Tổng quan luận án
Sự suy thoái và mất rừng tự nhiên nhiệt đới là một trong những nguyên nhân chính dẫn đến phát thải khí nhà kính toàn cầu và làm suy giảm tính đa dạng sinh học. Theo ước tính của Tổ chức Lương thực và Nông nghiệp Liên Hợp Quốc (FAO, 2000, 2005, 2010) và Tổ chức Gỗ Nhiệt đới Quốc tế (ITTO, 2009), hàng năm có khoảng 13 đến 16 triệu hecta (Mha) rừng nhiệt đới bị chặt phá và suy thoái trong giai đoạn 1990–2000. Để bù đắp sự thiếu hụt nguồn cung gỗ và giảm áp lực lên rừng tự nhiên, nhiều quốc gia nhiệt đới đã ban hành chính sách mở rộng các hệ thống rừng trồng công nghiệp (Industrial Forests - IFs). Khu vực châu Á - Thái Bình Dương trở thành tâm điểm của xu hướng này khi chiếm khoảng 80% tổng diện tích rừng trồng nhiệt đới và 80% mức tăng diện tích của thế giới (FAO, 2006; ITTO, 2009). Tuy nhiên, các nghiên cứu viễn thám trước đây chủ yếu tập trung vào việc giám sát rừng tự nhiên tán kín tại các khu vực như Amazon và Indonesia, trong khi các hệ thống rừng công nghiệp được quản lý thâm canh với chu kỳ khai thác - tái sinh liên tục vẫn chưa được ghi nhận đầy đủ về mặt phân bố không gian, tốc độ mở rộng, quy mô lô rừng và các hệ quả sinh thái.
Khoảng trống nghiên cứu này đòi hỏi việc xây dựng các công cụ viễn thám có khả năng phân loại và giám sát định lượng chuỗi thời gian của rừng công nghiệp, đặc biệt tại các khu vực thường xuyên bị ảnh hưởng bởi mây mù nhiệt đới như Malaysia.
Luận án tiến sĩ Lâm nghiệp của tác giả Uy Duc Pham (2016) tại Đại học Bang Michigan (Michigan State University) giải quyết các mục tiêu và câu hỏi nghiên cứu sau:
Mục tiêu nghiên cứu:
- Nâng cao cơ sở dữ liệu và hiểu biết khoa học về phạm vi, đặc điểm và động lực của các hệ thống rừng công nghiệp mới như một tác nhân biến đổi sử dụng đất và che phủ đất (LULCC) tại vùng nhiệt đới.
- Phát triển và kiểm định các phương pháp viễn thám sử dụng chuỗi thời gian ảnh vệ tinh Landsat đa thời gian, trọng tâm là phân tích độ che phủ phân đoạn rừng (forest fractional cover - fC) và các chỉ số thực vật (Vegetation Indices - VIs), kết hợp với phân tích kết cấu (texture), quang phổ (spectral) và giải đoán hình ảnh.
- Định lượng tốc độ mở rộng, quy mô cảnh quan, các kiểu thảm phủ bị thay thế bởi rừng công nghiệp, đồng thời đánh giá các hệ quả sinh thái đối với trữ lượng carbon trên mặt đất (aboveground carbon stock), lượng phát thải khí nhà kính ($CO_2$) và mức độ suy giảm đa dạng sinh học.
Câu hỏi nghiên cứu (được xác định tại Mục 1.9):
- Quy mô diện tích và sự phân bố không gian của các hệ thống rừng công nghiệp mới biến động như thế nào qua thời gian tại khu vực nghiên cứu?
- Các cấp quy mô lô rừng (patch size classes) và chu kỳ luân canh của các loài cây rừng công nghiệp biểu hiện ra sao trên dữ liệu viễn thám chuỗi thời gian?
- Rừng công nghiệp mới đang thay thế các loại hình sử dụng đất và che phủ đất nào (rừng tự nhiên bị tác động, đất nông nghiệp, hay đất thoái hóa)?
- Mức độ chính xác của các phương pháp viễn thám dựa trên chuỗi thời gian fC và VIs trong việc phát hiện và lập bản đồ rừng công nghiệp tại vùng nhiệt đới là bao nhiêu?
