118 DM 31 0,655 0,230 0,049 0,073 233,53 260,8 27,3 11,7 DM 34 0,649 0,233 0,049 0,074 360,13 246,8 113,3 31,5 NM03 0,561 0,228 0,065 0,088 133,54 98,3 35,2 26,4 NM04 0,592 0,242 0,063 0,085 213,57 151,6 61,9 29,0 2012_N_1 0,424 0,179 0,085 0,105 31,75 7,1 24,7 77,7 CMD1-ĐM 0,537 0,190 0,054 0,076 129,14 144,9 15,7 12,2 2012_N_4 0,395 0,230 0,079 0,100 8,55 37,6 29,0 339,5 2012_N_5 0,479 0,222 0,078 0,102 21,77 21,6 0,2 0,8 Trung bỡnh 42,9 52,8 RMSE 15,9
Kết quả kiểm nghiệm mụ hỡnh trong bảng 5 cho thấy, mơ hỡnh ước tớnh khả quan với sai số 15,9 tấn/hạ Tỷ lệ về sai số sinh khối tớnh với sinh khối rừng đo cú sai số lệch chuẩn là 52,8%, như vậy, ước tớnh tớnh sinh khối thơng qua mơ hỡnh đa biến cho độ chớnh xỏc thấp khoảng 47,8% khi sử dụng mơ hỡnh đa biến. Độ chớnh xỏc thấp hơn so với một số nghiờn cứu trước đõy cho đối tượng rừng nỳi cao với độ chớnh xỏc 53% ở Tõy Nguyờn (Bảo Huy và Nguyễn Thị Thanh Hương, 2014).
3.4. Bản đồ sinh khối và cỏc bon của rừng Đước tại Cà Mau
Bản đồ sinh khối rừng ngập mặn Cà Mau được lập dựa trờn 1 cảnh ảnh SPOT5 (10 x 10 m) và sử dụng hàm hồi quy một biến giữa giỏ trị NDVI của ảnh SPOT 5 lọc 3x3 và sinh khối rừng trờn mặt đất đo được tại 45 ụ tiờu chuẩn.
Phương trỡnh sử dụng để tớnh sinh khối rừng trờn mặt đất tỉnh Cà Mau từ chỉ số thực vật NDVI trờn ảnh SPOT 5 như sau: ln(TAGB) = exp(2,00613 - 0,0794042/NDVI^3) với hệ số xỏc định là R2 = 0,84. Kết quả lập bản đồ sinh khối được thể hiện trong hỡnh 6.
Hỡnh 6. Bản đồ sinh khối rừng ngập mặn tại khu vực tỉnh Cà Mau
Bản đồ sinh khối Cà Mau được phõn cấp thành 4 cấp sinh khối rất thấp (10 - 50 tấn/ha), sinh khối thấp (51 - 100 tấn/ha), sinh khối trung bỡnh (101 - 250 tấn/ha) và sinh khối cao (251 - 600 tấn/ha). Khu vực sinh khối cao (trờn 250 tấn/ha) chủ yếu tập trung ở vựng lừi Vườn Quốc gia Đất Mũi, cịn lại một ớt diện tớch phõn bố rải rỏc tại cỏc lõm ngư trường. Rừng cú mức sinh khối từ 100 - 250 tấn/ha phõn bố nhiều nhất trong khu vực nghiờn cứụ Khu vực sinh khối rất thấp chủ yếu là khu vực bói bồi cú Mắm tỏi sinh.
Đỏnh giỏ về mức độ chớnh xỏc khi xõy dựng bản đồ bằng phương phỏp mơ hỡnh quan hệ cho thấy, ở khu vực nghiờn cứu cú diện tớch rừng ngập mặn phõn bố tập trung thỡ cú mức độ ước tớnh sinh khối chớnh xỏc hơn so với khu vực diện tớch rừng hẹp và phõn bố xen lẫn vuụng tụm. Điều này được giải thớch với độ phõn giải của ảnh 10 x 10 m thỡ những dải rừng cú diện tớch hẹp sẽ bị nhiễu bởi cỏc yếu tố khỏc, cụ thể ở khu vực này bị nhiễu bởi mặt nước, vuụng tụm và mặt đất do đú việc xỏc định sinh khối cần ảnh với độ phõn giải cao hơn sẽ phản ỏnh chớnh xỏc hơn.
