See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/331701831 ỨNG DỤNG KỸ THUẬT PHÂN LOẠI ẢNH HƯỚNG ĐỐI TƯỢNG NHẰM PHÂN LOẠI TRẠNG THÁI RỪNG THEO THÔNG TƯ SỐ 34 Article · May 2014 CITATIONS READS 829 authors: Nguyen Van Thi Bao Quang Tran VNUF Vietnam National University of Forestry 10 PUBLICATIONS 5 CITATIONS 114 PUBLICATIONS 246 CITATIONS SEE PROFILE Some of the authors of this publication are also working on these related projects: Using Sentinel-1 data to monitor forest cover change in the high land in Vietnam View project Bài báo View project All content following this page was uploaded by Bao Quang Tran on 13 March 2019 The user has requested enhancement of the downloaded file SEE PROFILE Tạp chí KHLN 2/2014 (3343 - 3353) ©: Viện KHLNVN - VAFS ISSN: 1859 - 0373 Đăng tải tại: www.vafs.gov.vn ỨNG DỤNG KỸ THUẬT PHÂN LOẠI ẢNH HƯỚNG ĐỐI TƯỢNG NHẰM PHÂN LOẠI TRẠNG THÁI RỪNG THEO THÔNG TƯ SỐ 34 Nguyễn Văn Thị, Trần Quang Bảo Trường Đại học Lâm nghiệp TĨM TẮT Từ khóa: Ảnh viễn thám, điều tra rừng, hướng đối tượng, phân loại rừng, trạng thái rừng Bài báo trình bày kết ứng dụng kỹ thuật phân loại ảnh hướng đối tượng để xác định trạng thái rừng theo Thông tư số 34 cho khu vực nghiên cứu gồm xã: Sơn Kim 1, Sơn Kim 2, Sơn Tây thị trấn Tây Sơn thuộc huyện Hương Sơn, tỉnh Hà Tĩnh Tư liệu sử dụng ảnh vệ tinh SPOT5 độ phân giải 2,5m với hỗ trợ phần mềm eCognition Developer 8.9 ArcGIS 10.1 Sử dụng kỹ thuật phân đoạn ảnh đa phân giải phần mềm eCognition Developer để phân tách ảnh vệ tinh khu vực nghiên cứu thành 29.974 đối tượng có diện tích từ 0,05 đến 27,8ha Để phù hợp với định nghĩa rừng, đối tượng có diện tích nhỏ 0,5ha gộp vào đối tượng liền kề có đặc điểm cấu trúc hay giá trị phổ gần với Kết sau gộp 17.465 đối tượng có diện tích từ 0,5 đến 27,8ha Dựa vào khóa giải đốn xây dựng từ kết điều tra thực địa, đối tượng phân tách ảnh xác định trạng thái rừng theo Thông tư số 34/2009/TT BNNPTNT gồm loại: (1) rừng gỗ tự nhiên núi đất rộng thường xanh giàu, (2) rừng gỗ tự nhiên núi đất rộng thường xanh trung bình, (3) rừng gỗ tự nhiên núi đất rộng thường xanh nghèo, (4) rừng gỗ tự nhiên núi đất rộng thường xanh phục hồi, (5) rừng hỗn giao gỗ - tre nứa tự nhiên núi đất, (6) rừng gỗ trồng núi đất (7) đất trống núi đất Applying object - base imagery classification technique to classify forest status based on circular No.34 Keywords: Remote sensing imagery, forest inventory, forest classification, forest status This article presents a result of applying object - base imagery classification technique to determine forest status based on Circular No 34 for communes: Son Kim 1, Son Kim 2, Son Tay and Tay Son in Huong Son district,ha Tinh province SPOT5 HRS imagery and eCognition Developer and ArcGIS software were used for classification