2.1.1. Mục tiêu tổng quát.
-Xác định tài nguyên rừng bằngảnh VNRedSat-1, góp phần hoàn thiện cơ sởkhoa học cho việc thành lập bảnđồhiện trạng rừng, thống kê tài nguyên rừng phục vụcông tác quản lý, theo dõi diễn biến tài nguyên rừng.
2.1.2. Mục tiêu cụ thể.
- Xây dựng được bản đồhiện trạng rừng tỷlệ1:50.000 của khu vực nghiên cứu.
- Thống kê được diện tích, trữ lượng bình quân của các trạng thái rừng có trên địa bàn khu vực nghiên cứu.
- Đề xuất ứng dụng ảnh vệ tinh VNRedSat-1 trong điều tra, quản lý, theo dõi diễn biến tài nguyên rừng.
2.2. Đối tượng và phạm vi nghiên cứu.
2.2.1. Đối tượng nghiên cứu.
-Ảnh vệtinh VNRedSat-1 của khu vực nghiên cứu.
- Hiện trạng rừng và đất chưa có rừng trong quy hoạch cho lâm nghiệp tại khu vực nghiên cứu.
- Diện tích rừng tựnhiên, rừng trồng và rừng mới trồng chưa thành rừng tại khu vực nghiên cứu.
2.2.2. Phạm vi nghiên cứu.
- Phạm vi vềnội dung:Xây dựng bản đồhiện trạng rừng và đánh giá vềtrữ lượng các trạng thái rừng tại khu vực nghiên cứu
- Phạm vi về không gian: Huyện Tân Sơn, Tỉnh Phú Thọ. - Phạm vi về thời gian: từ tháng 4/2016 đến tháng 11/2016
2.3. Nội dung nghiên cứu.
- Nghiên cứu xây dựng bộmẫu khóaảnh phục vụgiải đoán ảnh vệtinh khu vực nghiên cứu.
- Nghiên cứu phương pháp giải đoán ảnh vệ tinh tự động bằng phần mềm eCognition Developer.
- Nghiên cứu lập quy trình thành lập bản đồ hiện trạng và thống kê tài nguyên rừng từ ảnh vệtinh VNRedSat-1.
- Nghiên cứu xác địnhtrữ lượng các trạng thái rừng tại khu vực nghiên cứu. - Thống kê tài nguyên rừng tại khu vực nghiên cứu.
-Đề xuất ứng dụng ảnh vệ tinh VNRedSat-1 trong điều tra, quản lý, theo dõi diễn biến tài nguyên rừng.
2.4. Phương pháp nghiên cứu.2.4.1.Phương pháp kế thừa số liệu. 2.4.1.Phương pháp kế thừa số liệu.
- Những tài liệu về điều kiện tựnhiên, khí hậu, thủy văn, đất đai, địa hình, tài nguyên rừng ởkhu vực nghiên cứu.
-Thông tin, tư liệu về điều kiện kinh tế, điều kiện xã hội: dân số, lao động, thành phần dân tộc, tập quán canh tác khu vực nghiên cứu.
- Những kết quả nghiên cứu, những văn bản có liên quan đến bản đồ hiện trạng và quy hoạch bảo vệ phát triển rừng, bản đồ hiện trạng sử dụng đất… tại khu vực nghiên cứu.
-Bản đồhiện trạng rừng mới nhất của địa phương.
2.4.2. Phỏng vấn chuyên gia địa phương.
+ Làm việc với các chuyên gia viễn thám, chuyên gia lâm nghiệp, bảo tồn thiên nhiên, tài nguyên và môi trườngở địa phương đểthảo luận về:
+ Hiện trạng rừng trên địa bàn khu vực nghiên cứu. + Các nguyên nhân tác động đến tài nguyên rừng. +Tập quán canh tác của địa phương.
2.4.3. Xây dựng mẫu phân loại.
Bộmẫu phân loại hay bộmẫu khóaảnh là tập hợp các cặp điểm mẫu trên ảnh vệ tinh cùng tọa độ tương ứng với các mẫu đối tượng tại thực địa cần được phân loại khi giải đoán ảnh vệtinh. Bộmẫu khóaảnh là căn cứ đểphần mềm giải đoán ảnh sửdụng các thông số(phổ, cấu trúc v.v.) trên các mẫu khóaảnh đểphân loại.
