Đang tải... (xem toàn văn)
Mục đích nghiên cứu của Luận án này nhằm ứng dụng công nghệ địa không gian để phát hiện sớm mất rừng, suy thoái rừng góp phần nâng cao hiệu quả của công tác quản lý và bảo vệ rừng, giám sát, theo dõi diễn biến tài nguyên rừng ở vùng Tây Nguyên nói riêng và ở Việt Nam nói chung. Mời các bạn cùng tham khảo!
BỘ GIÁO DỤC VÀ ĐÀO TẠO - - BỘ NÔNG NGHIỆP VÀ PTNT TRƯỜNG ĐẠI HỌC LÂM NGHIỆP NGUYỄN QUỐC HIỆU ỨNG DỤNG CÔNG NGHỆ ĐỊA KHÔNG GIAN ĐỂ PHÁT HIỆN SỚM MẤT RỪNG, SUY THOÁI RỪNG Ở VÙNG TÂY NGUYÊN, VIỆT NAM Chuyên ngành: Quản lý tài nguyên rừng Mã số: 9620211 TÓM TẮT LUẬN ÁN TIẾN SĨ LÂM NGHIỆP HÀ NỘI, 2020 Luận án hoàn thành Trường Đại học lâm nghiệp Người hướng dẫn khoa học: PGS.TS PHÙNG VĂN KHOA TS ĐOÀN HOÀI NAM Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ Hội đồng chấm luận án cấp Trường họp tại: Trường Đại học Lâm nghiệp Vào hồi … giờ, ngày … tháng … năm 2020 Có thể tìm hiểu luận án thư viện: - Thư viện Quốc gia Việt Nam; - Thư viện trường Đại học Lâm nghiệp DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ LIÊN QUAN ĐẾN LUẬN ÁN Nguyễn Quốc Hiệu, Phùng Văn Khoa, Nguyễn Hải Hòa, Lê Văn Hương, Lê Văn Sơn, Tôn Thất Minh, Trương Quang Cường, Trần Văn Nam (2018) Sử dụng số viễn thám để phát suy thoái rừng Khu dự trữ sinh giới LangBiang, Lâm Đồng Tạp chí Khoa học Lâm nghiệp Số 3/2018 Phùng Văn Khoa, Nguyễn Quốc Hiệu, Nguyễn Thị Thanh An, Phí Đăng Sơn, Phạm Văn Duẩn (2019) Sử dụng số thực vật khác biệt chuẩn hóa (NDVI) để xác định nhanh số trạng thái rừng khu vực Tây Nguyên, Việt Nam Tạp chí Khoa học Cơng nghệ Lâm Nghiệp Số 5/2019 Phùng Văn Khoa, Nguyễn Quốc Hiệu, Nguyễn Quang Huy (2019) Sử dụng ảnh Landsat Google Earth Engine phát sớm rừng, suy thoái rừng vùng Tây Nguyên: trường hợp tỉnh Đắk Nông Tạp chí Khoa học Cơng nghệ Lâm Nghiệp Số 5/2019 Phùng Văn Khoa, Nguyễn Quốc Hiệu, Nguyễn Quang Huy (2020) Phát sớm rừng, suy thoái rừng tỉnh Đắk Lắk sử dụng số tương đối KB tính theo số NBR (Normalized Burn Ratio) ảnh Sentinel Tạp chí Khoa học Cơng nghệ Lâm Nghiệp Số 2/2020 MỞ ĐẦU Sự cần thiết luận án Mất rừng, suy thoái rừng xem tượng thực tế đe dọa đến chất lượng sống người đa dạng sinh học trái đất Theo Tổ chức Nông lương Liên hợp quốc (FAO, 2020), tổng diện tích rừng giới 4,06 tỷ ha, chiếm 31% tổng diện tích bề mặt trái đất Có khoảng 420 triệu rừng bị từ năm 1990 đến Giai đoạn 1990-2000, trung bình năm 7,8 triệu rừng; giai đoạn 2000-2010, trung bình năm 5,2 triệu rừng giai đoạn 2010-2020 trung bình năm 4,7 triệu rừng Nguyên nhân rừng, suy thoái rừng xác định chủ yếu yếu tố người Phát sớm rừng, suy thoái rừng giúp đưa định phù hợp nhằm ngăn chặn để rừng không bị phá thêm mà giúp sớm đưa giải pháp cho việc phục hồi rừng, tăng cường chất lượng rừng nơi rừng, suy thoái rừng Mất rừng, suy thoái rừng thường phát trực tiếp lực lượng chức thông qua việc phối hợp lực lượng chức tổ chức, hộ gia đình, cá nhân có liên quan…vv Ngồi ra, với phát triển mạnh mẽ cơng nghệ thơng tin phải kể đến cơng nghệ địa không gian bao gồm (hệ thống thông tin địa lý, hệ thống định vị toàn cầu viễn thám) góp phần quan trọng vào việc phát sớm rừng, suy thối rừng Ở Việt Nam, cơng nghệ địa không gian ngày ứng dụng mạnh mẽ lĩnh vực quản lý tài nguyên rừng như: điều tra, kiểm kê rừng; cập nhật diễn biến rừng hàng năm; giám sát hoạt động lâm nghiệp (trồng rừng, khai thác rừng, chi trả dịch vụ môi trường rừng) Tuy nhiên, thực tiễn cho thấy thiếu sở khoa học cho việc sử dụng số viễn thám, loại ảnh viễn thám (nhất loại ảnh miễn phí) chưa có phần mềm tự động phát hiện, cảnh báo sớm rừng, suy thối rừng góp phần khắc phục sai lệch, tính chủ quan báo cáo số liệu rừng, suy thoái rừng quốc gia Do đó, việc thực đề tài “Ứng dụng công nghệ địa không gian để phát sớm rừng, suy thoái rừng vùng Tây Nguyên, Việt Nam” cần thiết, có ý nghĩa khoa học ứng dụng Mục tiêu luận án 2.1 Mục tiêu tổng quát Ứng dụng công nghệ địa không gian để phát sớm rừng, suy thối rừng góp phần nâng cao hiệu công tác quản lý bảo vệ rừng, giám sát, theo dõi diễn biến tài nguyên rừng vùng Tây Nguyên nói riêng Việt Nam nói chung 2.2 Mục tiêu cụ thể (1) Thiết lập sở khoa học cho việc sử dụng số viễn thám để phát rừng, suy thoái rừng; (2) Xác định ngưỡng số tương đối để phát rừng, suy thối rừng đánh giá độ xác; (3) Đề xuất hướng ứng dụng công nghệ địa không gian để phát sớm rừng suy thoái rừng vùng Tây Nguyên Đối tượng, phạm vi luận án Đối tượng nghiên cứu đề tài 07 kiểu rừng tự nhiên vùng Tây Nguyên (rừng rộng thường xanh, rừng rộng rụng lá, rừng rộng nửa rụng lá, rừng hỗn giao rộng – kim, rừng kim, rừng tre nứa, rừng hỗn giao gỗ - tre nứa) 01 kiểu rừng phụ nhân tác (rừng trồng) Nghiên cứu thực phạm vi tỉnh vùng Tây Nguyên (Kon Tum, Gia Lai, Đắk Lắk, Đắk Nông, Lâm Đồng), từ năm 2015 đến năm 2018 Những đóng góp luận