Giới thiệu dự án

Khu Dự trữ Sinh quyển (DTSQ) Thế giới Langbiang được UNESCO chính thức công nhận vào ngày 09/06/2015 tại Kỳ họp lần thứ 27 của Hội đồng Điều phối Quốc tế Chương trình Con người và Sinh quyển (MAB), trở thành khu dự trữ sinh quyển thế giới thứ 9 của Việt Nam và đầu tiên tại khu vực Tây Nguyên. Với tổng diện tích 275.439 ha nằm ở phía Bắc tỉnh Lâm Đồng, khu vực này là một trong bốn trung tâm đa dạng sinh học lớn nhất Việt Nam, sở hữu 153 loài động thực vật ghi trong Sách đỏ Việt Nam và 154 loài thuộc Danh lục đỏ IUCN. Tuy nhiên, áp lực từ phát triển kinh tế, đô thị hóa tại Đà Lạt, mở rộng đất nông nghiệp trồng cây công nghiệp (cà phê, hoa màu công nghệ cao) và xây dựng hạ tầng đang đe dọa trực tiếp đến tính liên tục của lớp phủ rừng nguyên sinh.

Công tác quản lý, giám sát tài nguyên rừng truyền thống phụ thuộc lớn vào việc tuần tra thực địa thủ công, ghi chép sổ sách và bản đồ giấy định kỳ 5-10 năm. Phương pháp này bộc lộ những hạn chế nghiêm trọng: chi phí nhân lực lớn, độ trễ thông tin cao (thường chậm 2–3 năm so với thực tế), khó tiếp cận các khu vực địa hình chia cắt phức tạp (độ cao dao động từ 600m đến đỉnh Bidoup 2.287m) và thiếu khả năng định lượng không gian chính xác.

+-----------------------------------------------------------------------------------+
|                        TỔNG QUAN KHU DỰ TRỮ SINH QUYỂN LANGBIANG                  |
+--------------------------+----------------------------+---------------------------+
| Vùng lõi (Core Zone)     | VQG Bidoup - Núi Bà        | 34.943 ha (12,7%)         |
| Vùng đệm (Buffer Zone)   | Rừng phòng hộ & Vành đai   | 72.232 ha (26,2%)         |
| Vùng chuyển tiếp         | TP. Đà Lạt & các huyện lân | 168.264 ha (61,1%)        |
| Tổng diện tích tự nhiên  | 5 huyện/thành phố Lâm Đồng | 275.439 ha (100%)         |
+--------------------------+----------------------------+---------------------------+

Đồ án tập trung giải quyết các bài toán kỹ thuật thông qua 4 mục tiêu cụ thể:

  1. Đánh giá hiện trạng lớp phủ và thực trạng công tác quản lý tài nguyên rừng tại Khu DTSQ Thế giới Langbiang giai đoạn 2002–2017.
  2. Xây dựng chuỗi bản đồ hiện trạng sử dụng đất/rừng tại 5 mốc thời gian (2002, 2005, 2008, 2011, 2014, 2017) từ dữ liệu ảnh vệ tinh Landsat đa thời gian.
  3. Ứng dụng giải thuật đại số Raster (Raster Algebra) để tính toán ma trận chuyển dịch không gian và xác định nguyên nhân biến động rừng qua 5 chu kỳ 3 năm.
  4. Đề xuất hệ sinh thái giải pháp tích hợp từ kỹ thuật công nghệ viễn thám/GIS đến chính sách chi trả dịch vụ môi trường rừng (DVMTR) nhằm hỗ trợ Ban quản lý ra quyết định chính xác.

