Chương 1: Tổng quan vấn đề nghiên cứu. - Chương 2: ối tượng, nội dung và phương pháp nghiên cứu. - Chương 3: Kết quả nghiên cứu và thảo luận. - Kết luận, tồn tại và kiến nghị.
- Các phụ lục: Gồm 19 phụ lục cơ sở dữ liệu xây dựng luận án, kết quả tính toán sinh khối, carbon cây cá thể, lâm phần. 6 1 CHƢƠNG 1: TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU 1.1 2 theo IPCC Cơ quan liên chính phủ về Biến đổi khí hậu IPCC (2003) [72] xác định 5 bể chứa carbon rừng cần giám sát để đo độ phát thải gây ra do mất rừng và suy t carbon hữu cơ trong đất. Ngoài ra còn có bể chứa carbon trong các sản phẩm gỗ ).1 : i) Trong cây gỗ phần trên mặt đất; ii) Trong thảm mục; iii) Trong cây chết; iv) Trong rễ cây dưới mặt đất v) Trong đất rừng. Riêng bể chứa carbon ở sản phẩm gỗ đã được di chuyển khỏi rừng.1: Năm bể (Nguồn: Winrock, International, 2010)[110] IPCC (2003) [72] cũng giới thiệu ba bậc (Tier) cho việc kiểm kê khí nhà kính quốc gia.
Mỗi bậc đòi hỏi cần nhiều dữ liệu hơn và các phân tích phức tạp hơn để đảm bảo tính chính xác cao hơn. Hoạt động giám sát, báo cáo và thẩm định (MRV) mất rừng và suy thoái rừng bao gồm hai hợp phần: (i) giám sát thay đổi diện tích rừng theo từng loại rừng (dữ liệu hoạt động); và (ii) giám sát trữ lượng carbon trung bình trên một đơn vị diện tích và theo loại rừng (mật độ carbon) (theo IPCC, 2003). Do đó, phương thức tiếp cận đơn giản nhất (Bậc 1) là theo dõi thay đổi về diện tích của mỗi loại rừng, và tính toán trữ lượng carbon trong mỗi loại rừng bằng cách sử dụng các giá trị mặc định quốc tế về mật độ carbon. Trong Bậc 2, tính chính xác 7 được cải thiện vì trữ lượng carbon được tính theo dữ liệu cụ thể của quốc gia thay vì sử dụng các giá trị mặc định quốc tế.
Trong Bậc 3, các mô hình và số liệu kiểm kê rừng được kết nối và tính toán cho từng quốc gia riêng biệt và được lặp đi lặp lại theo chuỗi thời gian. Do đó Bậc 3 cũng giúp tính toán những thay đổi về trữ lượng carbon trong kỳ kiểm kê. - : : 1-1 : CB: , carbon, CO2 ; Ct* /carbon, CO2 1 2 t1, 2 m hai. - tăng-giảm: : ∆C = ∆CG - ∆CL 1-2 (tC/năm); ∆CG (tC/năm) ∆CL (tC/năm).2 thể hiện tổng hợp giám sát phát thải/hấp thụ CO2 rừng 8 Hình 1.1 Khái niệm mô hình sinh trắc ước tính sinh khối, carbon rừng Hàm toán sinh học allometric equations là phương trình toán thống kê sinh học mô phỏng mối tương quan, quan hệ giữa sinh khối, carbon rừng với các nhân tố điều tra rừng, nhân tố sinh thái trong hệ sinh thái rừng (Picard và cộng sự.
Nếu gọi B là sinh khối và D là đường kính cây, thì có một hệ số quan hệ theo công thức: 1-3 Công thức này có thể được kết hợp trong mối quan hệ dạng hàm mũ (power): B = b*Da. Nó cũng có thể cần thiết để bổ sung một tham số là hằng số vào quan hệ này, và mô hình trở thành: B = c + bDa, trong đó c là sinh khối của cá thể để đạt được chiều cao tại vị trí đo đường kính (ví dụ ở độ cao 1,3m, nếu đường kính cây được đo ở vị trí này (Picard và cộng sự. Thông thường trong nghiên cứu sinh khối, cây được phân chia thành các bộ phận đồng nhất: thân cây, vỏ, cành, lá, rễ. Trên cơ sở sinh khối từng bộ phận và tổng hợp toàn bộ cây, lâm phần được ước tính qua một mô hình sinh trắc theo các nhân tố cây cá thể là lâm phần.
