Tư liệu Sentinel-2 gồm 12 kênh ảnh trong đó, tổ hợp các kênh 4, 3, 2 sẽ cho ảnh màu tự nhiên để thể hiện các đặc điểm của lớp phủ bề mặt. Đề tài thực hiện kết hợp các kênh này với kênh 5 tạo ra kênh ảnh NDVI. Sau khi xử lý tư liệu Sentinel-2 chỉ còn 1 kênh ảnh NDVI có giá trị từ -0,304625 đến 1, so sánh với bảng 2.1 ta thấy giá trị NDVI có biên độ rất rộng và thể hiện các trạng thái trảng cỏ, cây trồng nông nghiệp, rừng thưa (0,3 – 0,6) và rừng nhiệt đới (>0,6).
Hình 4.5. Tƣ liệu Sentinel-2 trƣớc khi xử lý
4.2.3. ng các m hình xác định trữ lượng rừng bằng tư liệu Sentinel
a) Hệ thống điểm điều tra
Hình 4.7. Hệ thống điểm điều tra tại huyện Phú Giáo - tỉnh Bình Dƣơng
b) Mối quan hệ gi a giá trị NDVI c a tư liệu Sentinel-2 với giá trị phân c c VV, VH c a tư liệu Sentinel-1
Để xây dựng được mô hình xác định trữ lượng trước hết đề tài nghiên cứu mối quan hệ giữa giá trị NDVI của tư liệu Sentinel-2 với giá trị phân cực VV, VH của tư liệu Sentinel-1, kết quả thu được như sau:
Hình 4.8. Mối quan hệ giữa NDVI với Sig_VH
Hình 4.10. Mối quan hệ giữa NDVI với tổ hợp (Sig_VH+Sig_VV)/2
Hình 4.12. Mối quan hệ giữa NDVI với tổ hợp Sig_VH-Sig_VV
Hình 4.14. Mối quan hệ giữa NDVI với tổ hợp Sig_VH/Sig_VV
Hình 4.16. Mối quan hệ giữa NDVI với tổ hợp Sig_VV-Sig_VH
Từ kết quả nghiên cứu, luận văn tổng hợp các phương trình xác định mối quan hệ giữa giữa các giá trị điểm ảnh của 2 loại tư liệu Sentinel-1 và Sentinel-2 như bảng 4.2 sau:
Bảng 4.2. Mối quan hệ giữa NDVI với phân cực và tổ hợp phân cực VH, VV
TT Phân cực/tổ hợp phân cực Phƣơng trình tƣơng quan R2
1 Sig_VH y = -1,5302x - 12,942 0,0057 2 Sig_VV y = 6,7398x - 11,782 0,08 3 (Sig_VH+Sig_VV)/2 y = 2,6048x - 12,362 0,0201 4 Sig_VH+Sig_VV y = 5,2095x - 24,724 0,0201 5 Sig_VH-Sig_VV y = -8,27x - 1,1609 0,1119 6 Sig_VH* Sig_VV y = -87,302x + 160,23 0,0415 7 Sig_VH/Sig_VV y = 1,1047x + 1,155 0,0684 8 Sig_VV/Sig_VH y = -0,5463x + 0,8867 0,1153 9 Sig_VV-Sig_VH y = 4,8723ln(x) + 8,6368 0,1086
Qua bảng 4.2 ta thấy mối tương quan của giá trị NDVI với tổ hợp phân cực Sig_VH/Sig_VV là cao nhất với R2=0,1153 (R=0,34), mối tương quan thấp nhất là với phân cực VH với R2=0,0057 (R=0,08).