- Các hệ quả môi trường của việc mở rộng rừng công nghiệp đối với trữ lượng carbon trên mặt đất và đa dạng sinh học tại khu vực nghiên cứu được lượng hóa như thế nào?
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Các hệ sinh thái rừng trồng công nghiệp phục vụ sản xuất gỗ xẻ, gỗ dán, bột giấy và dăm gỗ sinh khối. Các nhóm loài chính bao gồm keo (Acacia spp.), cao su (Hevea brasiliensis), bạch đàn (Eucalyptus spp.), thông (Pinus spp.) và tếch (Tectona spp.). Luận án không bao gồm cây cọ dầu (Elaeis guineensis).
- Phạm vi không gian: Bang Sabah và bang Sarawak thuộc Malaysia (khu vực đảo Borneo).
- Phạm vi thời gian: Giai đoạn 2000–2014, với các mốc dữ liệu viễn thám định kỳ các năm 2000, 2003, 2006, 2009, 2012 và 2014.
Tổng quan tài liệu và vị trí của luận án
Luận án tổng hợp các hướng nghiên cứu quốc tế và khu vực liên quan đến quản lý rừng trồng và công nghệ viễn thám:
-
Nghiên cứu hiện trạng rừng trồng và LULCC tại châu Á - Thái Bình Dương: Các báo cáo của FAO (2000, 2005, 2006, 2010), ITTO (2009), ABARE-Jaakko Pöyry Consulting (1999) và Kanninen (2010) ghi nhận sự dịch chuyển mạnh từ các loài sinh trưởng chậm, chu kỳ dài (SGLR) như tếch và cao su sang các loài sinh trưởng nhanh, chu kỳ ngắn (FGSR) như keo và bạch đàn. Tại Ấn Độ, các nghiên cứu về trữ lượng carbon rừng trồng (Semwal et al., 2013; Bohre et al., 2013), sinh thái (Dey et al., 2014; Chaudhuri et al., 2013) và nhu cầu nguyên liệu gỗ (Prasad et al., 2009; Kulkarrni, 2013; Palm et al., 2013) chỉ ra sự gia tăng diện tích theo các chương trình quốc gia. Tại Indonesia, các nghiên cứu của Wilson và John (1982), Hendrien et al. (2007), Bruijnzeel và Wiersum (1987), Obidzinski và Dermawan (2012), Jauhiainen et al. (2012) tập trung vào rừng trồng công nghiệp (HTI), chu chuyển dinh dưỡng và phát thải khí than bùn. Tại Thái Lan và Việt Nam, các tác giả như Charat và Wasana (2010), Rasamee et al. (2011), Sikor (2012), Mats et al. (2010), Putzel et al. (2012) nghiên cứu về cao su, lâm nghiệp hộ gia đình và động thái chuyển đổi đất. Tại Malaysia, các nghiên cứu của Chey et al. (1997), Malmer (1992, 1996), Ratnasingam et al. (2011), Jagatheswaran et al. (2011, 2012), Pinso và Vun (2000) đánh giá đặc tính lập địa và sự suy giảm của diện tích cao su trước sức ép cạnh tranh từ cây cọ dầu.
-
Nghiên cứu phát triển phương pháp viễn thám nhận diện rừng trồng:
- Phương pháp quang học kết hợp dữ liệu phụ trợ: Zhai et al. (2012, 2014) sử dụng giải đoán mắt và phân loại có kiểm định trên ảnh Landsat tại đảo Hải Nam; Yi et al. (2014) và Xiaona et al. (2013) kết hợp mô hình số độ cao (DEM), nhiệt độ, lượng mưa để xác định phân bố cao su.
- Phương pháp viễn thám Radar (SAR): Miettinen và Liew (2011) sử dụng ảnh ALOS PALSAR với các kênh phân cực HH và HV để tách biệt cọ dầu, keo và cao su trên đảo Borneo; Kou et al. (2005), Dong et al. (2012, 2013) kết hợp PALSAR và Landsat trong giai đoạn rụng lá của cao su.
- Phân tích chuỗi thời gian và thuật toán nơ-ron: Senf et al. (2013) ứng dụng phần mềm TimeSat để phân tích đường cong chỉ số EVI và SWIR; Li và Fox (2011a, 2011b, 2012) kết hợp khoảng cách Mahalanobis typicalities và mạng nơ-ron trên ảnh ASTER 9 kênh phổ.