Hệ thống mẫu khóa ảnh sẽ được sử dụng để xác định khoảng giá trị cho từng đối tượng rừng và đất lâm nghiệp theo các chỉ số được tham gia quá trình phân loại tự động, hay phân loại bán tự động (Asign Classs) bằng phần mềm eCognition nhưcác chỉsốBrightness, Standard deviation, NDVI, TRRI. EVI…
Căn cứxây dựng bộmẫu khóaảnh dựa vào bản đồ hiện trạng sử dụng đất, và bản đồ quy hoạch ba loại rừng mới nhất của khu vực nghiên cứu. Số lượng mẫu khóa ảnh được lựa chọn đảm bảo mỗi tiêu chí tham gia phân loại phải có dung lượng đủlớn đểxácđịnh một cách chính xác ngưỡng cho từng đối tượng đã phân tách trong các cảnhảnh. Số lượng mẫu khóaảnh phụthuộc vào diện tích của từng trạng thái.
Mẫu khóa ảnh được thu thập và ghi chép vào phiếu 01 và phiếu 02 trong phần phụlục.
Sử dụng phiếu 01 để xây dựng mẫu khóa ảnh cho các trạng thái rừng tự nhiên: có tầng cây gỗ trong trường hợp này ta tiếp cận được tâm của mẫu khóa ảnh đồng thời sử dụng thước bitterlich xác định nhanh trữ lượng và trạng thái rừng.
Phiếu 02 được sử dụng trong trường hợp lấy mẫu khóa ảnh các trạng thái: rừng trồng, rừng tre nứa, và các loại trạng thái đất nông nghiệp, đất khác, đất mặt nước…
2.4.3.1. Xác định số lượng và vị trí mẫu ảnhtrong phòng.
Ảnh vệ tinh sử dụng trong nghiên cứu là ảnh VNRedsat_1 có độ phân giải 2.5m.Ảnh đã được tổ hợp màu tự nhiên theo 3 kênh (Band1-Red, Band2-Green và Band3-Blue) và được chuyển hệtọa độvềkinh tuyến trục địa phương của tỉnh Phú thọ là 1040.45’.Nếu khu vực nghiên cứu lại không hoàn toàn nằm trọn trong một cảnh ảnh mà nằm trên 2 cảnh ảnh khác nhau nhưng cùng một khoảng thời gian chụpảnh(3 đến 6 tháng). Đểcó trọn vẹnảnh của khu vực nghiên cứu đềtài tiến hành cân bằng tone màu giữa haiảnh (histogram matching, cân bằngảnh nọ theoảnh kia), tăng cường chất lượngảnh sau đó tiến hành cắt ghépảnh theo ranh giới của khu vực nghiên cứu thao tác được thực hiện trên phần mềm Erdas. Ảnh sau cắt ghép được đưa vào phần mềm Ecognition chạy segmentation khoanh vi theo các màu đặc trưng khác nhau của ảnh vệ tinh sau đó xuât dữ liệu segmentation được sang phần mềm Mapinfo để tiến hành chọn mẫu khóa ảnh trong phòng bằng cách chấm điểm vào trong vùng đãđược khoanh vi và nhập mã trạng thái vào trong thuộc tính của điểm mẫu khóaảnh đó. Ảnh sau cắt ghép cũng là nguồn dữliệuảnh dùng đểphân loại, giải đoán xây dựng bản đồhiện trạng rừng sau này.
Số lượng mẫu khóa ảnh được lựa chọn đảm bảo mỗi tiêu chí tham gia phân loại phải có dung lượng đủlớn để xác định một cáchchính xác ngưỡng cho từng đối tượng đã phân tách trong các cảnh ảnh. Ảnh vệ tinh VNREDSat-1 có kích
thước 17,5 km x 17,5 km nên từng cảnh ảnh, mỗi trạng thái lấy số điểm mẫu ít nhất là 20 mẫu.
