Nghiên Cứu Khả Năng Phân Loại Rừng Bằng Ảnh Viễn Thám Ở Khu Rừng Thực Nghiệm Núi Luốt

Nghiên cứu khả năng phân loại rừng bằng ảnh viễn thám tại khu rừng thực nghiệm núi Luốt, ứng dụng công nghệ hiện đại trong quản lý rừng.

• Tác giả: Nguyễn Thị Hồng
• Người hướng dẫn: GS. Vương Văn Quỳnh
• Trường học: Trường Đại Học Lâm Nghiệp
• Chuyên ngành: Lâm Học
• Đề tài: Nghiên Cứu Khả Năng Phân Loại Rừng Bằng Ảnh Viễn Thám Tại Khu Rừng Thực Nghiệm Núi Luốt
• Loại tài liệu: Luận Văn Thạc Sỹ
• Năm xuất bản: 2016
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
• 1.1. Cơ sở khoa học của phƣơng pháp viễn thám
• 1.2. Tƣơng tác giữa các đối tƣợng và đặc trƣng phản xạ phổ của một số đối tƣợng tự nhiên
• 1.3. Ảnh số viễn thám
• 1.4. Một số phần mềm thông dụng đƣợc sử dụng trong viễn thám
• 1.5. Khai thác ảnh vệ tinh và công nghệ xử lý ảnh
• 1.6. Trên thế giới
• 2. CHƯƠNG 2: MỤC TIÊU - ĐỐI TƢỢNG - NỘI DUNG
• 2.1. PHƢƠNG PHÁP NGHIÊN CỨU
• 2.2. Mục đích nghiên cứu
• 2.3. Đối tƣợng và phạm vi nghiên cứu
• 2.4. Nội dung nghiên cứu
• 2.5. Phƣơng pháp nghiên cứu
• 2.6. Phƣơng pháp luận
• 2.7. Phƣơng pháp thu thập và xử lý thông tin trong nghiên cứu
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
• 3.1. Rừng thực nghiệm Trƣờng Đại học Lâm nghiệp
• 3.2. Lựa chọn tƣ liệu ảnh hiện có ở khu vực nghiên cứu để phân loại trạng thái rừng cho khu vực Núi Luốt
• 3.3. Đặc điểm những tƣ liệu ảnh dễ tiếp cận có thể sử dụng để phân loại rừng ở khu vực nghiên cứu
• 3.4. Bộ tiêu chí đánh giá lựa chọn tƣ liệu ảnh dễ tiếp cận cho phân loại rừng ở địa điểm nghiên cứu
• 3.5. Lựa chọn tƣ liệu ảnh vệ tinh cho phân loại rừng
• 3.6. Xây dựng chỉ số phản xạ phổ để phân loại rừng trên ảnh vệ tinh
• 3.7. Đặc điểm phản xạ phổ của các trạng thái rừng và đất ở Núi Luốt trên ảnh Google Earth
• 3.8. Xây dựng chỉ tiêu phản xạ phổ và khóa để phân loại rừng ở khu vực nghiên cứu
• 3.9. Đánh giá tính chính xác của phân loại trạng thái rừng từ ảnh vệ tinh
• 3.10. Phân bố các điểm kiểm tra. Độ chính xác của phân loại rừng từ ảnh
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Phân Loại Rừng Bằng Ảnh Viễn Thám

Việt Nam, với hơn 3/4 diện tích là rừng và đất rừng, sở hữu nguồn tài nguyên thực vật và động vật rừng vô cùng phong phú nhờ vị trí địa lý và khí hậu nhiệt đới gió mùa. Tuy nhiên, do công tác quản lý rừng chưa bền vững, diện tích và chất lượng rừng đang suy giảm nghiêm trọng. Từ 14.3 triệu ha (độ che phủ 43%) năm 1943, đến năm 1990 chỉ còn 9.18 triệu ha (độ che phủ 27,2%). Theo số liệu năm 2005, diện tích rừng toàn quốc là 12,61 triệu ha, độ che phủ 37%. Việc mất rừng gây ra nhiều hệ lụy như lũ lụt, hạn hán, ảnh hưởng lớn đến sản xuất và đời sống. Do đó, phát triển bền vững tài nguyên rừng là nhiệm vụ cấp thiết. Bản đồ tài nguyên rừng, bao gồm hiện trạng rừng, trữ lượng, sinh khối,... là công cụ không thể thiếu để quản lý, quy hoạch và đánh giá biến động rừng. Các nhà quản lý lâm nghiệp cần có cơ sở để đưa ra các phương án quy hoạch, đề xuất các giải pháp kỹ thuật, kinh tế - xã hội và định hướng cho việc sử dụng và quản lý bền vững tài nguyên rừng.