Khoảng trống nghiên cứu luận án giải quyết:
Hầu hết các phương pháp trước đây bị hạn chế bởi sự phụ thuộc vào dữ liệu môi trường cục bộ hoặc dữ liệu Radar vốn hạn chế về độ bao phủ thời gian và không gian. Luận án giải quyết khoảng trống này bằng cách xây dựng quy trình phân tích chuỗi thời gian quang học chuẩn hóa trên dữ liệu Landsat, cho phép phân biệt rừng trồng công nghiệp đồng tuổi, chu kỳ luân canh ngắn và dài với rừng tự nhiên và đất nông nghiệp trong điều kiện mây mù nhiệt đới, đồng thời cung cấp bức tranh định lượng hoàn chỉnh về biến động diện tích, trữ lượng carbon và đa dạng sinh học tại Malaysia.
Cơ sở lý thuyết và phương pháp nghiên cứu
Cơ sở lý thuyết và khung phân tích
Luận án áp dụng định nghĩa của FAO (2000, 2003): Rừng trồng công nghiệp (IF) là các lâm phần rừng trồng được thiết lập nhân tạo thông qua trồng hoặc gieo hạt trong quá trình trồng rừng mới (afforestation) hoặc tái trồng rừng (reforestation), đáp ứng các tiêu chuẩn: một hoặc hai loài cây trồng đồng tuổi, mật độ đồng đều, quản lý thâm canh phục vụ mục đích công nghiệp (cung cấp gỗ tròn, gỗ xẻ, gỗ dán, gỗ bột giấy và sinh khối).
Khung phân tích chia IFs thành hai nhóm hình thái động học:
- Nhóm sinh trưởng nhanh, chu kỳ luân canh ngắn (FGSR - Fast-Growing, Short-Rotation): Tiêu biểu là Acacia spp. (chu kỳ khai thác từ 6 đến 8 năm).
- Nhóm sinh trưởng chậm, chu kỳ luân canh dài (SGLR - Slow-Growing, Long-Rotation): Tiêu biểu là Hevea brasiliensis (chu kỳ khai thác lấy mủ và gỗ trên 20 năm) và Tectona grandis.
+-----------------------------------------------------------------------------------+
| QUY TRÌNH PHÂN TÍCH VIỄN THÁM |
+-----------------------------------------------------------------------------------+
| 1. TIỀN XỬ LÝ ẢNH LANDSAT (2000-2014) |
| - Chuyển đổi phản xạ bề mặt (Surface Reflectance), lọc mây & bóng mây |
+-----------------------------------------------------------------------------------+
| 2. TIẾP CẬN CHỈ SỐ THỰC VẬT (VIs) | 3. TIẾP CẬN ĐỘ CHE PHỦ PHÂN ĐOẠN (fC) |
| - Tính 6 chỉ số: ARVI, EVI, MSAVIaf, | - Giải trộn phổ tuyến tính từ |
| NDVIaf, SARVI, SAVI | endmembers rừng kín & đất trống |
| - Phân tích chuỗi thời gian luân canh| - Theo dõi chuỗi biến động fC |
| và tốc độ sinh trưởng | chu kỳ khai thác - phục hồi |
+-----------------------------------------------------------------------------------+
| 4. TÍCH HỢP ĐẶC TRƯNG KHÔNG GIAN & QUANG PHỔ |
| - Phân tích kết cấu ma trận GLCM (Mean, Homogeneity, Dissimilarity) |
| - Phân tích phổ: PCA, ICA, Tasseled Cap (TCA), Kênh phổ 4 (NIR) & 5 (SWIR) |
| - Khóa giải đoán hình ảnh trực quan |
+-----------------------------------------------------------------------------------+
| 5. THUẬT TOÁN RA QUYẾT ĐỊNH & XÂY DỰNG BẢN ĐỒ PHÂN LOẠI IFs |
+-----------------------------------------------------------------------------------+
| 6. ĐÁNH GIÁ ĐỘ CHÍNH XÁC (Ảnh phân giải cao QuickBird, WorldView, Ikonos, SPOT) |
+-----------------------------------------------------------------------------------+
| 7. LƯỢNG HÓA BIẾN ĐỘNG CẢNH QUAN, TRỮ LƯỢNG CARBON & ĐA DẠNG SINH HỌC |
+-----------------------------------------------------------------------------------+
Phương pháp nghiên cứu định lượng thực tế
- Xử lý ảnh vệ tinh: Chuỗi ảnh Landsat (TM, ETM+, OLI) giai đoạn 2000–2014 được hiệu chỉnh bức xạ, chuyển đổi sang giá trị phản xạ bề mặt và loại bỏ mây mù.