Applying multi resolution segmentation algorithm of eCognition Developer to segment the imagery of study area into 29,974 deference objects with ranging areas from 0.05 to 27.8 hectare To match the definition of forest, the objects under 0,05 hectare were merge into the contiguous larger object that closest texture characteristic After merging, the number of objects are 17,465 with 0,5 to 27,8 hectare of area Based on the results of classification indices from ground survey, segmented imagery of SPOT5 were classified into statuses of forest: (1) rich ever - green, (2) medium ever - green, (3) poor ever - green, (4) rehabilitation ever - green, (5) mixed wood and bamboo, (6) plantation and (7) bare land 3343 Tạp chí KHLN 2014 I ĐẶT VẤN ĐỀ Sự phát triển mạnh mẽ công nghệ GIS viễn thám mang lại nhiều ứng dụng nhiều ngành, có ngành lâm nghiệp (Trần Quang Bảo et al., 2013) Trong lâm nghiệp, việc xác định phân loại trạng thái rừng nhiệm vụ hàng đầu tiến hành thường xuyên Trong năm qua, từ năm 1990 đến 2010 nước ta thực kỳ điều tra kiểm kê rừng quy mơ tồn quốc Trong kỳ điều tra này, ảnh viễn thám sử dụng để xác định trạng thái rừng ảnh Landsat, SPOT (Trần Quang Bảo, Nguyễn Đắc Triển, 2010) Hiện nay, chương trình tổng điều tra kiểm kê rừng toàn quốc thực có sử dụng ảnh SPOT5, SPOT6 VNREDSAT để phân loại trạng thái rừng Trước đây, việc phân loại ảnh sử dụng kỹ thuật giải đoán mắt định hướng điểm ảnh (pixel - based) với hỗ trợ phần mềm ENVI, ERDAS IMAGINE sở điều tra mẫu thực địa (Trần Quang Bảo, Nguyễn Huy Hoàng, 2011) Kỹ thuật dễ thực cho kết nhanh chóng lại phụ thuộc nhiều vào kinh nghiệm người giải đoán Hiện nay, xuất kỹ thuật phân loại ảnh hướng đối tượng xem giải pháp khắc phục tính chủ quan kỹ thuật giải đốn mắt (Bektas, Goksel, 2005) Bài báo trình bày kết ứng dụng kỹ thuật phân loại ảnh hướng đối tượng, để xác định trạng thái rừng theo Thông tư số 34/2009/TT - BNNPTNT cho xã thuộc huyện Hương Sơn, tỉnh Hà Tĩnh 3344 Nguyễn Văn Thị et al., 2014(2) II VẬT LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Vật liệu địa điểm nghiên cứu - Ảnh vệ tinh SPOT5 độ phân giải 2,5m tổ hợp màu tự nhiên - Phần mềm sử dụng: eCognition Developer v8.9, ArcGIS Desktop 10.1 - Địa điểm nghiên cứu: xã Sơn Kim 1, Sơn Kim 2, Sơn Tây TT Tây Sơn huyện Hương Sơn, tỉnh Hà Tĩnh 2.2 Phương pháp điều tra ngoại nghiệp Tiến hành lập 45 tiêu chuẩn có diện tích 1000m2 phân bố ngẫu nhiên hệ thống theo tuyến khu vực nghiên cứu Vị trí tiêu chuẩn xác định theo tọa độ địa lý tâm ô máy định vị tồn cầu cầm tay (GPS) có độ sai số từ - 5m Trong ô tiêu chuẩn tiến hành điều tra tầng cao theo tiêu đường kính vị trí 1,3m (D1.3) chiều cao vút (Hvn) tồn số tiêu chuẩn có đường kính 6cm D1.3 xác định theo chu vi (C1.3) vị trí 1,3m, chu vi đo thước vải có vạch chia