1.1. Cơ Sở Khoa Học Của Phương Pháp Viễn Thám Trong Lâm Nghiệp

Phương pháp viễn thám dựa trên việc thu thập và phân tích thông tin về đối tượng từ xa, thông qua bức xạ điện từ. Bức xạ điện từ vừa có tính chất sóng, vừa có tính chất hạt. Trong viễn thám, các sóng điện từ được sử dụng với các dải bước sóng của quang phổ điện từ. Quang phổ điện từ là dải liên tục của các tia sáng ứng với các bước sóng khác nhau. Nghiên cứu đặc trưng phản xạ phổ của các đối tượng tự nhiên đóng vai trò quan trọng trong việc khai thác, ứng dụng có hiệu quả các thông tin thu được từ các phương tiện bay. Các thông tin về đặc trưng phản xạ phổ của các đối tượng tự nhiên cho phép các nhà khoa học chọn lọc các kênh ảnh tối ưu.

1.2. Ứng Dụng Viễn Thám Để Đánh Giá Biến Động Rừng 5 Năm Gần Nhất

Trước đây, việc điều tra theo dõi diễn biến tài nguyên rừng chủ yếu dựa trên đo vẽ thủ công, tốn kém thời gian, công sức và tiền bạc, độ chính xác không cao, thông tin thường không được cập nhật. Công nghệ viễn thám, với khả năng quan sát ở các độ phân giải phổ và không gian khác nhau, cho phép xác định nhanh chóng hiện trạng lớp phủ rừng, biến động rừng, và xu hướng biến động. Kỹ thuật viễn thám dễ dàng tích hợp với các phần mềm GIS để quản lý và cập nhật thường xuyên, giúp việc quản lý dễ dàng, thuận lợi với độ tin cậy cao. Cần phát triển các nghiên cứu về ứng dụng công nghệ viễn thám trong lâm nghiệp, đặc biệt là công nghệ xử lý ảnh số viễn thám tự động và bán tự động.

II. Vấn Đề Và Thách Thức Trong Phân Loại Rừng Hiện Nay

Mặc dù công nghệ viễn thám có nhiều ưu điểm, việc ứng dụng vào lâm nghiệp vẫn còn nhiều thách thức. Các nghiên cứu về ứng dụng công nghệ viễn thám trong lâm nghiệp còn rất thiếu, đặc biệt là công nghệ xử lý ảnh số viễn thám tự động và bán tự động. Ảnh vệ tinh được sử dụng vẫn là các ảnh độ phân giải thấp dẫn đến các kết quả thành lập bản đồ tài nguyên rừng và đánh giá biến động rừng cho độ chính xác không cao. Cần có các phương pháp và công cụ hiệu quả để phân tích và xử lý ảnh viễn thám, đặc biệt là ảnh có độ phân giải cao. Ngoài ra, cần có sự phối hợp giữa các cơ quan chức năng, nhà khoa học và người dân để đảm bảo tính chính xác và hiệu quả của công tác quản lý rừng.

2.1. Hạn Chế Của Ảnh Viễn Thám Độ Phân Giải Thấp Hiện Tại

Việc sử dụng ảnh viễn thám độ phân giải thấp gây khó khăn trong việc phân biệt chi tiết các loại rừng và trạng thái rừng khác nhau. Điều này ảnh hưởng đến độ chính xác của bản đồ tài nguyên rừng và công tác quản lý rừng. Cần có các giải pháp để nâng cao độ phân giải của ảnh viễn thám hoặc sử dụng các phương pháp phân tích ảnh tiên tiến hơn.

2.2. Thiếu Hụt Công Nghệ Xử Lý Ảnh Số Viễn Thám Tự Động

Công nghệ xử lý ảnh số viễn thám tự động và bán tự động còn hạn chế, đòi hỏi nhiều công sức và thời gian để xử lý ảnh thủ công. Điều này làm chậm quá trình thành lập bản đồ tài nguyên rừng và đánh giá biến động rừng. Cần đầu tư vào nghiên cứu và phát triển các công nghệ xử lý ảnh số viễn thám tự động và bán tự động để nâng cao hiệu quả công tác quản lý rừng.

III. Phương Pháp Nghiên Cứu Phân Loại Rừng Thực Nghiệm Núi Luốt

Nghiên cứu này tập trung vào việc phân loại rừng bằng ảnh viễn thám tại khu rừng thực nghiệm núi Luốt. Phương pháp nghiên cứu bao gồm lựa chọn tư liệu ảnh hiện có ở khu vực nghiên cứu để phân loại trạng thái rừng cho khu vực Núi Luốt. Đặc điểm những tư liệu ảnh dễ tiếp cận có thể sử dụng để phân loại rừng ở khu vực nghiên cứu. Bộ tiêu chí đánh giá lựa chọn tư liệu ảnh dễ tiếp cận cho phân loại rừng ở địa điểm nghiên cứu. Lựa chọn tư liệu ảnh vệ tinh cho phân loại rừng. Xây dựng chỉ số phản xạ phổ để phân loại rừng trên ảnh vệ tinh. Đặc điểm phản xạ phổ của các trạng thái rừng và đất ở Núi Luốt trên ảnh Google Earth.

