2.1.1. M t êu un
Góp phần tạo cơ s khoa học cho việc áp dụng công nghệ vi n thám để thành lập bản đồ thảm thực vật rừng và công tác đánh giá biến động thảm thực vật rừng tại Vườn Quốc Gia Phong Nha K Bàng.
2.1.2. M t êu t
- Xây dựng được bản đồ hiện trạng rừng khu vực nghiên cứu từảnh vệ tinh và thống kê được các hiện trạng tài nguyên rừng năm 2019.
- Đánh giá đượcbiến động thảm thực vật rừng khu vực nghiên cứu giai đoạn 2009 - 2019.
- Đề xuất quy trình sử dụng ảnh vi n thám trong đánh giá biến động thảm thực vật rừng.
2.2. Đối tƣợng, phạm vi nghiên cứu
- Ảnh vệ tinh: Ảnh vệ tinh được sử dụng trong bài luận văn là ảnh vệ tinh Sential 2Avới độ phân giải không gian là 10x10m, ảnh được chụp vào ngày 11/4/2019.
Hình 2.1. Tƣ liệu ảnh Sentinel 2A năm 2019
- Địa điểm: Vườn quốc gia Phong Nha K Bàng, huyện Bố Trạch, tỉnh Quảng Bình.
2.3. Nội dung nghiên cứu
- Nghiên cứu đặc điểm hiện trạng tài nguyên rừng tại VQG Phong Nha – K Bàng.
- Nghiên cứu xây dựng bản đồ hiện trạng rừng khu vực nghiên cứu năm 2019 bằng phương pháp phân đoạn giải đoán ảnh vệ tinh khu vực nghiên cứu.
- Đánh giá biến động tài nguyên rừng tại VQG Phong Nha – K Bàng giai đoạn 2009 – 2019 ứng dụng công nghệ không gian địa lý.
- Đề xuất quy trình thành lập bản đồ biến động tài nguyên rừng VQG Phong Nha – K Bàng từ ảnh vệ tinh.
2.4. Phƣơng pháp nghiên cứu
2.4.1. n p p k t s l u
Kế thừa tài liệu là sử dụng những tư liệu được công bố từ các công trình nghiên cứu khoa học, các văn bản mang tính pháp lý, những tài liệu điều tra cơ bản của các cơ quan tổ chức có thẩm quyền liên quan đến lĩnh vực nghiên cứu. Việc kế thừa một cách chọn lọc nhằm giảm bớt khối lượng công việc nhưng vẫn đảm bảo chất lượng của luận văn. Phương pháp kế thừa tài liệu, được áp dụng trong luận văn để thu thập các số liệu:
+ Điều kiện tự nhiên khu vực nghiên cứu.
+ Các thông số kỹ thuật của ảnh vệ tinh Sentinel 2A. - Đặc điểm thông số của ảnh vệ tinh Sentinel:
Sentinel là tên của một loạt các vệ tinh quan sát trái đất thuộc Chương trình Copernicus của Cơ quan Không gian Châu Âu (ESA). Các vệ tinh được đặt tên từ Sentinel-1 tới Sentinel-6 có các thiết bị thu nhận quan sát đất liền, đại dương và khí quyển.
+ Sentinel-1A là vệ tinh dầu tiên trong loạt các vệ tinh thuộc chương trình Copernicus, đã được lên quĩ đạo ngày 3/4/2014. Thiết bị thu nhận ảnh radar khẩu độ m tổng hợp, kênh C (synthetic aperture radar - SAR).
Sentinel-1A có nhiệm vụ giám sát băng, tràn dầu, gió và sóng biển, thay đổi sử dụng đất, biến dạng địa hình và đáp ứng các trường hợp khẩn cấp lũ và động đất.Do là dữ liệu radar nên có các chế độ phân cực đơn (VV hoặc HH) và phân cực đôi (VV+VH hoặc HH+HV).
+ Sentinel-2A được phóng lên quĩ đạo ngày 23/6/2015. Đây là vệ tinh gắn thiết bị thu nhận ảnh đa phổ với 13 kênh phổ (443 nm–2190 nm), swath width 290 km, spatial resolutions 10 m (4 visible và near-infrared bands), 20 m (6 red-edge/shortwave-infrared) và 60 m (3 atmospheric correction bands).
Hiện tại dữ liệu thu nhận từ vệ tinh vẫn còn trong giai đoạn hiệu chỉnh do vậy dữ liệu ảnh chưa sử dụng được (cho tới 13 /12/2015). Khi vệ tinh thứ hai (Sentinel-2B) đưa vào sử dụng thì cả hai sẽ có chu lỳ lập lại là 5 ngày và nếu kết hợp với Landsat 8 thì chu kỳ quan sát trái đất sẽ là 3 ngày. Với dữ liệu này thì độ phân giải không gian cao hơn ảnh vệ tinh Landsat 8.