Đối với các cảnh ảnh chỉ sử dụng một phần diện tích cảnh ảnh (ví dụ các cảnhảnh nằm trên ranh giới 2 huyện, 2 xã, hoặc một phần diện của một cảnhảnh nằm trong phạm vi một xã) thì tuỳtỷlệdiện tíchảnh sửdụng có thểgiảm số điểm mẫu cho mỗi trạng thái nhưng phải đảm bảo mỗi trạng thái xuất hiện trong phần ảnh sửdụng tối thiểu phải có 3-5 mẫu tùy thuộc vào diện tích sử dụngảnh.
Căn cứ vào bản đồ hiện trạng rừng mới nhất để xác định 3-5 tuyến điều tra qua các trạng thái rừng cho mỗi cảnh ảnh. Trên mỗi tuyến chọn những điểm đại diện cho các trạng thái rừng đểxây dựng mẫu khoáảnh. Điểm mẫuảnh được chọn phải nằm trong 1 trạng thái và nằm trong vùng ảnh đã được khoanh vi và cách ranh giới với các trạng thái khác tối thiểu 50m.
Để đảm bảo các điểmảnh phân bố tương đối đều trên tuyến yêu cầu các điểm ảnh của cùng trạng thái trong cùng một cảnhảnh phải cách nhau tối thiểu 200 m.
2.4.3.2. Khảo sát mẫu ảnh ngoại nghiệp.
Bộ mẫu khóa ảnh được xây dựng trong phòng trên phần mềm Mapinfo có dạng point (dạng điểm) đươc trút sang GPS cầm tay qua phần mềm Global Mapper và phần mềm Map Soure.
Tiến hành khảo sát thực địa theo tuyến đã xác định ở trên. Trên các tuyến, xác định vịtrí từng điểm mẫu cần điều tra bằng việc sửdụng chức năng tìm kiếm của GPS.
- Đối với các mẫu khó tiếp cận được phép dịch chuyển trong vòng 50m, lấy lại tọa độghi trên GPS và phiếu mô tả.
Tại các điểm mẫu, tiến hành điều tra nhanh các chỉtiêu bình quân của trạng thái: G, M, H.
+ Sửdụng thước Bitterlich đo tiết diện ngang (G)ở5 vịtrí, vịtrí thứnhất tại tâm điểm điều tra, các vịtrí còn lại cách tâm điểm điều tra 5 m về các hướng đông, tây, nam, bắc.
+ Đo chiều cao ba cây có cỡ kính trung bình trong lô gần tọa độ điểm mẫu. + Tính trữ lượng bình quân M/ha =GHF; với ước tính F=0,45.
+ Xác định trạng thái rừng tại điểm mẫu trên cơ sở cấu trúc và trữ lượng rừng.
+ Quan sát, đếm tần suất xuất hiện các loài cây trong ô mẫu và xác định trực tiếp tên loài ưu thếtrong ô mẫu.
+ Chụp ảnh và ghi các thông tin vào hệ thống phiếu điều tra ô mẫu. (Phiếu 01/MKA -Phụlục 01)
-Đối với các ô mẫu khó có khả năng tiếp cận, nhưng có thểquan sát tốt, xác định bổsung mẫuảnh đểphục vụgiải đoán.
+ Xác định vị trí quan sát trên bản đồvà vị trí ô mẫu ngoài thực địa.
+ Xác định tên trạng thái ô mẫu đó trên cơ sở tiêu chí phân loại rừng theo thông tư 34/2009/TT-BNNPTNT được cụthểhoá trong bảng phân loại rừng phục vụcho quá trình phân loại.
+ Chụpảnh ô mẫu, ghi lại các thông sốchụp như: khoảng cách, hướng chụp (Phiếu 02/MKA- Phụlục 02)
Thống kê lại kết quả điều tra khảo sát ô mẫu cho từng trạng thái sau mỗi ngày điều tra để sao cho khi hết đợt ngoại nghiệp đảm bảo mỗi trạng thái theo thang phân loại phải có ít nhất 20 ô mẫu.
