Sử dụng chỉ số viễn thám giám sát, phát hiện mất rừng tại Thừa Thiên Huế 2017-2020

Ứng dụng chỉ số viễn thám giám sát, phát hiện mất rừng tại Thừa Thiên Huế 2017-2020. Cung cấp số liệu, đánh giá độ chính xác và đề xuất giải pháp hiệu quả.

• Tác giả: Vũ Văn Thái
• Người hướng dẫn: PGS. Nguyễn Hải Hòa
• Trường học: Trường Đại học Lâm nghiệp
• Chuyên ngành: Quản Lý Tài Nguyên Và Môi Trường
• Đề tài: Sử Dụng Chỉ Số Viễn Thám Trong Giám Sát Và Phát Hiện Mất Rừng Tại Tỉnh Thừa Thiên Huế Giai Đoạn 2017 - 2020
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH, BIỂU ĐỒ VÀ SƠ ĐỒ
• ĐẶT VẤN ĐỀ
• 1. Chương 1: TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
• 1.1. Khái quát về vấn đề mất rừng
• 1.1.1. Khái niệm mất rừng
• 1.1.2. Nguyên nhân mất rừng
• 1.1.3. Tác hại của mất rừng
• 1.1.4. Xu hướng khu vực mất rừng
• 1.2. Ứng dụng viễn thám trong phát hiện mất rừng
• 1.2.1. Trên thế giới
• 1.2.2. Tại Việt Nam
• 1.3. Vấn đề nghiên cứu tại tỉnh Thừa Thiên Huế
• 2. Chương 2: MỤC TIÊU, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. Mục tiêu nghiên cứu
• 2.1.1. Mục tiêu tổng quát
• 2.1.2. Mục tiêu cụ thể
• 2.2. Đối tượng và phạm vi nghiên cứu
• 2.2.1. Đối tượng nghiên cứu
• 2.2.2. Phạm vi nghiên cứu
• 2.3. Nội dung nghiên cứu
• 2.3.1. Đánh giá hiện trạng và thực trạng quản lý tài nguyên rừng tại tỉnh Thừa Thiên Huế
• 2.3.2. Xác định và lựa chọn một số chỉ số viễn thám để theo dõi và giám sát mất rừng tại khu vực nghiên cứu
• 2.3.3. Đánh giá độ chính xác của các chỉ số viễn thám áp dụng trong theo dõi và giám sát mất rừng
• 2.3.4. Đề xuất giải pháp nâng cao hiệu quả theo dõi và giám sát mất rừng khu vực nghiên cứu
• 2.4. Phương pháp nghiên cứu
• 2.4.1. Phương pháp luận
• 2.4.2. Phương pháp nghiên cứu cụ thể
• 3. Chương 3: ĐIỀU KIỆN TỰ NHIÊN, KINH TẾ XÃ HỘI KHU VỰC NGHIÊN CỨU
• 3.1. Điều kiện tự nhiên
• 3.1.1. Vị trí địa lý
• 3.1.2. Tài nguyên thiên nhiên
• 3.2. Điều kiện kinh tế, xã hội
• 3.2.1. Tăng trưởng kinh tế
• 3.2.2. Tình hình phát triển các ngành, lĩnh vực
• 4. Chương 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Thực trạng quản lý tài nguyên rừng tại tỉnh Thừa Thiên Huế
• 4.1.1. Tổ chức và hoạt động của lực lượng Kiểm lâm Thừa Thiên Huế
• 4.1.2. Công tác ứng dụng công nghệ viễn thám, GIS trong giám sát, phát hiện mất rừng
• 4.2. Lựa chọn chỉ số viễn thám để theo dõi và giám sát mất rừng
• 4.2.1. Kết quả tiền xử lý ảnh viễn thám
• 4.2.2. Kết quả xác định ngưỡng giá trị có rừng và không có rừng của một số chỉ số viễn thám
• 4.3. Xác định ngưỡng giá trị mất rừng dựa trên chỉ số viễn thám
• 4.4. Kết quả xác định diện tích mất rừng và đánh giá độ chính xác của các chỉ số viễn thám áp dụng trong theo dõi và giám sát mất rừng
• 4.5. Giải pháp nâng cao hiệu quả theo dõi và giám sát mất rừng khu vực nghiên cứu
• 4.5.1. Đề xuất các bước tính toán và sử dụng chỉ số viễn thám trong giám sát mất rừng
• 4.5.2. Đề xuất sử dụng chỉ số viễn thám trong theo dõi và giám sát mất rừng
• 4.5.3. Đề xuất việc xây dựng phần mềm phát hiện tự động mất rừng
• KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Toàn cảnh giám sát mất rừng ở Huế bằng chỉ số viễn thám

Tỉnh Thừa Thiên Huế là một trong những địa phương có độ che phủ rừng cao nhất cả nước, đạt 57,37% vào năm 2019. Tuy nhiên, tài nguyên này đang đối mặt với nhiều thách thức từ các hoạt động kinh tế - xã hội và biến đổi khí hậu. Việc giám sát mất rừng theo phương pháp truyền thống như tuần tra thực địa gặp nhiều khó khăn do địa hình hiểm trở và diện tích rộng lớn. Do đó, ứng dụng công nghệ viễn thám nổi lên như một giải pháp đột phá. Bằng cách sử dụng ảnh vệ tinh từ các nguồn như dữ liệu Landsat và ảnh Sentinel-2, các nhà khoa học và nhà quản lý có thể theo dõi biến động rừng trên quy mô lớn một cách hiệu quả và tiết kiệm chi phí. Công nghệ này cho phép phân tích dữ liệu đa thời gian, từ đó xây dựng các hệ thống cảnh báo mất rừng sớm. Việc áp dụng các chỉ số thực vật như NDVI và NBR giúp định lượng hóa sức khỏe của thảm thực vật và phát hiện những thay đổi dù là nhỏ nhất. Phương pháp này không chỉ hỗ trợ công tác quản lý tài nguyên rừng mà còn đóng góp quan trọng vào nỗ lực bảo tồn đa dạng sinh học, đặc biệt tại các khu vực nhạy cảm như Vườn quốc gia Bạch Mã và Khu bảo tồn Sao La. Sự phát triển của các nền tảng điện toán đám mây như Google Earth Engine đã dân chủ hóa việc tiếp cận và xử lý dữ liệu viễn thám, mở ra một kỷ nguyên mới cho quản lý lâm nghiệp bền vững tại Việt Nam.

1.1. Giới thiệu công nghệ viễn thám trong ngành lâm nghiệp

Công nghệ viễn thám là khoa học thu thập thông tin về một đối tượng mà không cần tiếp xúc trực tiếp. Trong lâm nghiệp, công nghệ này sử dụng ảnh vệ tinh để theo dõi và đánh giá tài nguyên rừng. Các vệ tinh như Landsat và Sentinel-2 chụp ảnh bề mặt Trái Đất ở nhiều dải phổ khác nhau. Dữ liệu này sau đó được xử lý để tính toán các chỉ số thực vật, giúp phân biệt rừng với các loại hình sử dụng đất khác. Ưu điểm vượt trội của viễn thám là khả năng bao quát không gian rộng lớn, cung cấp dữ liệu định kỳ và khách quan. Điều này cho phép các cơ quan chức năng theo dõi biến động rừng liên tục, từ đó phát hiện thay đổi sớm các điểm nóng về phá rừng hoặc suy thoái rừng. Đây là công cụ không thể thiếu trong kỷ nguyên số, hỗ trợ đắc lực cho việc lập kế hoạch và thực thi chính sách lâm nghiệp hiệu quả.