đến mm Hvn xác định thước đo cao điện tử Vertex có độ xác đến dm Việc xác định trạng thái rừng ngồi thực địa điều tra ghi nguồn gốc hình thành: rừng tự nhiên hay rừng trồng Ngồi 45 điểm điều tra tiêu chuẩn, nhóm nghiên cứu bổ sung điểm khác đất trống có cỏ, đất trống bụi, đất có nơng nghiệp Các điểm bổ sung không cần lập ô đo đếm mà cần ghi trạng thái lấy tọa độ GPS Nguyễn Văn Thị et al., 2014(2) Tạp chí KHLN 2014 Hình Ảnh vệ tinh SPOT5 khu vực nghiên cứu điểm điều tra mẫu 2.3 Phương pháp xử lý nội nghiệp - Phương pháp xác định trạng thái rừng theo Thông tư số 34 cho ô điều tra mẫu Tên trạng thái rừng theo Thông tư số 34 chia làm loại: Đất có rừng Đất khơng có rừng đặt tên theo quy tắc sau: Trữ lượng xác định dựa vào kết điều tra tiêu chuẩn: M = G.H.F (Lồi Trữ lượng tính cho rừng tự nhiên) Trong đó: M trữ lượng, tính m3/ha; G tổng tiết diện ngang bình qn, tính m2: G=π*(D1.3 /2)2*N (Trong đó: D1.3 = C1.3/π đường kính bình qn tính m/cây; N mật độ, cây/ha); H chiều cao trung bình tiêu chuẩn, tính m; F hình số (F=0,45 rừng tự nhiên 0,5 rừng trồng) Căn vào trữ lượng, rừng tự nhiên chia ra: + Đối với đất khơng có rừng: + Rừng giàu: M > 200 m3/ha Tên trạng thái = “Đất trống” + Lập địa + Rừng trung bình: 100 < M ≤ 200 m3/ha Trong đó: + Rừng nghèo: M ≤ 100 m3/ha Loại rừng, Nguồn gốc Loài xác định theo kết điều tra thực địa - Phương pháp phân loại ảnh hướng đối tượng Lập địa xác định dựa vào đồ thổ nhưỡng tỷ lệ 1/100.000 - Ảnh vệ tinh tiến hành phân vùng (segmentation), kết tạo tệp liệu + Đối với đất có rừng: Tên trạng thái rừng= Loại rừng + Nguồn gốc + Lập địa + Loài + Trữ lượng Bước 1: Phân vùng ảnh 3345 Tạp chí KHLN 2014 đồ gồm nhiều lơ hay vùng (polygon) Thuật tốn phân vùng không phụ thuộc vào giá trị pixel đơn lẻ mà cịn dựa vào tính chất khơng gian liên tục pixel cấu trúc, mối quan hệ không gian, thông thường lô tạo chưa có giá trị thuộc tính tức chưa xác định tên trạng thái cần theo hệ thống phân loại (Navulur, 2006) - Phân vùng ảnh đa phân giải (multi resolution segmentation) eCognition kỹ thuật gộp vùng (region merging) từ lên mức pixel Từng bước đối tượng ảnh nhỏ gộp thành đối tượng lớn Đây q trình tối ưu hóa nhằm giảm thiểu bất đồng có trọng số n h (Weighted heterogeneity) đối tượng tạo ra, n kích thước đoạn ảnh (segment), h thơng số độ bất đồng Tại bước trình phân mảnh ảnh cặp đối tượng liền kề gộp lại làm cho độ bất đồng tăng lên mức nhỏ giới hạn định trước Nếu giới hạn vượt qua ngưỡng định sẵn trình gộp dừng lại Với cách làm phân vùng đa phân giải thủ tục tối ưu hóa mang tính cục (Navulur, 2006) Bước 2: Tạo mẫu phân loại - Khi trình phân vùng ảnh đạt yêu cầu, sử dụng thuật toán phân loại (Standard nearest neighbours) để tạo mẫu phân loại (Navulur, 2006) Các mẫu phân loại chọn ngẫu nhiên số lô từ kết chạy phân vùng