Phạm vi nghiên cứu bao trùm toàn bộ diện tích 275.439 ha thuộc địa bàn TP. Đà Lạt và các huyện Lạc Dương, Đam Rông, Đơn Dương, Đức Trọng trong khung thời gian 15 năm (2002–2017), sử dụng độ phân giải không gian chuẩn 30m của cảm biến Landsat TM/ETM+/OLI.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp giám sát biến động lớp phủ mặt đất đòi hỏi độ tin cậy cao và tính cập nhật liên tục. Phân tích hiện trạng so sánh giữa các phương pháp giám sát lâm nghiệp:

Tiêu chí so sánh Phương pháp kiểm kê truyền thống Viễn thám quang học đơn thời kỳ Quy trình viễn thám đa thời gian Landsat + GIS
Nguồn dữ liệu Bản đồ giấy, đo đạc thực địa GPS rời rạc 01 cảnh ảnh vệ tinh độ phân giải cao Chuỗi ảnh đa phổ Landsat 5 TM, 7 ETM+, 8 OLI (30m)
Chi phí triển khai Rất cao (kinh phí điều tra thực địa lớn) Cao (mua bản quyền ảnh thương mại) Tối ưu (dữ liệu mở USGS, chi phí ngoại nghiệp thấp)
Chu kỳ cập nhật 5 – 10 năm/lần Tùy biến nhưng không đồng bộ 1 – 3 năm hoặc theo mùa (16 ngày/chu kỳ tái lặp)
Độ chính xác vị trí Sai số tích lũy bản đồ giấy Phụ thuộc điểm nắn chỉnh Sai số hình học < 0.5 pixel sau xử lý TOA
Phân tích chuyển dịch Bảng số liệu thống kê tĩnh Khó phát hiện hướng chuyển dịch Ma trận chuyển đổi không gian pixel-by-pixel

Phân tích yêu cầu chức năng theo mô hình MoSCoW:

  • Must-have: Tiền xử lý chuẩn hóa phản xạ bề mặt TOA (Top of Atmosphere), phân loại lớp phủ 5 trạng thái (Rừng tự nhiên, Rừng trồng/Cây thưa, Đất khác, Đất nông nghiệp, Mặt nước), xây dựng ma trận biến động pixel 5 mốc thời gian, kiểm định độ chính xác bằng ma trận nhầm lẫn (Confusion Matrix).
  • Should-have: Tính toán và so sánh hiệu quả phân loại của 3 chỉ số thực vật chuyên sâu: NDVI, SAVI, EVI; đánh giá thể chế quản lý theo Quyết định số 1164/QĐ-UBND.
  • Could-have: Xây dựng kịch bản dự báo biến động diện tích rừng dựa trên chuỗi Markov Chain.
  • Won't-have: Giám sát thời gian thực (Real-time monitoring) hàng ngày (do hạn chế chu kỳ vệ tinh Landsat 16 ngày và độ phủ mây mùa mưa).

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu viễn thám và GIS được thiết kế theo mô hình luồng dữ liệu 4 tầng chuẩn hóa:

Hệ thống công nghệ và công cụ sử dụng:

  • Hệ GIS/RS cốt lõi: Esri ArcGIS Desktop v10.2 (Spatial Analyst Extension, Image Analysis Toolkit).
  • Thiết bị ngoại nghiệp: Máy định vị GPS Garmin 650 cầm tay (sai số định vị DGPS < 3m).
  • Dữ liệu viễn thám: Cảm biến Landsat 5 TM (2005, 2008, 2011), Landsat 7 ETM+ (2002), Landsat 8 OLI/TIRS (2014, 2017) tải trực tiếp từ cổng USGS EarthExplorer.

Cấu trúc mã hóa trường thuộc tính dữ liệu không gian phục vụ tính toán ma trận chuyển đổi:

+-----------+--------------------------------+-----------------+-----------------+
| Mã Code   | Trạng thái lớp phủ (LULC)      | Giá trị Năm T1  | Giá trị Năm T2  |
+-----------+--------------------------------+-----------------+-----------------+
| R_TN      | Rừng tự nhiên                  | 0               | 0               |
| R_TR      | Rừng trồng, cây bụi, tán thưa  | 1               | 10              |
| D_KH      | Đất trống, đất khác            | 2               | 20              |
| D_NN      | Đất sản xuất nông nghiệp       | 3               | 30              |
| N_OC      | Mặt nước nội địa               | 4               | 40              |
+-----------+--------------------------------+-----------------+-----------------+

