(1) XY = (400159; 2058855); (2) XY = (400469; 2058748); (3) XY = (400216; 2058575); (4) XY = (400372; 2058399); (5) XY = (400507; 2058184); (6) XY = (400930; 2058325). Ảnh tổ hợp màu Sentinel 2 (RGB: 12-8A-4) trên GEE tại thời điểm chưa có rừng (A-20/01/2017) và sau khi có thêm rừng mới (B-30/12/2019).
3.3.2. Xác định ngưỡng chỉ số viễn thám và kiểm chứng kết quả
Để xác định ngưỡng chỉ số tương đối phát hiện thêm rừng sử dụng các chỉ số ARVI trên ảnh Sentinel 2, tác giả đã sử dụng 80 mẫu thêm rừng và các cảnh ảnh Sentinel 2 của khu vực VQGNKĐ các năm (2016, 2018 và 2019) với thời điểm T1, T2 đã được chỉ ra trong phần phương pháp nghiên cứu.
Các lớp dữ liệu chỉ số ARVI được tính toán cho các thời điểm cụ thể, thể hiện rõ sự biến động chỉ số tại các vùng mẫu bị mất rừng và suy thoái rừng. Các lớp dữ liệu này được phân tích so sánh với dữ liệu tại thời điểm 30/12/2019. Biến độc chỉ số ARVI được thể hiện trên các hình dưới đây.
Hình 3.10. Ảnh chỉ số ARVI tại các ví dụ vùng mẫu khi chưa có rừng (A), sau khi có rừng mới (B), và ảnh chỉ số KB (ARVI) tương ứng (C)
Kết quả thể hiện rõ sự thay đổi của chỉ số ARVI trên các khu vực mẫu về mặt hiển thị (hình 3.10A, B). Vì vậy, chỉ số KB (ARVI) có sự khác biệt rõ rệt giữa các khu vực thêm rừng và các khu vực rừng ổn định xung quanh (Hình 3.10 C).
Thông qua tính toán chỉ số KB (ARVI) của các vùng mẫu thêm rừng, kết quả xác định ngưỡng chỉ số tương đối các vùng mẫu thêm rừng được tổng hợp trong bảng 3.7:
Bảng 3.7. Đặc điểm thống kê của các vùng mẫu định ngưỡng trong nghiên cứu Mẫu Số lượng Độ lệch chuẩn Giá trị thấp nhất Trung bình Giá trị cao nhất Mẫu thêm rừng 60 212,76 173,93 479,79 965,4297
(Kết quả chi tiết xác định ngưỡng thêm rừng trên ảnh Sentinel 2 tại phụ lục)
Số liệu được tổng hợp ở bảng 3.7 đã cho thấy: Trong tổng số 60 mẫu nghiên cứu về thêm rừng, chỉ số KB (ARVI) có giá trị nhỏ nhất là 173,93 và có giá trị lớn nhất là 965,43 và giá trị trung bình là 479,79
Từ đó, nghiên cứu đã xác định ngưỡng để phát hiện thêm rừng tại khu vực nghiên cứu cho trường hợp sử dụng chỉ số ARVI và ảnh Sentinel 2 có KB (ARVI) từ 173,93 đến 965,43.
Tuy nhiên, giá trị KB (ARVI) có thể dao động trong biên độ rất lớn. Thời gian phát triển của rừng mới càng lâu, sự chênh lệch giữa giá trị ARVI tại hai thời điểm càng lớn, dẫn đến giá trị KB (ARVI) tăng liên tục cho đến khi rừng đạt tới sự ổn định. Vì vậy, khi đưa ra ngưỡng KB (ARVI) xác định thêm rừng mới, nghiên cứu chú trọng hơn đến giá trị thấp nhất trong các mẫu, cụ thể ở đây là KB (ARVI) min = 173,93.
Ngoài ra, việc có thêm rừng mới chỉ có thể xảy ra ở các kiểu sử dụng đất như đất trống, đất nông nghiệp, và đất lâm nghiệp. Những kiểu lớp phủ khác như mặt nước và khu dân cư phải được loại bỏ ra khỏi đối tượng phân tích để tránh xảy ra nhầm lẫn trong việc xác định rừng mới. Ví dụ như một khu vực dân cư bằng bê tông có giá trị ARVI rất nhỏ: ARVIT1 = 0,01. Chỉ cần một thay đổi rất nhỏ của bề mặt, ví dụ như trồng một thảm cỏ hoặc một vườn hoa, chưa kể tới các giá trị phổ dao động trong khoảng nhỏ do nhiễu, dẫn đến giá trị tăng lên ARVIT2 = 0,2. Điều này dẫn đến giá trị KB (ARVI) = 100 × (0,2-0,01)/0,01 = 1.900 cho dù thực tế không hề có thảm rừng nào phát triển. Thực tế này yêu cầu các nhà phân tích phải có sự hỗ trợ của bản đồ lớp phủ và bản đồ kiểu sử dụng đất để loại bỏ những đối tượng diện tích ngoài khả năng phát triển thành rừng. Đây cũng là một trong những phát hiện chính của nghiên cứu này, từ đó mở ra hướng nghiên cứu bổ sung nhằm phân loại ngưỡng chỉ số ARVI để xây dựng bản đồ che phủ rừng và giới hạn các diện tích đưa vào quy trình phát hiện rừng mới
3.3.3. Đánh giá độ chính xác
Nghiên cứu đã sử dụng các cảnh ảnh Sentinel 2 năm 2019 của khu vực VQGNKĐ với thời điểm T1, T2 để xác định các vùng thêm rừng theo kết quả xác định ngưỡng thêm rừng KB (ARVI) ở phần trên. Tiếp theo, nghiên cứu
đối chứng với 20 mẫu thêm rừng đã được lựa chọn để đánh giá độ chính xác phát hiện thêm rừng. Kết quả được trình bày trong Bảng 3.6 dưới đây:
Bảng 3.8. Kết quả đánh giá độ chính xác phát hiện thêm rừng trênảnh vệ tinh Sentinel 2 ảnh vệ tinh Sentinel 2
TT Đặc điểm Mẫu mất rừng (kiểm chứng)
1 Số lượng mẫu 20
2 Độ lệch chuẩn 275,66
3 Trung bình 521,04
4 Giá trị thấp nhất 181,16
5 Giá trị cao nhất 1024,078
6 Số lượng mẫu trong ngưỡng 19
7 Số lượng mẫu vượt ngưỡng 1
8 Số lượng mẫu dưới ngưỡng 0
9 Tỷ lệ chính xác 95%
(Kết quả chi tiết đánh giá độ chính xác phát hiện thêm rừng trên ảnh Sentinel 2 tại phụ lục)
Kết quả trong Bảng 3.7 cho thấy: phương pháp sử dụng chỉ số tương đối KB với việc sử dụng ảnh Sentinel 2 để phát hiện thêm rừng có độ chính xác rất cao, đạt độ chính xác 95%. Kết quả xác định ngưỡng chỉ số KB (ARVI) thêm rừng cho thấy các ngưỡng xác định thêm rừng có tỷ lệ chính xác cao, có triển vọng được áp dụng vào thực tiễn.
3.3.4. Xây dựng bản đồ phân bố diện tích thêm rừng mới
Sau khi áp dụng các ngưỡng xác định thêm rừng, nghiên cứu xây dựng bản đồ phân bố các vùng thêm rừng phát hiện được vào cuối thời gian nghiên cứu: năm 2019.
Bản đồ phân bố khu vực thêm rừng rừng được thể hiện trên hình 3.11.