án - Thiết luận sở khoa học cho việc phát sớm rừng, suy thoái rừng thông qua việc sử dụng số số viễn thám (KB, NDVI, NBR) ảnh vệ tinh Landsat Sentinel liệu điều tra thực địa - Đề xuất hướng áp dụng công nghệ địa khơng gian phát sớm rừng, suy thối rừng từ tư liệu ảnh viễn thám Landsat Sentinel Ý nghĩa khoa học thực tiễn luận án 5.1 Ý nghĩa khoa học Đã xác lập ngưỡng số tương đối phản ánh thay đổi số viễn thám (NDVI, NBR) ảnh vệ tinh Landsat Sentinel làm sở khoa học cho việc phát sớm rừng, suy thoái rừng vùng Tây Nguyên 5.2 Ý nghĩa thực tiễn Đã đề xuất hướng ứng dụng công nghệ địa không gian để phát sớm rừng, suy thoái rừng thực tiễn quản lý bảo vệ rừng vùng Tây Nguyên Chương TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU Những kết nghiên cứu giới Việt Nam việc ứng dụng công nghệ địa không gian phát thay đổi rừng cho thấy, phát thay đổi rừng thường thực theo hướng: (1) sử dụng kỹ thuật so sánh sau phân loại rừng (so sánh đồ phân loại rừng thời điểm); (2) sử dụng thuật toán phát thay đổi để xác định biến động trực tiếp từ ảnh vệ tinh Tác giả thấy rằng, hạn chế quan trọng lý luận nghiên cứu trước sử dụng kỹ thuật so sánh sau phân loại để phát rừng, suy thoái rừng tập trung phân loại loại đất có rừng đất chưa có rừng mà chưa đề cập sâu đến việc phân loại trạng thái rừng theo cấp trữ lượng rừng (giàu, trung bình, nghèo, nghèo kiệt, phục hồi) Điều lý giải phần cho việc kết phát rừng phong phú kết phát suy thối rừng cịn đề cập đến Tác giả thấy rằng, hạn chế khác nghiên cứu trước sử dụng thuật toán để phát thay đổi rừng thiếu sở khoa học cho việc lựa chọn, áp dụng số viễn thám, thuật toán phát thay đổi cho trường hợp cụ thể có vấn đề rừng, suy thối rừng Trong số nghiên cứu trước theo hướng này, lên nghiên cứu Miller, J D Thode, A E (2007) Các tác giả sử dụng thuật toán tương đối để phân loại mức độ cháy bao gồm: khơng cháy, cháy thấp, cháy trung bình cháy cao Các tác giả gợi ý rằng, cháy rừng dạng nhiễu loạn rừng số tương đối ứng dụng cho việc nghiên cứu dạng nhiễu loạn rừng khác Xuất phát từ hạn chế trên, tác giả lựa chọn hướng tiếp cận nghiên cứu luận án với việc sử dụng thuật toán tương đối để phát sớm rừng, suy thối rừng Luận án xem việc mở rộng nghiên cứu Miller, J D Thode, A E cho trường hợp cụ thể khác Công nghệ địa không gian ứng dụng mạnh mẽ nước ta việc điều tra, lập đồ trạng rừng, kiểm kê rừng, cập nhật diễn biến rừng gần dự án điều tra, kiểm kê rừng toàn quốc giai đoạn 2013-2016 Có thể nói, cơng nghệ địa khơng gian góp phần đưa ngành lâm nghiệp nước đạt bước tiến việc thu thập, quản lý sử dụng số liệu tài nguyên rừng phục vụ tốt cho công tác quản lý tài nguyên rừng Tuy nhiên, số vấn đề đặt như: làm kết hợp phương pháp truyền thống ảnh viễn thám việc cập nhật diễn biến rừng? làm để khắc phục sai lệch, tính chủ quan báo cáo số liệu rừng, suy thoái? làm để phát sớm rừng, suy thối rừng phục vụ cơng tác cảnh báo sớm? Xuất phát từ vấn đề thực tiễn kể trên, tác giả thấy rằng, thực đề tài “Ứng dụng công nghệ địa không gian để phát sớm rừng, suy thoái rừng vùng Tây Nguyên, Việt Nam” cần thiết, có ý nghĩa khoa học ứng dụng Chương NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Nội dung nghiên cứu Trên sở xác định mục tiêu, đối tượng phạm vi nghiên cứu, luận án thực nội dung nghiên cứu sau: (1) Thiết lập sở khoa học ứng dụng số viễn thám để phát rừng, suy thoái rừng (2) Xác định ngưỡng số tương đối để phát rừng, suy thối rừng; (3) Đề xuất hướng ứng dụng cơng nghệ địa khơng gian để phát rừng, suy thối rừng vùng Tây Nguyên 2.2 Phương pháp nghiên cứu 2.2.1 Phương pháp luận a) Câu hỏi nghiên cứu (1) sở cho ta lựa chọn số viễn thám phù hợp với việc phát rừng, suy thoái rừng? hay theo cách dễ hiểu số viễn thám ảnh vệ tinh có mối liên hệ với trạng rừng ngồi thực địa? (2) làm xác định ngưỡng số viễn thám để phát rừng, suy thoái rừng? (3) làm để ứng dụng kết nghiên cứu vào thực tiễn vùng Tây Nguyên, Việt Nam? b) Chỉ số tương đối Chỉ số tương đối tính theo cơng thức sau: KB = 100x(T1-T2)/T1 (1) Trong đó: T1 giá trị số viễn thám thời điểm trước tác động T2 giá trị số viễn thám thời điểm sau tác động Luận án sử dụng số tương đối KB để xác định mức độ suy giảm rừng bao gồm: rừng khơng đổi, suy thối rừng cháy rừng thông qua việc sử dụng số viễn thám (NDVI, NBR) Chỉ số thực vật NDVI (Rouse, 1974) xác định theo công thức: (𝐵𝑎𝑛𝑑 − 𝐵𝑎𝑛𝑑𝑅𝐸𝐷 ) 𝑁𝐼𝑅 + 𝐵𝑎𝑛𝑑𝑅𝐸𝐷 ) NDVI = (𝐵𝑎𝑛𝑑𝑁𝐼𝑅 (2) Trong đó: Đối với ảnh Landsat 8, BandNIR (kênh cận hồng ngoại) Band BandRED (kênh đỏ) Band Đối với ảnh Sentinel 2, BandNIR (kênh cận hồng ngoại) Band BandRED (kênh đỏ) Band Chỉ số NBR (Key and Benson, 2005) xác định theo công thức: (𝐵𝑎𝑛𝑑 − 𝐵𝑎𝑛𝑑𝑆𝑊𝐼𝑅) 𝑁𝐼𝑅 + 𝐵𝑎𝑛𝑑𝑆𝑊𝐼𝑅 ) NBR = (𝐵𝑎𝑛𝑑𝑁𝐼𝑅 (3) Trong đó: Đối với ảnh Landsat 8, BandNIR (kênh cận hồng ngoại) Band BandSWIR (kênh hồng ngoại sóng ngắn) Band Đối