- Phân tích chỉ số thực vật (VIs): Tính toán 6 chỉ số gồm ARVI, EVI, MSAVIaf, NDVIaf, SARVI, SAVI. Xếp chồng ảnh đa thời gian (image stacking) và giám sát quỹ đạo thay đổi giá trị VI tại 30 vị trí quan sát chuẩn ở Sabah và Sarawak để xác định chu kỳ khai thác và tái sinh.
- Phân tích độ che phủ phân đoạn rừng (fC): Áp dụng mô hình giải trộn phổ dựa trên giá trị cực trị (endmembers) của rừng tán kín và đất trống trên nền ảnh MSAVIaf.
- Phân tích kết cấu (Texture Analysis): Sử dụng ma trận đồng xuất mức xám (Gray-Level Co-occurrence Matrix - GLCM) trên ảnh NDVIaf, kênh phổ 4 và kênh phổ 5 để tính 3 tham số: Giá trị trung bình (GLCM_MEA), Độ đồng nhất (GLCM_HOM), và Độ dị biệt (GLCM_DIS).
- Phân tích phổ (Spectral Analysis): Áp dụng Phân tích thành phần chính (PCA), Phân tích thành phần độc lập (ICA), Biến đổi Tasseled Cap (TCA) và phân tích phản xạ phổ kênh 4 và kênh 5.
- Đo lường cấu trúc cảnh quan: Tính toán các chỉ số cảnh quan gồm tổng số mảnh rừng (total patches), diện tích mảnh lớn nhất (largest patch area), diện tích mảnh trung bình (mean patch size index) và phân loại theo cấp quy mô sở hữu (quy mô lớn công nghiệp $\ge 50\text{ ha}$, quy mô nhỏ nông hộ $< 50\text{ ha}$).
- Định lượng suy giảm carbon và phát thải khí nhà kính: Sử dụng hệ số trữ lượng carbon trên mặt đất (ABG C stock, đơn vị: $\text{Mg C ha}^{-1}$ hoặc $\text{tC ha}^{-1}$) cho từng kiểu thảm phủ theo công bố của Agus et al. (2013a, 2013b) và hướng dẫn của IPCC.
- Ước tính suy giảm đa dạng sinh học: Ứng dụng mô hình suy giảm loài theo hàm mũ dựa trên phương pháp của Brook et al. đối với các kiểu sử dụng đất.
Nguồn tư liệu và dữ liệu
- Dữ liệu viễn thám: Chuỗi ảnh vệ tinh Landsat đa thời gian (2000, 2003, 2006, 2009, 2012, 2014) từ Trung tâm Khảo sát Địa chất Hoa Kỳ (USGS EROS).
- Dữ liệu kiểm chứng (Validation): Ảnh vệ tinh độ phân giải cao đa thời gian từ QuickBird, WorldView-1/2, Ikonos, GeoEye và SPOT.
- Dữ liệu thống kê thứ cấp: Số liệu lâm nghiệp từ Cục Lâm nghiệp Sarawak (Sarawak Forestry Department Statistics), Cục Lâm nghiệp Sabah, Thống kê Cao su Malaysia (Malaysia Rubber Statistics), Hội đồng Gỗ Malaysia (MTC), báo cáo của ITTO và FAO.