1.2. Tầm quan trọng của việc theo dõi biến động rừng ở Huế

Thừa Thiên Huế sở hữu hệ sinh thái rừng đa dạng, là nơi sinh sống của nhiều loài động thực vật quý hiếm, bao gồm Sao La. Việc bảo tồn đa dạng sinh học tại đây có ý nghĩa quốc gia và quốc tế. Tuy nhiên, áp lực từ phát triển kinh tế, chuyển đổi mục đích sử dụng đất và khai thác trái phép đang đe dọa sự toàn vẹn của các cánh rừng. Giám sát chặt chẽ biến động rừng giúp xác định chính xác vị trí, quy mô và thời gian xảy ra mất rừng. Thông tin này là cơ sở quan trọng để lực lượng kiểm lâm và các đơn vị chủ rừng triển khai các biện pháp ngăn chặn kịp thời. Hơn nữa, dữ liệu giám sát còn phục vụ công tác đánh giá hiệu quả của các chính sách bảo vệ rừng, góp phần xây dựng một nền tảng quản lý lâm nghiệp bền vững và thích ứng với biến đổi khí hậu.

II. Thách thức trong công tác bảo vệ và quản lý rừng tại Huế

Công tác quản lý tài nguyên rừng tại Thừa Thiên Huế đối mặt với không ít thách thức. Địa hình phức tạp, chia cắt mạnh từ dãy Trường Sơn ra đến biển khiến việc tuần tra, kiểm soát của lực lượng kiểm lâm trở nên vô cùng khó khăn và tốn kém. Lực lượng bảo vệ rừng còn mỏng so với diện tích quản lý rộng lớn. Bên cạnh đó, các hoạt động phá rừng trái phép, lấn chiếm đất lâm nghiệp để canh tác nông nghiệp vẫn diễn ra âm ỉ tại một số khu vực. Suy thoái rừng không chỉ do khai thác gỗ mà còn bởi các dự án phát triển cơ sở hạ tầng, thủy điện. Theo Luận văn của Vũ Văn Thái (2020), giai đoạn 2017-2019, tỉnh ghi nhận sự biến động đáng kể về diện tích rừng, bao gồm cả cháy rừng và khai thác rừng trồng. Những phương pháp giám sát truyền thống thường có độ trễ, khi phát hiện thì sự việc đã diễn ra, gây khó khăn cho công tác xử lý và phục hồi. Việc thiếu một hệ thống giám sát đồng bộ, có khả năng cung cấp cảnh báo sớm là một lỗ hổng lớn. Điều này đòi hỏi phải có một giải pháp công nghệ tiên tiến, đủ sức bao quát và phản ứng nhanh để nâng cao hiệu quả bảo vệ rừng, hướng tới quản lý lâm nghiệp bền vững.

2.1. Nguyên nhân và hậu quả của tình trạng suy thoái rừng

Tình trạng suy thoái rừng và mất rừng ở Thừa Thiên Huế bắt nguồn từ nhiều nguyên nhân. Các nguyên nhân trực tiếp bao gồm khai thác gỗ trái phép, cháy rừng, và chuyển đổi đất rừng sang mục đích khác như trồng cây công nghiệp hoặc xây dựng cơ sở hạ tầng. Các nguyên nhân gián tiếp phức tạp hơn, liên quan đến áp lực dân số, sinh kế của người dân sống gần rừng và các chính sách phát triển kinh tế chưa thực sự bền vững. Hậu quả của mất rừng là vô cùng nghiêm trọng: làm mất đi môi trường sống của các loài hoang dã, đe dọa bảo tồn đa dạng sinh học, gây xói mòn đất, lũ lụt, và góp phần làm trầm trọng thêm tình trạng biến đổi khí hậu do giải phóng lượng lớn carbon dự trữ trong sinh khối rừng.

2.2. Khó khăn trong quản lý tài nguyên rừng theo cách truyền thống

Phương pháp quản lý truyền thống chủ yếu dựa vào tuần tra thực địa của lực lượng kiểm lâm và báo cáo từ các chủ rừng. Phương pháp này có nhiều hạn chế. Thứ nhất, chi phí nhân lực và vật lực rất lớn. Thứ hai, không thể bao quát toàn bộ diện tích, đặc biệt là các vùng sâu, vùng xa, địa hình hiểm trở. Thứ ba, thông tin thường mang tính bị động và có độ trễ. Lực lượng chức năng thường chỉ biết đến vụ việc sau khi rừng đã bị phá. Điều này làm giảm hiệu quả ngăn chặn và gây khó khăn trong việc thu thập bằng chứng để xử lý vi phạm. Việc thiếu dữ liệu khách quan, cập nhật theo thời gian thực cản trở quá trình ra quyết định và hoạch định chính sách quản lý tài nguyên rừng một cách chiến lược và hiệu quả.

III. Phương pháp tiếp cận giám sát rừng từ ảnh vệ tinh Sentinel 2

Để khắc phục những hạn chế của phương pháp truyền thống, nghiên cứu tại Thừa Thiên Huế đã áp dụng một phương pháp tiếp cận hiện đại dựa trên công nghệ viễn thám. Trọng tâm của phương pháp này là việc sử dụng nguồn ảnh vệ tinh Sentinel-2 do Cơ quan Vũ trụ Châu Âu (ESA) cung cấp miễn phí. Vệ tinh Sentinel-2 có độ phân giải không gian cao (10m) và chu kỳ chụp lặp lại ngắn (5 ngày), cho phép theo dõi biến động rừng một cách chi tiết và gần như liên tục. Toàn bộ quy trình, từ thu thập đến phân tích chuỗi thời gian của ảnh vệ tinh, được thực hiện trên nền tảng Google Earth Engine (GEE). Đây là một công cụ điện toán đám mây mạnh mẽ, cho phép xử lý khối lượng dữ liệu khổng lồ mà không đòi hỏi hạ tầng máy tính cá nhân phức tạp. Bằng cách phân tích sự thay đổi của các chỉ số thực vật qua các mốc thời gian khác nhau, hệ thống có thể tự động phát hiện thay đổi và xác định các khu vực có dấu hiệu mất rừng. Cách tiếp cận này không chỉ nhanh chóng, khách quan mà còn có khả năng mở rộng ra toàn bộ lãnh thổ, tạo tiền đề cho một hệ thống cảnh báo mất rừng sớm toàn diện.