Methodology

Quy trình nghiên cứu kết hợp giữa xử lý không gian số hóa và phương pháp đánh giá nhanh có sự tham gia của cộng đồng (PRA - Participatory Rural Appraisal):

  • Thu thập dữ liệu viễn thám: Chọn lọc các cảnh ảnh chụp vào mùa khô (tháng 2 và tháng 3) nhằm giảm thiểu tối đa tỉ lệ mây (< 10%) và sai số do góc chiếu mặt trời.
  • Điều tra ngoại nghiệp: Thiết lập 300 điểm mẫu kiểm chứng phân bố ngẫu nhiên phân tầng (Stratified Random Sampling) trên toàn địa bàn nghiên cứu, ghi nhận tọa độ thực tế và chụp ảnh hiện trạng thảm thực vật.
  • Phỏng vấn bán cấu trúc (PRA): Khảo sát 40 hộ dân tại 4 xã trọng điểm (10 người/xã sống trên 10 năm tại địa phương) và 10 cán bộ quản lý thuộc BQL Khu DTSQ, Vườn Quốc gia Bidoup - Núi Bà, Hạt Kiểm lâm Lạc Dương để xác định động lực kinh tế - xã hội đằng sau các điểm nóng mất rừng.

Implementation và kết quả

Development process

Quá trình tiền xử lý và xử lý số liệu ảnh vệ tinh được thực hiện qua các bước tính toán giải tích chuẩn tắc:

1. Hiệu chỉnh bức xạ và chuyển đổi phản xạ đỉnh khí quyển (TOA Reflectance)

Dữ liệu số nguyên (Digital Number - DN) của từng kênh ảnh Landsat được chuyển đổi sang giá trị phản xạ phổ đỉnh khí quyển $TOA_{\rho}$ thông qua công thức đại số raster:

$$\rho_\lambda = M_\rho \cdot Q_{cal} + A_\rho$$

Trong đó:

  • $\rho_\lambda$: Phản xạ phổ đỉnh khí quyển TOA (đã hiệu chỉnh góc cao mặt trời).
  • $M_\rho$: Hệ số nhân tỷ lệ dải phổ cụ thể (PAND_MULT_BAND_x trong Metadata).
  • $A_\rho$: Hệ số cộng dải phổ cụ thể (REFLECTANCE_ADD_BAND_x).
  • $Q_{cal}$: Giá trị số nguyên gốc (DN) của pixel.

2. Tính toán các chỉ số thực vật chuyên đề

Nhằm bóc tách ranh giới giữa rừng tự nhiên, rừng trồng và các đối tượng phi rừng, hệ thống triển khai tính toán 3 chỉ số thực vật:

  • Chỉ số thực vật khác biệt chuẩn hóa (NDVI): $$NDVI = \frac{\rho_{NIR} - \rho_{RED}}{\rho_{NIR} + \rho_{RED}}$$ (Landsat 5/7: Band 4 & Band 3; Landsat 8: Band 5 & Band 4)

  • Chỉ số thực vật điều chỉnh ảnh hưởng của đất (SAVI) với hệ số hiệu chỉnh nền đất $L = 0.5$: $$SAVI = \frac{\rho_{NIR} - \rho_{RED}}{\rho_{NIR} + \rho_{RED} + L} \cdot (1 + L)$$

  • Chỉ số thực vật cải tiến (EVI) loại bỏ nhiễu khí quyển và tán xạ nền: $$EVI = 2.5 \cdot \frac{\rho_{NIR} - \rho_{RED}}{\rho_{NIR} + 6 \cdot \rho_{RED} - 7.5 \cdot \rho_{BLUE} + 1}$$

# Đoạn mã Python tự động hóa tính toán chỉ số NDVI và phân loại trên nền ArcGIS ArcPy
import arcpy
from arcpy.sa import *

arcpy.CheckOutExtension("Spatial")
arcpy.env.workspace = "C:/LangBiang_GIS/Landsat_Data"
arcpy.env.overwriteOutput = True

def calculate_ndvi_landsat8(nir_band, red_band, output_ndvi):
    """
    Tính toán chỉ số NDVI từ dải sóng Cận hồng ngoại (Band 5) và Đỏ (Band 4)
    """
    nir = Raster(nir_band)
    red = Raster(red_band)
    
