Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Tài nguyên rừng trên thế giới hiện còn khoảng 3,2 tỷ ha, trong đó rừng thứ sinh nghèo chiếm khoảng 80% (ITTO, 2019). Tại Việt Nam, diện tích rừng đạt khoảng 10,24 triệu ha với tỷ lệ rừng thứ sinh chiếm trên 90% (Phạm Văn Điển, 2019). Tại Cộng hòa Dân chủ Nhân dân Lào, tổng diện tích rừng đạt khoảng 9 triệu ha, trong đó rừng thứ sinh chiếm trên 85% (DOF-MAF, 2018). Trong giai đoạn từ năm 2000 đến nay, diện tích rừng toàn cầu bị mất và suy thoái bình quân hàng năm khoảng 14,6 triệu ha, tương ứng tỷ lệ biến động khoảng 2%/năm so với tổng diện tích rừng còn lại (FAO, 2019). Lào có diện tích đất tự nhiên 23.000 ha (theo số liệu ghi nhận trong văn bản) với đất lâm nghiệp chiếm 47% diện tích cả nước; tỷ lệ biến động rừng hàng năm ở mức 2,5%, cao hơn mức bình quân chung của khu vực và thế giới (DOF-MAF, 2018).

Vườn Quốc gia Nam Ka Đinh (VQGNKĐ) thuộc tỉnh Bolikhamsay được thành lập năm 1995 với tổng diện tích tự nhiên 168.550 ha, bao gồm 4 kiểu rừng phân chia theo thành phần loài cây (Niên giám thống kê tỉnh Bolikhamsay, 2020). Tài nguyên rừng tự nhiên tại VQGNKĐ đang chịu áp lực biến động liên tục do mất rừng và suy thoái rừng, khiến diện tích rừng tự nhiên suy giảm với tốc độ khoảng 2,5%/năm (Sở Nông Lâm Bolikhamsay - DARB, 2020).

Thực tiễn quản lý bảo vệ rừng tại VQGNKĐ đang đối mặt với nhiều khó khăn:

  • Chưa sớm xác định được mức độ biến động tài nguyên rừng theo chuỗi thời gian;
  • Chưa sớm nhận diện và lượng hóa các tác nhân chính gây ra biến động rừng;
  • Chưa đề xuất được quy trình kỹ thuật và giải pháp ứng dụng công nghệ địa không gian phù hợp với điều kiện thực tế tại địa phương.

Xuất phát từ các vấn đề trên, đề tài luận án "Nghiên cứu ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng tại khu vực Vườn Quốc gia Nam Ka Đinh, nước Cộng hòa Dân chủ Nhân dân Lào" được thực hiện nhằm giải quyết các yêu cầu cấp bách trong giám sát và quản lý tài nguyên rừng.

Mục tiêu nghiên cứu

Mục tiêu tổng quát: Nghiên cứu xây dựng quy trình kỹ thuật ứng dụng công nghệ địa không gian phát hiện mất rừng, suy thoái rừng và khu vực thêm mới rừng nhằm góp phần nâng cao hiệu quả của công tác quản lý, bảo vệ rừng, giám sát và theo dõi diễn biến tài nguyên rừng tại khu vực Vườn Quốc gia Nam Ka Đinh, nước Cộng hòa Dân chủ Nhân dân Lào.

Mục tiêu cụ thể:

  1. Xác định được đặc điểm hiện trạng rừng và các yếu tố ảnh hưởng đến quản lý tài nguyên rừng tại khu vực Vườn Quốc gia Nam Ka Đinh.
  2. Xác định được ngưỡng chỉ số tương đối với chỉ số thực vật kháng khí quyển (ARVI) trên ảnh vệ tinh Sentinel-2 để phát hiện sớm mất rừng, suy thoái rừng và các khu vực có thêm rừng mới tại khu vực nghiên cứu.
  3. Đề xuất được quy trình kỹ thuật ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng và một số giải pháp thúc đẩy quá trình ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng cho khu vực nghiên cứu và các khu vực khác có điều kiện tương tự.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Toàn bộ diện tích rừng tại khu vực Vườn Quốc gia Nam Ka Đinh. Trọng tâm nghiên cứu là ứng dụng công nghệ địa không gian trong giám sát, phát hiện sớm mất rừng, suy thoái rừng, nhận diện khu vực có thêm rừng mới và đề xuất giải pháp thúc đẩy ứng dụng công nghệ địa không gian.
  • Phạm vi không gian: Toàn bộ khu vực VQGNKĐ và một số vùng rừng thuộc các huyện lân cận gồm: huyện Viengthong, Borikhane, Pakkading, Khamkeut (thuộc tỉnh Bolikhamsay) và huyện Khounakham (thuộc tỉnh Khammuan).
  • Phạm vi thời gian: Luận án được thực hiện từ tháng 06/2016 đến ngày 31/10/2021 (dữ liệu điều tra thực địa thu thập từ tháng 01/2016 đến tháng 12/2019; tư liệu ảnh viễn thám thu thập từ 01/01/2016 đến 31/10/2019).
  • Phạm vi nội dung và công nghệ: Nghiên cứu đặc điểm hiện trạng rừng, các nhân tố ảnh hưởng; sử dụng chỉ số thực vật kháng khí quyển (ARVI) trên ảnh vệ tinh Sentinel-2A, Sentinel-2B kết hợp phần mềm ArcGIS 10.3 và nền tảng điện toán đám mây Google Earth Engine (GEE).

