Decadal Landsat 83 Imagery Analysis for Mapping of Mangrove Forests and Its Surroundings in the Trat Province of Thailand Journal of Computer and Communications 47 Wim Giesen, Stephan Wulffraat, Max Zieren, and Liesbeth Scholten (2007) Mangrove Guidebook for Southeast Asia FAO Regional Office for Asia and the Pacific 48 Xian-Zhang P and Q.-G Z (2007) Measurement of urbanization process and the paddy soil loss in Yixing city, China between 1949 and 2000 49 Yikalo H A and P C (2010) Analysis and Modeling of Urban Land Cover Change in Setúbal and Sesimbra, Portugal Remote Sensing 84