5.3.1. Kiểm tra dạng chuẩn của các biến số
Một bảng thống kê kiểm tra các biến số có chuẩn hay không là cần thiết trước khi sử dụng các biến sô này để đưa vào phân tích. Tiến trình này được thực hiện trong phần mềm statgraphics và kết quả thể hiện trong bảng 5.5.
Bảng 5.5: Bảng tóm tắt thống kê các biến số
Band 1 Band 2 Band 3 Band 4 Carbon NDVI
Tổng số 18 18 18 18 18 18
Trung bình 82,4056 48,5722 173,489 77,5611 151,911 0,556111
Sai tiêu chuẩn 5,76312 7,2947 19,111 6,30034 106,7 0,0843061
Hệ số biến động 6,9936% 15,0183% 11,0157% 8,12307% 70,2385% 15,1599%
Giá trị tối thiểu 75,0 40,7 129,5 67,0 44,1 0,31
Giá trị tối đa 91,4 68,8 202,8 92,4 433,2 0,63
Phạm vi 16,4 28,1 73,3 25,4 389,1 0,32
Độ lệch 0,776285 2,41771 -1,50416 0,757634 2,36694 -3,0312
Độ nhọn -1,16278 1,68538 0,721407 0,277148 1,21017 2,77284
Kết quả thống kê của bảng trên cho thấy các band 1,3 và 4 là thỏa mãn phân bố chuẩn thể hiện ở độ lệch (skewness) và độ nhọn (kurtosis) nằm trong phạm vi từ -2 đến + 2. Trong khi đó band 2, NDVI và giá trị carbon vượt quá giá trị này. Vì vậy để đảm bảo các biến số là chuẩn, trước khi xây dựng, các biến này cần được chuyển đổi để đưa về dạng chuẩn.
Kết quả đổi biến số trong bảng 5.6 cho thấy các biến số lúc này đã thõa mãn điều kiện để tham gia trong mô hình hồi quy.
42
Bảng 5.6: Phân bố chuẩn giữa giá trị carbon và 4 band ảnh SPOT sau khi đổi biến
B1 log(B2) B3 B4 Sqrt(C) 1/log(NDVI)
Tổng số 18 18 18 18 18 18
Trung bình 82,4029 3,87321 173,476 77,5588 11,7032 -1,76311
Sai tiêu chuẩn 5,75931 0,140356 19,116 6,30358 3,97811 0,371232 Hệ số biến động 6,9892% 3,62376% 11,0194% 8,12748% 33,9916% -21,0555%
Giá trị tối thiểu 75,0 3,70541 129,455 67,0 6,64054 -2,1797
Giá trị tối đa 91,4 4,23147 202,778 92,4444 20,8125 -0,844219
Phạm vi 16,4 0,526059 73,3232 25,4444 14,1719 1,33548
Độ lệch 0,778608 1,8972 -1,50671 0,766665 1,53816 1,92173
Độ nhọn -1,16437 0,651441 0,720879 0,296783 -0,0534337 0,536686
5.3.2. Xây dựng mô hình hồi quy
Phân tích tương quan Pearson giữa chỉ số của từng band của ảnh SPOT, ảnh NDVI với giá trị carbon trong bảng 5.7 cho thấy mối quan hệ giữa các kênh phổ và trữ lượng carbon.
Bảng 5.7: Bảng phân tích Pearson các biến số
Sqrt(C) B1 log(B2) B3 B4 B1 -0,1961 0,4355 log(B2) -0,2556 0,9438 0,3059 0,0000 B3 0,0303 -0,4703 -0,6156 0,9049 0,0489 0,0065 B4 -0,0837 -0,1775 -0,1300 0,6786 0,7411 0,4811 0,6071 0,0020 1/log(NDVI) -0,2012 0,7908 0,8920 -0,8617 -0,4348 0,4233 0,0001 0,0000 0,0000 0,0714
43
Qua kết quả bảng 5.7 trên cho thấy mối tương quan giữa giá trị carbon với giá trị phổ của ảnh là không có ý nghĩa thống kê trong tất cả các kênh ảnh gốc band 1, 2, 3 và 4 cho đến band tỷ số NDVI. Hầu hết các kênh có mối quan hệ nghịch với trữ lượng carbon, ngoại trừ kênh 3. Theo Spanner và cộng sự (1990), mối quan hệ giữa các kênh ảnh gốc và kênh tỷ số không chỉ được xác định bởi thực vật ở tầng trên mà còn bị ảnh hưởng bởi thực vật tầng dưới, đặc biệt là đối với rừng bị vỡ tán. Thông thường mối quan hệ nghịch là được tìm thấy giữa nhân tố điều tra với các kênh trong dải phổ nhìn thấy (band SPOT 1 và 2) và kênh ở vùng hồng ngoại giữa (như band 4 Landsat). Điều này là do sắc tố và nước trong thực vật hấp thụ năng lượng ánh sáng khả biến. Ngược lại mối quan hệ này theo chiều dương ở vùng hồng ngoại gần như band SPOT 3 là do thực vật phản xạ mạnh với bước sóng hồng ngoại gần. Trong nghiên cứu này mối quan hệ này cũng không phải là ngoại lệ. NDVI thường được sử dụng rộng rãi cho nghiên cứu thực vật, nhưng kết quả trên cho thấy NDVI cũng không làm cải thiện được mối quan hệ đơn biến giữa nhân tố carbon và giá trị từng band phổ.