Tiếp theo sử dụng phương pháp phân loại, kết điều tra thực địa 3346 Nguyễn Văn Thị et al., 2014(2) - Các mức phân vùng ảnh đề cập theo cách tiệm cận đa độ phân giải Trong phần mềm eCognition thao tác phân vùng ảnh thực cách ngẫu nhiên đối tượng phân vùng có quan hệ với đối tượng mức cao với đối tượng mức thấp tùy thuộc vào ứng dụng - Mạng phân cấp đối tượng mức liên kết (Denfmies) (Thomas et al., 2007) Để đảm bảo có mạng phân cấp sử dụng cho phân loại thủ tục phân vùng ảnh phải tuân thủ quy tắc sau: + Ranh giới đối tượng phải theo ranh giới đối tượng nằm mức thấp tiếp + Phân vùng ảnh phải giới hạn ranh giới đối tượng mức cao + Cấu trúc tỷ lệ khác phải thể đồng thời phân loại mối quan hệ với + Các mức phân cấp khác phân vùng sở liệu ảnh đồ chuyên đề + Phải có khả sửa chữa đối tượng cách gộp nhóm đối tượng phụ Bước 3: Phân loại tự động Tiến hành chạy phân loại để tạo trạng thái chi tiết (classification) dựa mẫu xây dựng bước - Phương pháp bù mây ảnh vệ tinh SPOT5 Ảnh vệ tinh Landsat dùng để bù mây cách so sánh đặc điểm cấu trúc vùng bị mây che khuất với vùng xung quanh Nguyễn Văn Thị et al., 2014(2) Tạp chí KHLN 2014 III KẾT QUẢ VÀ THẢO LUẬN 3.1 Kết điều tra tiêu chuẩn xây dựng khóa giải đốn ảnh a Kết điều tra tổng hợp bảng sau: Bảng Tổng hợp số liệu điều tra mặt đất ô tiêu chuẩn TT 1 2 3 4 5 6 7 Trạng thái Rừng gỗ tự nhiên núi đất rộng thường xanh giàu Rừng gỗ tự nhiên núi đất rộng thường xanh trung bình Rừng gỗ tự nhiên núi đất rộng thường xanh nghèo Rừng gỗ tự nhiên núi đất rộng thường xanh phục hồi Rừng hỗn giao gỗ - tre nứa Rừng gỗ trồng núi đất (keo) Rừng gỗ trồng núi đất (thơng) Mật độ trung bình (cây/ha) Đường kính trung bình (cm) Chiều cao trung hình (m) Trữ lượng trung bình (m3/ha) 230,0 23,0 22,7 214,6 265,8 18,0 23,1 157,5 342,5 12,5 16,9 71,1 265,0 11,4 13,7 42,3 171,4 1545,0 813,3 15,0 7,9 17,4 21,9 12,3 16,1 69,3 93,3 91,9 Số liệu tổng hợp cho thấy: - Đối với rừng tự nhiên, mật độ rừng giảm dần theo chiều tăng cấp trữ lượng, ví dụ rừng giàu có mật độ trung bình 230 cây/ha với trữ lượng bình quân 215 m3/ha rừng trung bình có mật độ 266 cây/ha với trữ lượng 158 m3/ha - Rừng phục hồi thường có mật độ trữ lượng khơng ổn định, phụ thuộc nhiều vào yếu tố tự nhiên xã hội nguồn gốc hình thành rừng phục hồi - Rừng hỗn giao rừng phục hồi, thường mật độ trữ lượng, kích thước gỗ thường khơng ổn định, biến đổi khơng theo quy luật - Rừng trồng keo khu vực nghiên cứu thường có mật độ lớn rừng trồng thơng, kích thước chúng khác rõ rệt Đối với rừng trồng keo, đường kính trung bình đạt 8cm rừng trồng thơng đường kính trung bình lên đến 17cm Sự khác cấp tuổi chúng khác mục đích kinh doanh khác Rừng keo thường khai thác chúng đạt cấp tuổi (5 - năm) với mục đích làm gỗ ngun liệu, rừng thơng thường có cấp tuổi cao hơn, mục