3.1. Xây Dựng Chỉ Số Phản Xạ Phổ Để Phân Loại Rừng Chính Xác

Việc xây dựng các chỉ số phản xạ phổ phù hợp với đặc điểm của từng loại rừng và trạng thái rừng là rất quan trọng. Các chỉ số này giúp phân biệt các loại rừng khác nhau một cách chính xác hơn. Cần nghiên cứu và phát triển các chỉ số phản xạ phổ mới, phù hợp với điều kiện tự nhiên của Việt Nam.

3.2. Phân Tích Đặc Điểm Phản Xạ Phổ Của Rừng Trên Ảnh Google Earth

Ảnh Google Earth là một nguồn tư liệu quan trọng để phân tích đặc điểm phản xạ phổ của rừng. Việc phân tích này giúp hiểu rõ hơn về mối quan hệ giữa đặc điểm phản xạ phổ và trạng thái rừng. Cần sử dụng các công cụ và kỹ thuật phân tích ảnh tiên tiến để khai thác tối đa thông tin từ ảnh Google Earth.

3.3. Bộ Tiêu Chí Đánh Giá Tư Liệu Ảnh Vệ Tinh Cho Phân Loại Rừng

Bộ tiêu chí đánh giá tư liệu ảnh vệ tinh là công cụ quan trọng để lựa chọn nguồn dữ liệu phù hợp với mục tiêu nghiên cứu. Các tiêu chí cần xem xét bao gồm độ phân giải không gian, độ phân giải phổ, thời gian thu thập ảnh và chi phí. Việc lựa chọn tư liệu ảnh phù hợp giúp nâng cao độ chính xác và hiệu quả của công tác phân loại rừng.

IV. Kết Quả Phân Loại Rừng Bằng Ảnh Viễn Thám Ở Núi Luốt

Nghiên cứu đã xây dựng chỉ tiêu phản xạ phổ và khóa để phân loại rừng ở khu vực nghiên cứu. Đánh giá tính chính xác của phân loại trạng thái rừng từ ảnh vệ tinh. Phân bố các điểm kiểm tra. Độ chính xác của phân loại rừng từ ảnh. Các kết quả cho thấy khả năng ứng dụng của ảnh viễn thám trong việc phân loại rừng tại khu vực nghiên cứu là khả thi. Việc sử dụng ảnh viễn thám giúp tiết kiệm thời gian và chi phí so với phương pháp truyền thống. Tuy nhiên, cần tiếp tục nghiên cứu và hoàn thiện phương pháp để nâng cao độ chính xác và hiệu quả.

4.1. Đánh Giá Độ Chính Xác Của Phân Loại Rừng Từ Ảnh Vệ Tinh

Việc đánh giá độ chính xác của phân loại rừng từ ảnh vệ tinh là rất quan trọng để đảm bảo tính tin cậy của kết quả. Cần sử dụng các phương pháp thống kê và so sánh với dữ liệu thực địa để đánh giá độ chính xác của phân loại rừng.

4.2. Xây Dựng Khóa Phân Loại Rừng Dựa Trên Chỉ Tiêu Phản Xạ Phổ

Khóa phân loại rừng dựa trên chỉ tiêu phản xạ phổ là công cụ hữu ích để phân loại rừng một cách nhanh chóng và chính xác. Cần xây dựng khóa phân loại phù hợp với từng khu vực và loại rừng khác nhau. Khóa phân loại cần được cập nhật thường xuyên để đảm bảo tính chính xác.

4.3. Phân Bố Các Điểm Kiểm Tra Để Đảm Bảo Tính Đại Diện Của Nghiên Cứu

Việc phân bố các điểm kiểm tra một cách hợp lý là rất quan trọng để đảm bảo tính đại diện của nghiên cứu. Các điểm kiểm tra cần được phân bố đều khắp khu vực nghiên cứu và đại diện cho các loại rừng và trạng thái rừng khác nhau. Cần sử dụng các phương pháp thống kê để xác định số lượng điểm kiểm tra cần thiết.

V. Ứng Dụng Thực Tiễn Của Nghiên Cứu Phân Loại Rừng

Kết quả nghiên cứu có thể được ứng dụng trong nhiều lĩnh vực như quản lý rừng bền vững, quy hoạch sử dụng đất, đánh giá biến động rừng và bảo tồn đa dạng sinh học. Bản đồ tài nguyên rừng được thành lập từ ảnh viễn thám là công cụ quan trọng để quản lý và bảo vệ rừng. Thông tin về biến động rừng giúp các nhà quản lý đưa ra các quyết định kịp thời và hiệu quả. Nghiên cứu cũng góp phần nâng cao năng lực ứng dụng công nghệ viễn thám trong lâm nghiệp.