với ảnh Sentinel 2, BandNIR (kênh cận hồng ngoại) Band BandSWIR (kênh hồng ngoại sóng ngắn) Band 12 c) Giải thích thuật ngữ Trong luận án này, số thuật ngữ quan trọng bao gồm: rừng khơng đổi, rừng, suy thối rừng, phát sớm cần làm rõ Thông qua định nghĩa nó, người đọc thấy số vấn đề nghiên cứu tác giả giới hạn lại cho phù hợp với lực nghiên cứu tác giả, để có sở cho việc xem xét, đánh giá kết luận án (i) Rừng khơng đổi hiểu diện tích rừng khơng khơng có tác động người, tự nhiên, lửa rừng dẫn đến việc rừng, suy thoái rừng (ii) Mất rừng hiểu việc chuyển đổi đất có rừng sang mục đích khác (đất nông nghiệp, đất trống, đất khác…) chuyển đổi đất từ trạng thái có rừng sang trạng thái khơng có rừng, tác động chặt hạ, khai thác rừng làm cho độ tàn che thấp 0,1 diện tích từ 0,3 trở lên (iii) Suy thối rừng bao gồm nhiều khía cạnh khác như: suy giảm suất rừng, suy giảm đa dạng sinh học, nhiễu loạn sâu bệnh hại, suy giảm chức bảo vệ (đất, nước), suy giảm trữ lượng các-bon rừng…vv Tuy nhiên, luận án này, định nghĩa suy thoái rừng hiểu việc chặt phá khai rừng làm giảm trữ lượng độ tàn che rừng Trong thực tiễn, rừng thay đổi trạng thái từ rừng có trữ lượng cao (như rừng giàu) rừng có trữ lượng thấp (như rừng nghèo, rừng nghèo kiệt) hiểu suy thối rừng (iv) Định nghĩa phát “sớm” rừng, suy thoái rừng Phát “sớm” hiểu khả phát sớm kể từ xảy kiện rừng suy thoái rừng Phát sớm bao gồm khía cạnh: thời gian phát (sớm có thể), diện tích phát (khơng gian - nhỏ có thể, thơng thường từ 0,3 trở lên) Về mặt thời gian: sử dụng ảnh viễn thám, việc phát sớm rừng, suy thoái rừng phụ thuộc vào chu kỳ bay chụp loại ảnh sử dụng (chu kỳ bay chụp vệ tinh Landsat 16 ngày Sentinel ngày) Về mặt không gian: phát “sớm” ảnh vệ tinh phản ánh diện tích rừng, suy thoái rừng nhỏ mà loại ảnh sử dụng phát sở nghiên cứu so sánh khả phát rừng, suy thoái rừng loại ảnh khác 2.2.2 Các phương pháp nghiên cứu cụ thể Phương pháp nghiên cứu trình bày theo nội dung nghiên cứu luận án 2.2.2.1 Nội dung 1: Xác lập sở khoa học ứng dụng số viễn thám phát sớm rừng, suy thoái rừng a) Nghiên cứu mối quan hệ trữ lượng rừng số viễn thám (NDVI, NBR) ảnh Landsat Sentinel * Mẫu điều tra trữ lượng rừng: tác giả lựa chọn 350 mẫu điều tra thuộc kiểu rừng tự nhiên rộng thường xanh với trạng thái (giàu, trung bình, nghèo, nghèo kiệt, phục hồi) kế thừa từ số liệu điều tra ô tiêu chuẩn (mẫu) trữ lượng rừng từ Chương trình Điều tra Kiểm kê rừng toàn quốc giai đoạn 2013-2016 tỉnh (Kon Tum, Gia Lai, Đắk Lắk, Đắk Nông, Lâm Đồng) Các mẫu điều tra rừng tự nhiên có kích thước 1.000 m2 (30 m x 33,3 m) Mẫu điều tra gồm có thơng tin: chu vi thân vị trí 1,3 m; chiều cao vút ngọn; tọa độ địa lý (X, Y) * Ảnh vệ tinh sử dụng: luận án sử dụng cảnh ảnh vệ tinh Landsat 8, Sentinel thời điểm tháng 3, năm 2015, 2016 Ảnh vệ tinh Landsat 8, Sentinel tải từ GEE Ảnh vệ tinh đưa giá trị phản xạ phổ bề mặt (Surface Reflectance - SR) Các ảnh gồm Band (band - ảnh số NDVI band - ảnh số NBR) Các Pixel bị mây ảnh đưa giá trị thông qua câu lệnh GEE * Phương pháp trích xuất giá trị NDVI, NBR cho điểm mẫu ảnh: giá trị NDVI, NBR trích xuất điểm mẫu ảnh vệ tinh với việc sử dụng công cụ Extract Multi Values to Points phần mềm ArcGIS 10.1 * Lựa chọn mơ hình tương quan: nghiên cứu sử dụng liệu mẫu xác định trữ lượng rừng trích xuất giá trị NDVI, NBR từ ảnh Landsat 8, Sentinel để xây dựng phương trình hồi quy tương quan đơn biến theo 06 kiểu hàm sau: + Hàm tuyến tính (Linear): Y = b0 + (b1 x X) (4) + Hàm logarit (Logarithmic): Y = b0 + b1 x ln(X) (5) + Hàm bậc (Quadratic): Y = b0 + b1 x X + b2 x X2 (6) + Hàm bậc (Cubic): Y = b0 + b1 x X + b2 x X + b3 x X (7 + Hàm lũy thừa (Power): Y = b0 x Xb1 + Hàm mũ (Exponential): Y = b0 + eb1 x X (8) (9) Trong đó: b0 số; b1, b2, b3 hệ số hồi quy; X biến độc lập (giá trị số viễn thám); Y biến phụ thuộc (trữ lượng rừng) Tác giả sử dụng phần mềm SPSS 20.0 để xác định số, tham số hồi quy mơ hình tương quan Hệ số xác định (R2) cho biết mức độ biến thiên trữ lượng rừng giải thích số viễn thám Dựa vào hệ số (R2) để đánh giá mối tương quan trữ lượng rừng số viễn thám, R2 cao cho thấy mơ hình tương quan phản ánh tốt mối quan hệ trữ lượng rừng số viễn thám b) Kiểm định khác biệt số viễn thám trạng thái rừng với ảnh Landsat Sentinel * Mẫu điều tra theo trạng thái: luận án kế thừa liệu 2.667 mẫu tiêu chuẩn điều tra rừng từ Chương trình Điều tra Kiểm kê rừng toàn quốc giai đoạn 2013-2016 tỉnh (Kon Tum, Gia Lai, Đắk Lắk, Đắk Nông, Lâm Đồng) với 16 trạng thái thuộc kiểu rừng tự nhiên vùng Tây Nguyên * Ảnh vệ tinh sử dụng: luận án sử dụng cảnh ảnh vệ tinh Landsat 8, Sentinel thời điểm tháng 3, năm 2015, 2016 * Trích xuất giá trị NDVI NBR: tác giả sử dụng công cụ Extract Multi Values to Points phần mềm ArcGIS 10.1 * Phương pháp kiểm định: luận án sử dụng