3.1. Khai thác dữ liệu Landsat và ảnh Sentinel 2 miễn phí

Nguồn dữ liệu đầu vào là yếu tố cốt lõi của bất kỳ hệ thống giám sát viễn thám nào. May mắn là cộng đồng khoa học hiện nay có thể truy cập miễn phí vào kho lưu trữ khổng lồ của dữ liệu Landsat (NASA/USGS) và ảnh Sentinel-2 (ESA). Dữ liệu Landsat cung cấp một chuỗi lịch sử vô giá từ những năm 1970, trong khi Sentinel-2 mang lại hình ảnh chi tiết hơn và tần suất cập nhật cao hơn. Sự kết hợp của hai nguồn dữ liệu này cho phép thực hiện các phân tích chuỗi thời gian dài hạn, vừa theo dõi được các xu hướng mất rừng trong quá khứ, vừa giám sát được các diễn biến gần đây một cách kịp thời. Việc dữ liệu được cung cấp miễn phí đã loại bỏ rào cản chi phí, giúp các quốc gia đang phát triển như Việt Nam có thể xây dựng các hệ thống giám sát tài nguyên hiện đại.

3.2. Sức mạnh của nền tảng Google Earth Engine trong phân tích

Google Earth Engine (GEE) đã tạo ra một cuộc cách mạng trong lĩnh vực viễn thám. Đây là một nền tảng kết hợp kho dữ liệu ảnh vệ tinh quy mô petabyte với khả năng tính toán toàn cầu. Thay vì phải tải hàng terabyte dữ liệu về máy tính cá nhân để xử lý, người dùng có thể viết các đoạn mã kịch bản và thực thi trực tiếp trên máy chủ của Google. GEE cho phép các nhà nghiên cứu tại Thừa Thiên Huế xử lý và phân tích chuỗi thời gian của hàng trăm tấm ảnh Sentinel-2 một cách nhanh chóng để tạo ra bản đồ lớp phủ thực vật và bản đồ biến động. Nền tảng này giúp tiết kiệm đáng kể thời gian, công sức và chi phí, đồng thời thúc đẩy các nghiên cứu quy mô lớn về môi trường và tài nguyên thiên nhiên.

IV. Top các chỉ số viễn thám hiệu quả để phát hiện thay đổi rừng

Chìa khóa để phát hiện thay đổi trong lớp phủ rừng từ ảnh vệ tinh là sử dụng các chỉ số phổ. Đây là các công thức toán học kết hợp giá trị phản xạ của các kênh phổ khác nhau để làm nổi bật một đặc tính cụ thể của đối tượng, chẳng hạn như thảm thực vật. Nghiên cứu tại Thừa Thiên Huế tập trung vào ba chỉ số chính. Phổ biến nhất là Chỉ số Thực vật khác biệt chuẩn hóa (NDVI), một chỉ số kinh điển để đánh giá sức sống và mật độ của thực vật xanh. Tiếp theo là Chỉ số Cháy khác biệt chuẩn hóa (NBR), vốn được thiết kế để phát hiện các khu vực bị cháy nhưng cũng rất nhạy cảm với việc loại bỏ sinh khối rừng đột ngột do khai thác. Dựa trên công trình của Vũ Văn Thái (2020), một chỉ số tích hợp mới là IRSI (Integrated Remote Sensing Index), kết hợp ưu điểm của cả NDVI và NBR, đã được đề xuất và thử nghiệm. Việc xác định các ngưỡng thay đổi phù hợp cho từng chỉ số là bước quan trọng nhất, cho phép phân biệt giữa biến động tự nhiên theo mùa và các sự kiện mất rừng thực sự, từ đó nâng cao độ chính xác của hệ thống cảnh báo mất rừng sớm.

4.1. Ứng dụng chỉ số thực vật NDVI để đánh giá sức khỏe cây xanh

NDVI (Normalized Difference Vegetation Index) được tính toán dựa trên sự khác biệt giữa kênh cận hồng ngoại (NIR) và kênh ánh sáng đỏ (Red). Thực vật khỏe mạnh phản xạ mạnh ở kênh NIR và hấp thụ mạnh ở kênh đỏ, dẫn đến giá trị NDVI cao (tiệm cận +1). Ngược lại, đất trống, đá hoặc nước có giá trị NDVI thấp hoặc âm. Khi rừng bị chặt phá, giá trị NDVI tại khu vực đó sẽ giảm đột ngột. Bằng cách so sánh giá trị NDVI giữa hai thời điểm, có thể xác định được những vùng có thảm thực vật suy giảm. Đây là chỉ số nền tảng và được sử dụng rộng rãi nhất trong theo dõi biến động rừng trên toàn cầu.

4.2. Sử dụng chỉ số NBR và IRSI để xác định vùng biến động

NBR (Normalized Burn Ratio) sử dụng kênh cận hồng ngoại (NIR) và hồng ngoại sóng ngắn (SWIR). Chỉ số này rất nhạy cảm với độ ẩm trong lá cây và lượng sinh khối khô. Khi rừng bị chặt phá hoặc cháy, sinh khối xanh mất đi, làm thay đổi mạnh mẽ giá trị NBR. Nghiên cứu tại Huế đã tiến thêm một bước bằng cách đề xuất chỉ số IRSI, được tính bằng tổng của NDVI và NBR. Mục đích của IRSI là khuếch đại tín hiệu thay đổi, kết hợp thông tin về diệp lục (từ NDVI) và cấu trúc sinh khối, độ ẩm (từ NBR) để tăng cường khả năng phát hiện thay đổi và giảm thiểu các cảnh báo nhầm, góp phần vào việc quản lý tài nguyên rừng chính xác hơn.

V. Kết quả giám sát mất rừng tại Thừa Thiên Huế 2017 2020

Việc áp dụng các chỉ số viễn thám trên nền tảng Google Earth Engine đã mang lại những kết quả cụ thể và có giá trị cao cho công tác quản lý tài nguyên rừng tại Thừa Thiên Huế. Nghiên cứu đã thành công trong việc xây dựng quy trình tự động để xử lý ảnh Sentinel-2 và tính toán các chỉ số NDVI, NBR, và IRSI cho toàn tỉnh trong giai đoạn 2017-2020. Qua phân tích chuỗi thời gian, các ngưỡng giá trị cụ thể cho việc phát hiện thay đổi đã được xác định. Kết quả cho thấy, các chỉ số này có độ chính xác cao trong việc phát hiện các điểm mất rừng. Cụ thể, báo cáo của Vũ Văn Thái (2020) chỉ ra rằng phương pháp này có thể xác định được các lô mất rừng với diện tích khác nhau, từ khai thác rừng trồng quy mô lớn đến các điểm phá rừng trái phép nhỏ lẻ. Những phát hiện này đã được đối sánh với dữ liệu kiểm kê và thực địa của Chi cục Kiểm lâm, cho thấy sự tương quan cao. Kết quả này khẳng định tính khả thi của việc xây dựng một hệ thống cảnh báo mất rừng sớm, cung cấp thông tin kịp thời cho các đơn vị chức năng, đặc biệt là tại các khu vực trọng điểm như Vườn quốc gia Bạch Mã và các khu rừng phòng hộ đầu nguồn.

5.1. Xây dựng bản đồ lớp phủ thực vật và xác định ngưỡng thay đổi

Một trong những sản phẩm quan trọng của nghiên cứu là việc xây dựng bản đồ lớp phủ thực vật cho tỉnh Thừa Thiên Huế. Bằng cách phân loại các giá trị chỉ số thực vật, bản đồ đã phân tách rõ ràng giữa các khu vực có rừng, đất nông nghiệp, đất trống và mặt nước. Quan trọng hơn, nghiên cứu đã xác định được các ngưỡng (thresholds) biến động của chỉ số ∆NDVI, ∆NBR. Ví dụ, một sự sụt giảm lớn hơn một ngưỡng nhất định của giá trị NDVI giữa hai kỳ được xác định là một sự kiện mất rừng tiềm năng. Việc thiết lập các ngưỡng này dựa trên phân tích thống kê từ các mẫu mất rừng đã được xác minh trong quá khứ, đảm bảo tính khoa học và độ tin cậy cho hệ thống phát hiện thay đổi.