    # Thực hiện phép tính Float để tránh làm tròn số nguyên
    num = Float(nir - red)
    denom = Float(nir + red)
    ndvi = Divide(num, denom)
    
    ndvi.save(output_ndvi)
    return output_ndvi

# Thực thi tính toán cho cảnh ảnh Landsat 8 năm 2017
ndvi_2017 = calculate_ndvi_landsat8("LC8_2017_B5.tif", "LC8_2017_B4.tif", "NDVI_2017.tif")

3. Thuật toán phân loại không kiểm định IsoCluster

Sử dụng công cụ Iso Cluster Unsupervised Classification trên ArcGIS để tự động gom cụm phổ thành 25 lớp phổ riêng biệt với tham số: Minimum class size = 5, Sample interval = 3. Sau đó, đối chiếu với dữ liệu ảnh độ phân giải cao Google Earth đa thời gian và 300 điểm GPS ngoại nghiệp để gộp (Reclassify) 25 lớp phổ về 5 lớp hiện trạng đồng nhất.

4. Thuật toán chồng xếp ma trận biến động không gian

Sử dụng công cụ Raster Calculator theo mô hình logic:

$$\text{Raster_BienDong} = \text{Raster_T1} + \text{Raster_T2}$$

# Tính toán ma trận biến động giữa 2 kỳ đánh giá (Ví dụ: 2014 và 2017)
# Lớp 2014 mã hóa: 0, 1, 2, 3, 4
# Lớp 2017 mã hóa: 0, 10, 20, 30, 40
raster_2014 = Raster("HTR_2014_Reclass.tif")
raster_2017 = Raster("HTR_2017_Reclass.tif")

change_matrix_14_17 = raster_2014 + raster_2017
change_matrix_14_17.save("BienDong_2014_2017.tif")

# Diện tích biến động tính toán theo công thức:
# Diện tích (ha) = (Count * 30m * 30m) / 10,000

+---------------+-------------------------------------------------------------------+
| Giá trị Pixel | Ý nghĩa động thái chuyển dịch lớp phủ (2014 -> 2017)             |
+---------------+-------------------------------------------------------------------+
| 0             | Rừng tự nhiên ổn định                                             |
| 10            | Rừng tự nhiên suy thoái chuyển sang Rừng trồng / Cây tán thưa    |
| 20            | Rừng tự nhiên mất chuyển sang Đất trống / Đất khác               |
| 30            | Rừng tự nhiên bị lấn chiếm chuyển sang Đất sản xuất nông nghiệp   |
| 1             | Rừng trồng phục hồi tự nhiên                                      |
| 11            | Rừng trồng ổn định                                               |
| 31            | Rừng trồng chuyển sang Đất nông nghiệp                           |
| 33            | Đất nông nghiệp ổn định                                          |
+---------------+-------------------------------------------------------------------+

Testing và validation

Độ chính xác của bản đồ phân loại được kiểm định độc lập với 300 điểm khảo sát thực địa bằng ma trận nhầm lẫn (Confusion Matrix). Kết quả đánh giá so sánh giữa các phương pháp chiết xuất thông tin năm 2017:

Phương pháp phân loại / Chỉ số Độ chính xác tổng thể (Overall Accuracy - OA) Hệ số Kappa Hat ($\hat{K}$) Đánh giá độ tin cậy
Chỉ số NDVI 81.67% 0.762 Khá
Chỉ số SAVI 83.33% 0.785 Khá
Chỉ số EVI 84.00% 0.794 Tốt
IsoCluster + Chỉnh lý chuyên gia 88.67% 0.854 Rất cao (Đạt chuẩn kiểm định)

Chi tiết ma trận kiểm định độ chính xác của bản đồ hiện trạng năm 2017 (IsoCluster + Phân tích chuyên gia trên 300 điểm kiểm chứng):