Nội dung chính theo từng chương
Chương 1: Overview (Tổng quan)
Chương 1 thiết lập cơ sở lý luận, hệ thống hóa khái niệm và định nghĩa về rừng công nghiệp (IFs), phân biệt rõ với rừng tự nhiên và cây nông nghiệp lâu năm. Tác giả tổng quan bức tranh mở rộng rừng trồng tại châu Á - Thái Bình Dương và Malaysia, chỉ ra sự phát triển không đồng đều giữa các bang: diện tích cao su giảm mạnh ở Tây Malaysia do sự cạnh tranh của cọ dầu, trong khi diện tích rừng trồng keo tăng trưởng nhanh tại Sabah và Sarawak nhằm phục vụ các tổ hợp công nghiệp bột giấy và giấy theo Quy hoạch Phát triển Kinh tế Quốc gia. Chương này trình bày chi tiết khoảng trống nghiên cứu, mục tiêu, 5 câu hỏi nghiên cứu, sơ đồ quy trình phương pháp luận và lý do lựa chọn hai bang Sarawak và Sabah làm địa bàn nghiên cứu điển hình.
Chương 2: Developing the Vegetation Indices-based Industrial Forest Detection Method for Landsat Datasets (Phát triển phương pháp phát hiện rừng công nghiệp dựa trên chỉ số thực vật cho dữ liệu Landsat)
Chương 2 trình bày chi tiết quy trình xây dựng phương pháp nhận diện IFs sử dụng 6 chỉ số thực vật (ARVI, EVI, MSAVIaf, NDVIaf, SARVI, SAVI) trên chuỗi ảnh Landsat từ năm 2000 đến 2014. Tác giả theo dõi chuỗi biến động giá trị VI tại 30 điểm quan sát để nhận diện chu kỳ luân canh (khai thác trắng làm giảm đột ngột giá trị VI, sau đó phục hồi theo đường cong sinh trưởng). Dữ liệu VIs được kết hợp với phân tích kết cấu GLCM (MEA, HOM, DIS) và phân tích phổ (PCA, ICA, TCA, bands 4 và 5). Kết quả đánh giá độ chính xác cho thấy phương pháp dựa trên chỉ số ARVI đạt hiệu quả cao nhất trong nhóm VIs với độ chính xác của nhà sản xuất (Producer's accuracy) đạt 64% và hệ số Kappa đạt 0.40, tiếp theo là SAVI, SARVI, EVI, NDVIaf và MSAVIaf. Độ chính xác phát hiện rừng keo và cao su cao hơn đáng kể so với nhóm rừng công nghiệp khác.
Chương 3: Developing the Vegetation/Forest Fractional Cover-based Industrial Forest Detection Method for Landsat Datasets (Phát triển phương pháp phát hiện rừng công nghiệp dựa trên độ che phủ phân đoạn rừng cho dữ liệu Landsat)
Chương 3 phát triển phương pháp nhận diện IFs dựa trên mô hình độ che phủ phân đoạn (fC) giải trộn từ ảnh MSAVIaf thông qua các endmembers của rừng tán kín và đất trống. Phương pháp này theo dõi tỷ lệ che phủ thảm thực vật liên tục qua các chu kỳ quan sát 2000, 2003, 2006, 2009, 2012 và 2014. Khi tích hợp với phân tích kết cấu và quang phổ, phương pháp fC cho thấy khả năng phân tách ranh giới và trạng thái luân canh của rừng trồng rõ nét hơn so với phương pháp VIs truyền thống. Đánh giá độ chính xác bằng dữ liệu ảnh độ phân giải cao cho thấy phương pháp dựa trên fC đạt Producer's accuracy 83% và hệ số Kappa 0.46, vượt trội hơn toàn bộ các mô hình dựa trên chỉ số thực vật đơn lẻ.