5.2. Đánh giá độ chính xác và hiệu quả thực tiễn của các chỉ số

Độ chính xác của phương pháp đã được đánh giá một cách cẩn thận thông qua ma trận nhầm lẫn và so sánh với các mẫu kiểm tra thực địa. Kết quả từ luận văn cho thấy độ chính xác tổng thể trong việc phát hiện điểm mất rừng là rất khả quan. Chỉ số IRSI đề xuất cho thấy tiềm năng trong việc giảm thiểu cảnh báo sai so với việc chỉ sử dụng NDVI. Hiệu quả thực tiễn của hệ thống nằm ở khả năng cung cấp thông tin nhanh chóng. Thay vì mất hàng tuần hoặc hàng tháng để tuần tra, các nhà quản lý có thể nhận được cảnh báo về một điểm nghi ngờ mất rừng chỉ trong vòng vài ngày sau khi vệ tinh chụp ảnh. Điều này giúp tối ưu hóa nguồn lực cho công tác kiểm tra và ngăn chặn, đóng góp thiết thực vào nỗ lực bảo tồn đa dạng sinh học và quản lý lâm nghiệp bền vững.

VI. Hướng tới quản lý lâm nghiệp bền vững và cảnh báo sớm

Nghiên cứu về giám sát mất rừng ở Huế bằng chỉ số viễn thám không chỉ dừng lại ở việc chứng minh tính hiệu quả của một phương pháp khoa học, mà còn mở ra một tầm nhìn mới cho quản lý tài nguyên rừng tại Việt Nam. Tương lai của ngành lâm nghiệp phụ thuộc vào việc tích hợp các công nghệ tiên tiến như viễn thám, GIS và trí tuệ nhân tạo. Dựa trên các kết quả đã đạt được, bước tiếp theo là xây dựng một hệ thống cảnh báo mất rừng sớm hoàn chỉnh, có khả năng vận hành tự động và gửi cảnh báo trực tiếp đến các đơn vị kiểm lâm cấp huyện và các chủ rừng. Hệ thống này cần được tích hợp với các ứng dụng di động để lực lượng tại hiện trường có thể dễ dàng tiếp cận thông tin, bản đồ và điều hướng đến vị trí nghi vấn. Hơn nữa, dữ liệu từ hệ thống giám sát này sẽ là nguồn thông tin đầu vào quý giá cho các mô hình dự báo, giúp xác định các khu vực có nguy cơ cao về mất rừng trong tương lai. Việc nhân rộng mô hình này ra các tỉnh thành khác sẽ góp phần quan trọng vào chiến lược quốc gia về giảm phát thải khí nhà kính từ mất rừng và suy thoái rừng (REDD+), hướng tới một nền quản lý lâm nghiệp bền vững và chủ động.

6.1. Đề xuất giải pháp tích hợp cho quản lý tài nguyên rừng

Để nâng cao hiệu quả, giải pháp không chỉ là công nghệ viễn thám đơn lẻ. Cần xây dựng một hệ thống thông tin GIS tích hợp, kết nối dữ liệu từ ảnh vệ tinh với dữ liệu về ranh giới các lô rừng, thông tin chủ rừng, và hiện trạng quy hoạch ba loại rừng. Khi một cảnh báo mất rừng được tạo ra, hệ thống có thể tự động truy xuất các thông tin liên quan, giúp người quản lý nhanh chóng nắm bắt bối cảnh. Đồng thời, cần tăng cường năng lực cho cán bộ địa phương thông qua các chương trình đào tạo về sử dụng GIS và phân tích dữ liệu viễn thám. Sự kết hợp giữa công nghệ hiện đại và chuyên môn của con người sẽ tạo ra một hệ thống quản lý tài nguyên rừng mạnh mẽ và hiệu quả.

6.2. Tương lai của hệ thống cảnh báo mất rừng sớm tại Việt Nam

Tương lai của hệ thống cảnh báo mất rừng sớm tại Việt Nam rất hứa hẹn. Với sự phát triển không ngừng của công nghệ vệ tinh, chẳng hạn như sự ra đời của các chòm sao vệ tinh thương mại có độ phân giải siêu cao và tần suất chụp hàng ngày, độ chính xác và tốc độ cảnh báo sẽ còn được cải thiện. Việc ứng dụng học máy (Machine Learning) và học sâu (Deep Learning) để tự động phân tích và nhận dạng các kiểu mẫu mất rừng sẽ giảm thiểu sự phụ thuộc vào việc xác định ngưỡng thủ công. Một hệ thống cảnh báo quốc gia, tích hợp dữ liệu từ nhiều nguồn và có thể truy cập công khai sẽ thúc đẩy tính minh bạch và sự tham gia của cộng đồng vào công tác bảo vệ rừng, đóng góp vào mục tiêu chung về quản lý lâm nghiệp bền vững và bảo tồn đa dạng sinh học.

Nội dung chính

Tổng quan nghiên cứu

Biến đổi khí hậu toàn cầu và sự suy giảm diện tích rừng tự nhiên đang đặt ra những thách thức nghiêm trọng đối với công tác bảo tồn sinh thái tại Việt Nam. Theo số liệu công bố năm 2019 của Bộ Nông nghiệp và Phát triển nông thôn, độ che phủ rừng toàn quốc đạt 41,89%, trong khi thống kê giai đoạn 2012 - 2017 cho thấy 11% diện tích rừng tự nhiên bị mất xuất phát từ hành vi chặt phá trái phép và 89% do chuyển đổi mục đích sử dụng. Tỉnh Thừa Thiên Huế sở hữu diện tích tự nhiên 5.025,30 km2 với 288.334,37 ha đất có rừng, đạt độ che phủ 57,37% vào năm 2019. Trong đó, diện tích rừng tự nhiên chiếm 211.373,11 ha và rừng trồng chiếm 76.961,26 ha. Tuy nhiên, chỉ riêng trong năm 2019, địa phương đã ghi nhận biến động giảm 8.450,90 ha rừng, bao gồm 5.409,33 ha khai thác rừng trồng, 226,58 ha do cháy rừng, 10,35 ha bị phá trái phép, 11,26 ha do sạt lở và 2.793,38 ha do các nguyên nhân sinh cảnh khác.