2.4.4. Giải đoán ảnh bằng phần mềm Ecogniton Developer.
Giải đoán ảnh (phân loạiảnh) trên phần mềm Ecognition Deverloperđược thực hiện lần lượt theo các quy trình sau:
- Thiết lập thêm các chỉtrong quá trình phân loạiảnh. - Chạy phân loại bằngphương pháp không kiểm định. - Chạy phân loại bằngphương phápcó kiểm định. - Bóc tách trạng thái sau chạy phân loại có kiểm định.
2.4.4.1. Thiết lậpthêm các chỉ sốtrong quá trình phân loại ảnh vệ tinh Spot5.
Ngoài các chỉsốcó sẵn trên phần mềm Ecognition nhưLayer value Mean, Standard Dev , Hue, Brightness…, ta cần thiết lập thêm các chỉ số có trên ảnh VNRedSat-1để sửdụng trong quá trình giải đoán:
* Chỉ số thực vật (NDVI- normalized difference vegetation index): được tính theo công thức dưới đây:
NDVI = (NIR - RED)/(NRI+RED)( Kênh2-kênh1)/(Kênh2+Kênh1) Trong đó:
NDVI: Chỉsốthực vật.
NIR: Kênh cận hồng ngoại của ảnh VNRedSat-1. RED: Kênh đỏcủaảnh VNRedSat-1.
* Tỷ sốchỉsốthực vật (ratio vegetion index).
RVI=NIR/RED (Lưuý: NIR kênh cận hồng ngoại thay thê bằng kênh Green)
* Tỷ sốtổng giá trịcấp độxám (total ratio reflectance index).
TRRI = (DN1+DN2….+DNn)/(n*255)
DN1, DN2…DNn: Giá trịcấp độxám của từng kênh của ảnh vệtinh.(sốkênh)
* Chỉ số thực vật sai khác DVI (difference vegetion index) hay còn gọi là chỉ
sốthực vật môi trường EVI (environmental vegetion index.
DVI =NIR - RED
* Chỉsốmàu xanh thực vật GVI (green vegetation index).
GVI=1.6225*NIR–2.2978*RED + 11.0656
* Chỉsố tăng cường lớp thực vật (Enhancement vegetation index).
EVI= 2.5* (NIR-RED)/(NIR+6*RED-7.5*BLUE+1)
2.4.4.2. Phương pháp không kiểm định.
Việc phân loại ảnh sơ bộ bằng phương pháp không kiểm định (chia lô tự động nhưng chưa xác định tên trạng thái) nhằm tách các lô/đối tượng tương đối đồng nhất trênảnh làm căn cứ thiết kế hệ thống mẫuảnh.
Khoanh vi các diện tích đồng nhất trên ảnh bằng phương pháp phân loại không kiểm định. Sử dụng chức năng "Multiresolution segmentation" của phần mềm eCognition đểkhoanh các diện tích đồng nhất trênảnh thành những lô trạng thái tương đối đồng nhất vềtên trạng thái,đồng bộvềcấu trúc phổcủa từng pixel trên ảnh vệ tinh. Những pixel ảnh nào có cấu trúc phổ tương đồng nhau ở một mức độ nhất định sẽ được phần mềm nhóm lại với nhau thành một vùng. Chức năng này thực hiện dựa trên cơ sở 3 tham số người giải đoán đưa vào ban đầu là Scale parameter, Shape, Compactness.
Để có thể lựa chọn được các tham số phù hợp với ảnh ta áp dụng nguyên tắc giữ nguyên giá trị của 2 tham số và thay đổi giá trị tham số còn lại. Dựa trên kết quảphân loại từ ảnh mà chọn ra giá trịphù hợp cho cảba thông số.
2.4.4.3.Phương pháp có kiểm định.
Phép phân loại sử dụng các dữ liệu kiểm tra từ thực địa. Phương pháp này được dùng đểphân loại các đối tượng theo yêu cầu của người sửdụng. Trong quá trình phân loại, máy tính sẽ yêu cầu một số kiến thức của ngưòi sử dụng về khu vực cần phân loại.