Sentinel-2A có nhiệm vụ giám sát các hoạt độ canh tác nông nghiệp, rừng, sử dụng đất, thay đổi lớp phủ thực vật/ sử dụng đất ..
2.4.2. Xây n mẫu k ó n o o n n vê t n tạ k u v n ên ứu.
Để xây dựng khóa ảnh phục vụ cho việc giải đoán ảnh vệ tinh Sentinel 2A từ phần mềm eCognition Developer chúng ta tiến hành xây dựng bộ mẫu phân loại hay bộ mẫu khóa ảnh (MKA) 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 vệ tinh. Bộ mẫu khóa ảnh là căn cứ để phần mềm giải đoán ảnh sử dụng các thông số (phổ, cấu trúc v.v.) trên các mẫu khóa ảnh để phân loại bản đồ dựa vào trên thuật toán phân loại hướng đối tượng.
Căn cứ xây dựng bộ mẫu khóa ảnh dựa vào bản đồ hiện trạng tài nguyên rừng, 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 đủ lớn để xác định một cách chính xác ngưỡng cho từng đối tượng đã phân tách trong cảnh ảnh. Số lượng mẫu khóa ảnh phụ thuộc vào diện tích của từng trạng thái. Tối thiểu mỗi trạng thái lấy 3 điểm mẫu khóa ảnh. Các MKA cần phân bố tương đối đều trên các dạng lập địa, trạng thái khác nhau. Sau đó tiến hành bố trí các MKA điều tra này lên trên bản đồ với nền Google Earth phục vụ cho công tác đi điều tra ngoài thực địa và phương pháp được thể hiện cụ thể trong hình 2.2 dưới đây:
Hình 2.2. Sơ đồ Phƣơng pháp xây dựng bộ mẫu khóa ảnh cho giải đoán ảnh vệ tinh
Xác định dung lượng mẫu dựa trên phương pháp điển hình, sau đó sử dụng phần mềm GIS kết hợp với ảnh vi n thám Google Earth xây dựng bản đồ khóa mẫu giải đoán ảnh, từ bản đồ khóa mẫu này cùng với các loại ranh giới tại khu vực nghiên cứu chuyển toàn bộ dữ liệu dưới dạng GIS sang định dạng máy GPS Garmin.
Cuối cùng sử dụng máy định vị này dẫn đường đến các MKA, tại các MKA tiến hành xác định trạng thái rừng phục vụ cho quá trình phân loại ảnh.
Hình 2.3. Hệ thống 90 M A ngoài thực địa
2.4.3. n p p xây n n ồ ên trạn r n
Sau khi xác định trạng thái và lập MKA ngoài thực địa thì tiến hành sử dụng phần mềm eCognition Developer phân loại đối tượng rừng theo phương pháp hướng đối tượng 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 trên ảnh làm căn cứ thiết kế hệ thống mẫu ảnh.
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 để khoanh các diện tích đồng nhất trên ảnh thành những lô trạng thái tương đối đồng nhất về tên trạng thái và trữ lượng rừng. Chức năng này thực hiện dựa trên cơ s 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 quả phân loại từ ảnh mà chọn ra giá trị phù hợp cho cả ba thông số, tiếp đến đưa hệ thống mẫu khóa ảnh thu thập ngoài thực địa vào phần mềm eCognition để là cơ s 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.
Bộ mẫu khóa ảnh thu thập ngoài thực địa được sử dụng làm cơ s cho phân loại có kiểm định. Các điểm mẫu ngoài thực địa tương ứng với các đối tượng khác nhau trên ảnh vệ tinh.
Sau quá trình phân loại có kiểm định các lô sẽ được tự động gắn trạng thái theo đúng quy định. Các trạng thái rừng được phân loại theo thông tư Số: 33/2018/TT-BNNPTNT quy định tiêu chí xác định và phân loại rừng. Đây là thông tư quy định về tiêu chí xác định rừng và hệ thống phân loại rừng phục vụ cho công tác điều tra, kiểm kê, thống kê rừng, quy họach bảo vệ và phát triển rừng, quản lý tài và xây dựng các chương trình, dự án lâm nghiệp và phương pháp phân loại nguyên rừng được thể hiện cụ thể trong hình 2.4 dưới đây:
Hình 2.4. Sơ đồ phƣơng pháp thành lập bản đồ hiện trạng tài nguyên rừng
Sử dụng phần mềm eCognition Developer phân loại ảnh, dựa trên điểm mẫu điều tra ngoài thực địa. Sau đó gán trạng thái cho tất cả các đối tượng bằng thuật toán nội suy từ điểm mẫu để thành lập bản đồ phân loại hiện trạng rừng. Sau khi có bản đồ phân loại hiện trạng rừng tiến hành bố trí ngẫu nhiên hoặc hệ thống các điểm mẫu dùng để kiểm chứng lại ngoài thực địa, các điểm mẫu này sẽ được chuyển vào máy định vị GPS dẫn đường, tìm đến các vị trí ngoài thực địa để kiểm tra. Sau đó đánh giá mức độ sai số do quá trình phân loại để đảm bảo độ tin cậy trong quá trình phân loại. Cuối cùng kết hợp với ranh giới để thành lập bản đồ hiện trạng rừng tại khu vực nghiên cứu.