Địa hình Thừa Thiên Huế trải dài phức tạp từ dãy núi Trường Sơn hiểm trở ra đến vùng bờ biển dài 120 km trên địa bàn 8 đơn vị hành chính cấp huyện, thị xã và thành phố. Thực trạng lực lượng kiểm lâm mỏng khiến công tác tuần tra thực địa gặp vô vàn trở ngại. Trước bối cảnh đó, nghiên cứu được thực hiện nhằm xây dựng cơ sở khoa học và quy trình thực nghiệm ứng dụng các chỉ số viễn thám quang học từ vệ tinh Sentinel-2 trên nền tảng Google Earth Engine. Mục tiêu cụ thể là xác định các ngưỡng biến động quang phổ tin cậy để tự động hóa việc phát hiện sớm và giám sát mất rừng giai đoạn 2017 - 2020. Kết quả nghiên cứu giúp rút ngắn chu kỳ theo dõi xuống 5 ngày, nâng cao độ chính xác cảnh báo trên 90% và hỗ trợ đắc lực cho công tác quản lý tài nguyên rừng bền vững.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên lý thuyết phản xạ phổ điện từ của thảm thực vật và lý thuyết phát hiện biến động đa thời gian trong viễn thám quang học. Đặc tính phản xạ của lá cây khỏe mạnh hấp thụ mạnh bức xạ dải sóng đỏ (Red) do chất diệp lục và phản xạ mạnh ở dải sóng cận hồng ngoại (NIR) do cấu trúc tế bào mô giậu. Khi rừng bị tàn phá hoặc suy thoái, độ phản xạ NIR suy giảm mạnh trong khi độ phản xạ dải sóng hồng ngoại sóng ngắn (SWIR) và dải sóng đỏ tăng cao.

Luận văn vận dụng các khái niệm nền tảng theo Luật Lâm nghiệp năm 2017 và hướng dẫn quốc tế:

• Mất rừng: Sự suy giảm và chuyển trạng thái từ đất có rừng sang đất trống với độ tàn che giảm xuống dưới 0,1 và diện tích liên vùng suy giảm dưới 0,3 ha.
• Chỉ số khác biệt thực vật chuẩn hóa (NDVI): Tỷ số giữa dải sóng NIR và Red, dao động từ -1,0 đến +1,0, trong đó thảm phủ rừng nhiệt đới thường đạt giá trị cao từ 0,60 đến 0,85.
• Chỉ số hỏa hoạn và độ ẩm chuẩn hóa (NBR): Tỷ số giữa dải sóng NIR và SWIR, phản ánh sinh khối ẩm và mức độ tổn thương sau cháy rừng hoặc khai thác.
• Chỉ số viễn thám tích hợp (IRSI): Chỉ số tổng hợp được tính bằng tổng của NDVI và NBR nhằm tối ưu hóa khả năng tách lọc biến động thảm phủ.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu ảnh vệ tinh Sentinel-2 đa phổ với độ phân giải không gian 10m và chu kỳ chụp lặp lại 5 ngày, được truy xuất và xử lý trực tiếp trên nền tảng điện toán đám mây Google Earth Engine (GEE). Dữ liệu đối chứng bao gồm bản đồ kiểm kê rừng năm 2016, cơ sở dữ liệu diễn biến rừng FRMS tỉnh Thừa Thiên Huế đến năm 2019 và số liệu quan trắc khí tượng lượng mưa giai đoạn 2002 - 2019.

Cỡ mẫu nghiên cứu gồm 250 điểm giải đoán thực địa và mẫu khóa ảnh được phân bố đại diện trên toàn bộ các huyện miền núi và đồng bằng. Phương pháp chọn mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) được áp dụng dựa trên các trạng thái: rừng tự nhiên giàu, trung bình, nghèo, rừng trồng keo/tràm và đất trống sau khai thác.

Lý do lựa chọn phương pháp phân tích sai khác ngưỡng chỉ số đa thời gian (Image Differencing) kết hợp đánh giá chéo (Cross-validation) và kiểm chuẩn chất lượng ảnh NIIRS là nhằm tự động hóa quá trình xử lý ảnh trên diện rộng, loại bỏ sai số do mây mù và tiết kiệm trên 80% thời gian khảo sát thực tế. Toàn bộ quá trình đánh giá được chia thành 3 kỳ quan sát: Kỳ 1 (tháng 4/2017 đến tháng 4/2018), Kỳ 2 (tháng 4/2018 đến tháng 4/2019) và Kỳ 3 (tháng 4/2019 đến tháng 5/2020), tập trung vào các tháng mùa khô từ tháng 2 đến tháng 6 khi tỷ lệ mây bình quân dưới 20%.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên không gian địa bàn tỉnh Thừa Thiên Huế đã mang lại các phát hiện khoa học quan trọng:

Thứ nhất, nghiên cứu đã lượng hóa chính xác ngưỡng giá trị quang phổ đặc trưng cho hiện tượng mất rừng. Ngưỡng sụt giảm của chỉ số NDVI (dNDVI) được xác định ở mức lớn hơn 0,32 (tương đương mức suy giảm trên 42% giá trị sinh khối xanh). Ngưỡng sụt giảm của chỉ số NBR (dNBR) đạt mức lớn hơn 0,28 (tương đương mức suy giảm trên 38% độ ẩm và cấu trúc tán). Ngưỡng biến động của chỉ số tích hợp IRSI được thiết lập ở mức dIRSI lớn hơn 0,60.

Thứ hai, kết quả đánh giá chéo độ chính xác phát hiện điểm mất rừng cho thấy sự vượt trội rõ rệt của chỉ số IRSI. Độ chính xác tổng thể của chỉ số tích hợp IRSI đạt 92,5%, cao hơn 5,2% so với khi sử dụng đơn lẻ chỉ số NDVI (đạt 87,3%) và cao hơn 6,9% so với chỉ số NBR (đạt 85,6%).

Thứ ba, tổng diện tích mất rừng được bóc tách trong cả giai đoạn 2017 - 2020 biến động trên 24.500 ha (trung bình hơn 8.000 ha mỗi năm). Trong đó, diện tích mất rừng tập trung trên 65% ở đối tượng rừng trồng sản xuất đến kỳ thu hoạch luân canh tại các huyện Nam Đông, Phong Điền và Phú Lộc; khoảng 35% diện tích còn lại phân bố rải rác do cháy rừng, sạt lở tự nhiên và chuyển đổi mục đích tại các khu vực đồi núi hiểm trở.

Thảo luận kết quả

Khả năng nhận diện vượt trội của chỉ số IRSI bắt nguồn từ cơ chế kết hợp đồng thời độ phản xạ diệp lục ở bước sóng ánh sáng nhìn thấy và độ nhạy cảm cấu trúc ẩm ở bước sóng ngắn SWIR. Khi một diện tích rừng bị triệt hạ, tán cây xanh biến mất làm giảm mạnh NDVI, đồng thời bề mặt đất trống bị phơi lộ làm gia tăng mạnh bức xạ nhiệt và phản xạ dải sóng SWIR, khiến giá trị NBR rơi tự do. Việc kết hợp hai chỉ số này giúp triệt tiêu hiện tượng báo động giả do hiện tượng rụng lá theo mùa hoặc thay đổi độ ẩm mặt đất cục bộ.

So sánh với các công bố khoa học tương đồng, kết quả này hoàn toàn tương thích với mô hình phân tích BFAST của Michael Schultz (2016) trên dữ liệu nhiệt đới và báo cáo thực nghiệm năm 2020 của Bộ Nông nghiệp và Phát triển nông thôn tại Điện Biên (dNDVI lớn hơn 0,308 và dNBR lớn hơn 0,248). Sự hiệu chỉnh ngưỡng dNDVI lên mức 0,32 và dNBR lên 0,28 phản ánh chính xác đặc thù sinh khối rừng mưa nhiệt đới thường xanh của vùng duyên hải Bắc Trung Bộ.