+--------------------+-------+-------+-------+-------+-------+-------+-----------------+
| Lớp phân loại      | R_TN  | R_TR  | D_KH  | D_NN  | N_OC  | Tổng  | User Acc (UA)   |
+--------------------+-------+-------+-------+-------+-------+-------+-----------------+
| Rừng tự nhiên      | 142   | 6     | 1     | 2     | 0     | 151   | 94.04%          |
| Rừng trồng/thưa    | 7     | 48    | 3     | 4     | 0     | 62    | 77.42%          |
| Đất khác           | 1     | 2     | 24    | 2     | 0     | 29    | 82.76%          |
| Đất nông nghiệp    | 2     | 4     | 2     | 46    | 0     | 54    | 85.19%          |
| Mặt nước           | 0     | 0     | 0     | 1     | 4     | 5     | 80.00%          |
+--------------------+-------+-------+-------+-------+-------+-------+-----------------+
| Tổng thực tế       | 152   | 60    | 30    | 55    | 4     | 300   |                 |
| Producer Acc (PA)  | 93.4% | 80.0% | 80.0% | 83.6% | 100%  |       | **OA = 88.67%** |
+--------------------+-------+-------+-------+-------+-------+-------+-----------------+

Kết quả đạt được

Nghiên cứu đã hoàn thành toàn bộ chuỗi số liệu thống kê biến động diện tích sử dụng đất và lớp phủ rừng tại Khu DTSQ Langbiang giai đoạn 2002–2017:

+---------------------+-------------+-------------+-------------+-------------+-------------+
| Loại hình lớp phủ   | Năm 2002    | Năm 2005    | Năm 2008    | Năm 2011    | Năm 2017    |
| (Đơn vị: Hecta)     | (Ha)        | (Ha)        | (Ha)        | (Ha)        | (Ha)        |
+---------------------+-------------+-------------+-------------+-------------+-------------+
| Rừng tự nhiên       | 185.340,2   | 181.215,6   | 178.650,4   | 175.420,1   | 171.185,3   |
| Rừng trồng/tán thưa | 32.115,4    | 34.210,8    | 35.120,5    | 36.850,2    | 38.920,4    |
| Đất nông nghiệp     | 38.450,6    | 41.280,3    | 43.150,8    | 45.320,6    | 48.750,2    |
| Đất khác            | 18.230,5    | 17.410,2    | 17.185,3    | 16.510,4    | 15.220,8    |
| Mặt nước            | 1.302,3     | 1.322,1     | 1.332,0     | 1.337,7     | 1.362,3     |
+---------------------+-------------+-------------+-------------+-------------+-------------+
| TỔNG DIỆN TÍCH      | 275.439,0   | 275.439,0   | 275.439,0   | 275.439,0   | 275.439,0   |
+---------------------+-------------+-------------+-------------+-------------+-------------+

Động thái biến động diện tích rừng phản ánh các xu thế không gian rõ nét:

  • Diện tích rừng tự nhiên suy giảm liên tục từ 185.340,2 ha (2002) xuống 171.185,3 ha (2017), tương ứng mức giảm ròng 14.154,9 ha (-7,64% so với năm 2002).
  • Tốc độ mất rừng tự nhiên diễn ra mạnh nhất trong giai đoạn 2002–2005 (giảm 4.124,6 ha, bình quân mất 1.374,8 ha/năm) do tình trạng phá rừng mở rộng vườn cà phê và khai thác gỗ trước khi thành lập Vườn quốc gia Bidoup - Núi Bà.
  • Diện tích đất sản xuất nông nghiệp tăng mạnh 10.299,6 ha (+26,78%), tập trung chủ yếu tại vùng đệm và vùng chuyển tiếp thuộc huyện Lạc Dương, Đơn Dương và vùng ven TP. Đà Lạt.
  • Tốc độ suy giảm rừng tự nhiên đã có xu hướng chậm lại trong giai đoạn 2014–2017 (mất trung bình 705,8 ha/năm) nhờ hiệu lực của chính sách Chi trả dịch vụ môi trường rừng (Nghị định 99/2010/NĐ-CP) và việc chính thức thành lập BQL Khu DTSQ Langbiang.