Tóm lại mặc dù phần nào phản ảnh được chiều hướng quan hệ giữa giá trị phổ của các kênh với nhân tố trữ lượng carbon lâm phần, nhưng mối quan hệ này là không có ý nghĩa thống kê. Do vậy mô hình với các tổ hợp đa biến cần được kiểm tra với mong đợi có thể cải thiện được mối quan hệ này bằng các mô hình thích hợp.
Một loạt các tổ hợp biến cần được kiểm tra dạng chuẩn khi tổ hợp chúng với nhau. Bảng 5.8 thể hiện các tổ hợp biến là chuẩn, do vậy các tổ hợp biến này đã được sử dụng để kiểm tra với một số mô hình hồi quy đa biến. Tiêu chuẩn để lụa chọn mô hình dựa vào hệ số tương quan và hệ số tương quan điều chỉnh với mối quan hệ có ý nghĩa thống kê (P<0.05). Trong số các mô hình được kiểm tra (xem ở phụ lục 2), mô hình 5.1 là phù hợp nhất để ước lượng trữ lượng carbon vì có hệ số tương quan thể hiện cao nhất so với các mô hình còn lại.
44
Bảng 5.8: Bảng kiểm tra thống kê mẫu
(1/B1)^4 log(B4) B2/B4 log(B3)^2 Sqrt(C)
Tổng số 18 18 18 18 18
Trung bình 2,26574E-8 4,34799 0,630972 26,5347 11,7032
Sai tiêu chuẩn 5,91385E-9 0,0805158 0,112788 1,18856 3,97826
Hệ số biến động 26,1012% 1,85179% 17,8753% 4,47927% 33,993%
Giá trị tối thiểu 1,4329E-8 4,20469 0,493506 23,6554 6,64078
Giá trị tối đa 3,16049E-8 4,52613 0,866499 28,2197 20,8135
Phạm vi 1,7276E-8 0,321434 0,372992 4,56429 14,1727 Độ lệch -0,213143 0,383271 1,49111 -1,92959 1,53812 Độ nhọn -1,14141 -0,0087423 -0,550811 1,14475 -0,0529592 SQRT(C) = 528,554 – 1,76926E9*(1/Band1)^4 – 42,1727*log(Band4) – 162,822*(Band2/Band4) – 7,18537*log(Band3)^2 (5.1) R2 =0,503; R2adj = 0,350 (P<0,05) 5.4 Tạo ảnh carbon
Từ mô hình hồi quy được thiết lập ở trên, sử dụng công cụ xây dựng mô hình trong phần mềm Erdas Image để tạo lập ảnh carbon. Thuật toán được viết như sau:
( 528.554 – EITHER 0 IF( $n2_anhspot(1) == 0) OR (1.76926 * (10 ** 9)) * float ((1/ $n2_anhspot(1)) ** 4) OTHERWISE - 42.1727 * float ( LOG ( $n2_anhspot(4)) ) - 162.822 * EITHER 0 IF ( $n2_anhspot(4) == 0 ) OR float ($n2_anhspot(2) / $n2_anhspot(4)) OTHERWISE - 7.18537 * float ( log ( $n2_anhspot(3)) ** 2 ) ) ** 2 (5.2)
Kết qủa cho ra ảnh đơn kênh với các giá trị carbon đã được ước lượng thông qua mô hình.
45
Hình 5.2: Bản đồ carbon
5.5 Đánh giá độ chính xác mô hình
Dựa trên giá trị carbon từ ảnh ước lượng cùng với giá trị tương ứng trên thực địa của 7 ô điều tra không tham gia vào bộ dữ liệu để xây dựng mô hình, tiến hành đánh giá chất lượng của mô hình bằng tiêu chuẩn sai số trung phương (RMSE). Kết quả được tổng hợp trong bảng 5.9.