Tổng quan tài liệu và vị trí của luận án

Các hệ thống khái niệm chuẩn tắc được luận án tổng hợp

Luận án tiến hành tổng hợp và so sánh các định nghĩa học thuật và pháp lý quốc tế làm cơ sở đối chiếu:

  • Rừng: Định nghĩa theo UNEF (2001) (diện tích > 0,5 ha, độ tàn che > 10%, chiều cao cây $\ge$ 5 m); FCCC (2001) (diện tích 0,05–1,0 ha, độ tàn che 10–30%, chiều cao 2–5 m); FAO (2020) (diện tích > 0,5 ha, độ tàn che > 10%, chiều cao $\ge$ 5 m, chiều rộng dải cây > 20 m); Luật Lâm nghiệp Việt Nam năm 2017 (diện tích liền vùng $\ge$ 0,3 ha, độ tàn che $\ge$ 0,1); Luật Lâm nghiệp Quốc gia Lào năm 2019 (diện tích > 0,5 ha, độ tàn che > 10%, chiều cao $\ge$ 5 m, chiều rộng và dài hàng cây > 20 m). Luận án áp dụng định nghĩa theo Luật Lâm nghiệp Quốc gia Lào năm 2019.
  • Mất rừng: Theo FAO (2020), FCCC (2001), ICRAF (2017) và Luật Lâm nghiệp Lào năm 2019: là quá trình chuyển đổi đất có rừng sang mục đích khác hoặc làm suy giảm độ tàn che xuống dưới ngưỡng 10% trên quy mô diện tích $\ge$ 0,5 ha.
  • Suy thoái rừng: Theo FAO (2020), UNEP (2001), IPCC (2000), Luật Lâm nghiệp Việt Nam năm 2017 và Luật Lâm nghiệp Lào năm 2019: là sự suy giảm cấu trúc, chức năng, thành phần loài, sinh khối hoặc độ tàn che do tác động nhân sinh hoặc thiên tai nhưng vẫn duy trì độ tàn che trên 10%.
  • Thêm rừng: Theo ITTO (2019) (diện tích $\ge$ 0,5 ha) và Luật Lâm nghiệp Lào năm 2019: là các khu vực rừng mới hình thành qua trồng rừng hoặc tái sinh tự nhiên từ đất trống, nương rẫy bỏ hóa, diện tích đạt tối thiểu $\ge$ 0,3 ha.
  • Phát hiện sớm: Khả năng phát hiện biến động rừng sớm nhất về thời gian (dựa trên chu kỳ lặp 6 ngày của vệ tinh Sentinel-2) và nhỏ nhất về không gian (từ 0,3 ha trở lên).

Các hướng nghiên cứu ứng dụng viễn thám và GIS trên thế giới và tại Lào

Hướng 1: Kỹ thuật so sánh sau phân loại (Post-classification comparison)

Phương pháp này dựa trên việc phân loại độc lập các ảnh viễn thám ở các thời điểm khác nhau, sau đó chồng ghép các lớp bản đồ hiện trạng để xác định biến động.