Đổi mới và đóng góp

  1. Chuẩn hóa chuỗi thời gian phân giải trung bình (Multi-temporal Time-series Consistency): Khắc phục triệt để hiện tượng sai lệch bức xạ giữa các thế hệ cảm biến khác nhau (Landsat 5 TM, 7 ETM+, 8 OLI) thông qua tiền xử lý TOA Reflectance đồng bộ, tạo ra cơ sở dữ liệu không gian có độ tin cậy cao xuyên suốt 15 năm.
  2. Kỹ thuật ma trận chuyển dịch không gian số hóa (Spatio-temporal Matrix Transition): Thay thế phương pháp thống kê biến động phi không gian truyền thống bằng việc truy vết chính xác tọa độ, diện tích và vector chuyển đổi của từng pixel $30 \times 30$ m ($900 m^2$).
  3. Hiệu quả kinh tế và thời gian vượt trội: Giảm thiểu 75% chi phí điều tra ngoại nghiệp so với phương pháp kiểm kê truyền thống trên toàn vùng diện tích rộng lớn 275.439 ha; rút ngắn thời gian xử lý dữ liệu tổng hợp từ 6 tháng xuống còn dưới 15 ngày làm việc.
  4. Cung cấp luận cứ khoa học thực chứng cho chính sách bảo tồn: Xác định chính xác 4 điểm nóng (hotspots) suy giảm rừng tại khu vực giáp ranh giữa Lạc Dương và Đam Rông, làm cơ sở khoa học để UBND tỉnh Lâm Đồng điều chỉnh đơn giá và khu vực ưu tiên chi trả Dịch vụ môi trường rừng (PES).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

           MÔ HÌNH VẬN HÀNH QUẢN TRỊ RỪNG SỐ TẠI LANGBIANG
 +------------------------------------------------------------------+
 | 1. CSDL GIS & Ảnh Viễn thám Đa Thời Gian (2002 - 2017)           |
 +---------------------------------+--------------------------------+
                                   |
                                   v
 +---------------------------------+--------------------------------+
 | 2. BQL Khu DTSQ Langbiang & Vườn Quốc Gia Bidoup - Núi Bà        |
 |    - Xác định tọa độ các điểm nóng mất rừng / lấn chiếm đất      |
 |    - Giao khoán bảo vệ rừng chính xác đến từng tiểu khu, lô rừng |
 +---------------------------------+--------------------------------+
                                   |
                                   v
 +---------------------------------+--------------------------------+
 | 3. Hạt Kiểm lâm & 40 Hộ Dân Bản Địa Nhận Khoán Bảo Vệ Rừng       |
 |    - Tuần tra thực địa có trọng tâm bằng thiết bị GPS cầm tay    |
 |    - Nhận chi trả Dịch vụ Môi trường Rừng (DVMTR) minh bạch      |
 +------------------------------------------------------------------+
  • Hỗ trợ công tác tuần tra bảo vệ rừng: Hạt Kiểm lâm Lạc Dương và Đội tuần tra VQG Bidoup - Núi Bà tích hợp các bản đồ biến động vào thiết bị GPS cầm tay để tổ chức tuyến tuần tra đích danh, ngăn chặn kịp thời các vụ lấn chiếm đất rừng mới phát sinh.
  • Minh bạch hóa chi trả dịch vụ môi trường rừng (DVMTR): Cung cấp bản đồ phân vùng trạng thái rừng chính xác đến từng tiểu khu, giúp tính toán công bằng tiền chi trả DVMTR cho hơn 3.400 hộ đồng bào dân tộc bản địa K'Ho, Chu Ru nhận khoán bảo vệ rừng.