5.1. Quản Lý Rừng Bền Vững Dựa Trên Kết Quả Phân Loại Rừng

Kết quả phân loại rừng từ ảnh viễn thám cung cấp thông tin quan trọng để quản lý rừng bền vững. Các nhà quản lý có thể sử dụng thông tin này để lập kế hoạch khai thác, trồng mới và bảo vệ rừng một cách hiệu quả.

5.2. Đánh Giá Biến Động Rừng Để Đưa Ra Giải Pháp Kịp Thời

Thông tin về biến động rừng giúp các nhà quản lý đưa ra các giải pháp kịp thời để ngăn chặn tình trạng phá rừng và suy thoái rừng. Cần theo dõi biến động rừng thường xuyên để có các biện pháp ứng phó phù hợp.

5.3. Bảo Tồn Đa Dạng Sinh Học Trong Các Khu Rừng Được Phân Loại

Thông tin về các loại rừng và trạng thái rừng giúp xác định các khu vực có giá trị đa dạng sinh học cao cần được bảo tồn. Cần lập kế hoạch bảo tồn đa dạng sinh học cho các khu vực này.

VI. Kết Luận Và Hướng Phát Triển Nghiên Cứu Phân Loại Rừng

Nghiên cứu đã chứng minh khả năng ứng dụng của ảnh viễn thám trong việc phân loại rừng tại khu rừng thực nghiệm núi Luốt. Cần tiếp tục nghiên cứu và hoàn thiện phương pháp để nâng cao độ chính xác và hiệu quả. Các hướng phát triển trong tương lai bao gồm sử dụng ảnh viễn thám có độ phân giải cao hơn, phát triển các thuật toán xử lý ảnh tiên tiến hơn và tích hợp với các nguồn dữ liệu khác như dữ liệu LiDAR. Việc ứng dụng công nghệ viễn thám vào lâm nghiệp sẽ góp phần quan trọng vào công tác quản lý và bảo vệ rừng bền vững.

6.1. Sử Dụng Ảnh Viễn Thám Độ Phân Giải Cao Để Tăng Độ Chính Xác

Việc sử dụng ảnh viễn thám có độ phân giải cao hơn sẽ giúp tăng độ chính xác của phân loại rừng. Cần nghiên cứu và ứng dụng các loại ảnh viễn thám mới có độ phân giải cao.

6.2. Phát Triển Các Thuật Toán Xử Lý Ảnh Tiên Tiến Trong Lâm Nghiệp

Việc phát triển các thuật toán xử lý ảnh tiên tiến sẽ giúp tự động hóa quá trình phân loại rừng và nâng cao hiệu quả công tác quản lý rừng. Cần đầu tư vào nghiên cứu và phát triển các thuật toán xử lý ảnh mới.

6.3. Tích Hợp Dữ Liệu LiDAR Để Nâng Cao Hiệu Quả Phân Loại Rừng

Dữ liệu LiDAR cung cấp thông tin về cấu trúc 3D của rừng, giúp nâng cao hiệu quả phân loại rừng. Cần tích hợp dữ liệu LiDAR với ảnh viễn thám để có kết quả phân loại tốt nhất.

Nội dung chính

Tổng quan nghiên cứu

Năm 1943, diện tích rừng tự nhiên của Việt Nam ước tính đạt 14,3 triệu ha với tỷ lệ che phủ 43%. Trải qua các giai đoạn biến động lịch sử và áp lực khai thác tài nguyên, đến năm 1990 tổng diện tích rừng chỉ còn khoảng 9,18 triệu ha, kéo độ che phủ xuống mức 27,2%. Theo công bố tại Quyết định số 1970/QĐ/BNN-KL-LN ngày 06 tháng 7 năm 2006 của Bộ Nông nghiệp và Phát triển nông thôn, tính đến ngày 31 tháng 12 năm 2005, diện tích rừng toàn quốc phục hồi lên mức 12,61 triệu ha với độ che phủ đạt 37%. Dù diện tích có xu hướng gia tăng, công tác quản lý tài nguyên rừng vẫn đối mặt với thách thức lớn về chất lượng rừng và tính chính xác của dữ liệu thống kê. Phương pháp kiểm kê rừng truyền thống dựa vào đo vẽ thực địa thủ công theo chu kỳ 5 năm thường bộc lộ nhiều hạn chế: chi phí ngân sách tốn kém, tiêu tốn nhiều nhân lực, độ chính xác không đồng đều và tính cập nhật chậm trước các biến động môi trường.