46
Bảng 5.9: Đánh giá độ chính xác mô hình ước lượng Carbon
X Y C đo tính
từ thực địa C từ ảnh Sai số ô mẫu
765117 1343514 97,23 153,95 56,72 756557 1351561 102,09 242,28 140,18 754626 1351281 139,30 115,29 -24,01 743814 1348786 239,21 113,59 -125,61 745663 1348899 140,33 132,74 -7,59 749518 1353057 93,02 54,73 -38,29 747822 1351725 112,92 171,47 58,55 132,01 140,58 8,56 Sai số trung bình 64,42
Sai số trung phương 72,41
Sai số trung phương tương đối (%) 54,5
Qua bảng cho thấy chênh lệch trung bình giữa giá trị carbon thực tế và carbon giải đoán là khoảng 64tấn /ha với sai số trung phương tương đối dưới 55%.
Kết quả đánh giá chất lượng cho thấy sai số tương đối cao. Điều này có thể là vì một số nguyên nhân sau:
a) Số lượng ô mẫu dùng để giải đoán nhỏ (18 ô) trong khi đó có sự thay đổi lớn về mật độ và đường kính giữa các trạng thái là hai nhân tố được sử dụng để tính carbon. Hơn nữa dữ liệu được thu thập chủ yếu trên các lâm phần đã bị tác động với mức độ từ trung bình cho đến cao, do đó cấu trúc tầng tán là khác nhau, đặc biệt là ở lâm phần bị tác động nhiều. Trong khi đó cảm nhận của các band phổ của ảnh vệ tinh là nhạy cảm với tầng tán, vì vậy có thể có sự không đồng nhất khi lựa chọn ô mẫu thử nghiệm.
b) Mặc dù đã thử nghiệm trên các mô hình khác nhau nhưng số mô hình dùng để thử nghiệm còn hạn chế. Vì vậy mối quan hệ này có thể chưa được biểu diễn tốt bằng các mô hình đã thực hiện ở trên.
c) Mô hình được thiết lập bởi phương pháp hồi quy, do vậy có thể chưa được thích hợp trong trường hợp này
47
d) Chất lượng ảnh với độ phân giải không gian trung bình (10x10 m: 1 pixel tương ứng với 100 m ở thực địa có thể là một nguyên nhân dẫn đến sai số.
e) Vị trí tọa độ ô mẫu cũng có thể là nguyên nhân dẫn đến sai số, chẳng hạn do khả năng hạn chế khi thu nhận vệ tinh của GPS trong rừng dẫn đến một số ô mẫu có thể sai lệch so với thực tế. Vì vậy giá trị các pixel được trích trên ảnh để phân tích có thể bị sai lệch.
48
6. Chương 6
KẾT LUẬN VÀ KIẾN NGHỊ
6.1 Kết luận
Hiện nay các nghiên cứu liên quan đến đo tính trữ lượng hấp thụ carbon của cây rừng đang được thực hiện bởi các phương pháp khác nhau. Ứng dụng viễn thám và GIS đã được nghiên cứu khá kỹ càng trong theo dõi thay đổi thảm phủ rừng, tuy nhiên sử dụng ảnh vệ tinh và GIS để đo tính carbon hấp thụ của rừng tự nhiên là chưa có, do vậy nếu ứng dụng viễn thám và GIS trong việc mô hình hóa mối quan hệ giữa carbon với các giá trị phản xạ phổ của ảnh vệ tinh sẽ hỗ trợ tốt cho việc quản lý, giám sát tài nguyên rừng nói chung và lượng carbon tích lũy nói riêng. Hơn nữa nghiên cứu xây dựng mối tương quan giữa giá trị ảnh và carbon lưu giữ sẽ rất hữu ích trong bối cảnh hiện nay nó sẽ đẩy nhanh quá trình thực hiện việc đo tính trữ lượng carbon rừng khi mà giá trị môi trường rừng đang được quan tâm cao của quốc gia và cộng đồng quốc tế.
Kết quả nghiên cứu đạt đựơc độ chính xác còn khá thấp với yêu cầu thông tin với độ chính xác cao (sai số trung phương tương đối là 54,5%). Mặc dù vậy, kết quả cũng có thể áp dụng để có thông tin sơ bộ về tình hình tài nguyên rừng và có thể sử dụng như một thông tin tham khảo mang tính chất định hướng cho việc quản lý trên diện rộng.