Hỡnh 7. Bản đồ tớch lũy cỏc bon rừng ngập mặn tại khu vực tỉnh Cà Mau
Nông nghiƯp và phỏt triển nụng thụn - KỲ 2 - THáNG 5/2021 119
4. KẾT LUẬN
Giữa sinh khối trờn mặt đất với giỏ trị cường độ phản xạ trờn ảnh SPOT 5 của rừng Đước tỉnh Cà Mau cú mối quan hệ tương quan khỏ chặt, đối với kờnh chỉ số thực vật NDVI và kờnh hồng ngoại thỡ giỏ trị phản xạ tăng lờn khi sinh khối tăng lờn, cũn kờnh đỏ, lục và hồng ngoại súng ngắn thỡ sinh khối càng tăng thỡ khả năng phản xạ càng kộm.
Cú thể sử dụng mơ hỡnh hồi quy giữa chỉ số thực vật NDVI và sinh khối rừng để xỏc định và lập bản đồ sinh khối trờn mặt đất rừng tại khu vực nghiờn cứu mơ hỡnh được lựa chọn để ước tớnh sinh khối rừng cú dạng: ln(TAGB) = exp(2,00613 – 0,0794042/NDVI3 với hệ số xỏc định R2 = 0,85, SSR = 0,03, SEE = 0,03 và MAE = 0,02.
Mơ hỡnh ước tớnh sinh khối rừng khả quan với sai số 15,9 tấn/hạ Tỷ lệ về sai số sinh khối tớnh với sinh khối rừng đo cú sai số lệch chuẩn là 52,8%, như vậy, ước tớnh tớnh sinh khối thơng qua mơ hỡnh đa biến cho độ chớnh xỏc thấp khoảng 47,8% khi sử dụng mơ hỡnh đa biến.
Bản đồ sinh khối Cà Mau được phõn cấp thành 4 cấp sinh khốị Khu vực sinh khối cao (trờn 250 tấn/ha) chủ yếu tập trung ở vựng lừi Vườn Quốc gia Đất Mũi, cũn lại một ớt diện tớch phõn bố rải rỏc tại cỏc lõm ngư trường. Sử dụng dữ liệu viễn thỏm xỏc định sinh khối rừng trờn mặt đất cho kết quả sinh khối rừng chi tiết tới từng điểm ảnh và thực hiện được ở khu vực lớn. Do đú, kết quả này cú ưu điểm hơn so với phương phỏp tớnh sinh khối rừng bằng phương phỏp đo tớnh thực địạ
TÀI LIỆU THAM KHẢO
1. Blasco, F., Aizpuru, M. và Gers, C. (2001). Depletion of the mangroves of Continental Asia, Wetlands Ecology and Management, 9 (3): 255 - 266.
2. Brown, S., Gillespie, Ạ J. và Lugo, Ạ Ẹ (1989). Biomass estimation methods for tropical forests with applications to forest inventory data, Forest science, 35 (4): 881 - 902.
3. El Hajj, M., Bộguộ, Ạ, Lafrance, B., Hagolle, Ọ, Dedieu, G. và Rumeau, M. (2008). Relative radiometric normalization and atmospheric correction of a SPOT 5 time series, Sensors, 8 (4): 2774 - 2791.
4. Heiskanen, J. (2006). Estimating
aboveground tree biomass and leaf area index in a mountain birch forest using ASTER satellite data, International Journal of Remote Sensing, 27 (6): 1135 - 1158.
5. Henry, M., Besnard, Ạ, Asante, W., Eshun, J., Adu - Bredu, S., Valentini, R., Bernoux, M. và Saint - Andrộ, L. (2010). Wood density, phytomass variations within and among trees, and allometric equations in a tropical rainforest of Africa, Forest Ecology and Management, 260 (8): 1375 - 1388.