đích chúng lấy nhựa phòng hộ b Kết xây dựng khóa giải đốn ảnh cho khu vực nghiên cứu Căn vào kết điều tra thực địa, kết hợp với đặc điểm cấu trúc đối tượng ảnh vệ tinh SPOT5 để xây dựng khóa giải đoán ảnh Kết sau: Bảng Bộ khóa giải đốn ảnh vệ tinh Ảnh vệ tinh Ảnh chụp thực tế Mơ tả (1) Rừng trồng chưa có trữ lượng 3347 Tạp chí KHLN 2014 Nguyễn Văn Thị et al., 2014(2) (2) Đất trống / bụi (3) Rừng trồng có trữ lượng (4) Rừng giàu (5) Rừng trung bình (6) Rừng nghèo 3348 Nguyễn Văn Thị et al., 2014(2) Tạp chí KHLN 2014 (7) Rừng phục hồi (8) Rừng hỗn giao gỗ nứa 3.2 Kết phân loại ảnh hướng đối tượng a Trích xuất (Subset data) phân đoạn ảnh (segmentation) Ảnh SPOT - khu vực nghiên cứu trích xuất từ cảnh ảnh lớn (67 × 67km) theo ranh giới khu vực nghiên cứu Ảnh sau trích xuất đưa vào phần mềm eCognition Developer 8.9 để phân đoạn ảnh theo phương pháp đa phân giải (multiresolution segmentation) Phương pháp cho phép gộp pixel tương tự theo cấu trúc hình học đối tượng ảnh thành đối tượng lớn theo ngưỡng (threshold) cho trước (Sohn Y., Rebello, 2002) Hình Kết phân đoạn ảnh 3349 Tạp chí KHLN 2014 Nguyễn Văn Thị et al., 2014(2) Ở hình thể đối tượng ảnh phân tách cách rõ ràng nhận thấy khác đối tượng ảnh Kết thống kê cho thấy, toàn ảnh SPOT - lưu vực nghiên cứu phần mềm phân chia thành 29.974 lô, lô có diện tích nhỏ 0,05ha lơ có diện tích lớn 27,8ha, trung bình 1,4ha Điều cho thấy ảnh phân đoạn chi tiết góp phần làm giảm sai số trình phân loại tự động Tuy nhiên, lô khoanh vẽ theo đặc điểm phổ, cấu trúc ảnh (texture) mà chưa phân biệt trạng thái rừng với Do vậy, bước quan trọng chọn mẫu ảnh dựa kết khoanh vi nhằm “đào tạo” phần mềm phân biệt trạng thái rừng khác ảnh vệ tinh theo mẫu chọn Tiêu chuẩn diện tích rừng theo quy định 0,5ha Vì thế, lơ rừng có diện tích nhỏ 0,5ha gộp vào lơ kế cận có đặc điểm phổ gần với Số lơ rừng sau gộp 17.645 có diện tích từ 0,5 đến 27,8ha gồm đất lâm nghiệp đất lâm nghiệp (theo đồ quy hoạch loại rừng năm 2010 huyện Hương Sơn) b Chọn mẫu giải đốn ảnh Căn vào khóa ảnh đề tài chọn mẫu giải đoán cho đối tượng rừng đất lâm nghiệp: Rừng giàu, rừng trung bình, rừng nghèo, rừng phục hồi, rừng hỗn giao gỗ - tre nứa, rừng trồng có trữ lượng, rừng trồng chưa có trữ lượng đất trống Việc chọn mẫu thực lặp lại nhiều lần nhằm đảm bảo mẫu đại diện cho trạng thái rừng xác (Nguyễn Trường Sơn, 2008) Việc kiểm tra tính khả thi mẫu, đề tài vào báo cáo phân tích chọn mẫu phần mềm eCognition Developer theo bảng sau: Bảng Kết chọn mẫu giải đoán ảnh Alternative Assignments Value Rừng gỗ tự nhiên núi đất rộng thường xanh giàu 0,997 Rừng gỗ tự nhiên núi đất rộng thường xanh trung bình 0,913 Rừng gỗ tự nhiên núi đất rộng thường xanh nghèo 0,877 Rừng gỗ tự nhiên núi đất rộng thường xanh phục hồi 0,721 Rừng hỗn giao gỗ - tre nứa