Dữ liệu nghiên cứu được biểu diễn trực quan qua biểu đồ biến thiên 12 tháng của năm 2019, chỉ ra giá trị NDVI đạt đỉnh trung bình 0,78 vào tháng 5 và sụt giảm tự nhiên xuống 0,55 vào mùa mưa lũ tháng 10 và 11. Bản đồ phân bố không gian thể hiện rõ các điểm nóng mất rừng tập trung tại lưu vực sông Hương, sông Ô Lâu và khu vực rừng giáp ranh huyện A Lưới, tạo tiền đề vững chắc cho việc trực quan hóa dữ liệu trên các bảng biểu thống kê chuyên ngành.

Đề xuất và khuyến nghị

Dựa trên các kết luận thực nghiệm, nghiên cứu đề xuất 4 nhóm giải pháp chiến lược nhằm hiện đại hóa công tác quản lý bảo vệ rừng:

• Phát triển và tích hợp module phát hiện mất rừng tự động: Xây dựng công cụ phần mềm chuyên dụng vận hành trên nền tảng Google Earth Engine kết hợp phần mềm mã nguồn mở QGIS cho Chi cục Kiểm lâm Thừa Thiên Huế. Mục tiêu là tự động quét ảnh Sentinel-2 định kỳ và giảm thời gian phát hiện điểm nghi vấn mất rừng từ 30 ngày xuống dưới 5 ngày, hoàn thành triển khai trong giai đoạn 2021 - 2022 do Chi cục Kiểm lâm phối hợp với Sở Nông nghiệp và Phát triển nông thôn chủ trì.
• Chuẩn hóa quy trình ứng dụng chỉ số tích hợp IRSI: Ban hành hướng dẫn kỹ thuật thống nhất việc sử dụng ngưỡng dIRSI lớn hơn 0,60 trong công tác rà soát biến động rừng định kỳ hàng tháng. Phấn đấu nâng tỷ lệ xác thực chính xác các điểm biến động ngoài thực địa đạt trên 95%, áp dụng ngay từ quý I/2021 bởi Hạt Kiểm lâm 8 huyện, thị xã và thành phố.
• Nâng cao năng lực chuyên môn cho lực lượng kiểm lâm cơ sở: Tổ chức các chương trình tập huấn chuyên sâu về xử lý ảnh viễn thám, sử dụng thiết bị GPS cầm tay và ứng dụng phần mềm FRMS Mobile cho 100% cán bộ kiểm lâm địa bàn (với hơn 150 biên chế toàn tỉnh). Lộ trình thực hiện trong vòng 12 tháng dưới sự tài trợ của các chương trình phát triển lâm nghiệp bền vững.
• Hoàn thiện hạ tầng cơ sở dữ liệu không gian rừng: Đầu tư hệ thống máy chủ và liên kết chia sẻ dữ liệu ảnh vệ tinh độ phân giải 10m giữa các Ban Quản lý rừng phòng hộ, Vườn Quốc gia Bạch Mã và các Khu bảo tồn thiên nhiên. Mục tiêu hướng tới giảm thiểu 30% diện tích rừng tự nhiên bị xâm hại trái phép đến năm 2025 theo chỉ đạo của Ủy ban nhân dân tỉnh Thừa Thiên Huế.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang tính ứng dụng thực tiễn cao và là tài liệu tham khảo giá trị cho 4 nhóm đối tượng chính:

• Cán bộ quản lý và lực lượng kiểm lâm địa phương: Nắm vững quy trình xử lý ảnh tự động và thuật toán chỉ số IRSI để khoanh vùng chính xác điểm mất rừng, giúp tiết kiệm 60% công sức tuần tra phân tán trên tổng diện tích 288.334,37 ha rừng của tỉnh.
• Các nhà nghiên cứu và học viên cao học ngành Quản lý tài nguyên, Lâm nghiệp và GIS: Khai thác khung phương pháp luận xử lý dữ liệu lớn đa thời gian trên nền tảng điện toán đám mây GEE, phương pháp xác định ngưỡng biến động và kỹ thuật đánh giá chéo mẫu ảnh viễn thám độ phân giải 10m.
• Các tổ chức phi chính phủ và cơ quan tài trợ bảo tồn quốc tế: Sử dụng cơ sở dữ liệu biến động 3 kỳ (2017 - 2020) và bản đồ phân bố mất rừng để hoạch định các chương trình tài trợ phục hồi hệ sinh thái, giảm phát thải khí nhà kính REDD+ tại hành lang đa dạng sinh học dãy Trường Sơn.
• Doanh nghiệp lâm nghiệp và chủ rừng trồng quy mô lớn: Ứng dụng công nghệ giám sát viễn thám để quản lý chu kỳ khai thác và trồng lại rừng, hỗ trợ duy trị chứng chỉ quản lý rừng bền vững FSC trên hơn 7.000 ha rừng sản xuất.

Câu hỏi thường gặp

Ảnh vệ tinh Sentinel-2 có những ưu thế gì nổi bật trong giám sát tài nguyên rừng tại Thừa Thiên Huế? Sentinel-2 cung cấp nguồn tư liệu đa phổ hoàn toàn miễn phí với độ phân giải không gian cao 10m và chu kỳ chụp lặp lại 5 ngày. Tần suất quan sát dày đặc này giúp các nhà nghiên cứu dễ dàng chọn lọc các cảnh ảnh không mây trong các tháng mùa khô (tháng 2 đến tháng 6), đảm bảo độ tin cậy phát hiện biến động rừng đạt trên 90%.

Chỉ số tích hợp IRSI vượt trội hơn các chỉ số truyền thống như NDVI và NBR ở điểm nào? Chỉ số IRSI là sự kết hợp cộng gộp giữa NDVI (nhạy với sắc tố diệp lục tươi) và NBR (nhạy với độ ẩm và sinh khối khô). Sự kết hợp này triệt tiêu các tín hiệu nhiễu do thay đổi độ ẩm đất hoặc rụng lá sinh lý, nâng độ chính xác nhận diện mất rừng lên 92,5%, cao hơn chỉ số NDVI đơn lẻ 5,2%.

Làm thế nào để loại bỏ sai số do mây mù che phủ khi phân tích viễn thám tại miền Trung? Nghiên cứu ứng dụng thuật toán lọc mây tự động trên Google Earth Engine kết hợp thang đo chất lượng ảnh chuẩn quốc tế NIIRS. Đồng thời, tác giả tập trung xử lý dữ liệu vào khung thời gian có lượng mưa bình quân thấp nhất trong năm (dưới 100 mm/tháng), giúp tỷ lệ mây bình quân trên các cảnh ảnh thu nhận luôn ở mức dưới 20%.

Luận văn định nghĩa tiêu chí mất rừng như thế nào để phục vụ bóc tách dữ liệu vệ tinh? Theo Luật Lâm nghiệp 2017 và FAO, mất rừng trong nghiên cứu được xác định là sự chuyển đổi từ trạng thái đất có rừng sang đất trống với diện tích suy giảm từ 0,3 ha trở lên và độ tàn che tụt xuống dưới 0,1. Về mặt quang phổ, hiện tượng này tương ứng với mức giảm dNDVI lớn hơn 0,32.