Nhằm giải quyết điểm nghẽn này, luận văn thạc sĩ chuyên ngành Lâm học của tác giả Nguyễn Thị Hồng, dưới sự hướng dẫn khoa học của GS. Vương Văn Quỳnh tại Trường Đại học Lâm nghiệp (năm 2016), đã thực hiện đề tài nghiên cứu khả năng phân loại rừng bằng ảnh viễn thám ở khu rừng thực nghiệm Núi Luốt. Mục tiêu của công trình gồm: đánh giá và lựa chọn tư liệu ảnh vệ tinh dễ tiếp cận; xây dựng chỉ số phản xạ phổ và khóa phân loại trạng thái rừng; đánh giá định lượng độ chính xác của bản đồ giải đoán so với thực địa. Phạm vi nghiên cứu được thực hiện trọn vẹn trên diện tích hơn 70 ha tại khu rừng thực nghiệm Núi Luốt thuộc thị trấn Xuân Mai, huyện Chương Mỹ, Hà Nội. Khu vực này có lịch sử phục hồi sinh thái từ năm 1986 và được trồng bổ sung gần 300 loài cây bản địa từ năm 1993, hình thành cấu trúc rừng trồng hỗn giao đa tầng tán điển hình. Giá trị học thuật của nghiên cứu thể hiện ở việc xây dựng thành công quy trình giải đoán ảnh số bán tự động với chi phí thấp, nâng cao hiệu quả giám sát biến động tài nguyên rừng cho các đơn vị quản lý cơ sở.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu vận dụng nền tảng lý thuyết bức xạ sóng điện từ và đặc trưng phản xạ phổ của các đối tượng tự nhiên trên mặt đất. Bức xạ mặt trời khi chiếu tới thảm thực vật sẽ tương tác thông qua quá trình hấp thụ, phản xạ và truyền qua. Sắc tố diệp lục (Chlorophyll) trong lá cây hấp thụ mạnh năng lượng ánh sáng ở dải sóng xanh lơ (bước sóng từ 0,45 đến 0,50 µm) và dải sóng đỏ (bước sóng từ 0,60 đến 0,68 µm) để thực hiện quá trình quang hợp. Đồng thời, tế bào mô lá phản xạ mạnh mẽ ở vùng sóng ánh sáng lục (khoảng 0,55 µm) và vùng cận hồng ngoại (từ 0,70 đến 1,30 µm). Cấu trúc tầng tán, diện tích bề mặt lá và hàm lượng ẩm khác nhau giữa các loài thực vật tạo nên những đường cong phổ phản xạ riêng biệt, cho phép viễn thám ghi nhận và bóc tách các trạng thái rừng.

Bên cạnh đó, tác giả ứng dụng lý thuyết phân tích ảnh hướng đối tượng (Object-Based Image Analysis - OBIA) và phương pháp đánh giá đa tiêu chuẩn (Multi-Criteria Evaluation). Phương pháp OBIA gom cụm các pixel liền kề có đặc tính quang phổ và cấu trúc không gian tương đồng thành các đa giác đối tượng thuần nhất, khắc phục nhược điểm phân loại dạng hạt tiêu của phương pháp phân loại dựa trên từng pixel đơn lẻ. Khung lý thuyết chuẩn hóa 4 khái niệm then chốt: độ phân giải không gian (diện tích mặt đất tương ứng với 1 pixel ảnh), giá trị cấp độ sáng (Brightness Value - BV), chỉ số thực vật chuẩn hóa (NDVI) xác định mật độ tán lá, và chỉ số khô ẩm (K) biểu thị tỷ lệ chênh lệch năng lượng phản xạ giữa kênh đỏ và kênh xanh da trời.

Phương pháp nghiên cứu

Nguồn dữ liệu viễn thám đầu vào được thu thập từ ba loại tư liệu ảnh vệ tinh quang học miễn phí: Landsat 8 (độ phân giải không gian 30 m), Sentinel-2 (độ phân giải từ 10 đến 20 m) và ảnh chụp độ nét cao từ nền tảng Google Earth (độ phân giải không gian dưới 2 m). Phương pháp phân tích đa tiêu chí được áp dụng thông qua việc tính toán chỉ số hiệu quả tổng hợp để xếp hạng và lựa chọn nguồn ảnh tối ưu nhất cho quy mô nghiên cứu 70 ha.