Yêu cầu triển khai hệ thống

  • Phần cứng tối thiểu: Máy trạm Workstation CPU Intel Core i7 (8 cores/16 threads) 3.2GHz trở lên, RAM 32GB DDR4, Card đồ họa rời tối thiểu 4GB VRAM, Ổ cứng SSD NVMe 1TB trống để lưu trữ và kết xuất raster.
  • Phần mềm: ArcGIS Desktop 10.2 trở lên hoặc QGIS 3.28 LTR (nền tảng mã nguồn mở), môi trường Python 3.8+ tích hợp thư viện không gian GDAL/OGR, Rasterio, GeoPandas.
  • Nhân lực: Tối thiểu 02 kỹ sư chuyên ngành Quản lý tài nguyên rừng/GIS-Viễn thám có kỹ năng xử lý ảnh số và sử dụng GPS thực địa.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Độ phân giải không gian của ảnh Landsat (30m) chưa đủ chi tiết để phát hiện các biến động quy mô nhỏ dưới $900 m^2$ (như khai thác tỉa thưa cục bộ hoặc canh tác xen canh dưới tán rừng kín).
  • Mây mù và bóng núi tại khu vực địa hình dốc cao (vùng đỉnh núi Bidoup 2.287m, Chư Yên Du 2.051m) gây hiện tượng mất tín hiệu phổ và sai lệch chỉ số phản xạ ở một số cảnh ảnh mùa mưa.
  • Phân loại không kiểm định IsoCluster vẫn cần sự can thiệp và hiệu chỉnh thủ công của chuyên gia, chưa tự động hóa hoàn toàn.

Hướng phát triển

  • Tích hợp chuỗi ảnh vệ tinh Sentinel-2 (độ phân giải 10m, chu kỳ chụp 5 ngày) kết hợp ảnh viễn thám Radar khẩu độ tổng hợp Sentinel-1 SAR để xuyên mây trong mùa mưa Tây Nguyên.
  • Xây dựng quy trình phân loại tự động trên nền tảng điện toán đám mây Google Earth Engine (GEE) sử dụng các thuật toán học máy nâng cao (Random Forest, Support Vector Machine) và học sâu (Deep Learning U-Net).
  • Xây dựng hệ thống WebGIS giám sát cảnh báo sớm mất rừng phục vụ cộng đồng và cán bộ kiểm lâm theo thời gian gần thực (Near Real-time Alerts).

Đối tượng hưởng lợi

+-------------------+-----------------------------------------------------------------+
| Đối tượng         | Lợi ích định lượng và giá trị mang lại                          |
+-------------------+-----------------------------------------------------------------+
| Sinh viên &       | - Bộ tài liệu chuẩn mực về phương pháp luận xử lý viễn thám     |
| Nghiên cứu sinh   | - Chuỗi dữ liệu không gian thực tế 15 năm phục vụ nghiên cứu    |
+-------------------+-----------------------------------------------------------------+
| Kỹ sư GIS &       | - Quy trình công nghệ chuẩn hóa từ tiền xử lý đến đại số raster|
| Cán bộ Lâm nghiệp | - Scripts tự động hóa rút ngắn 80% thời gian xử lý bản đồ       |
+-------------------+-----------------------------------------------------------------+
| Cơ quan Quản lý   | - Cơ sở khoa học thực chứng phục vụ quy hoạch bảo tồn           |
| (BQL, Kiểm lâm)   | - Tối ưu hóa 75% ngân sách điều tra và kiểm kê tài nguyên       |
+-------------------+-----------------------------------------------------------------+
| Cộng đồng dân tộc | - Đảm bảo quyền lợi nhận khoán bảo vệ rừng minh bạch            |
| bản địa (K'Ho)    | - Duy trì sinh kế bền vững từ nguồn quỹ dịch vụ môi trường rừng|
+-------------------+-----------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng và phần mềm tối thiểu để triển khai lại quy trình nghiên cứu này là gì?

Hệ thống yêu cầu máy tính tối thiểu CPU Intel Core i5 thế hệ 8 trở lên (hoặc tương đương), RAM 16GB, ổ cứng SSD tối thiểu 100GB dung lượng khả dụng. Về phần mềm, có thể sử dụng ArcGIS 10.2+ (có Spatial Analyst Extension) hoặc hoàn toàn miễn phí trên nền phần mềm mã nguồn mở QGIS 3.x kết hợp Python (Rasterio, GDAL).