tự nhiên núi đất 0,649 Rừng gỗ trồng núi đất 0,472 Đất trống núi đất 0,215 Các trạng thái rừng khác có đặc điểm cấu trúc (trên ảnh) khác mức độ phức tạp khác Rừng tự nhiên thường phức tạp rừng trồng; rừng giàu thường phức tạp rừng trung bình, rừng nghèo hay rừng phục hồi ; đất trống ln có cấu trúc đơn giản dễ nhận biết Chỉ số Value bảng thể tính chất phức tạp hay mức độ biến đổi giá trị điểm ảnh đối tượng ảnh Giá trị số Value gần tính chất phức tạp 3350 đối tượng cao mức độ thay đổi giá trị điểm ảnh đối tượng nhiều Điều hồn tồn phù hợp với mơ tả khóa giải đốn ảnh trình bày bảng Sau chọn mẫu, việc phân loại trạng thái rừng thực hoàn toàn tự động phần mềm eCognition Developer 8.9 Kết phân loại thể hình đây: Nguyễn Văn Thị et al., 2014(2) Tạp chí KHLN 2014 Hình Kết phân loại trạng thái rừng khu vực nghiên cứu Từ kết giải đoán trên, nghiên cứu tiến hành kiểm tra, xác minh hiệu chỉnh kết giải đoán phục vụ xây dựng đồ trạng rừng lưu vực Hương Sơn c Đánh giá độ xác kết giải đốn hiệu chỉnh kết giải đoán Từ kết giải đoán tự động, chọn ngẫu nhiên 10 lô cho trạng thái kiểm tra xác minh thực địa Kết xác minh sau: Bảng Ma trận đánh giá độ xác kết giải đốn lần Kết giải đoán Rừng gỗ Kết tự nhiên xác minh núi đất rộng thường xanh giàu Rừng gỗ tự nhiên núi đất rộng thường xanh trung bình Rừng gỗ tự nhiên núi đất rộng thường xanh giàu Rừng gỗ tự nhiên núi đất rộng thường xanh trung bình Rừng gỗ tự nhiên núi đất rộng thường xanh nghèo Rừng gỗ tự nhiên núi đất rộng thường xanh nghèo Rừng gỗ tự nhiên núi đất rộng thường xanh phục hồi Rừng gỗ tự nhiên núi đất rộng thường xanh phục hồi Đất trống núi đất Bảng ma trận cho thấy, lô thường sai lệch cấp trữ lượng Điều dễ hiểu lơ rừng có trữ lượng ngưỡng giao thoa trạng thái có Đất trống núi đất 8 Rừng gỗ trồng núi đất Rừng hỗn giao gỗ - tre nứa tự nhiên núi đất Rừng gỗ trồng núi đất Rừng hỗn giao gỗ tre nứa tự nhiên núi đất 1 giá trị phổ khơng có khác biệt cách rõ ràng Đây xu hướng sai khác kết giải đoán ảnh so với thực tế Tỷ lệ sai số tổng hợp bảng 3351 Tạp chí KHLN 2014 Nguyễn Văn Thị et al., 2014(2) Bảng Tổng hợp số lô sai lệch trạng thái so với thực tế TT Trạng thái giải đốn Số lơ sai lệch Tỷ lệ % 1 Rừng gỗ tự nhiên núi đất rộng thường xanh giàu 2 20 2 Rừng gỗ tự nhiên núi đất rộng thường xanh trung bình 3 30 3 Rừng gỗ tự nhiên núi đất rộng thường xanh nghèo 2 20 4 Rừng gỗ tự nhiên núi đất rộng thường xanh phục hồi 4 40 5 Rừng hỗn giao gỗ - tre nứa tự nhiên núi đất 2 20 6 Rừng gỗ trồng núi đất 3 30 7 Đất trống núi đất 1 10 17 24 Tổng số Số liệu thống kê bảng cho thấy trạng thái rừng giải đốn so với thực tế có sai khác định Các trạng thái rừng bị nhầm lẫn phổ biến mức 20 - 40% Trạng thái sai khác nhiều rừng phục hồi 40%, chủ yếu rừng hỗn giao rừng nghèo phân loại nhầm thành rừng phục hồi