phương pháp kiểm định Mann-Whitney để kiểm định khác biệt cặp (hai trạng thái rừng với nhau): Giả thuyết đặt H0 - khơng có khác giá trị NDVI, NBR trạng thái rừng; H1 - có khác giá trị NDVI, NBR trạng thái rừng Sử dụng lệnh “Analyze/Nonparametric Test/Legacy Dialogs/Two – Independent – Samples Test” phần mềm SPSS 20.0 để tính giá trị |z| Pvalue với mức ý nghĩa 0,05 Với giá trị |z| Sig., tính tốn so sánh với giá trị tra bảng phân bố chuẩn cho thấy, |z| >1,96 giá trị Sig < 0,05 có sở để bác bỏ giả thuyết H0 tương đương với chấp nhận đối thuyết H1 hay nói cách khác giá trị NDVI, NBR có khác biệt nhóm (với mức ý nghĩa 0,05) Các cặp trạng thái nhận giá trị H0 gộp thành nhóm kiểu rừng, sau tiếp tục kiểm định khác biệt nhóm nhóm kiểu rừng có khác biệt với c) Nghiên cứu biến động số viễn thám theo thời gian xác định ngưỡng biến động kiểu rừng ảnh Landsat Sentinel * Mẫu rừng không đổi: nghiên cứu thực kiểu rừng (rừng rộng thường xanh; rừng rộng rụng lá; rừng kim; rừng hỗn giao gỗ - tre nứa; rừng tre nứa; rừng trồng) Mỗi kiểu rừng lựa 60 mẫu thuộc tỉnh có diện tích rừng lớn (mỗi tỉnh chọn 30 mẫu) Mỗi kiểu rừng lựa chọn trạng thái rừng (rừng giàu, rừng trung bình, rừng nghèo) Mỗi trạng thái rừng lấy 10 mẫu ngẫu nhiên Tổng số mẫu xác định rừng không đổi 360 mẫu Các mẫu kiểm chứng đồ theo dõi diễn biến rừng năm 2015, 2016, 2017, 2018 đồng thời kiểm chứng Planet để đảm bảo khơng bị tác động dẫn đến rừng, suy thoái rừng * Ảnh vệ tinh sử dụng: ảnh vệ tinh luận án sử dụng ảnh Landsat ảnh Sentinel khoảng thời gian mùa khô (từ tháng 11 đến tháng năm kế tiếp) thời gian năm liên tiếp (2015, 2016, 2017, 2018) phạm vi tỉnh Tây Nguyên Ảnh vệ tinh sử dụng trực tiếp GEE mà khơng cần tải máy * Trích xuất giá trị NDVI, NBR cho mẫu nghiên cứu Google Earth Engine: mẫu rừng không đổi kiểu rừng đưa vào GEE Các lệnh GEE hỗ trợ trích xuất giá trị NDVI NBR trung bình theo tất mẫu kiểu rừng Giá trị NDVI NBR cho kiểu rừng lưu file csv GEE tải máy để tính giá trị tương đối KB cho kiểu rừng * Xác định ngưỡng số tương đối KB cho rừng khơng đổi: tác giả tính tốn ngưỡng KB khoảng thời gian mùa khô (từ tháng 11 năm trước đến tháng năm sau) cho kiểu rừng theo công thức (1) T1 tương ứng với giá trị NDVI, NBR lớn T2 tương ứng với giá trị NDVI, NBR nhỏ Ngưỡng phát rừng khơng thay đổi xác định có giá trị nằm khoảng (a, b), đó: a = giá trị lý tưởng trường hợp khơng có thay đổi b giá trị KB lớn kiểu rừng nghiên cứu 2.2.2.2 Nội dung 2: Xác định ngưỡng số tương đối phát sớm rừng, suy thoái rừng ảnh Landsat Sentinel a) Xác định ngưỡng rừng, suy thoái rừng * Thu thập mẫu rừng, suy thoái rừng: mẫu rừng, suy thoái rừng thu thập từ Chi cục kiểm lâm tỉnh vùng Tây Nguyên thời gian từ 2015 đến 2018 Sau mẫu rừng, suy thối rừng tác giả đưa vào Planet để kiểm chứng xác định khoảng 10 Chương KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1 Cơ sở khoa ứng dụng số viễn thám phát rừng, suy thoái rừng 4.1.1 Xác định mối quan hệ số viễn thám trữ lượng rừng ảnh Landsat Sentinel Trữ lượng rừng số nhân tố quan trọng phản ánh mức độ rừng, suy thoái rừng Xác định mối quan hệ số viễn thám nhân tố trữ lượng rừng sở để lựa chọn số viễn thám việc phát thay đổi rừng rừng, suy thoái rừng Để đánh giá mối quan hệ số viễn thám trữ lượng rừng, dạng mơ hình tương quan bao gồm: hàm tuyến tính (Linear), hàm logarit (Logarithmic), hàm bậc hai (Quadratic), hàm bậc ba (Cubic), hàm lũy thừa (Power), hàm mũ (Exponential) thiết lập với việc sử dụng số viễn thám (NDVI, NBR) ảnh vệ tinh (Landsat 8, Sentinel 2) a) Mối quan hệ trữ lượng rừng số NDVI ảnh Landsat Bảng Ước lượng tham số mơ hình tương quan trữ lượng rừng số NDVI ảnh Landsat Dependent Variable: M (m3/ha) Equation Model Summary R R Square F df1 Linear 694 481 322.760 Logarithmic 664 441 274.846 Quadratic 714 510 180.798 Cubic 713 509 179.910 Power 817 667 695.691 Exponential 829 688 766.476 The independent variable is NDVI Parameter Estimates df2 Sig Constant b1 b2 348 000 -245.757 622.939 348 000 336.376 374.944 347 000 169.430 -701.545 1000.439 347 000 45.024 -74.702 000 348 000 411.372 2.478 348 000 9.563 4.005 b3 512.529 Nghiên cứu xây dựng 06 phương trình tương quan (Bảng 4.1) thể mối quan hệ trữ lượng rừng (biến Y - m3/ha) số NDVI (biến X) ảnh Landsat phương trình mũ (Exponential): Y = 9,563 x e4,005 x X (R2 = 0,688) phản ánh tốt mối quan hệ trữ lượng rừng số NDVI ảnh Landsat b) Mối quan hệ trữ lượng rừng số NBR ảnh Landsat Bảng Ước lượng tham số mơ hình tương quan trữ lượng rừng số NBR ảnh Landsat Dependent Variable: M (m3/ha) Equation Model Summary R R Square F df1 Linear 714 510 362.259 Logarithmic 603 364 198.979 Quadratic 731 534 199.072 Cubic 733 537 133.780 Power 740 547 420.744 Exponential 831 691 777.986 The independent variable is NBR df2 348 348 347 346 348 348 Parameter