I. Giới thiệu chung
Luận văn Thạc sĩ tập trung vào việc ứng dụng dữ liệu viễn thám radar và GIS trong xác định rừng ngập mặn (RNM). RNM là hệ sinh thái ven biển có ý nghĩa quan trọng về sinh thái, môi trường và tài nguyên sinh vật. Nghiên cứu này nhằm mục tiêu sử dụng dữ liệu viễn thám vệ tinh để xác định và phân loại RNM tại khu vực Đồng bằng sông Cửu Long (ĐBSCL), hỗ trợ quản lý rừng bền vững. Viễn thám radar có ưu điểm vượt trội so với viễn thám quang học, đặc biệt là khả năng thu nhận ảnh không bị ảnh hưởng bởi thời tiết.
1.1. Mục tiêu nghiên cứu
Mục tiêu chung của nghiên cứu là sử dụng dữ liệu viễn thám vệ tinh để xác định và phân loại RNM tại ĐBSCL. Mục tiêu cụ thể bao gồm khảo sát đặc trưng tán xạ ngược của dữ liệu SAR ở kênh C và L, sử dụng dữ liệu đa bước sóng và đa phân cực để phân loại RNM. Nghiên cứu cũng kết hợp ảnh quang học và radar để nâng cao độ chính xác phân loại.
II. Tổng quan nghiên cứu
Nghiên cứu tổng quan về ứng dụng viễn thám radar và quang học trong nghiên cứu RNM. Viễn thám radar được đánh giá cao nhờ khả năng giám sát liên tục và không bị ảnh hưởng bởi thời tiết. Các nghiên cứu trước đây đã chứng minh hiệu quả của SAR trong việc phân loại RNM, đặc biệt là với dữ liệu đa phân cực và đa bước sóng.
2.1. Ứng dụng viễn thám radar
Viễn thám radar được sử dụng rộng rãi trong nghiên cứu RNM nhờ khả năng thu nhận ảnh trong mọi điều kiện thời tiết. Các dữ liệu SAR như ENVISAT ASAR và ALOS PALSAR được sử dụng để phân loại RNM dựa trên đặc trưng tán xạ ngược. Nghiên cứu cũng chỉ ra rằng dữ liệu PALSAR phân cực kép có khả năng phân loại RNM theo mật độ cây và loài.
III. Phương pháp nghiên cứu
Nghiên cứu sử dụng dữ liệu viễn thám radar từ ENVISAT ASAR và ALOS PALSAR, kết hợp với dữ liệu ảnh quang học SPOT 5. Các phương pháp tiền xử lý ảnh bao gồm hiệu chỉnh hình học, phân tích thành phần chính (PCA) và lọc nhiễu. Phương pháp phân loại được áp dụng bao gồm Support Vector Machine (SVM) và Maximum Likelihood Classifier (MLC).
3.1. Phương pháp phân loại
Nghiên cứu sử dụng các phương pháp phân loại như SVM và MLC để phân loại RNM. Kết quả cho thấy việc kết hợp dữ liệu radar và quang học giúp nâng cao độ chính xác phân loại, đặc biệt là với 6 lớp phân loại. Tuy nhiên, với 4 lớp phân loại, sự cải thiện không đáng kể so với việc chỉ sử dụng dữ liệu radar.
IV. Kết quả và thảo luận
Kết quả nghiên cứu cho thấy dữ liệu PALSAR phân cực kép có khả năng phân loại RNM theo mật độ cây và loài. Việc kết hợp dữ liệu radar và quang học giúp nâng cao độ chính xác phân loại, đặc biệt là với 6 lớp phân loại. Tuy nhiên, với 4 lớp phân loại, sự cải thiện không đáng kể. Nghiên cứu cũng chỉ ra rằng phương pháp SVM cho kết quả phân loại tốt hơn so với MLC.
4.1. Đánh giá độ chính xác
Nghiên cứu đánh giá độ chính xác phân loại thông qua độ chính xác toàn cục và hệ số Kappa. Kết quả cho thấy việc kết hợp dữ liệu radar và quang học giúp nâng cao độ chính xác phân loại, đặc biệt là với 6 lớp phân loại. Tuy nhiên, với 4 lớp phân loại, sự cải thiện không đáng kể so với việc chỉ sử dụng dữ liệu radar.
V. Kết luận và ứng dụng
Nghiên cứu đã chứng minh hiệu quả của viễn thám radar trong việc phân loại RNM. Việc kết hợp dữ liệu radar và quang học giúp nâng cao độ chính xác phân loại, đặc biệt là với 6 lớp phân loại. Nghiên cứu này có ý nghĩa quan trọng trong việc quản lý và bảo vệ RNM tại khu vực ĐBSCL, góp phần vào sự phát triển bền vững của hệ sinh thái ven biển.
5.1. Ứng dụng thực tiễn
Kết quả nghiên cứu có thể được ứng dụng trong việc quản lý và giám sát RNM tại khu vực ĐBSCL. Việc sử dụng dữ liệu viễn thám radar và GIS giúp nâng cao hiệu quả quản lý rừng, đặc biệt là trong bối cảnh biến đổi khí hậu và suy thoái môi trường.