Chương 4: Assessing the Industrial Forest Land Use and Land Cover Changes, and their Consequences (Đánh giá biến động sử dụng đất/che phủ đất của rừng công nghiệp và các hệ quả sinh thái)
Chương 4 lượng hóa toàn diện các biến động LULCC của rừng công nghiệp và đánh giá các hệ quả môi trường tại Sabah và Sarawak giai đoạn 2000–2014:
| Chỉ số biến động / Hệ quả sinh thái |
Bang Sabah (2000–2014) |
Bang Sarawak (2000–2014) |
| Diện tích IF tăng ròng (ha) |
288.547 ha |
459.898 ha |
| Tốc độ tăng trưởng diện tích trung bình hàng năm |
20,1% / năm |
59,8% / năm |
| Tốc độ tăng trưởng hàng năm của rừng Keo (Acacia spp.) |
28,4% / năm |
376,5% / năm |
| Tốc độ tăng trưởng hàng năm của Cao su (Hevea brasiliensis) |
13,7% / năm |
5,8% / năm |
| Tốc độ tăng trưởng hàng năm của Rừng công nghiệp khác |
10,9% / năm |
78,4% / năm |
| Tỷ lệ diện tích thay thế từ Rừng tự nhiên bị tác động (DF) |
81% – 95% |
81% – 95% |
| Tỷ lệ diện tích thay thế từ Đất nông nghiệp (AL/OP) |
4% – 18% |
4% – 18% |
| Tỷ lệ diện tích thay thế từ Đất thoái hóa/hoang hóa (WL) |
< 1% |
< 1% |
| Suy giảm trữ lượng carbon trên mặt đất (ABG C stock) |
-11,5 Tg C |
-24,7 Tg C |
| Lượng phát thải khí nhà kính quy đổi |
42,1 $\text{Tg } CO_2$ |
90,5 $\text{Tg } CO_2$ |
| Mức độ suy giảm đa dạng sinh học ước tính |
2,98% |
2,76% |
Phân tích cấu trúc cảnh quan cho thấy diện tích IFs tại cả hai bang bị chi phối chủ yếu bởi các vùng sở hữu công nghiệp quy mô lớn (large-scale holdings); tuy nhiên, các vùng trồng quy mô nhỏ (small-scale IFs) của nông hộ cũng có xu hướng gia tăng về tổng diện tích và tốc độ thay đổi.
Chương 5: Synthesis (Tổng hợp)
Chương 5 tổng hợp các kết quả kỹ thuật và thảo luận về tính ứng dụng của các phương pháp đã phát triển. Tác giả chứng minh tính khả thi của việc ứng dụng chuỗi thời gian ảnh Landsat kết hợp fC và VIs nhằm thiết lập một khung giám sát rừng công nghiệp ở cấp khu vực và lục địa. Khung phương pháp này cho phép cập nhật định kỳ tốc độ mở rộng, loại hình chuyển đổi đất và tính toán phát thải khí nhà kính phục vụ các chương trình ứng phó biến đổi khí hậu.
Kết quả và những đóng góp mới
Đóng góp về mặt lý luận và phương pháp học thuật
- Xây dựng quy trình viễn thám đa tham số: Luận án thiết lập quy trình tích hợp giữa phân tích chuỗi thời gian độ che phủ phân đoạn rừng (fC) và các chỉ số thực vật (VIs) với phân tích ma trận kết cấu GLCM (MEA, HOM, DIS) và biến đổi phổ (PCA, ICA, TCA), giải quyết được bài toán bóc tách rừng trồng công nghiệp đồng tuổi, chu kỳ luân canh ra khỏi thảm rừng tự nhiên và cây trồng nông nghiệp.
- Xác định độ chính xác của các thuật toán viễn thám trong điều kiện nhiệt đới: Luận án chứng minh phương pháp dựa trên fC đạt độ chính xác cao nhất (Producer's accuracy 83%, Kappa 0.46), và trong số các chỉ số thực vật, ARVI cho kết quả tốt nhất (Producer's accuracy 64%, Kappa 0.40) nhờ khả năng kháng nhiễu khí dung và mây mù.
Đóng góp về mặt thực tiễn và dữ liệu thực nghiệm
- Cung cấp bộ dữ liệu không gian định lượng chính xác: Luận án xây dựng bản đồ và cơ sở dữ liệu không gian chi tiết về hiện trạng và động thái mở rộng của rừng keo, cao su và các loài IFs khác tại Sabah và Sarawak trong 14 năm (2000–2014).
- Làm rõ nguồn gốc đất chuyển đổi: Luận án cung cấp bằng chứng thực nghiệm khẳng định phần lớn rừng công nghiệp mới (81–95%) được thiết lập trên diện tích rừng tự nhiên bị tác động (Disturbed Natural Forests), thay vì đất hoang hóa hay đất thoái hóa (<1%).
- Lượng hóa phát thải carbon và tác động sinh thái: Luận án đo lường chính xác lượng suy giảm 36,2 Tg C (tương đương phát thải 132,6 $\text{Tg } CO_2$) trên toàn bộ hai bang nghiên cứu do hoạt động chuyển đổi sang rừng công nghiệp, cùng với mức suy giảm đa dạng sinh học từ 2,76% đến 2,98%.