Estimates Sig Constant b1 b2 b3 000 -55.694 474.083 000 310.838 142.491 000 47.629 -39.670 533.561 000 90.274 -503.718 1766.487 -937.803 000 347.114 940 000 34.070 2.967 Nghiên cứu xây dựng 06 phương trình tương quan (Bảng 4.2) thể mối quan hệ trữ lượng rừng (biến Y - m3/ha) số NBR (biến X) ảnh Landsat 11 phương trình mũ (Exponential): Y = 34,070 x e2,967 x X (R2 = 0,691) phản ánh tốt mối quan hệ trữ lượng rừng số NBR ảnh Landsat c) Mối quan hệ trữ lượng rừng số NDVI ảnh Sentinel Bảng Ước lượng tham số mơ hình tương quan trữ lượng rừng số NDVI ảnh Sentinel Dependent Variable: M (m3/ha) Equation Model Summary R R Square F df1 Linear 771 595 511.748 Logarithmic 736 541 410.170 Quadratic 804 647 317.684 Cubic 831 691 258.207 Power 837 701 814.762 Exponential 842 709 846.039 The independent variable is NDVI df2 348 348 347 346 348 348 Sig Constant 000 -99.408 000 289.615 000 186.131 000 -522.891 000 366.652 000 23.959 Parameter Estimates b1 b2 448.980 221.902 -653.979 1001.258 3911.162 -8218.465 1.603 3.109 b3 5912.122 Nghiên cứu xây dựng 06 phương trình tương quan (Bảng 4.3) thể mối quan hệ trữ lượng rừng (biến Y - m3/ha) số NDVI (biến X) ảnh Sentinel phương trình mũ (Exponential): Y = 23,959 x e3,109 x X (R2 = 0,709) phản ánh tốt mối quan hệ trữ lượng rừng số NDVI ảnh Sentinel d) Mối quan hệ trữ lượng rừng số NBR ảnh Sentinel Bảng 4 Ước lượng tham số mơ hình tương quan trữ lượng rừng số NBR ảnh Sentinel Dependent Variable: M(m3/ha) Equation Model Summary R R Square F df1 Linear 804 646 635.404 Logarithmic 742 551 426.571 Quadratic 828 685 378.031 Cubic 828 686 251.444 Power 880 774 1191.793 Exponential 908 825 1643.615 The independent variable is NBR df2 348 348 347 346 348 348 Parameter Estimates Sig Constant b1 b2 b3 000 -131.942 518.325 000 295.268 213.752 000 51.685 -284.783 797.975 000 73.981 -460.384 1201.769 -285.473 000 443.482 1.888 000 11.615 4.365 Nghiên cứu xây dựng 06 phương trình tương quan (Bảng 4.4) thể mối quan hệ trữ lượng rừng (biến Y - m3/ha) số NBR (biến X) ảnh Sentinel phương trình mũ (Exponential): Y = 11,615 x e4,365 x X (R2 = 0,825) phản ánh tốt mối quan hệ trữ lượng rừng số NBR ảnh Sentinel 4.1.2 Kiểm định khác biệt số viễn thám trạng thái rừng ảnh Landsat Sentinel Tác giả kiểm định khác biệt số viễn thám 16 trạng thái rừng bao gồm: 05 trạng thái rừng rộng thường xanh (giàu, trung bình, nghèo, nghèo kiệt, phục hồi); 05 trạng thái rừng rộng rụng (giàu, trung bình, nghèo, nghèo kiệt, phục hồi); 02 trạng thái rừng kim (giàu, trung bình); 02 trạng thái rừng rộng nửa rụng (giàu, trung bình); 02 trạng thái rừng hỗn giao (gỗ - tre nứa tre nứa – gỗ) Kết qủa kiểm định nhằm xác định ngưỡng số viễn thám để phân loại kiểu rừng đây: 12 a) Xác định ngưỡng số NDVI ảnh Landsat cho kiểu rừng Tây Nguyên Nghiên cứu kiểm định 120 cặp trạng thái kiểm định Mann-Whitney cho mẫu độc lập kết cho thấy, có 16 cặp trạng thái có sở để chấp nhận giả thuyết H0 104 cặp trạng thái có sở để chấp nhận giả thuyết H1 Các cặp trạng thái chấp nhận giả thuyết H0 để nghiên gộp trạng thái rừng tương đồng thành nhóm kiểu rừng Sau đó, tác giả tiếp tục kiểm định khác biệt theo phương pháp kiểm định Mann – Whitney, cho nhóm kiểu rừng sau gộp Kết cho thấy, tất giá trị |z| lớn 1,96 tất giá trị (Sig.) nhỏ 0,05 ta bác giả thuyết H0 hay nói nhóm kiểu rừng có khác giá trị trung bình NDVI nhóm Từ đó, cho phép ước lượng ngưỡng giá trị NDVI ảnh Landsat cho nhóm kiểu rừng Bảng 4.5 Bảng Kết ước lượng ngưỡng giá trị NDVI cho nhóm trạng thái rừng TT Nhóm kiểu rừng Cận (𝑥̅ − 𝑆𝑡𝑑 × 1,96) Giá trị trung bình (𝑥̅ ) Cận (𝑥̅ + 𝑆𝑡𝑑 × 1,96) Rừng gỗ tự nhiên núi đất LRTX (giàu, 0,769 0,825 0,881 trung bình, nghèo) Rừng gỗ tự nhiên núi đất LRTX (nghèo kiệt, phục hồi), rừng hỗn giao (gỗ - tre nứa, 0,627 0,693 0,758 tre nứa - gỗ), rừng kim (giàu, trung bình) Rừng gỗ tự nhiên núi đất LRNRL (giàu, 0,494 0,557 0,620 trung bình) Rừng gỗ tự nhiên núi đất LRRL (giàu, 0,411 0,450 0,489 trung bình) Rừng gỗ tự nhiên núi đất LRRL (nghèo, 0,243 0,318 0,392 nghèo kiệt, phục hồi) b) Xác định ngưỡng số NBR ảnh Landsat cho kiểu rừng Tây Nguyên Nghiên cứu kiểm định 120 cặp trạng thái kiểm định Mann-Whitney cho mẫu độc lập kết cho thấy, có 11 cặp trạng thái có sở để chấp nhận giả thuyết H0 109 cặp trạng thái có sở để chấp nhận giả thuyết H1 Các cặp trạng thái chấp nhận giả thuyết H0 để nghiên gộp trạng thái rừng tương đồng thành nhóm kiểu rừng Sau đó, tác giả tiếp tục kiểm định khác biệt theo phương pháp kiểm định Mann – Whitney, cho nhóm kiểu rừng sau gộp Kết cho thấy, tất giá trị |z| lớn 1,96 tất giá trị (Sig.) nhỏ 0,05 ta bác giả thuyết H0 hay nói nhóm kiểu rừng có khác giá trị trung bình NBR nhóm Từ đó, cho phép ước lượng ngưỡng giá trị NBR ảnh Landsat cho nhóm kiểu rừng Bảng 4.6 13 Bảng Kết ước lượng ngưỡng giá trị NBR