Trạng thái đất trống có sai lệch nhất, 10% Tổng thể tồn mẫu kiểm tra có sai khác 24% Từ kết xác minh, vào đặc điểm phổ lơ hiệu chỉnh cho lơ rừng khác có giá trị phổ tương tự trạng thái rừng tương tự với lô kiểm tra Kết hiệu chỉnh lần kiểm tra lần thứ hai với cách làm tương tự lô chọn ngẫu nhiên không trùng với lô lần Sau kiểm tra xác minh, hiệu chỉnh lần 2, tỷ lệ sai khác thành phần cao 8,7% tỷ lệ sai khác tổng thể 5,3% Sau hiệu chỉnh, tên trạng thái rừng gán theo Thông tư số 34 số liệu trạng rừng giải đoán thống kê sau: Bảng Thống kê diện tích trạng thái rừng theo Thông tư số 34 TT Trạng thái rừng Số lơ Diện tích (ha) 367 1.822,4 1 Rừng gỗ tự nhiên núi đất rộng thường xanh giàu 2 Rừng gỗ tự nhiên núi đất rộng thường xanh trung bình 8.304 25.033,2 3 Rừng gỗ tự nhiên núi đất rộng thường xanh nghèo 4.929 16.519,0 4 Rừng gỗ tự nhiên núi đất rộng thường xanh phục hồi 60 190,5 5 Rừng hỗn giao gỗ - tre nứa tự nhiên núi đất 323 1.270,0 6 Rừng gỗ trồng núi đất 1.874 4.433,3 7 Đất trống núi đất 427 886,1 16.284 50.154,5 Tổng cộng Kết giải đoán sau hiệu chỉnh biên tập thành đồ chuyên đề trạng rừng 3352 khu vực nghiên cứu sau: Nguyễn Văn Thị et al., 2014(2) Tạp chí KHLN 2014 Hình Bản đồ trạng rừng khu vực nghiên cứu IV KẾT LUẬN - Từ kết điều tra ô tiêu chuẩn, điểm bổ sung kết hợp với ảnh vệ tinh để xây dựng khóa giải đoán ảnh cho kiểu trạng thái: Rừng giàu, rừng trung bình, rừng nghèo, rừng phục hồi, rừng hỗn giao gỗ tre nứa, rừng trồng có trữ lượng, rừng trồng chưa có trữ lượng đất trống Mỗi trạng thái ảnh vệ tinh có đặc điểm cấu trúc khác nhau, mức độ thô phức tạp tăng dần từ đất trống đến rừng giàu Đây quan trọng việc phân đoạn ảnh đa phân giải hướng đối tượng - Các điểm ảnh gần nhau, giống giá trị phổ nhóm lại với thành đối tượng ảnh phần mềm eCognition Developer Toàn ảnh vệ tinh khu vực nghiên cứu khoanh thành 29.974 đối tượng có diện tích từ 0,05 đến 27,8ha Số đối tượng lại sau gộp đối tượng có diện tích 0,05ha vào đối tượng liền kề có giá trị gần với 17.465 đối tượng có diện tích từ 0,5ha đến 27,8ha - Dựa vào khóa giải đốn đối tượng phân tách ảnh xác định trạng thái rừng theo Thông tư số 34 sau: có 367 3353 View publication stats ... Ảnh viễn thám, điều tra rừng, hướng đối tượng, phân loại rừng, trạng thái rừng Bài báo trình bày kết ứng dụng kỹ thuật phân loại ảnh hướng đối tượng để xác định trạng thái rừng theo Thông tư số... www.vafs.gov.vn ỨNG DỤNG KỸ THUẬT PHÂN LOẠI ẢNH HƯỚNG ĐỐI TƯỢNG NHẰM PHÂN LOẠI TRẠNG THÁI RỪNG THEO THÔNG TƯ SỐ 34 Nguyễn Văn Thị, Trần Quang Bảo Trường Đại học Lâm nghiệp TĨM TẮT Từ khóa: Ảnh viễn... điều tra kiểm kê rừng toàn quốc thực có sử dụng ảnh SPOT5, SPOT6 VNREDSAT để phân loại trạng thái rừng Trước đây, việc phân loại ảnh sử dụng kỹ thuật giải đoán mắt định hướng điểm ảnh (pixel - based)