Để đánh giá độ chính xác phân loại theo tổng hợp các tham số đề tài sử dụng chỉ số Kappa. Cách xác định chỉ số được thể hiện trong công thức sau.
K = (T-E)/(1-E)
Trong đó : T là độ chính xác toàn cục cho b i ma trận sai số
E là đại lượng thể hiện sự mong muốn (kỳ vọng) phân loại chính xác có thể dự đoán trước.
Chỉ số kappa (K) càng lớn thể hiện sự phân loại càng chính xác.
Sử dụng ma trận sai số phân loại để xác định độ chính xác toàn cục (T).
Bảng 2.1. Ma trận sai số phân loại tại khu vực nghiên cứu
Loạithực
Loạiđƣợcgiảiđoán
1 2 … (k-1) k Tổng
1 O11 O12 O12 O1(k-1) O1k S1+
2 O21 O22 … O2(k-1) O2k S2+
... ... ... ……
…
... ... ...
k-1 O(k-1)1 O(k-1)1 … O(k-1)(k-1) O(k-1)k S(k-1)+
k Ok1 Ok2 … Ok(k-1) Okk Sk+
Tổng S+1 S+2 … S+(k-1) S+k N
Trong đó:
S+j: tổng theo cột. Si+: tổng theo hàng.
N: tổng số trong bộ dữ liệu.
Tỷ lệ % sai số bỏ sót: ti+ = 100 * (Si+ - Oii)/Si+ Tỷ lệ % sai số thực hiện: t+j = 100 * (S+j – Ojj)/S+j
2.4.4. n p p t n l p n ồ n n r n .
Luận văn đã sử dụng bản đồ hiện trạng tài nguyên rừng được giải đoán từ ảnh vệ tinh, tiến hành chồng ghép với với bản đồ hiện trạng rừng trong quá khứ, thành lập ma trận biến động các trạng thái rừng, phân tích và đánh giá biến động thảm thực vật rừng khu vực nghiên cứu.Cụ thể, từ bản đồ Vườn quốc gia Phong Nha – K Bàng năm 2009 và 2019, luận văn đãtiến hành chồng ghép để có được bản đồ biến động qua các thời kỳ. Nguyên tắc đánh giá biến động của hai ảnh đã phân loại là dựa vào bảng ma trận biến động.
Hình 2.5. Quy trình thành lập bản đồ biến động Kiểm chứng độ chính xác bản đồ Thành lập bản đồ hiện trạng rừng Thành lập bản đồ chỉ số thực vật Dữ liệu thực tế, dữ liệu thống kê Dữ liệu vi n thám Dữ liệu GIS
Phân tích, xử lý thiết lập khóa giải đoán ảnh
Thu thập dữ liệu
Bản đồ biến động diện tích
Để thành lập được bản đồ biến động rừng, luận văn sử dụng phần mềm ArcGIS 10.4, các bước trong xây dựng bản đồ biến động rừng gồm:
B ớc 1: Xử lý dữ liệu ảnh
Tiến hành thu thập và lựa chọn ảnh Landsat 5 và Sentiel 2A cho khu vực nghiên cứu. Dữ liệu thu nhận được bao gồm các kênh phổ riêng l , do vậy cần phải tiến hành kết hợp các kênh ảnh để phục vụ việc giải đoán ảnh. Ngoài ra, khu vực nghiên cứu chỉ là một phần của tư liệu ảnh, nên cần phải cắt tách khu vực nghiên cứu ra. Một file ranh giới khu vực nghiên cứu được sử dụng để cắt tách khu vực nghiên cứu của Luận văn ra khỏi tờ ảnh.
Bên cạnh đó, với những khu vực mà diện tích phần ranh giới nằm trên 2 tư liệu ảnh khác nhau thì cần ghép 2 bức ảnh Landsat và Sentinel trước khi tiến hành các bước cắt, và giải đoán khu vực nghiên cứu.
B ớc 2: Phân loại ảnh
Bằng các dữ liệu ảnh thu thập được, tiến hành giải đoán ảnh bằng mắt kết hợp với phân loại có kiểm định từ đó thành lập lên bản đồ hiện trạng rừng qua các năm 2009, 2019 tại Vườn Quốc gia Phong Nha K Bàng.