Quy trình phát hiện mất rừng tự động được ứng dụng vào thực tế kiểm lâm theo các bước nào? Quy trình gồm 4 bước liên hoàn: tải và lọc ảnh Sentinel-2 trên GEE, tính toán chỉ số chênh lệch delta đa thời kỳ, lọc điểm mất rừng theo ngưỡng biến động tối ưu và giao cắt dữ liệu với bản đồ quy hoạch 3 loại rừng để loại bỏ các cảnh báo nhầm ngoài lâm phận. Toàn bộ chu trình chỉ mất dưới 24 giờ xử lý dữ liệu.

Kết luận

• Luận văn đã xây dựng thành công quy trình ứng dụng ảnh vệ tinh Sentinel-2 độ phân giải 10m trên nền tảng Google Earth Engine để giám sát biến động tài nguyên rừng định kỳ 5 ngày.
• Nghiên cứu chứng minh chỉ số tích hợp IRSI đạt độ chính xác cao nhất (92,5%), vượt trội hoàn toàn so với việc sử dụng riêng rẽ NDVI (87,3%) và NBR (85,6%).
• Bóc tách và định lượng chính xác diện tích mất rừng trên 288.334,37 ha đất lâm nghiệp tỉnh Thừa Thiên Huế qua 3 kỳ giám sát liên tục từ năm 2017 đến năm 2020.
• Cung cấp luận cứ khoa học thực tiễn giúp ngành lâm nghiệp địa phương cắt giảm 60% thời gian và chi phí tuần tra thực địa nhờ tự động hóa cảnh báo sớm.
• Đề xuất lộ trình tích hợp thuật toán viễn thám vào phần mềm FRMS giai đoạn 2021 - 2025, tạo bước đột phá trong chuyển đổi số quản lý tài nguyên và bảo tồn đa dạng sinh học.

Công trình là tài liệu tham khảo thiết thực cho các nhà quản lý lâm nghiệp, cơ quan bảo tồn và giới nghiên cứu. Hãy tải toàn văn luận văn thạc sĩ để khai thác chi tiết thuật toán xử lý ảnh, bộ mã nguồn phân tích viễn thám và dữ liệu không gian thực nghiệm giá trị.

Trích đoạn nội dung tài liệu

chương I. Tuy nhiên tại điểm 3 điều này có định nghĩa rừng: "Rừng là một hệ sinh thái bao gồm các loài thực vật rừng, động vật rừng, nấm, vi sinh vật, đất rừng và các yếu tố môi trường khác, trong đó thành phần chính là một hoặc một số loài cây thân gỗ, tre, nứa, cây họ cau có chiều cao được xác định theo hệ thực vật trên núi đất, núi đá, đất ngập nước, đất cát hoặc hệ thực vật đặc trưng khác; diện tích liên vùng từ 0,3 ha trở lên; độ tàn che từ 0,1 trở lên". Như vậy, có thể hiệu ngược lại, mất rừng sẽ là trạng thái ngược lại của rừng tức là không còn tồn tại của thực vật, diện tích liên vùng nhỏ hơn 0,3 ha và độ tàn che dưới 0,1 ha. Trong khuôn khổ của nghiên cứu này sử dụng khái niệm mất rừng là việc chuyển trạng thái đất có rừng (rừng trồng và rừng tự nhiên) từ trạng thái có rừng chuyển sang trạng thái đất trống.

Nguyên nhân mất rừng Mất rừng có thể do nhiều yếu tố gây ra, có thể do con người hoặc nguồn gốc tự nhiên, gây ra nạn phá rừng. Các yếu tố tự nhiên bao gồm cháy rừng tự nhiên hoặc các bệnh do ký sinh trùng gây ra có thể dẫn đến phá rừng. Tuy nhiên, các hoạt động của con người là một trong những nguyên nhân chính gây ra nạn phá rừng toàn cầu. Theo Tổ chức Nông lương (FAO), việc mở rộng nông nghiệp gây ra gần 80% nạn phá rừng trên toàn cầu, với việc xây dựng các cơ sở hạ tầng như đường sá hay đập nước, cùng với các hoạt động khai thác và đô thị hóa, là nguyên nhân còn lại của nạn phá rừng.

Nông nghiệp Có thể nói nông nghiệp là nguyên nhân chính dẫn đến việc mất rừng. Theo FAO, nông nghiệp gây ra khoảng 80% nạn phá rừng; thậm chí 33% nạn phá rừng do nông nghiệp gây ra là hậu quả của nông nghiệp tự cung tự cấp - chẳng hạn như nông nghiệp nông dân địa phương ở các nước đang phát triển [40]. Nông nghiệp thương mại hoặc công nghiệp (trồng trọt và chăn nuôi) gây ra khoảng 40% diện tích rừng bị mất - do tìm kiếm không gian để trồng thực phẩm, sợi hoặc nhiên liệu sinh học (như đậu nành, dầu cọ, thịt bò, gạo, ngô, bông và mía). Cũng đặc biệt thú vị khi lưu ý rằng vật nuôi được cho là nguyên nhân gây ra khoảng 14% nạn phá rừng toàn cầu.

Những lý do chính khiến diện tích đất rộng lớn đòi hỏi phải vừa chăn nuôi vừa trồng thực phẩm. Xây dựng Việc xây dựng cơ sở hạ tầng của con người cũng là nguyên nhân dẫn đến nạn phá rừng. Cụ thể hơn, 10% vụ phá rừng có thể là do các cơ sở hạ tầng mới phục vụ lối sống hiện tại của con người theo 4 cách chính: giao thông vận tải, chuyển đổi và tạo ra năng lượng [40]. Một mặt, các con đường, đường ray, bến cảng hoặc sân bay đã được xây dựng để chuyển tất cả các loại hàng hóa - từ ngũ cốc và trái cây đến gia vị, khoáng chất hoặc nhiên liệu hóa thạch - trực tiếp đến các trung tâm thương mại hoặc đến các địa điểm chuyển đổi.

Vì vậy, ban đầu chỉ có cây ăn quả, nhưng đã sớm có đường xá cho phép vận chuyển trái cây đi các vùng khác. Và trong khi một số hàng hóa đã được và được thu gom thủ công, những loại khác như than, dầu, khí đốt tự nhiên, sinh khối, nhưng cũng như thịt, sữa hoặc rượu mạnh, đòi hỏi phải xây dựng các cơ sở hạ tầng khai thác, vận chuyển. Đô thị hóa Sự chuyển dịch dân cư đang khiến người dân chuyển từ nông thôn ra thành thị cũng góp phần vào nạn phá rừng (5%, theo FAO). Sự tăng trưởng đô 6 thị này - trong đó 68% dân số thế giới dự kiến sẽ sống ở các thành phố vào năm 2050 - đang dẫn đến sự tăng trưởng theo cấp số nhân của các địa điểm tiêu dùng và nhà ở [40].

Và khi các thành phố trở nên lớn hơn để có thể chứa nhiều người hơn, chúng thách thức các ranh giới tự nhiên xung quanh chúng, thường dẫn đến nạn phá rừng. Đây là một trong những nguyên nhân khiến nạn phá rừng diễn ra. Cháy rừng Các đám cháy tự nhiên trong các khu rừng nhiệt đới có xu hướng hiếm nhưng dữ dội. Các đám cháy do con người đốt thường được sử dụng để giải phóng đất đai để sử dụng trong nông nghiệp.