Đưa hệ thống mẫu khóa ảnh thu thập ngoài thực địa vào phần mềm eCognition để là cơ sở kiểm định. Sử dụng chức năng “assign class by thematic layer” để gắn các trạng thái phù hợp cho các lô diện tích đã được khoanh vi từ bước phân loại không kiểm định.
Hình 4. Phân loại bằng phương pháp có kiểm định.
2.4.4.4. Bóc tách sau chạy phân loạicó kiểm định.
Sau khi chạy phân loại bằng phương phân loại kiểm định thì cơ bản phần mềm Econigtion đã phận loại ra toàn bộcác trạng thái rừng theo mẫu khóaảnh đã gán. Tuy nhiên vẫn còn có sự lẫn lộn giữa các trạng thái rừng với nhau do vậy ta sửdụng công cụassign classs và các chỉsốthiết lập thêm như NDVI, TRRI,…kết hợp với bảng khoảng giá trịcác chỉ sốtham gia trong quá trình phân loại và các chỉsốtrên cây phân đếbóc tách. Quá trình bóc tách diễn ra nhiều lần và sau mỗi
lần gán lại trạng thái cho các lô có sự sai khác cần di chuyển màn hình để kiểm tra quá trình gán còn lô nào vẫn còn có sựsai khác.
2.4.5. Xây dựng bản đồ giải đoán.
Sau khi xửlý cập nhật trạng thái cho các lô ta được kết quảlà file hiện trạng xử lý trong phòng. Tuy nhiênđây là file dữ liệu ởdạng thô, cần tiến hành chỉnh sửa lại.
Sử dụng các nguồn tài liệu đáng tin cậy thu tập được như bản đồhiện trạng sửdụng đất mới nhất của khu vực, bản đồquy hoạc ba loại rừng… đểtham khảo, chỉnh sửa lại file hiện trạng giải đoán.
Sử dụng phần mềm Mapinfo, ArcGIS chồng xếp các lớp, biên tập bản đồ giải đoán trong phòng từ file hiện trạng giải đoán. Đây là bản đồ được xây dựng từbộmẫu khóaảnh thu được ngoài thực địa.
2.4.6. Kiểm tra ngoại nghiệp.
Doảnh vệ tinh luôn phản ánh trung thực của bề mặt trái đất tại thời điếm chụp ảnh, vì vậy bản đồ giải đoán ảnh luôn có hình dáng, kích thước giống như ngoài thực địa ởthời điểm chụpảnh. Vì vậy để làm tăng độchính xác bản đồsau giải đoán cho phù hợp với thời điểm hiện tại cần tiến hành công tác kiểm tra bổ sung ngoài thực địa.
Kiểm tra xác minh những đối tượng còn nghi ngờ chưa xác định được tên trong quá trình giải đoán và chỉnh sửa trong phòng. Bổsung, chỉnh sửa những đối tượng có sự sai khác giữa quá trình giải đoán và thực tế. Khoanh vẽ bổsung cho những nơi mất thông tin trên ảnh do khuất địa hình, mây che phủhoặc không có ảnh.
Phương pháp kiểm tra, bổ sung ngoại nghiệp sử dụng chủ yếu sử dụng 2 phương pháp là khoanh lô theo dốc đối diện và khoanh lô bằng máy GPS.
2.4.6.1. Phương pháp khoanh lô theo dốc đối diện.
Đứngở sườn đồi bên này đểkhoanh lôở đồi bên đối diện. Việc chuyển họa ranh giới lô thực tê trên thực địa vào bản đồphải căn cứ vào địa hìnhđịa vật xung quanh.
Phương pháp này sử dụng trong điều kiện địa hình cao dốc hiểm trở, địa hình bị chia cắt và tầm nhìn không bị che khuất. Phương pháp này có độ chính xác không cao nhưng giảm được thời gian và công sức.
Phương pháp này muốn đạt độchính xác phải đặt bản đồ đúng với thực địa xác định được chính xác điểm đứng trên thực địa lên bản đồ và đòi hỏi người điều