cho nhóm trạng thái rừng TT Nhóm trạng thái rừng Cận (𝑥̅ − 𝑆𝑡𝑑 × 1,96) Giá trị trung bình (𝑥̅ ) Cận (𝑥̅ + 𝑆𝑡𝑑 × 1,96) Rừng gỗ tự nhiên núi đất LRTX (giàu, 0,576 0,661 0,745 trung bình, nghèo) Rừng gỗ tự nhiên núi đất LRTX (nghèo kiệt, phục hồi), rừng hỗn giao (gỗ - tre nứa, 0,484 0,525 0,565 tre nứa - gỗ), rừng kim (giàu, trung bình) Rừng gỗ tự nhiên núi đất LRNRL (giàu, 0,220 0,316 0,411 trung bình) Rừng gỗ tự nhiên núi đất LRRL (giàu, 0,067 0,101 0,134 trung bình) Rừng gỗ tự nhiên núi đất LRRL (nghèo, -0,035 0,021 0,077 nghèo kiệt, phục hồi) c) Xác định ngưỡng số NDVI ảnh Sentinel cho kiểu rừng Tây Nguyên Nghiên cứu kiểm định 120 cặp trạng thái kiểm định Mann-Whitney cho mẫu độc lập kết cho thấy, có 20 cặp trạng thái có sở để chấp nhận giả thuyết H0 100 cặp trạng thái có sở để chấp nhận giả thuyết H1 Các cặp trạng thái chấp nhận giả thuyết H0 để nghiên gộp trạng thái rừng tương đồng thành nhóm kiểu rừng Sau đó, tác giả tiếp tục kiểm định khác biệt theo phương pháp kiểm định Mann – Whitney, cho nhóm kiểu rừng sau gộp Kết cho thấy, tất giá trị |z| lớn 1,96 tất giá trị (Sig.) nhỏ 0,05 ta bác giả thuyết H0 hay nói nhóm kiểu rừng có khác giá trị trung bình NDVI nhóm Từ đó, cho phép ước lượng ngưỡng giá trị NDVI ảnh Sentinel cho nhóm kiểu rừng Bảng 4.7 Bảng Kết ước lượng ngưỡng giá trị NDVI ảnh Sentinel cho nhóm kiểu rừng TT Nhóm kiểu rừng Cận ̅ − 𝑺𝒕𝒅 × (𝒙 𝟏, 𝟗𝟔) Giá trị trung ̅) bình (𝒙 Cận ̅ + 𝑺𝒕𝒅 (𝒙 × 𝟏, 𝟗𝟔) Rừng gỗ tự nhiên núi đất LRTX (giàu, 0,603 0,674 0,744 trung bình, nghèo) Rừng gỗ tự nhiên núi đất LRTX (nghèo kiệt, phục hồi), rừng hỗn giao (gỗ - tre 0,503 0,552 0,601 nứa, tre nứa - gỗ), rừng kim (giàu, trung bình) Rừng gỗ tự nhiên núi đất LRNRL (giàu, 0,358 0,410 0,463 trung bình) Rừng gỗ tự nhiên núi đất LRRL (giàu, 0,215 0,254 0,294 trung bình, nghèo) Rừng gỗ tự nhiên núi đất LRRL (nghèo 0,121 0,161 0,201 kiệt, phục hồi) d) Xác định ngưỡng số NBR ảnh Sentinel cho kiểu rừng Tây Nguyên 14 Nghiên cứu kiểm định 120 cặp trạng thái kiểm định Mann-Whitney cho mẫu độc lập kết cho thấy, có 17 cặp trạng thái có sở để chấp nhận giả thuyết H0 103 cặp trạng thái có sở để chấp nhận giả thuyết H1 Các cặp trạng thái chấp nhận giả thuyết H0 để nghiên gộp trạng thái rừng tương đồng thành nhóm kiểu rừng Sau đó, tác giả tiếp tục kiểm định khác biệt theo phương pháp kiểm định Mann – Whitney, cho nhóm kiểu rừng sau gộp Kết cho thấy, tất giá trị |z| lớn 1,96 tất giá trị (Sig.) nhỏ 0,05 ta bác giả thuyết H0 hay nói nhóm kiểu rừng có khác giá trị trung bình NBR nhóm Từ đó, cho phép ước lượng ngưỡng giá trị NBR ảnh Sentinel cho nhóm kiểu rừng Bảng 4.8 Bảng Kết ước lượng ngưỡng giá trị NBR ảnh Sentinel cho nhóm kiểu rừng khác Nhóm kiểu rừng TT Cận ̅ − 𝑺𝒕𝒅 × (𝒙 𝟏, 𝟗𝟔) Giá trị trung ̅) bình (𝒙 Cận ̅ + 𝑺𝒕𝒅 (𝒙 × 𝟏, 𝟗𝟔) Rừng gỗ tự nhiên núi đất LRTX (giàu, 0,529 0,616 0,704 trung bình, nghèo) Rừng gỗ tự nhiên núi đất LRTX (nghèo kiệt, phục hồi), rừng hỗn giao (gỗ - tre 0,417 0,468 0,519 nứa, tre nứa - gỗ), rừng kim (giàu, trung bình) Rừng gỗ tự nhiên núi đất LRNRL (giàu, 0,173 0,217 0,261 trung bình) Rừng gỗ tự nhiên núi đất LRRL (giàu, 0,081 0,122 0,163 trung bình, nghèo) Rừng gỗ tự nhiên núi đất LRRL (nghèo -0,177 -0,055 0,065 kiệt, phục hồi) 4.1.3 Xác định ngưỡng số tương rừng không thay đổi ảnh Landsat Mục tiêu nghiên cứu đánh giá thay đổi số NDVI, NBR ảnh Landsat kiểu rừng tháng mùa khô Mùa khô (từ tháng 11 năm trước đến tháng năm kế tiếp) Tây Nguyên nhằm xác định ngưỡng biến động số viễn thám trường hợp rừng không đổi làm sở cho xác định ngưỡng phát suy thoái rừng, rừng vùng Tây Nguyên Bảng Kết xác định ngưỡng KB(dNDVI) KB(dNBR) phát rừng không đổi ảnh Landsat Kiểu rừng TT KB(dNVDI) KB(dNBR) Lá rộng thường xanh 10,2 10,1 Lá kim 14,4 25,0 Lồ ô tre nứa 11,4 17,4 Hỗn giao gỗ - tre nứa 15,4 15,8 Rừng trồng 20,0 23,1 15 Giá trị lớn 20,0 25,0 Kết Bảng 4.9 cho thấy, giá trị KB(dNVDI) lớn kiểu rừng nghiên cứu 20 giá trị KB(dNBR) 25 Từ đó, nghiên cứu xác định ngưỡng KB(dNDVI) KB(dNBR) phát rừng không đổi ảnh Landsat vùng Tây Nguyên – 20 – 25 Ngưỡng KB(dNDVI) KB(dNBR) phát rừng không đổi sử dụng để xác định ngưỡng suy thoái rừng, rừng 4.1.4 Xác định ngưỡng số tương rừng không thay đổi ảnh Sentinel Tương tự ảnh Landsat 8, Luận án đánh giá thay đổi số NDVI, NBR ảnh Sentinel kiểu rừng tháng mùa khô Mùa khô (từ tháng 11 năm trước đến tháng năm kế tiếp) Tây Nguyên để xác định ngưỡng rừng không đổi Bảng 10 Kết xác định ngưỡng KB(dNDVI) KB(dNBR) phát rừng không đổi ảnh Sentinel Kiểu rừng TT KB(dNVDI) KB(dNBR) Lá rộng thường xanh 14,0 16,8 Lá kim 20,0 25,0 Lồ ô tre nứa 14,3 17,4 Hỗn giao gỗ - tre nứa 18,2 16,9 Rừng trồng 17,9 22,3 20,0 25,0 Giá trị lớn Kết Bảng 4.10 cho thấy, giá trị KB(dNVDI) lớn kiểu rừng nghiên cứu 20 giá trị KB(dNBR) 25 Từ đó, nghiên cứu xác định ngưỡng KB(dNDVI) KB(dNBR) phát