Đầu tiên, gỗ có giá trị được khai thác, sau đó phần thực vật còn lại bị đốt cháy để nhường chỗ cho các loại cây trồng như đậu nành hoặc chăn thả gia súc. Năm 2019, số vụ cháy do con người gây ra đã tăng vọt. Tính đến tháng 8 năm 2019, hơn 80.000 đám cháy đã bùng cháy ở Amazon, tăng gần 80% so với năm 2018 [39]. Tác hại của mất rừng Mất rừng gây ra nhiều hậu quả cho các hệ sinh thái tự nhiên và nó đặt ra những vấn đề nghiêm trọng đối với khả năng phục hồi của không chỉ mỗi quốc gia mà còn của cả hành tinh chúng ta.

Ảnh hưởng của mất rừng đến đa dạng sinh học Hậu quả được biết đến nhiều nhất của việc mất rừng là đe dọa đa dạng sinh học. Trên thực tế, rừng đại diện cho một số trung tâm đa dạng sinh học thực sự nhất. Từ động vật có vú đến chim, côn trùng, động vật lưỡng cư hay thực vật, rừng là nơi cư trú của nhiều loài quý hiếm và mong manh. Lưu ý rằng 80% động vật và thực vật trên cạn sống trong rừng [40].

Với việc phá hủy các khu rừng, các hoạt động của con người đang đặt toàn bộ hệ sinh thái vào tình trạng nguy hiểm, tạo ra sự mất cân bằng tự nhiên và khiến sự sống bị đe dọa. Thế giới tự nhiên rất phức tạp, liên kết với nhau và được tạo thành từ hàng nghìn yếu tố phụ thuộc lẫn nhau và trong số các 7 chức năng khác, cây cối cung cấp bóng râm và nhiệt độ lạnh hơn cho động vật và các cây nhỏ hơn hoặc thảm thực vật có thể không tồn tại được với sức nóng của ánh sáng mặt trời trực tiếp. Bên cạnh đó, cây cối cũng cho động vật ăn trái cây trong khi cung cấp thức ăn và nơi ở cần thiết để chúng tồn tại. Ảnh hưởng của mất rừng đến sinh kế Rừng khỏe mạnh hỗ trợ sinh kế của 1,6 tỷ người trên toàn cầu, một tỷ người trong số họ thuộc nhóm nghèo nhất thế giới.

Điều này có nghĩa là có rất nhiều người phụ thuộc vào rừng để sinh tồn và sử dụng chúng để săn bắt và hái lượm các sản phẩm thô cho quá trình nông nghiệp quy mô nhỏ của họ. Nhưng ở các nước đang phát triển như Indonesia, Việt Nam, Brazil hoặc Mexico, hệ thống quản lý đất đai còn nhiều hạn chế đã vô tình cho phép các doanh nghiệp lớn có được những khu đất này và sử dụng chúng cho các mục đích khác, làm gián đoạn và ảnh hưởng không nhỏ cuộc sống của người dân địa phương. Điều này dẫn đến việc người dân địa phương sau đó phải thực hiện một trong hai lựa chọn. Họ có thể quyết định từ bỏ mảnh đất “của mình” và di cư đến một nơi khác, tránh xung đột và chấp nhận thách thức của một cuộc sống mới khác.

Hoặc họ có thể ở lại và làm việc cho các công ty khai thác trong những đồn điền - thường bị trả lương không công bằng và làm việc trong những điều kiện vô nhân đạo. Ở một số quốc gia như Mexico, chủ sở hữu đồn điền thường bị buộc phải chia sẻ lợi nhuận của họ với các tập đoàn địa phương để giữ cho họ tồn tại và tránh bị đốt cháy hoa màu [40]. Ảnh hưởng của mất rừng đến an toàn lương thực Mất rừng làm lương thực có thể dẫn đến mất an ninh lương thực trong tương lai. Ngày nay, 52% diện tích đất được sử dụng để sản xuất lương thực bị tác động vừa phải hoặc nghiêm trọng bởi xói mòn đất [40].

Về lâu dài, đất thiếu dinh dưỡng, trong lành có thể dẫn đến năng suất thấp và mất an toàn vệ sinh thực phẩm. Ảnh hưởng của mất rừng đến xói lở đất Mất rừng làm suy yếu và thoái hóa đất. Đất rừng thường không chỉ giàu chất hữu cơ hơn mà còn có khả năng chống xói mòn, thời tiết xấu và các hiện tượng thời tiết khắc nghiệt hơn. Điều này xảy ra chủ yếu là do rễ cây giúp cố định cây trong đất và cây che nắng giúp đất khô từ từ.

Do đó, việc mất rừng có thể đồng nghĩa với việc đất ngày càng trở nên mỏng manh, khiến khu vực này dễ bị ảnh hưởng bởi các thảm họa thiên nhiên như lở đất và lũ lụt. Ảnh hưởng của mất rừng đến biến đổi khí hậu Mất rừng cũng góp phần rất lớn vào biến đổi khí hậu. Cây cối hấp thụ và lưu trữ CO2 trong suốt cuộc đời của chúng, nếu nói về rừng nhiệt đới, chúng chứa hơn 210 gigatons carbon. Và điều đáng lo ngại là việc phá hủy những cây rừng có hai tác dụng phụ tiêu cực lớn.

Thứ nhất, chặt cây có nghĩa là chúng sẽ thải CO2 trở lại bầu khí quyển mà chúng đang giữ. Thứ hai, ít cây hơn đồng nghĩa với việc giảm khả năng thu nhận và lưu trữ CO2 nói chung của hành tinh. Cả hai tác động này đều góp phần tiêu cực vào hiệu ứng nhà kính và biến đổi khí hậu. Trên thực tế, trong khi lương thực và nông nghiệp chiếm 24% lượng khí thải gây hiệu ứng nhà kính, mất rừng được ước tính là nguyên nhân gây ra 10-15% tổng lượng khí thải CO2 do con người gây ra [39].

Xu hướng khu vực mất rừng Tổ chức Nông lương Liên hợp quốc (FAO) ước tính tỷ lệ mất rừng hàng năm là khoảng 1,3 triệu km vuông mỗi thập kỷ, mặc dù tốc độ này đã chậm lại ở một số nơi vào đầu thế kỷ 21 do các hoạt động quản lý rừng được tăng cường và thiết lập các khu vực bảo tồn thiên nhiên [38]. Trên khắp thế giới, mất rừng xảy ra hầu hết ở các vùng nhiệt đới, nơi có nhiều loại rừng khác nhau: từ rừng mưa ẩm ướt đến rừng nhiệt đới khác rụng lá vào mùa khô và trở thành rừng cây. Bởi vì ranh giới giữa các loại rừng này là tùy ý và không rõ ràng, các ước tính khác nhau về mức độ phá rừng đã xảy ra ở vùng nhiệt đới [38]. 9 Một số nơi trên thế giới đã quản lý để bảo vệ rừng của họ khỏi nạn phá rừng trong khi những nơi khác thì diện tích rừng của họ bị suy giảm.