Mô hình sinh trắc được thiết lập trên quan điểm sinh học, tức là xem xét nhân tố nào ảnh hưởng đến sự thay đổi của sinh khối hơn là đơn thuần thiết lập một mô hình toán học. (Picard và cộng sự. 9 Kết quả của quá trình sinh trưởng và phát triển của cây rừng và lâm phần chính là sinh khối, và carbon tích lũy hay còn gọi là sinh khối sơ cấp. Vì vậy các nhân tố điều tra rừng có quan hệ chặt chẽ với sinh khối, carbon.
Tuy nhiên để xác định mối quan hệ giữa các nhân tố này với sinh khối và trữ lượng carbon cần xem xét đặc điểm của quá trình sinh trưởng và phát triển, mối quan hệ qua lại giữa các cá thể trong quần thể để xây dựng mối tương quan phù hợp với quy luật sinh học và sinh thái học.2 Xác định các biến số ảnh hưởng trong mô hình sinh trắc ước tính sinh khối carbon rừng Hầu hết các tác giả trên thế giới, để xây dựng mô hình sinh trắc ước tính sinh khối, carbon cây rừng đều dựa vào các nhân tố chính là đường kính và chiều cao cây; vì 2 nhân tố này là 2 nhân tố cơ bản cấu thành thể tích, trữ lượng rừng và có quan hệ chặt chẽ với sinh khối. Để nâng cao độ chính xác của mô hình ước tính sinh khối, carbon nhiều tác giả đưa thêm các biến khối lượng thể tích gỗ và một số tác giả có đề cập đến biến số đường kính tán lá. Khối lượng thể tích gỗ phụ thuộc rất lớn vào loài, do đó WD là nhân tố quan trọng ảnh hưởng lớn đến sai số của mô hình ước tính trong ước tính sinh khối, carbon cho rừng nhiệt đới với sự đa dạng loài rất cao. Biến số CD hay tương đương là biến số diện tích tán lá là quan trọng đối với mô hình cho cây rừng nhiệt đới, bởi vì cùng DHB, H nhưng diện tích tán của các loài khác nhau sẽ rất khác nhau do đặc điểm hình thái loài; và ảnh hưởng đến biến động sinh khối/carbon.
Tuy vậy biến CD/CA chưa được nhiều tác giả trên thế giới nghiên cứu để đưa vào mô hình ước tính sinh khối. Hàm có 04 biến số là DBH, H, WD và đường kính tán lá (CD) được xây dựng bởi Henry và cộng sự (2010) [65] ở rừng nhiệt đới Châu Phi. Để đưa nhiều biến số vào mô hình nhằm giảm sai số ước tính hầu hết các tác giả sử dụng phương pháp kiểm tra sự tồn tại của các biến số bằng tiêu chuẩn t với mức ý nghĩa P < 0,05. Trong khi đó chưa áp dụng các tiêu chuẩn thống kê để xác định số biến ảnh hưởng có ý nghĩa; vấn đề này có thể được thực hiện thông qua tiêu chuẩn Cp của Mallow (1973) [83] với Cp tiến đến gần số biến số thì các biến số đó là tối ưu để đưa vào hàm.3 Dạng hàm mô phỏng sinh khối, carbon rừng để ước tính sinh khối và carbon rừng là khá đa dạng, có thể là hàm tuyến tính hoặc phi tuyến tính.
Tuy nhiên bất kỳ hàm nào đều cần phải dựa vào đặc điểm sinh trưởng, tích lũy sinh khối của thực vật thân gỗ. Thông thường các hàm phi tuyến được tuyến tính hóa bằng cách chuyển về dạng logarit. Picard và cộng sự. (2010) [88 (1997) [80], Johannes và Shem (2011) [74], Brown (1997) [38], Chave và Andalo (2004, 2005), Bakusi, Van Laake và cộng sự.