6.2 Kiến nghị
Nghiên cứu tiến hành việc ước tính trữ lượng carbon từ ảnh vệ tinh SPOT dựa trên việc xây dựng mối tương quan giữa giá trị carbon đo tính tuy nhiên kết quả đạt được độ chính xác còn khá thấp (sai số trung phương ± 72,41 tấn/ha). Để nâng cao độ chính xác qua đó tăng tính ứng dụng của nghiên cứu vào thực tiễn có thể thực hiện một số biện pháp như:
49
- Sử dụng ảnh vệ tinh có độ phân giải cao hơn
- Các ô mẫu được phân bố ngẫu nhiên, đồng đều ở các trạng thái, số lượng ô mẫu điều tra lớn hơn
Có thể phân vùng các lớp trạng thái trước khi thu thập ô mẫu. Dựa trên các phân vùng trạng thái này, tiến hành thu thập các ô mẫu và xây dựng mối quan hệ cho từng phân vùng rừng. Cách làm này có thể mang lại kết quả khả quan hơn.
Nghiên cứu này chỉ sử dụng phương pháp hồi quy, sử dụng các phương pháp khác để ước lượng cũng là hướng cần được quan tâm trong các nghiên cứu sau.
50
Tài liệu tham khảo
Tiếng Việt
1. Phạm Tuấn Anh, 2007. Dự báo năng lực hấp thụ CO2 của rừng tự nhiên lá
rộng thường xanh tại huyện Tuy Đức, tỉnh Đăk Nông. Luận Văn Thạc Sĩ Khoa
học Lâm nghiệp. Trường Đại học Lâm nghiệp.
2. Bộ Nông nghiệp và PTNT, 2006. Cẩm nang ngành lâm nghiệp. Chương trình các đối tác hỗ trợ ngành lâm nghiệp. Hà Nội, 2006.
3. Bộ Nông nghiệp và PTNT. Thông tư số 34/2009/TT-BNNPTNT, ngày 10 / 6 / 2009về việcQuy định tiêu chí xác định và phân loại rừng.
4. Võ Đại Hải, 2009. Nghiên cứu khả năng hấp thụ các bon của rừng trồng bạch
đàn Urophylla ở Việt Nam. Tạp chí Nông nghiệp và phát triển nông thôn; số
1/2009, Hà Nội; tr. 102 – 106.
5. Nguyễn Thị Thanh Hương, 2011. Áp dụng phương pháp địa thống kê để ước
lượng lam phần dựa vào ảnh SPOT 5. Tạp chí Khoa học Nông nghiệp và Phát
triển nông thôn. Tr. 171-176.
6. Bảo Huy, 2010. Đo tính Carbon rừng có sự tham gia. Chương trình UN-REDD Việt Nam.
7. Nguyễn Kim Lợi và ctv, 2007. Hệ thống thông tin địa lý Phần mềm Arcview 3.3. Nhà xuất bản Nông Nghiệp
8. Trần Thống Nhất, 2009. Viễn thám căn bản. Nhà xuất bản Nông Nghiệp
9. Vũ Tấn Phương và ctv, 2007. Nghiên cứu lượng giá kinh tế giá trị môi trường
và DVMT của một số loại rừng chủ yếu ở Việt Nam. Đề tài cấp bộ. Trung tâm
nghiên cứu sinh thái và môi trường rừng (RCFEE). Hà Nội.
10.Ngô Đình Quế và ctv, 2006. Sự hấp thụ Các bon dioxit (CO2) của một số loại rừng trồng chủ yếu ở Việt Nam. Tạp chí Nông nghiệp & Phát triển Nông thôn, số 7 (2006).
51
11.Lê Văn Trung, 2005. Viễn thám. Nhà xuất bản đại học Quốc Gia TP.HCM. 12.Trung tâm Viễn thám quốc gia: Ứng dụng công nghệ viễn thám để giám sát tài
nguyên và môi trường ở Việt Nam. Bộ TNMT.
Tiếng Anh
13.Avery, T. and Berlin, G, 1992. Fundamentals of remote sensing and airphoto interpretation (5th edition). Toronto: Maxwell Macmillan.
14.Bao Huy, Pham Tuan Anh, 2008. Estimating CO2 sequestration in natural broad-leaved evergreen forests in the Central Highlands of Vietnam. Aia- Pacific Agroforestry Newsletter – APANews, FAO, SEANAFE; No.32, May, 2008, ISSN 0859-9742.