Kiến nghị và đề xuất giải pháp
- Cơ quan quản lý lâm nghiệp tại Malaysia và các quốc gia nhiệt đới cần rà soát lại chính sách quy hoạch vùng nguyên liệu gỗ, hạn chế việc chuyển đổi rừng tự nhiên bị tác động sang rừng công nghiệp độc canh; ưu tiên phát triển rừng trồng trên đất nông nghiệp thoái hóa và đất trống.
- Đưa quy trình giám sát viễn thám dựa trên fC và chuỗi thời gian Landsat vào hệ thống quan trắc tài nguyên rừng quốc gia nhằm kiểm soát chu kỳ khai thác và báo cáo kiểm kê khí nhà kính theo khung Công ước Khung của Liên Hợp Quốc về Biến đổi Khí hậu (UNFCCC).
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của nghiên cứu
- Nhiễu mây mù và khí dung: Mặc dù đã sử dụng các chỉ số kháng khí dung (ARVI, MSAVIaf) và kỹ thuật lọc mây, độ che phủ mây dày đặc quanh năm tại vùng nhiệt đới Borneo vẫn gây gián đoạn cục bộ dữ liệu quang học tại một số thời điểm quan sát.
- Độ chính xác phân loại nhóm loài phụ: Độ chính xác phân loại đối với nhóm "rừng công nghiệp khác" (other IFs) còn thấp hơn so với keo và cao su do sự đa dạng về loài (bạch đàn, thông, tếch) và sự khác biệt về mật độ tán.
- Hạn chế dữ liệu sinh khối thứ cấp: Các tính toán về trữ lượng carbon và đa dạng sinh học dựa trên hệ số chuyển đổi thứ cấp từ các công bố trước (Agus et al., Brook et al.) mà chưa có điều kiện đo đạc sinh khối giải phẫu trực tiếp trên toàn bộ các vị trí thực địa.
Hướng nghiên cứu tiếp theo
- Mở rộng ứng dụng quy trình giám sát fC chuỗi thời gian ra quy mô toàn bộ khu vực Đông Nam Á và các quốc gia nhiệt đới khác.
- Kết hợp dữ liệu quang học Landsat/Sentinel với dữ liệu viễn thám Radar khẩu độ tổng hợp (SAR đa tần số như L-band ALOS PALSAR, C-band Sentinel-1) nhằm khắc phục hoàn toàn ảnh hưởng của mây và nâng cao độ chính xác ước tính cấu trúc tầng tán.
- Tích hợp các mô hình kinh tế không gian để phân tích sâu hơn các động lực kinh tế xã hội và thị trường thương mại gỗ toàn cầu tác động đến quyết định mở rộng rừng công nghiệp.
Giá trị tham khảo
Luận án là tài liệu chuyên khảo có giá trị ứng dụng cao cho các nhóm đối tượng:
- Nghiên cứu sinh, học viên và giảng viên ngành Lâm nghiệp, Viễn thám, Hệ thống Thông tin Địa lý (GIS) và Khoa học Môi trường: Tham khảo khung phương pháp luận xử lý ảnh chuỗi thời gian, mô hình giải trộn phổ fC, phân tích kết cấu ma trận GLCM và phân tích thành phần phổ (PCA, ICA, TCA) tại Chương 2 và Chương 3.
- Nhà hoạch định chính sách và cán bộ quản lý tài nguyên rừng: Tham khảo số liệu định lượng về động thái LULCC, quy mô chuyển đổi rừng tự nhiên và bức tranh phát thải khí nhà kính tại Chương 4 để xây dựng chính sách lâm nghiệp bền vững và kiểm kê carbon rừng.
- Các tổ chức quốc tế về bảo tồn và biến đổi khí hậu (FAO, ITTO, IPCC): Sử dụng các phát hiện thực nghiệm của luận án để đánh giá tác động của rừng trồng thương mại đối với đa dạng sinh học và chu trình carbon toàn cầu.
Câu hỏi thường gặp
1. Tốc độ mở rộng của rừng keo (Acacia spp.) so với cao su (Hevea brasiliensis) tại Sabah và Sarawak giai đoạn 2000–2014 có sự khác biệt như thế nào?