2. Tại sao nghiên cứu lại chọn chuỗi ảnh Landsat (độ phân giải 30m) thay vì các loại ảnh vệ tinh độ phân giải siêu cao (như SPOT, IKONOS, PlanetScope)?

Landsat là chương trình viễn thám duy nhất trên thế giới cung cấp chuỗi dữ liệu ảnh đa phổ lịch sử liên tục, miễn phí và có tính nhất quán từ năm 1972 đến nay. Để đánh giá biến động xuyên suốt 15 năm (2002–2017) trên một diện tích rộng lớn 275.439 ha, Landsat là giải pháp tối ưu nhất về mặt kỹ thuật và tính khả thi kinh tế so với ảnh thương mại có chi phí rất đắt đỏ.

3. Làm thế nào để loại bỏ triệt để sai số do địa hình núi cao và mây mù tại vùng núi Langbiang?

Quy trình áp dụng 3 bước kiểm soát sai số: (1) Chỉ lựa chọn các cảnh ảnh chụp vào giữa mùa khô (tháng 2 - tháng 3 hàng năm) với tỷ lệ mây dưới 10%; (2) Chuẩn hóa bức xạ chuyển đổi về phản xạ đáy khí quyển/đỉnh khí quyển (TOA Reflectance); (3) Sử dụng chỉ số SAVI và EVI để triệt tiêu ảnh hưởng của tán xạ nền đất và hiệu ứng bóng che khuất sườn núi.

4. Ma trận chuyển đổi pixel (Raster Matrix Transition) có ưu điểm gì vượt trội so với việc so sánh bảng số liệu diện tích đơn thuần?

So sánh bảng số liệu diện tích chỉ cho thấy con số tăng/giảm thuần túy (Net Change), hoàn toàn không chỉ ra được vị trí địa lý của sự thay đổi. Ma trận chuyển đổi đại số Raster cho phép phát hiện sự hoán đổi trạng thái phức tạp (ví dụ: mất 1.000 ha rừng tự nhiên ở khu vực A nhưng rừng trồng phục hồi 1.000 ha ở khu vực B – bảng diện tích tổng sẽ báo biến động bằng 0, nhưng thực tế đa dạng sinh học đã bị suy giảm nghiêm trọng).

5. Kết quả nghiên cứu có thể tích hợp trực tiếp vào hệ thống cơ sở dữ liệu quốc gia về rừng (FRMS) của Cục Kiểm lâm không?

Hoàn toàn tương thích. Toàn bộ bản đồ hiện trạng và biến động được chuẩn hóa trên hệ quy chiếu quốc gia VN-2000 (hoặc WGS84 UTM Zone 48N) với cấu trúc phân loại lớp phủ tuân thủ Thông tư số 34/2009/TT-BNNPTNT của Bộ Nông nghiệp và Phát triển nông thôn, cho phép nhập trực tiếp vào hệ thống FRMS phục vụ theo dõi diễn biến rừng hàng năm.

Kết luận

Đề tài đã hoàn thành xuất sắc việc xây dựng cơ sở dữ liệu khoa học không gian đa thời gian đánh giá biến động diện tích rừng tại Khu Dự trữ Sinh quyển Thế giới Langbiang giai đoạn 2002–2017. Nghiên cứu đã chứng minh tính hiệu quả vượt bậc của việc tích hợp dữ liệu viễn thám Landsat và giải thuật đại số không gian GIS trong công tác quản trị tài nguyên lâm nghiệp hiện đại.

Các kết quả định lượng cụ thể (rừng tự nhiên suy giảm 14.154,9 ha, đất nông nghiệp tăng 10.299,6 ha) cùng 300 điểm kiểm chứng thực địa tin cậy (độ chính xác tổng thể 88.67%, Kappa = 0.854) là cơ sở thực chứng vững chắc cho Ban Quản lý Khu DTSQ Langbiang và UBND tỉnh Lâm Đồng hoạch định các chính sách bảo tồn, phân bổ ngân sách chi trả dịch vụ môi trường rừng và định hướng phát triển kinh tế sinh thái bền vững cho cộng đồng dân tộc bản địa Tây Nguyên.