B ớc 3: Thành lập bản đồ biến động rừng
2.4.5. n p p n n n t n uyên r n
Đặc điểm biến động tài nguyên rừng được đánh giá thông qua kết quả chồng xếplớp bản đồ: bản đồ giải đoán hiện trạng rừng (năm 2019) và bản đồ hiện trạng rừng năm 2009 của Vườn Quốc Gia Phong Nha – K Bàng sử dụng công cụ Union trong bộ công cụ Analysis trong ArcToolbox của phần mềm ArcGIS Desktop 10.4 Kết quả chồng xếp này sẽ tạo ra một bản đồ mới chứa thông tin về trạng thái rừng của cả 2 lớp bản đồ (2009 và 2019). Đặc điểm biến động được xác định và phân tích thông qua bảng ma trận biến động trạng thái rừng.
Nguyên tắc đánh giá biến động của hai bản đồ là dựa vào bảng ma trận biến động. Bảng ma trận biến động là một bảng chéo (Crossing image).
Bảng 2.2. Ma trận biến động giữa 2 thời điểm 2009 và 2019
Trên ma trận, theo cột và theo hàng là tên các đơn vị đã được phân loại theo 2 thời điểm 2009 và 2019. Theo đường chéo là các đơn vị không có sự biến động, còn lại là những biến động chi tiết của từng đơn vị. Ví dụ: L23 là đơn vị L2 của thời điểm năm 2009 biến thành đơn vị L3 của thời điểm năm 2019.
Nguyên nhân gây biến động được xác định trên cơ s tham vấn ý kiến của một số cán bộ thuộc Vườn Quốc Gia Phong Nha K Bàng và một số người dân địa phương.
Bản đồhiện trạng tài
nguyên rừng năm
2019
Bản đồ hiện trạng tài nguyên rừng năm 2009
L1 L2 L3
L1 L11 L21 L31
L2 L12 L22 L32
Chƣơng 3
ĐIỀU IỆN TỰ NHIÊN, INH TẾV XÃ HỘI HU VỰCNGHIÊN C U 3.1.Vị trí địa lý
Hình 3.1. Ví trí nghiên cứu
Vườn quốc gia Phong Nha - K Bàng nằm huyện Quảng Ninh, huyện Bố Trạch và huyện Minh Hóa, tỉnh Quảng Bình, cách thành phố Đồng Hới 50km theo hướng Tây Bắc; cách thủ đô Hà Nội khoảng 500 km về phía Nam; Vườn quốc gia giáp Khu bảo tồn thiên nhiên Hinnamno thuộc tỉnh
Khammouan, Lào về phía Tây; cách Biển Đông 42 km về phía đông kể từ biên giới của hai quốc gia.
Vườn có toạ độ địa lý trong phạm vi: 17021 12 vĩ độ Bắc đến 17044 51 vĩ độ Bắc; 105046 33 kinh độ Đông đến 106023 33 kinh độ Đông. Diện tích: 123.326 ha, có 03 phân khu: phân khu bảo vệ nghiêm ngặt (100.296 ha), phân khu phục hồi sinh thái (19.619 ha) và phân khu hành chính dịch vụ (3.411 ha). Vùng đệm có diện tích 219.855,34 ha thuộc 13 xã huyện Minh Hóa, Bố Trạch và Quảng Ninh.
3.2. Các nhân tố sinh thái tự nhiên
3.2.1. Đị ất, ị mạo
Địa hình Karst là nét đặc trưng tiêu biểu của khu vực Vườn quốc gia Phong Nha - K Bàng. Phần lớn diện tích của Vườn quốc gia là núi đá vôi và liên kết với vùng núi đá vôi thuộc Khu bảo tồn thiên nhiên Hinnamno của nước Cộng hoà dân chủ nhân dân Lào tạo vùng núi đá vôi liên tục lớn nhất Đông Nam Á. Với khối Karst rộng lớn chiếm 2/3 diện tích của Vườn, độ cao từ 300 - 1.100m, nằm phía Tây Bắc Quảng Bình, kéo dài khoảng 100 km dọc biên giới Việt - Lào.
Phong Nha - K Bàng ngày nay là kết quả phát triển của 05 giai đoạn tạo nên một bình đồ địa chất có mặt các thành tạo từ kỷ Ordovician (464 Ma) đến Đệ Tứ. Điều này được minh chứng qua các phức hệ hoá thạch cổ sinh phong phú và đa dạng cả về loài, giống vừa đại diện cho các tuổi địa tầng khác nhau: Giai đoạn Ordovic muộn - Silur (450 - 410 triệu năm): vỏ Trái đất bị phá vỡ, sụt lún, tạo các trầm tích lục nguyên hệ tầng Long Đại. Giai đoạn Devon (410 - 355 triệu năm): vỏ Trái đất bị sụt lún lần thứ hai, biển m rộng;các trầm tích