c) Mối quan hệ gi a giá trị NDVI; phân c c và tổ h p phân c c VH, VV với tr lư ng r ng (MGO)
Hình 4.17. Mối quan hệ giữa NDVI với MGO
Hình 4.19. Mối quan hệ giữa phân cực VV với MGO
Hình 4.21. Mối quan hệ giữa tổ hợp Sig_VH-Sig_VV với MGO
Hình 4.23. Mối quan hệ giữa tổ hợp Sig_VH/Sig_VV với MGO
Hình 4.25. Mối quan hệ giữa tổ hợp (Sig_VV+Sig_VH)/2 với MGO
Từ kết quả nghiên cứu, luận văn tổng hợp mối quan hệ giữa giá trị NDVI; phân cực và tổ hợp phân cực VH, VV với trữ lượng rừng, kết quả thể hiện qua bảng 4.3:
Bảng 4.3. Mối quan hệ giữa giá trị điểm ảnh với trữ lƣợng rừng
TT Giá trị điểm ảnh Phƣơng trình tƣơng quan R2
1 NDVI y = 0,0027ln(x) + 0,6153 0,0004 2 Sig_VH y = 0,137ln(x) - 14,472 0,0023 3 Sig_VV y = -3,45ln(x) + 6,3111 0,3341 4 (Sig_VH+Sig_VV)/2 y = -0,94ln(x) - 6,8141 0,131 5 Sig_VH+Sig_VV y = -3,767ln(x) - 6,4154 0,1583 6 Sig_VH-Sig_VV y = 3,1328ln(x) - 19,038 0,2885 7 Sig_VH*Sig_VV y = 26,607ln(x) - 5,2658 0,1925 8 Sig_VH/Sig_VV y = -0,572ln(x) + 4,2609 0,4305 9 Sig_VV/Sig_VH y = 0,1529ln(x) - 0,0922 0,4507 10 Sig_VV-Sig_VH y = -2,155ln(x) + 15,316 0,3793
Từ bảng 4.3 ta thấy tổ hợp Sig_VV/Sig_VH có tương quan gần nhất với trữ lượng rừng với R2=0,4507, phân cực Sig_VH có tương quan thấp nhất với R2=0,0004.
Với 3 giá trị đơn lẻ: NDVI có R2=0,0004, phân cực VH có R2=0,0023, phân cực VV có R2=0,3341, ta thấy mối tương quan đều thấp hơn hay không chặt chẽ so với tổ hợp các giá trị điểm ảnh.
Kết hợp với kết quả phân tích mối quan hệ giữa NDVI với phân cực và tổ hợp phân cực VH, VV tại mục (c) luận văn lựa chọn kết hợp giá trị NDVI với tổ hợp phân cực Sig_VV/Sig_VH xây dựng mô hình xác định trữ lượng rừng bằng tư liệu Sentinel-1 và Sentinel-2.
d) M hình xác định tr lư ng r ng b ng tư liệu Sentinel-1 và Sentinel-2
Hình 4.27. Mối quan hệ giữa tổ hợp NDVI+(Sig_VV/Sig_VH) với MGO
Hình 4.29. Mối quan hệ giữa tổ hợp NDVI*(Sig_VV/Sig_VH) với MGO
Bảng 4.4: Mối quan hệ giữa tổ hợp giá trị điểm ảnh với trữ lƣợng rừng TT Tổ hợp giá trị điểm ảnh Phƣơng trình tƣơng quan R2
1 NDVI+(Sig_VV/Sig_VH) y = 0,1556ln(x) + 0,5231 0,4842 2 NDVI-(Sig_VV/Sig_VH) y = -0,15ln(x) + 0,7074 0,2404 3 NDVI*(Sig_VV/Sig_VH) y = 0,1003ln(x) - 0,078 0,5104 4 NDVI/(Sig_VV/Sig_VH) y = -0,366ln(x) + 2,7092 0,2773 Bản chất tư liệu Sentinel-1 thu thập là dữ liệu radar, Sentinel-2 là dữ liệu ảnh quang học. Với kết quả nghiên cứu ở trên cho thấy giá trị tán xạ radar và quang phổ đều có mối liên hệ với trữ lượng gỗ điều tra mặt đất, tuy nhiên, giá trị tán xạ radar cho mối quan hệ chặt chẽ hơn. Điều này là do bản chất tia radar hầu như không chịu ảnh hưởng của yếu tố thời tiết, nó có thể xuyên mây cũng như tán rừng nhưng lại bị ảnh hưởng bởi độ nhám của bề mặt mà tia radar chạm” phải, bề mặt càng nhám thì tán xạ càng mạnh, ngược lại bề mặt càng nhẵn thì tán xạ càng yếu. Mặc dù ảnh quang học chịu sự ảnh hưởng của yếu tố thời tiết mạnh xong khả năng phân biệt rừng và không phải rừng dựa vào giá trị quang phổ là rất cao. Vì vậy, sự phối hợp tư liệu Sentinel-1 và tư liệu Sentinel-2 sẽ bù đắp được những yếu điểm của nhau và phát huy được thế mạnh của từng loại ảnh trong xác định trữ lượng rừng. Trên cơ sở đó, luận văn đã tiến hành xây dựng mô hình đánh giá trữ lượng rừng dựa trên sự kết hợp 2 loại tư liệu.