Cỡ mẫu thực địa được thiết kế với tổng số 149 điểm điều tra đại diện ngoài hiện trường, bao gồm: 29 điểm đất trống có cỏ cây bụi, 15 điểm rừng trồng bạch đàn thuần loài, 48 điểm rừng keo hỗn giao cây bản địa, và 57 điểm rừng thông hỗn giao cây bản địa. Phương pháp chọn mẫu áp dụng theo tuyến khảo sát sườn dông và mạng lưới đường giao thông nội bộ; điểm điều tra được bố trí tại trung tâm của các khoanh vi đồng nhất có diện tích bề rộng tối thiểu 40 m và độ che phủ của loài cây ưu thế tầng trên chiếm từ 30% tổng diện tích tán trở lên.

Tại mỗi điểm điều tra, tổng tiết diện ngang thân cây (G) được đo đếm bằng thước Bitterlich tại 5 vị trí quay (1 điểm trung tâm và 4 điểm vệ tinh cách tâm 5 m theo 4 hướng Đông, Tây, Nam, Bắc); chiều cao bình quân tầng cây ưu thế (H) được xác định bằng thước đo cao Blume-Leiss. Trữ lượng rừng (M) được tính toán theo công thức chuyên ngành lâm nghiệp: M = 2 * G * H * 0,5 (m³/ha). Toạ độ địa lý của 149 điểm được định vị bằng máy thu GPS cầm tay với sai số định vị dưới 3 m theo hệ tọa độ quốc gia VN2000 (kinh tuyến trục 105 độ, múi chiếu 3 độ). Tập dữ liệu được phân chia thành hai phần: 91 điểm phục vụ trích xuất giá trị phản xạ phổ để lập khóa phân loại; 58 điểm còn lại được giữ độc lập hoàn toàn nhằm kiểm định độ chính xác của bản đồ thành lập. Quy trình xử lý số sử dụng phần mềm eCognition để khoanh vi đối tượng tự động và phần mềm MapInfo để liên kết, chồng xếp và truy vấn dữ liệu không gian.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, qua phân tích xếp hạng đa tiêu chí từ ba nguồn dữ liệu viễn thám, ảnh vệ tinh Google Earth đạt tổng điểm hiệu quả cao nhất, vượt trội hơn so với ảnh Sentinel-2 và Landsat 8 khi ứng dụng phân loại rừng ở quy mô diện tích nhỏ 70 ha. Nhờ độ phân giải không gian rất cao (dưới 2 m), ảnh Google Earth bóc tách rõ nét ranh giới giữa các lô rừng, chi tiết kết cấu vòm tán và bóng cây, giải quyết triệt để hiện tượng nhòe điểm ảnh ở các trạng thái rừng trồng hỗn giao diện tích hẹp.

Thứ hai, nghiên cứu xác lập thành công tập chỉ tiêu phản xạ phổ đặc trưng cho 4 trạng thái thảm phủ từ 91 điểm điều tra phân tích. Đất trống có cỏ cây bụi có giá trị độ sáng trung bình ở cả 3 kênh màu đỏ, lục, xanh da trời cao nhất nhưng chỉ số thực vật NDVI thấp nhất. Rừng thông hỗn giao cây bản địa có giá trị phản xạ phổ ở kênh lục và kênh đỏ thấp hơn từ 12% đến 18% so với rừng keo hỗn giao, do lá kim của thông hấp thụ ánh sáng mạnh và tán cây tạo nhiều vùng bóng râm hơn. Chỉ số khô ẩm K giữa rừng keo hỗn giao và rừng thông hỗn giao có mức chênh lệch trung bình trên 15%, tạo điều kiện phân định rõ ràng ranh giới quang phổ giữa hai kiểu rừng này.

Thứ ba, kết quả kiểm định độc lập trên 58 điểm khảo sát thực địa chứng minh hiệu lực cao của khóa phân loại. Tỷ lệ giải đoán chính xác đối với đất trống đạt 100%, rừng trồng bạch đàn đạt 80%, rừng keo hỗn giao cây bản địa đạt 84,2% và rừng thông hỗn giao cây bản địa đạt 88,5%. Độ chính xác tổng thể của bản đồ phân loại đạt trên 86%, hệ số tương đồng Kappa đạt trên 0,81, khẳng định mức độ tin cậy khoa học cao giữa ảnh giải đoán và thực tế hiện trường.

Thảo luận kết quả

Sự sai khác về đặc trưng phản xạ phổ giữa các trạng thái rừng tại Núi Luốt xuất phát từ cấu trúc phân tầng phức tạp của thảm thực vật sau hơn 20 năm chuyển hóa rừng thuần loại thành rừng hỗn giao với gần 300 loài bản địa. Tán lá kim của thông tạo độ nhám bề mặt lớn và độ khép tán không đồng đều, làm giảm cấp độ sáng trung bình của pixel so với tán lá rộng của keo và bạch đàn. So với các công trình nghiên cứu trước đây của Nguyễn Đình Dương hay Vũ Tiến Điển sử dụng ảnh SPOT5 hoặc Landsat TM với chi phí xử lý cao, phương pháp kết hợp ảnh Google Earth độ phân giải cao và phần mềm eCognition trong nghiên cứu này mang lại giải pháp công nghệ kinh tế, dễ tiếp cận cho cấp cơ sở.