15.Chatterjee, S. and Hadi, A. S. 2006. Regression Analysis by Example. The fouth edition. John Wiley & Sons, Inc, US. 365p.
16.ICRAF, 2007. Rapid Carbon Stock Appraial (RaCSA)
17.Lu, D., Mausel, P., Brondízio, E., and Moran, E. 2004. Relationships between forest stand parameters and Landsat TM spectral responses in the Brazilian
Amazon Basin. Forest Ecology and Management, 198: 149–167.
18.Nguyen, Thi Thanh Huong, 2009. Classification of natural broad-leaved evergreen forests based on multi-data for forest inventory in the Central Highlands of Vietnam. Doctoral thesis. Freiburg University, Germany.
19.Spanner, M.A., Pierce, I.L., Peterson, D.L., and Running, S.W. 1990. Remote sensing of temperate coniferous forest leaf area index: The influence of canopy closure, understorey vegetation and background reflectance. International Journal of Remote Sensing, 11:195-211.
52
Phụ lục
Phụ lục 1: Giá trị Carbon ở các ô mẫu
Ô mẫu số X Y Carbon (tấn/ha) Trạng thái rừng Band 1 Band 2 Band 3 Band 4 NDVI 1 759814 1336089 78,5 Nghèo 75,8 42,4 182,4 80,0 0,57 2 754626 1351281 70,7 Trung bình 91,4 68,8 129,5 79,4 0,31 3 747395 1354992 128,0 Non 91,4 56,0 182,4 80,6 0,53 4 746055 1354289 66,3 Non 82,7 46,7 192,8 83,7 0,61 5 745751 1354897 102,2 Trung bình 78,9 45,6 202,8 92,4 0,63 6 746055 1354921 305,5 Nghèo 81,2 46,7 177,9 83,7 0,58 7 761003 1342569 184,9 Trung bình 81,6 45,2 197,3 81,5 0,63 8 759554 1342093 73,4 Nghèo 75,4 40,7 166,6 72,0 0,61 9 746975 1358447 94,4 Trung bình 78,0 43,7 185,5 76,8 0,62 10 746960 1358965 145,6 Nghèo 78,3 44,7 168,8 74,2 0,58 11 750636 1351420 44,1 Trung bình 89,4 54,5 167,4 72,2 0,51 12 749343 1347728 117,3 Trung bình 89,9 56,3 155,8 71,6 0,47 13 744673 1360931 83,0 Non 75,0 41,6 170,8 75,1 0,61 14 746146 1360081 217,4 Giàu 78,5 44,7 186,6 83,6 0,61 15 749342 1348095 230,7 Giàu 87,0 54,1 136,1 67,0 0,43 16 752942 1348739 60,7 Trung bình 89,3 54,9 169,9 74,3 0,51 17 743814 1348786 298,5 Giàu 80,6 44,4 183,4 78,9 0,61 18 745663 1348899 433,2 Giàu 78,9 43,3 166,8 69,1 0,59
53
Phụ lục 2: Kiểm tra sự thuần nhất của các biến độc lập Summary Statistics B1 log(B2) B3 B4 Sqrt(C) 1/log(NDVI) Count 18 18 18 18 18 18 Average 82,4029 3,87321 173,476 77,5588 11,7032 -1,76311 Standard deviation 5,75931 0,140356 19,116 6,30358 3,97811 0,371232 Coeff. of variation 6,9892% 3,62376% 11,0194% 8,12748% 33,9916% -21,0555% Minimum 75,0 3,70541 129,455 67,0 6,64054 -2,1797 Maximum 91,4 4,23147 202,778 92,4444 20,8125 -0,844219 Range 16,4 0,526059 73,3232 25,4444 14,1719 1,33548 Stnd. skewness 0,778608 1,8972 -1,50671 0,766665 1,53816 1,92173 Stnd. kurtosis -1,16437 0,651441 0,720879 0,296783 -0,053433 0,536686 The StatAdvisor
This table shows summary statistics for each of the selected data variables. It includes measures of central tendency, measures of variability, and measures of shape. Of particular interest here are the standardized skewness and standardized kurtosis, which can be used to determine whether the sample comes from a normal distribution. Values of these statistics outside the range of -2 to +2 indicate significant departures from normality, which would tend to invalidate many of the statistical procedures normally applied to this data. In this case, the following variables show standardized skewness values outside the expected range:
<none>
The following variables show standardized kurtosis values outside the expected range: <none>
54
Phụ lục 3: Kết quả kiểm tra và xây dựng phương trình hồi quy đa biến