Từ bảng 4.4 ta thấy trữ lượng gỗ điều tra mặt đất có mối tương quan chặt chẽ nhất với giá trị điểm ảnh được kết hợp theo tổ hợp NDVI*(Sig_VV/Sig_VH), phương trình tương quan: y = 0,1003ln(x) - 0,078 (R2= 0,5104); mối tương quan thiếu chặt chẽ nhất là khi kết hợp tổ hợp NDVI-(Sig_VV/Sig_VH), phương trình tương quan: y = -0,15ln(x) + 0,7074 (R2=0,2404).
Từ kết quả phân tích trên luận văn xây dựng mô hình xác định trữ lượng rừng bằng tư liệu Sentinel-1 và Sentinel-2 cho huyện Phú Giáo – tỉnh Bình Dương:
Mgo=EXP(((NDVI*(Sig_VV/Sig_VH))+0,078)/0.1003) (R2=0.5104)
Để đảm bảo tính khách quan, luận văn tiến hành kiểm tra mô hình bằng chỉ số RMSE.
4.2.4. Đánh giá độ chính xác c a các m hình bằng chỉ số RMSE
Để đánh giá độ chính xác của các mô hình, luận văn đã tiến hành lấy 39 OTC và mẫu khóa ảnh trữ lượng bằng phương pháp đo nhanh (bitterlich) ở những vị trí, trạng thái rừng khác nhau để đối chiếu với kết quả tính toán từ các mô hình bằng tiêu chí RMSE (Sai số trung phương) – Root Mean Square Error (Dựa vào các điểm khác để đánh giá). Mô hình có chỉ số RMSE càng nhỏ thì độ chính xác càng cao và sẽ sử dụng để thành lập bản đồ trữ lượng gỗ cho khu vực nghiên cứu. Kết quả đánh giá như sau:
Bảng 4.5. Kết quả đánh giá độ chính xác của các mô hình
TT Mgo thực tế
(m3/ha) Mgo lý thuyết (m3
) RMSE (m3) Sai số (%) 1 17,63 32,80 230,20 86,06 2 18,49 30,10 134,88 62,81 3 20,51 34,33 190,87 67,36 4 28,55 38,17 92,58 33,70 5 32,03 21,18 117,64 33,86 6 36,28 39,92 13,28 10,04 7 36,59 36,13 0,21 1,26 8 36,73 33,01 13,86 10,14 9 50,89 50,55 0,11 0,66 10 54,82 69,48 214,93 26,74 11 55,47 48,52 48,28 12,53 12 57,06 51,55 30,37 9,66 13 58,54 59,79 1,56 2,14 14 63,13 59,48 13,32 5,78 15 64,34 63,89 0,20 0,69 16 64,45 67,29 8,06 4,41 17
TT Mgo thực tế
(m3/ha) Mgo lý thuyết (m3
) RMSE (m3) Sai số (%) 18 65,60 69,24 13,22 5,54 19 67,65 69,75 4,42 3,11 20 68,55 33,68 1.216,22 50,87 21 68,89 59,12 95,37 14,18 22 75,64 71,41 17,93 5,60 23 79,27 71,28 63,91 10,09 24 79,96 78,67 1,66 1,61 25 84,26 77,77 42,11 7,70 26 86,40 80,16 38,92 7,22 27 87,27 60,59 711,88 30,57 28 89,27 80,49 77,17 9,84 29 91,78 90,61 1,37 1,27 30 92,84 90,12 7,39 2,93 31 94,52 85,71 77,67 9,32 32 105,40 101,08 18,65 4,10 33 112,21 111,32 0,79 0,79 34 140,94 160,90 398,59 14,17 35 147,30 158,46 124,55 7,58 36 155,81 82,96 5.307,22 46,76 37 158,18 65,56 8.578,60 58,55 38 160,61 66,94 8.774,98 58,32 39 171,70 82,97 7.872,60 51,68 Trung bình 78,07 67,85 26,51 19,89
Từ kết quả đánh giá ở bảng 4.5 trên cho thấy, độ chính xác của các mô hình là rất khác nhau:
Mô hình có chỉ số RMSE = 26,51 m3 tương ứng với tỷ lệ sai số giữa lý thuyết và thực tế là 19,89 %. Khoảng trữ lượng từ dưới 30 m3 và trên 140 m3 có sai số lớn. Nhìn chung mô hình áp dụng xác định trữ lượng rừng đạt hiệu quả ổn định trong khoảng trữ lượng từ 35 m3 đến dưới 140m3.