6. Bảo Huy, Nguyễn Thị Thanh Hương (2014). Sử dụng ảnh vệ tinh SPOT-5 và GIS để ước tớnh và giỏm sỏt sinh khối, cỏc bon ở rừng lỏ rộng thường xanh vựng Tõy Nguyờn. Tạp chớ Khoa học Cụng nghệ Việt Nam, số 9, trang 52 - 58.
7. Josộ, N. (2009). Biomass component equations for Latin American species and groups of species, Annals of Forest Science, 66 (2): 1 - 21.
8. Lu, D. (2005). Aboveground biomass estimation using Landsat TM data in the Brazilian Amazon, International Journal of Remote Sensing, 26 (12): 2509 - 2525.
9. Lu, D. (2006). The potential and challenge of remote sensing - based biomass estimation, International Journal of Remote Sensing, 27 (7): 1297 - 1328.
10. MacDicken, K. G. (1997). A guide to monitoring carbon storage in forestry and agroforestry projects, Winrock International Institute for Agricultural Development USẠ
11. Mitchard, Ẹ, Saatchi, S., Lewis, S., Feldpausch, T., Woodhouse, Ị, Sonkộ, B., Rowland, C. và Meir, P. (2011). Measuring biomass changes due to woody encroachment and deforestation/degradation in a forest - savanna boundary region of central Africa using multi - temporal L - band radar backscatter, Remote Sensing of Environment, 115 (11): 2861 - 2873.
12. Roy, P. S. và Ravan, S. (1996). Biomass estimation using satellite remote sensing data - An investigation on possible approaches for natural forest, Journal of Biosciences, 21 (4): 535 - 561.
13. Sun, G., Ranson, K. J., Guo, Z., Zhang, Z., Montesano, P. và Kimes, D. (2011). Forest biomass mapping from lidar and radar synergies, Remote Sensing of Environment, 115 (11): 2906 - 2916.
Nụng nghiệp và phỏt triển nụng thụn - KỲ 2 - THáNG 5/2021
120
14. Wang, L. và Sousa, W. P. (2009). Distinguishing mangrove species with laboratory measurements of hyperspectral leaf reflectance,
International Journal of Remote Sensing, 30 (5): 1267 - 1281.
APPLYING SPOT5 SATELLITE IMAGE TO ESTIMATE MANGROVE FOREST BIOMASS AND CARBON STOCK IN CA MAU PROVINCE
Nguyen Thi Ha1, Nguyen Thi Hoa1, Dang Viet Hung1,Vo Minh Hoan1,Nguyen Van Hop1
1Natural resources and environment Faculty, Vietnam National University of Forestry at Dong Nai campus
Summary
The assessing biomass and carbon stock is the challenge at recently, in mangrove forest because of inaccessibilitỵ This research provides a databased and model for biomass and carbon stock of mangrove forest for management, restoration, maintenance and development of this ecosystem. The specific objectives are to analysis the correlation between scattering values extracted from multi - polarized radar image and reflective value extracted from optical image (SPOT 5 image) with forest biomass above the ground; and to develop a model for estimating biomass and carbon stock of mangrove forest based on field work and remote sensing datạ The study used some methods including field investigation, satellite image interpretation based on NDVI index, and field investigation. The results showed the estimating forest biomass function as ln(TAGB) = exp(2.00613 - 0.0794042/NDVI3 with coefficient R2 = 0.85, SSR = 0.03, SEE = 0.03 and MAE = 0.02. And establishing the biomass map in mangrove forest in Ca Mau that illustrated 4 levels: very low level (10 - 50 ton/ha), low level (51 - 100 ton/ha), medium level (101 - 250 ton/ha), high level (251 - 600 ton/ha).
Keywords: Estimating forest biomass function, SPOT 5 image, mangrove forest, Ca Maụ Người phản biện: PGS.TS. Trần Quang Bảo
Ngày nhận bài: 24/02/2021
Ngày thụng qua phản biện: 24/3/2021 Ngày duyệt đăng: 31/3/2021
Nụng nghiệp và phỏt triển nụng thụn - KỲ 2 - THáNG 5/2021 121