rừng không đổi ảnh Sentinel vùng Tây Nguyên 0-20 0-25 Kết cho thấy, ngưỡng phát rừng không đổi ảnh Sentinel tương tự với ảnh Landsat 4.1.5 Thảo luận a) Về mối quan hệ số viễn thám trữ lượng rừng Thông qua việc thiết lập mơ hình tương quan trữ lượng rừng số NDVI, NBR ảnh Landsat Sentinel 2, tác giả thấy rằng: thay đổi trữ lượng rừng giải thích tốt thơng qua thay đổi số NDVI NBR theo hàm số mũ Trên ảnh Landsat ảnh Sentinel 2, số NBR giải thích tốt số NDVI thay đổi trữ lượng rừng Đối với việc sử dụng số NDVI NBR, ảnh Sentinel giải thích tốt ảnh Landsat thay đổi trữ lượng rừng Những phát tác giả phù hợp với số nghiên cứu trước công bố bởi: Motlagh, M G et al (2018); Pandey, P C et al (2018); Muhd-Ekhzarizal, M E et al (2017); Phạm Văn Duẩn Vũ Thị Thìn (2016); Laurin G V et al (2016) Askar (2018) b) Về khác biệt số viễn thám kiểu trạng thái rừng 16 Kết kiểm định khác biệt số viễn thám NDVI NBR ảnh vệ tinh Landsat Sentinel 16 trạng thái rừng thuộc kiểu rừng vùng Tây Nguyên, tác giả thấy rằng, có tương đồng kết nghiên cứu sử dụng số NDVI NBR ảnh Landsat Sentinel Về phân loại kiểu rừng: sử dụng số NDVI, NBR để phân biệt kiểu rừng số kiểu rừng nghiên cứu bao gồm: rừng tự nhiên rộng thường xanh, rừng tự nhiên rộng rụng rừng tự nhiên rộng nửa rụng Hai kiểu rừng (rừng kim rừng hỗn giao gỗ - tre nứa) khơng có khác biệt số NDVI NBR so với kiểu rừng rộng thường xanh nên phân loại kiểu rừng Về phân loại trạng thái rừng theo cấp trữ lượng (giàu, trung bình, nghèo, nghèo kiệt, phục hồi): khơng có khác biệt rõ rệt số viễn thám trạng thái rừng này, có khác biệt số viễn thám nhóm trạng thái (giàu, trung bình, nghèo) nhóm trạng thái (nghèo kiệt, phục hồi) Kết luận án phù hợp với số nghiên cứu trước công bố bởi: Yang, Y et al (2019); Koppada, A G et al (2017); Shisshir, S et al (2018); Nguyễn Hải Hòa cộng (2019); Phạm Văn Duẩn Phùng Văn Khoa (2013) c) Về ngưỡng số tương đối phát rừng không đổi Như đề cập đến Phương pháp luận nghiên cứu, thay đổi số viễn thám ảnh vệ tinh liên quan đến rừng, suy thối rừng ngồi thực địa Do đó, tác giả nghiên cứu biến động số viễn thám cho kiểu rừng không đổi theo thời gian đồng thời xác định ngưỡng số tương đối để phát rừng không đổi làm sở cho việc xác định ngưỡng phát rừng, suy thoái rừng Nghiên cứu xác định biến động số NDVI, NBR kiểu rừng (rừng rộng thường xanh, rừng rộng rụng lá, rừng kim, rừng hỗn giao gỗ - tre nứa, rừng lồ ô – tre nứa, rừng trồng) vào tháng mùa khô (từ tháng 11 năm trước đến tháng năm kế tiếp) năm 2015, 2016, 2017, 2018 Tác giả thấy rằng, kiểu rừng rộng rụng có biến động số viễn thám cao kiểu rừng rộng thường xanh có biến động số viễn thám thấp Đặc biệt, số viễn thám kiểu rừng rộng rụng có biến động mạnh nhầm lẫn với khu vực rừng, suy thoái rừng Với kết này, luận án giới hạn lại phạm vi xác định ngưỡng số tương đối để phát rừng không đổi vùng Tây Nguyên với việc không lựa chọn kiểu rừng rộng rụng Nghiên cứu xác định ngưỡng số tương kiểu rừng không đổi (rừng rộng thường xanh, rừng kim, rừng hỗn giao gỗ - tre nứa, rừng lồ ô – tre nứa, rừng trồng) với kết sau: KB(dNDVI) KB(dNBR) phát rừng không đổi là: 0-20 0-25 hai loại ảnh Landsat Sentinel Kết cho thấy, khơng có khác biệt ngưỡng số tương đối KB sử dụng số NDVI NBR loại ảnh Landsat Sentinel Nhưng có khác biệt ngưỡng số tương đối KB số NDVI NBR loại ảnh Landsat Sentinel Khi sử dụng số NBR cho ngưỡng phát rừng không đổi KB(dNBR) rộng so với ngưỡng KB(dNDVI) sử dụng số NDVI Mặc dù, khác 17 biệt khơng lớn giải thích sau: (i) cơng thức tính giá trị NBR sử dụng kênh dải hồng ngoại sóng ngắn (SWIR) việc tính giá trị NDVI sử dụng kênh đỏ (RED) SWIR nhạy cảm với khu vực khô, ẩm, thực vật bị khô, chết so với kênh RED; (ii) kết nghiên cứu cho thấy, kiểu rừng (lá kim rừng trồng) có biến động số viễn thám cao so với kiểu rừng (lá rộng thường xanh, rừng hỗn giao gỗ - tre nứa, rừng lồ – tre nứa) Do đó, ngưỡng số tương đối phát rừng không đổi trị KB(dNDVI) KB(dNBR) xác định dựa vào biến động số viễn thám kiểu rừng Vào mùa khơ, hai kiểu rừng có sự biến động tán nhiều so với kiểu rừng khác (do tính đặc thù kiểu rừng, hoạt động khác người phát dọn thực bì, áp dụng biện pháp giảm thiểu cháy rừng) Do đó, sử dụng số NBR khả phát biến động từ hai kiểu rừng nhạy so với việc sử dụng số NDVI 4.2 Xác định ngưỡng rừng, suy thoái rừng vùng Tây Nguyên ảnh Landsat Sentinel 4.2.1 Sử dụng ảnh Landsat 4.2.1.1 Xác định ngưỡng phát rừng suy thoái rừng Nghiên cứu sử dụng phần mềm ArcGIS 10.1 để tính tốn trích xuất giá trị KB(dNDVI) KB(dNBR) ảnh Landsat theo 230 mẫu rừng lựa chọn Bảng 11 Xác định ngưỡng phát rừng ảnh Landsat Kết tổng hợp 230 mẫu rừng - Giá trị nhỏ - Giá trị lớn KB (dNDVI) 40,0 70,0 KB (dNBR) 45,0 110,0 50,1 75,9 - Giá trị trung bình - Độ lệch chuẩn 6,7 13,6 Kết Bảng 4.11 cho thấy, tổng số 230 