(2009) [33], Henry và cộng sự. (2010) ) [65] sử dụng hàm log để lập mô hình sinh khối của tất cả bộ phận cây trên mặt đất (AGB) theo các biến số D, H và ρ. Tổng hợp tất cả các dạng hàm của các tác giả chính nghiên cứu dùng để lập mô hình sinh khối rừng trên thế giới, trong đó tập trung cho rừng nhiệt đới cho thấy có thể hệ thống theo từng nhóm hàm chính sau đây: - Hàm dạng tuyến tính: y = a0 + a1X1 + a2X2 + …. + anXn + ԑ 1-4 Hàm Polynomial bậc cao: y = a0 + a1X+ a2X2 + ….
+ anXn + ԑ 1-5 - Hàm mũ dạng Power: y = a0X1a1X2a2….Xnan + ԑ 1-6 - Hàm tuyến tính hóa dạng logarit neper: ln(y) = a0 + a1ln(X1)+ a2ln(X2) + …. + anln(Xn) + ԑ 1-9 Trong đó biến số: - y: là sinh khối của cây rừng phần trên mặt đất - Xi: Là các biến số ảnh hưởng bao gồm 4 biến số DBH, H, WD và CD. Trong đó Xi có thể là các biến đơn như DBH, H, WD và CD hoặc có thể tổ hợp thành nhóm biến nhưng DBH2H, DBH2*H*WD, DBH2WD, DBH2*H*CD*WD. Từ tổng hợp này cho thấy quy luật sinh trưởng của sinh khối thông thường không theo dạng đường thằng.
Trong đó nhiều tác giả khẳng định hàm Power tỏ ra thích hợp trong nhiều trường hợp ở các kiểu rừng, vùng sinh thái khác nhau. Hàm này có thể ước tính trực tiếp từ phương pháp phi tuyến, tuy nhiên đa số tác giả tuyến hóa dạng log để thiết lập hàm theo phương pháp bình phương tối thiểu. Vì vậy có thể thấy mô hình sinh khối thông thường biểu diễn dưới dạng log, tuy nhiên tùy theo vùng sinh thái, kiểu rừng mà các biến số có thể là biến đơn hay là tổ hợp biến, tổ hợp biến tỏ ra phù hợp cao là DBH2H, DBH2WD.4 Phương pháp ước lượng hàm Hai phương pháp ước lượng hàm sinh trắc phổ biến được áp dụng là: - Phương pháp bình phương tối thiểu có hay không có sử dụng trọng số (Weight) để ước lượng hàm tuyến tính hay phi tuyến tính được tuyến tính hóa - Phương pháp Marquardt ước lượng hàm phi tuyến có hay không có trọng số (Weight). Trong đó đa số các tác giả sử dụng phương pháp bình phương tối thiểu đối với hàm phi tuyến đã tuyến tính hóa.
Ít tác giả đề cập đến phương pháp ước lượng phi tuyến hoặc có trọng số. Trong khi đó Picard, Saint-André và Henry (2012) [88] cho thấy trong một số trường hợp ước lượng hàm có trọng số sẽ cải thiện độ tin cậy của hàm thông qua giảm biến động của sai số (phần dư – residual); hoặc tiếp cận tốt dữ liệu quan sát hơn, giảm sai số. 12 Theo Picard và cộng sự. (2012) trọng số của một hàm được xác định như sau: Ví dụ mô hình hàm mũ Y = a.X2c, thì trọng số để điều chỉnh hàm là Weight Wi = 1/X2c, trong đó c biến động từ -2 đến + 2.
Khi thay đổi c của trọng số sẽ thay đổi biến động của phần dư, trên cơ sở đó có thể quyết định chọn lựa giá trị trọng số tối ưu cho mô hình ước lượng.3: Đồ thị quan hệ phần dƣ có trọng số với giá trị của mô hinh giảm do Wi = 1/X2c (Nguồn: Picard và cộng sự.3 cho thấy với các tiếp cận ước lượng mô hình có trọng số sẽ giúp cho việc điều chỉnh biến động phần dư của mô hình phù hợp hơn, giảm sai số.