Như vậy, mô hình xác định trữ lượng rừng bằng tư liệu Sentinel-1 và Sentinel-2 được luận văn xây dựng có độ chính xác cao, đảm bảo cho việc xác định trữ lượng rừng của khu vực.
Qua kết quả trên ta cũng thấy sự kết hợp giữa tư liệu Sentinel-1 và tư liệu Sentinel-2 đã nâng cao độ chính xác trong việc đánh giá trữ lượng rừng ở khu vực nghiên cứu.
4.3. Thử nghiệm xác định trữ lƣợng rừng bằng tƣ liệu Sentinel-1 và Sentinel-2 tại huyện Phú Giáo, tỉnh Bình Dƣơng.
Áp dụng mô hình xác định trữ lượng ở trên vào tính toán thử nghiệm cho khu vực tỉnh Bình Dương, ta được bản đồ trữ lượng như hình 4.31, dữ liệu được thống kê tại bảng 4.6 sau:
Bảng 4.6. Thống kê diện tích, trữ lƣợng rừng tại huyện Phú Giáo – tỉnh Bình Dƣơng
TT Mã trạng thái Tên trạng thái Diện tích (ha) Số lượng Pixel Số lượng lô kiểm kê Trữ lượng (M3) 1 rtk Rừng trồng khác núi đất 314,20 31.420 161 16.917,96 2 rtg Rừng gỗ trồng núi đất 3.961,51 396.151 980 270.580,22 3 txp Rừng gỗ tự nhiên núi đất LRTX phục hồi 376,00 37.600 324 24.051,15 Tổng 4.651,71 465.171 1.465 311.549,32
Hình 4.31. Bản đồ phân bố trữ lƣợng gỗ huyện Phú giáo Tỉnh Bình Dƣơng
Luận văn sử dụng ranh giới từng trạng thái rừng từ bản đồ kết quả kiểm kê rừng tỉnh Bình Dương và xác định được tổng diện tích, tổng trữ lượng cho từng trạng thái rừng tại huyện Phú Giáo – tỉnh Bình Dương. Kết quả như sau:
Tại huyện Phú Giáo có 3 trạng thái cơ bản là: Rừng trồng khác núi đất, Rừng gỗ trồng núi đất, Rừng gỗ tự nhiên núi đất LRTX phục hồi. Tổng diện tích rừng là 4.651,71 ha, tổng trữ lượng rừng là 311.549,32 m3, trong đó:
- Trạng thái rừng trồng khác núi đất: có tổng diện tích là 314,20 ha trên 161 lô kiểm kê, tổng trữ lượng gỗ là 16.917,96 m3
.
- Trạng thái rừng gỗ trồng núi đất: có tổng diện tích là 3.961,51 ha trên 980 lô kiểm kê, tổng trữ lượng gỗ là 270.580,22 m3.
- Trạng thái Rừng gỗ tự nhiên núi đất LRTX phục hồi: có tổng diện tích là 376,00 ha trên 324 lô kiểm kê, tổng trữ lượng gỗ là 311.549,32 m3
.
4.4. Đề xuất quy trình xác định trữ lƣợng rừng bằng tƣ liệu Sentinel-1 và Sentinel-2
Trên cơ sở kết quả nghiên cứu và đánh giá thực ti n, luận văn đưa ra đề xuất quy trình xác định trữ lượng rừng bằng tư liệu ảnh Sentinel-1 và Sentinel-2 như sau:
Bước 1: Chuẩn bị d liệu đầu vào
Gồm tư liệu Sentinel-1, Sentinel-2 của cơ quan hàng không vũ trụ châu Âu. Tư liệu Sentinel-1 và Sentinel-2 được cung cấp mi n phí tại trang chủ của cơ quan: https://scihub.copernicus.eu, dữ liệu này cần được thu thập tại cùng một thời điểm.
Số liệu sơ thám, thu thập thông tin khu vực nghiên cứu và điều tra mẫu hiện trường.