mẫu nghiên cứu, số KB(dNDVI) có giá trị nhỏ 40,0 có giá trị lớn 70,0; số KB(dNBR) có giá trị nhỏ 45,0 có giá trị lớn 110,0 Từ đó, nghiên cứu xác định ngưỡng để phát rừng khu vực nghiên cứu cho trường hợp sử dụng số NDVI ảnh Landsat có KB(dNDVI) từ 40,0 đến 70,0 Và ngưỡng để phát rừng khu vực nghiên cứu cho trường hợp sử dụng số NBR ảnh Landsat có KB(dNBR) từ 45,0 đến 110,0 Từ kết xác định ngưỡng rừng không thay đổi ngưỡng phát rừng khu vực nghiên cứu, nghiên cứu xác định ngưỡng để phát suy thoái rừng rừng cho trường hợp sử dụng số NDVI ảnh Landsat có KB(dNDVI) từ 20,0 đến 40,0 Và ngưỡng để phát suy thoái rừng cho trường hợp sử dụng số NBR ảnh Landsat có KB(dNBR) từ 25,0 đến 45,0 4.2.1.2 Đánh giá độ xác phát rừng, suy thối rừng a) Độ xác phát rừng 18 Tác giả đối chứng kết phát rừng ảnh Landsat với 150 mẫu rừng lựa chọn để đánh giá độ xác phát rừng Bảng 12 Kết đánh giá độ xác phương pháp phát rừng ảnh Landsat Đánh giá độ xác với 150 mẫu NDVI-Landsat rừng NBR-Landsat - Số mẫu phát được: 113 124 - Độ xác phát (%): 75,3 82,7 - Tỷ lệ sai lệch diện tích (%): 13,5 11,2 - Độ xác diện tích (%): 86,5 88,8 Kết Bảng 4.12 cho thấy: sử dụng số NDVI, độ xác phát rừng 75,3% độ xác diện tích rừng 86,5% Khi sử dụng số NBR, độ xác phát rừng 82,7% độ xác diện tích rừng 88,8% b) Độ xác phát suy thối rừng Tác giả đối chứng kết phát suy thoái rừng ảnh Landsat với 90 mẫu suy thoái rừng lựa chọn để đánh giá độ xác phát suy thoái rừng Bảng 13 Kết đánh giá độ xác phương pháp phát suy thối rừng ảnh Landsat Đánh giá độ xác với 90 mẫu suy NDVI-Landsat NBR-Landsat thoái rừng - Số mẫu phát - Độ xác phát (%) 50 68 61,1 75,6 - Tỷ lệ sai lệch diện tích (%) 35,0 27,8 - Độ xác diện tích (%) 65,0 72,2 Kết Bảng 4.13 cho thấy: sử dụng số NDVI, độ xác phát suy thối rừng 61,1% độ xác diện tích suy thối rừng 65,0% Khi sử dụng số NBR, độ xác phát suy thoái rừng 75,6% độ xác diện tích suy thối rừng 72,2% 4.2.2 Sử dụng ảnh vệ tinh Sentinel 4.2.2.1 Xác định ngưỡng rừng, suy thoái rừng Nghiên cứu sử dụng phần mềm ArcGIS 10.1 để tính tốn trích xuất giá trị KB(dNDVI) KB(dNBR) ảnh Sentinel theo 230 mẫu rừng lựa chọn Bảng 14 Xác định ngưỡng phát rừng ảnh Sentinel Kết tổng hợp 230 mẫu rừng KB (dNDVI) KB (dNBR) - Giá trị nhỏ 40,0 45,0 - Giá trị lớn 90,0 120,0 - Giá trị trung bình 61,6 77,8 19 - Độ lệch chuẩn 9,7 14,3 Kết Bảng 4.14 cho thấy, tổng số 230 mẫu nghiên cứu, số KB(dNDVI) có giá trị nhỏ 40,0 có giá trị lớn 90,0; số KB(dNBR) có giá trị nhỏ 45,0 có giá trị lớn 120,0 Từ đó, nghiên cứu xác định ngưỡng để phát rừng khu vực nghiên cứu cho trường hợp sử dụng số NDVI ảnh Sentinel có KB(dNDVI) từ 40,0 đến 90,0 Và ngưỡng để phát rừng khu vực nghiên cứu cho trường hợp sử dụng số NBR ảnh Sentinel có KB(dNBR) từ 45,0 đến 120,0 Từ kết xác định ngưỡng rừng không thay đổi ngưỡng phát rừng khu vực nghiên cứu, nghiên cứu xác định ngưỡng để phát suy thoái rừng rừng khu vực nghiên cứu cho trường hợp sử dụng số NDVI ảnh Sentinel có KB(dNDVI) từ 20,0 đến 40,0 Và ngưỡng để phát suy thoái rừng khu vực nghiên cứu cho trường hợp sử dụng số NBR ảnh Sentinel có KB(dNBR) từ 25,0 đến 45,0 Kết cho thấy, ngưỡng xác định suy thoái rừng ảnh Sentinel tương tự ảnh Landsat 4.2.2.2 Đánh giá độ xác phát rừng, suy thối rừng a) Độ xác phát rừng Tác giả đối chứng kết phát rừng ảnh Sentinel với 150 mẫu rừng lựa chọn để đánh giá độ xác phát rừng Bảng 15 Kết đánh giá độ xác phương pháp phát rừng ảnh Sentinel Đánh giá độ xác với 150 mẫu NDVI - Sentinel NBR – Sentinel rừng - Số mẫu phát 121 136 - Độ xác phát (%) 80,7 90,7 - Tỷ lệ sai lệch diện tích (%) 11,9 9,3 - Độ xác diện tích (%) 88,1 90,7 Kết Bảng 4.15 cho thấy: sử dụng số NDVI, độ xác phát rừng 80,7% độ xác diện tích rừng 88,1%; sử dụng số NBR, độ xác phát rừng 90,7% độ xác diện tích rừng 90,7% b) Độ xác phát suy thoái rừng Tác giả đối chứng kết phát suy thoái rừng ảnh Sentinel với 90 mẫu suy thoái rừng lựa chọn để đánh giá độ xác phát suy thoái rừng Bảng 165 Kết đánh giá độ xác phương pháp phát suy thối rừng ảnh Sentinel Đánh giá độ xác với 90 mẫu suy thoái rừng - Số mẫu phát - Độ xác phát (%) - Tỷ lệ sai lệch diện tích (%) NDVI – Sentinel NBR – Sentinel 67 73 74,4 81,1 31,2 26,8 20 - Độ xác diện tích (%) 68,8 73,2 Kết Bảng 4.16 cho thấy: sử dụng số NDVI, độ xác phát suy thối rừng 74,4% độ xác diện tích suy thoái rừng 68,8% Khi sử dụng số NBR, độ xác phát suy thối rừng 81,1% độ xác diện tích suy thối rừng 73,2% 4.2.3 Thảo luận a) Về ngưỡng phát rừng, suy thoái rừng Nghiên cứu xác định ngưỡng số tương đối KB xác định suy thoái rừng, rừng với giá trị cho 04 trường hợp là: 20 – 40 40 – 70 (chỉ số NDVI ảnh Landsat 8); 25 – 45 45 – 110 (chỉ số NBR ảnh Landsat 8); 20 – 40 40 – 90 (chỉ số NDVI ảnh Sentinel 2); 25 – 45 45 – 120 (chỉ số NBR ảnh Sentinel 2) Đất khơng có thực vật thường có giá trị NDVI