Để trực quan hóa dữ liệu nghiên cứu, mối quan hệ giữa các trạng thái rừng có thể được trình bày thông qua biểu đồ tán xạ hai chiều giữa chỉ số thực vật NDVI và chỉ số khô ẩm K, giúp phân lập rõ ràng các vùng không gian quang phổ của từng kiểu rừng. Đồng thời, việc mô tả kết quả kiểm định qua bảng ma trận nhầm lẫn (Confusion Matrix) với các tham số độ chính xác của người sản xuất, độ chính xác của người dùng và hệ số Kappa sẽ làm sáng tỏ các điểm nhầm lẫn cục bộ giữa rừng keo hỗn giao và rừng thông hỗn giao tại các vị trí có độ dốc chia cắt mạnh.

Đề xuất và khuyến nghị

Nhằm phát huy kết quả nghiên cứu vào thực tiễn quản lý và theo dõi tài nguyên rừng, 4 giải pháp trọng tâm được khuyến nghị thực hiện:

1. Ứng dụng quy trình phân loại ảnh độ phân giải cao Google Earth kết hợp công nghệ GIS: Chi cục Kiểm lâm các địa phương và các Ban quản lý rừng phòng hộ cần áp dụng quy trình giải đoán hướng đối tượng nhằm rút ngắn thời gian thành lập bản đồ hiện trạng rừng từ 6 tháng xuống còn 1 đến 2 tháng, giảm 40% đến 50% chi phí điều tra ngoại nghiệp.
2. Xây dựng ngân hàng dữ liệu khóa ảnh phổ chuyên biệt cho các kiểu rừng hỗn giao bản địa: Viện Điều tra Quy hoạch Rừng chủ trì phối hợp cùng các trường đại học lâm nghiệp thiết lập bộ chỉ số quang phổ chuẩn cho hơn 50 loài cây bản địa chính trong giai đoạn 2026 - 2028, hướng tới mục tiêu nâng cao độ chính xác giải đoán đạt trên 88%.
3. Tự động hóa công tác phân loại bằng thuật toán học máy và trí tuệ nhân tạo: Các viện nghiên cứu chuyên ngành cần tích hợp thuật toán phân loại tự động ngẫu nhiên (Random Forest) và mạng nơ-ron tích chập (CNN) trên nền ảnh viễn thám đa nguồn trong vòng 12 đến 24 tháng tới, thiết lập hệ thống cảnh báo sớm biến động diện tích rừng theo chu kỳ tuần.
4. Tổ chức các khóa đào tạo nâng cao kỹ năng công nghệ không gian địa lý cho cán bộ cơ sở: Bộ Nông nghiệp và Phát triển nông thôn phối hợp với Trường Đại học Lâm nghiệp mở các lớp tập huấn hàng năm, phấn đấu 100% cán bộ kỹ thuật kiểm lâm cấp huyện làm chủ phần mềm eCognition, QGIS và thiết bị định vị GPS trong kiểm kê rừng.

Đối tượng nên tham khảo luận văn

Nội dung và phương pháp luận của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng chính:

1. Học viên cao học và nghiên cứu sinh chuyên ngành Lâm học, Quản lý tài nguyên rừng và Hệ thống thông tin địa lý (GIS): Tiếp cận phương pháp luận phân loại ảnh hướng đối tượng (OBIA), cách thức thiết lập bộ tiêu chí đánh giá ảnh đa chỉ tiêu và xử lý thống kê dữ liệu trắc lượng rừng.
2. Cán bộ kỹ thuật tại các Chi cục Kiểm lâm, Hạt Kiểm lâm và Ban quản lý rừng đặc dụng: Khai thác quy trình công nghệ sử dụng ảnh vệ tinh độ nét cao miễn phí để cập nhật biến động tài nguyên rừng hàng năm tại địa phương với diện tích từ 70 ha đến hàng nghìn hecta mà không tốn kém ngân sách mua dữ liệu ảnh thương mại.
3. Chuyên gia tư vấn quy hoạch lâm nghiệp và điều tra tài nguyên môi trường: Tham khảo mô hình tích hợp dữ liệu giữa eCognition và MapInfo để nâng cao năng suất thành lập bản đồ chuyên đề thảm thực vật với độ chính xác đạt trên 85%.
4. Giảng viên và sinh viên các trường đại học khối nông - lâm nghiệp: Khai thác bộ cơ sở dữ liệu thực nghiệm gồm 149 điểm điều tra tại Núi Luốt làm tài liệu giảng dạy thực hành các môn học Viễn thám lâm nghiệp, Điều tra rừng và Đánh giá tài nguyên thiên nhiên.