Rừng keo (loài sinh trưởng nhanh, chu kỳ ngắn) có tốc độ mở rộng nhanh hơn nhiều so với cao su (loài sinh trưởng chậm, chu kỳ dài). Cụ thể, tốc độ mở rộng diện tích trung bình hàng năm của rừng keo đạt 28,4% tại Sabah và 376,5% tại Sarawak. Ngược lại, diện tích cao su tăng trưởng chậm hơn với tốc độ hàng năm là 13,7% tại Sabah và 5,8% tại Sarawak.
2. Rừng công nghiệp mới tại Sabah và Sarawak chủ yếu thay thế các loại hình che phủ đất nào?
Trong giai đoạn 2000–2014, phần lớn diện tích rừng công nghiệp mới được thành lập trên diện tích rừng tự nhiên bị tác động (Disturbed Natural Forests - DF), chiếm tỷ lệ từ 81% đến 95%. Đất nông nghiệp (Agricultural Land/Oil Palm) chiếm từ 4% đến 18%, trong khi đất thoái hóa hoặc đất hoang (< 1%) chỉ chiếm một tỷ lệ rất nhỏ.
3. Trong các phương pháp viễn thám được phát triển trong luận án, phương pháp nào đạt độ chính xác cao nhất?
Phương pháp dựa trên độ che phủ phân đoạn rừng (fC-based method) đạt độ chính xác cao nhất với độ chính xác của nhà sản xuất (Producer's accuracy) là 83% và hệ số tương quan Kappa là 0,46. Trong nhóm các phương pháp dựa trên chỉ số thực vật (VIs), chỉ số ARVI đạt kết quả tốt nhất với Producer's accuracy là 64% và Kappa là 0,40.
4. Việc mở rộng rừng công nghiệp đã gây ra những hệ quả gì đối với trữ lượng carbon và lượng phát thải khí nhà kính tại hai bang?
Hoạt động chuyển đổi đất sang rừng công nghiệp đã làm suy giảm 11,5 Tg C trữ lượng carbon trên mặt đất tại Sabah và 24,7 Tg C tại Sarawak. Sự suy giảm này dẫn đến lượng phát thải khí nhà kính tương ứng là 42,1 $\text{Tg } CO_2$ tại Sabah và 90,5 $\text{Tg } CO_2$ tại Sarawak trong giai đoạn 2000–2014 (tổng cộng 132,6 $\text{Tg } CO_2$).
5. Xu hướng phát triển quy mô lô rừng (patch size) của rừng công nghiệp diễn ra như thế nào?
Sự phát triển của rừng công nghiệp tại cả hai bang chủ yếu bị chi phối bởi các diện tích sở hữu tập trung quy mô lớn của các doanh nghiệp lâm nghiệp. Tuy nhiên, vai trò của các vùng trồng quy mô nhỏ của nông hộ ngày càng gia tăng thông qua sự tăng trưởng liên tục về tổng diện tích và tốc độ biến động diện tích qua các năm.
Kết luận
Luận án tiến sĩ của tác giả Uy Duc Pham (2016) đã phát triển thành công quy trình viễn thám chuỗi thời gian dựa trên độ che phủ phân đoạn rừng (fC) và chỉ số thực vật (VIs) trên ảnh Landsat để giám sát và định lượng sự mở rộng của rừng công nghiệp tại Malaysia. Nghiên cứu chỉ ra rằng diện tích rừng công nghiệp (đặc biệt là rừng keo) đã gia tăng nhanh chóng tại Sabah và Sarawak trong giai đoạn 2000–2014, với phần lớn diện tích mới thay thế rừng tự nhiên bị tác động thay vì đất hoang hóa. Quá trình chuyển đổi này đã gây ra sự sụt giảm 36,2 Tg C trữ lượng carbon trên mặt đất, phát thải 132,6 $\text{Tg } CO_2$ và làm suy giảm đa dạng sinh học khu vực. Các phát hiện và phương pháp của luận án cung cấp cơ sở khoa học và công cụ kỹ thuật phục vụ công tác quy hoạch, quản lý rừng bền vững và xây dựng chính sách ứng phó với biến đổi khí hậu tại vùng nhiệt đới.