Bước 2: Xử lý d liệu
Để xử lý dữ liệu tư liệu Sentinel-1 và Sentinel-2 sử dụng phần mềm chuyên dụng, các thao tác được thực hiện trên phần mềm SNAP (Sentinel Application Platform).
* Xử lý tư liệu Sentinel-1:
Do bản chất của tư liệu Sentinel-1 là dữ liệu ảnh radar chứa nhiều nhi u nên sau khi nắn chỉnh hình học cần tiến hành lọc nhi u cho tư liệu Sentinel-1 trên phần mềm SNAP.
Theo đánh giá của chủ trì thực hiện luận văn phin lọc Sigma Lee là cho kết quả khả quan hơn cả. Khi tiến hành lọc có thể chọn các cửa sổ lọc có kích thước khác nhau như 3x3, 5x5, 7x7 ... hoặc 11 x11, cũng có thể tiến hành lọc nhiều lần với các cửa sổ có kích thước giống hoặc khác nhau nhưng sau mỗi lần lọc cần kiểm tra kết quả xem có bị mất nhiều chi tiết hay không để có sự điều chỉnh phù hợp.
- Định chuẩn cho tư liệu Sentinel-1:
Sau quá trình lọc nhi u ta cần tiến hành định chuẩn cho tư liệu Sentinel- 1 theo công thức định chuẩn:
0
(dB) = 10*log10(abs(DN)) Trong đó:
+ 0
(Sigma Nought) là giá trị tán xạ ngược radar tính bằng dB + DN (Digital Number) là giá trị điểm ảnh.
Để tiến hành thực hiện quá trình lọc nhi u cho tư liệu Sentinel-1 trên phần mềm SNAP cần có kết nối mạng Internet.
Việc lọc nhi u và định chuẩn tư liệu Sentinel-1 được tiến hành đồng thời cho cả hai phân cực VH và VV trên phần mềm SNAP. Kết quả sau khi định chuẩn được lưu dưới dạng raster ở định dạng *.img.
* Xử lý tư liệu Sentinel-2
Tư liệu Sentinel-2 gồm 12 kênh ảnh trong đó, ta tiến hành tổ hợp các kênh 4, 3, 2 để cho ảnh màu tự nhiên thể hiện các đặc điểm của lớp phủ bề mặt. Thao tác thực hiện trên phần mềm SNAP đã được định sẵn công thức tổ hợp màu tự nhiên.
Sau đó tiến hành kết hợp các kênh này với kênh 5 để tạo ra kênh ảnh NDVI (chỉ số khác biệt về thực vật).
Công thức tính NDVI:
NDVI = (NIR-RED) / (NIR+RED) Trong đó:
+ NDVI là chỉ số khác biệt thực vật (Normalize Different Vegistable Index)
+ NIR: Kênh cận hồng ngoại (Band 5) + RED là kênh đỏ (Band 4)
- Kết quả điều tra thực địa sẽ được tiến hành tổng hợp, xử lý và tính toán trữ lượng gỗ cho từng điểm mẫu. Căn cứ tọa độ điểm mẫu để số hóa bản đồ mẫu điều tra dưới dạng vector.
Bước 3: Kết h p d liệu
Kết quả định chuẩn tư liệu Sentinel-1 và kết quả xử lý tư liệu Sentinel-2 sẽ được kết hợp với nhau bằng các bước:
- Giá trị điểm ảnhtrên tư liệu Sentinel-1 đã định chuẩn và giá trị NDVI trên tư liệu Sentinel-2 sẽ được truyền vào từng điểm điều tra thực địa vào cùng thời đểm hoặc gần thời điểm ảnh được chụp.
- Xác định mối quan hệ giữa các giá trị điểm ảnh trên tư liệu Sentinel-1 với giá trị NDVI trên tư liệu Sentinel-2.
- Xác định mối quan hệ giữa các giá trị điểm ảnh đơn lẻ với trữ lượng gỗ tại các điểm điều tra.
- Kết hợp hai yếu tố ở trên, xác định mối quan hệ giữa tổ hợp giá trị điểm ảnh trên tư liệu Sentinel-1 và giá trị NDVI trên tư liệu Sentinel-2 với trữ lượng rừng.
- Từ kết quả của bước 3 ta tiến hành xây dựng mô hình xác định trữ lượng rừng bằng kết hợp tổ hợp giá trị điểm ảnh trên tư liệu Sentinel-1 và giá