Câu hỏi thường gặp

Vì sao nghiên cứu lại ưu tiên lựa chọn ảnh Google Earth thay vì ảnh Landsat 8 hay Sentinel-2? Ảnh Google Earth có độ phân giải không gian dưới 2 m, vượt trội so với độ phân giải 30 m của Landsat 8 và 10 m của Sentinel-2. Với khu vực nghiên cứu Núi Luốt có quy mô hơn 70 ha và thảm thực vật manh mún, ảnh Google Earth giúp nhận diện rõ nét từng vòm tán cây mà không phát sinh chi phí mua ảnh thương mại.

Cỡ mẫu 149 điểm điều tra thực địa được bố trí như thế nào để đảm bảo tính đại diện khoa học? Tổng số 149 điểm được phân bổ khoa học theo tuyến địa hình cắt ngang sườn dông và đường lâm nghiệp, gồm 29 điểm đất trống, 15 điểm bạch đàn, 48 điểm keo hỗn giao và 57 điểm thông hỗn giao. Mỗi điểm khảo sát có đường kính tối thiểu 40 m, đo đếm 5 vị trí bằng thước Bitterlich và định vị GPS sai số dưới 3 m.

Khóa phân loại trạng thái rừng được xây dựng dựa trên những chỉ số quang phổ chủ yếu nào? Khóa giải đoán được thiết lập từ 91 điểm mẫu, kết hợp giá trị trung bình 3 kênh màu đỏ, lục, xanh da trời, sai tiêu chuẩn, hệ số biến động độ sáng V%, chỉ số thực vật NDVI và chỉ số khô ẩm K. Sự kết hợp các chỉ số này giúp phân tách rõ rệt phổ phản xạ của rừng thông và rừng keo hỗn giao.

Luận văn sử dụng phương pháp nào để đánh giá độ chính xác của bản đồ phân loại rừng? Tác giả sử dụng tập dữ liệu độc lập gồm 58 điểm khảo sát ngoài hiện trường không tham gia lập khóa ảnh để đối chiếu với bản đồ giải đoán. Kết quả được định lượng qua tỷ lệ phân loại đúng từng trạng thái (đạt từ 80% đến 100%), độ chính xác tổng thể đạt trên 86% và chỉ số thống kê Kappa đạt trên 0,81.

Quy trình phân loại này có khả thi để áp dụng cho các khu rừng tự nhiên quy mô lớn trên toàn quốc không? Quy trình hoàn toàn có thể mở rộng bằng cách tích hợp ảnh độ nét cao với tư liệu đa phổ Sentinel-2 có chu kỳ chụp lặp 5 ngày. Việc bổ sung các kênh sóng hồng ngoại nhiệt và hồng ngoại sóng ngắn sẽ hỗ trợ phân loại hiệu quả các trạng thái rừng giàu, trung bình và nghèo trên diện tích hàng chục nghìn hecta.

Kết luận

Công trình nghiên cứu của tác giả Nguyễn Thị Hồng đã đúc kết các đóng góp học thuật và thực tiễn quan trọng:

• Khẳng định tính hiệu quả và độ tin cậy của nguồn tư liệu ảnh vệ tinh độ phân giải cao dễ tiếp cận từ Google Earth trong phân loại trạng thái rừng quy mô 70 ha.
• Xây dựng thành công bộ chỉ số phản xạ phổ và khóa phân loại định lượng cho 4 trạng thái rừng và đất lâm nghiệp tại khu vực Núi Luốt.
• Hoàn thiện quy trình công nghệ kết hợp giữa thuật toán phân tích ảnh hướng đối tượng eCognition và hệ thống thông tin địa lý MapInfo.
• Thiết lập hệ thống dữ liệu thực nghiệm chuẩn xác gồm 149 điểm điều tra tọa độ VN2000, kiểm định bản đồ đạt độ chính xác tổng thể trên 86% và chỉ số Kappa trên 0,81.
• Cung cấp giải pháp công nghệ kinh tế, hỗ trợ đắc lực cho các cơ quan quản lý lâm nghiệp cơ sở trong công tác theo dõi diễn biến rừng.

Đóng góp chính của luận văn là mở ra hướng tiếp cận mới trong việc khai thác dữ liệu không gian mở để hiện đại hóa công tác điều tra kiểm kê rừng. Trong giai đoạn 12 tháng tới, quy trình công nghệ cần tiếp tục được thử nghiệm mở rộng trên các hệ sinh thái rừng tự nhiên phức tạp. Các đơn vị quản lý tài nguyên rừng hãy chủ động ứng dụng giải pháp viễn thám và GIS để tối ưu hóa công tác quản trị rừng bền vững.