  • Trên thế giới và Việt Nam:
    • Guler và cs (2007): Phân loại sử dụng đất tại Samsun (Thổ Nhĩ Kỳ) giai đoạn 1980–1999 bằng 3 ảnh với độ chính xác 83,76%, 89,67% và 87,64%.
    • Et al. (2011): Dùng ảnh Landsat ETM+ lập bản đồ rừng rụng lá tại tỉnh Azerbaijan (Iran), độ chính xác đạt 86%.
    • Nguyễn Văn Lợi (2012): Ứng dụng Landsat 7 ETM+ giám sát rừng trồng tại Thừa Thiên Huế (2001–2007), độ chính xác đạt 87,3% đến 87,9%.
    • Phạm Văn Duẩn và Phùng Văn Khoa (2013): Sử dụng chỉ số NDVI từ ảnh SPOT 5 phân loại 6 trạng thái thảm phủ phục vụ kiểm kê rừng.
    • Vorovenci (2014): Dùng Landsat 5 TM thành lập bản đồ biến động sử dụng đất tại Romania (1993–2009), độ chính xác 85,91% và 88,18%.
    • Nguyễn Văn Thị và Trần Quang Bảo (2014): Phân loại hướng đối tượng trên ảnh SPOT 5 bằng eCognition tại Hà Tĩnh, độ chính xác đạt 76%.
    • Nguyễn Thị Thu Hiền và cs (2014): Dùng SPOT 4 đánh giá biến động đất phủ tại Tiên Yên, Quảng Ninh (2000–2010), độ chính xác đạt 80,97% đến 89,33%.
    • Nguyễn Văn Lợi và Vũ Kim Chi (2014): Phân loại hướng đối tượng theo quy tắc mờ trên ảnh SPOT 5 tại Sơn La, độ chính xác 87,5%.
    • Et al. (2015): Lập bản đồ biến động tại Algeria bằng Landsat 5 và 7 (độ chính xác 93,96%); Et al. (2015) lập bản đồ che phủ rừng Ireland bằng ảnh ALOS PALSAR (độ chính xác 97,43%).
    • Deus (2016): Kết hợp Landsat 5 TM và ALOS PALSAR tại Tanzania, nâng độ chính xác phân loại từ 86% (Landsat) và 59% (ALOS) lên 97% khi tích hợp cả hai nguồn ảnh.
    • Nguyễn Hải Hòa và cs (2016): Dùng chỉ số NDVI từ Landsat 5, 7, 8 giám sát rừng vùng đệm Vườn Quốc gia Xuân Sơn (2001–2015), độ chính xác đạt 81,7% đến 86,5%.
    • Phạm Quang Vinh và Vũ Thị Kim Dung (2016): Đánh giá biến động rừng tại Điện Biên (2002–2014) qua ảnh Landsat 7 và 8, độ chính xác 83% và 90%.
    • Đoàn Duy Hiếu và Nguyễn Thám (2017): Đánh giá biến động rừng huyện Ia Pa, Gia Lai qua Landsat TM và Landsat 8, độ chính xác đạt 91,6% đến 93,6%.
    • Et al. (2018): Đánh giá mất rừng tại Odisha (Ấn Độ) giai đoạn 1930–2013 bằng ảnh Landsat MSS, TM và IRS, độ chính xác đạt từ 71,8% đến 93,3%.
    • Trần Quang Bảo và cs (2018): Đánh giá biến động rừng tại Công ty Lâm nghiệp La Ngà (Đồng Nai) bằng ảnh Google Earth, độ chính xác đạt 81%.
    • Et al. (2019): Dùng chuỗi ảnh Landsat 5, 7, 8 xác định mất rừng tại Myanmar giai đoạn 1988–2017 với độ chính xác đạt từ 83% đến 93%.
  • Tại Lào:
    • Ammala Keonuchan (2008): Sử dụng Landsat 7 ETM+ giám sát biến động thảm thực vật các tỉnh miền Nam Lào (1997–2002).
    • Chittana Phomphila (2016): Ứng dụng chỉ số nhiệt bề mặt (LST) và chỉ số thực vật EVI theo chu kỳ 16 ngày giai đoạn 2006–2012, đạt độ chính xác 86%, chỉ rõ nguyên nhân biến động do nương rẫy và chuyển đổi sang trồng cao su.
    • Thipphachanh Souphihalath (2017): Đánh giá biến động hệ sinh thái tại tỉnh Savannakhet qua ảnh Landsat từ năm 1988 và bản đồ hiện trạng năm 2010.
    • Phavanar Sombanpheng và Baodong Cheng (2018): Kết hợp Landsat và GIS đánh giá biến động lớp phủ tại huyện Thakhek giai đoạn 1987–2016 qua phân loại không kiểm định, xác định lớp phủ biến đổi 27%.

Hướng 2: Sử dụng thuật toán phát hiện thay đổi trực tiếp chỉ số viễn thám

Phương pháp này trích xuất trực tiếp sai dị phổ hoặc chỉ số thực vật đa thời gian trên từng pixel ảnh.

  • Key và Benson (2005): Xây dựng chỉ số khác biệt tỷ số cháy dNBR ($dNBR = [NBR_{prefire} - NBR_{postfire}] \times 1000$) kết hợp chỉ số hiện trường CBI để lập bản đồ cấp độ cháy rừng.
  • (2007): Phát triển chỉ số tương đối RdNBR tại Sierra Nevada (Mỹ), nâng độ chính xác lên 59,9% so với 58,7% của dNBR.
  • Vương Văn Quỳnh (2013): Ứng dụng chỉ số $K = b_{20} \times b_{21} \times b_{22} \times b_{23} \times 10^{-6}$ trên ảnh MODIS để phát hiện sớm cháy rừng tại U Minh và Tây Nguyên.
  • Et al. (2014): Đề xuất chỉ số tương đối RBR tại miền Tây nước Mỹ, đạt độ chính xác phân loại cháy rừng 70,5% (cao hơn dNBR 68,4% và RdNBR 69,2%).
  • (2016): Dùng ảnh Gaofen-2 và thuật toán $NDVI_{diff} = NDVI_{post} - NDVI_{pre}$ tại Trung Quốc, đạt độ chính xác phát hiện mất rừng và phục hồi rừng 94,8%.
  • Nguyễn Thanh Hoàn và cs (2017): Ứng dụng phân tích vectơ thay đổi đa biến (MCVA) trên ảnh Landsat 8 tại Đắk Nông qua các chỉ số $VC_{NDVI}$ và $VC_{NDSI}$, đạt độ chính xác phát hiện mất rừng 91,6% đến 99,2%.
  • Lê Tuấn Anh và cs (2018): Thiết lập chỉ số khác biệt màu sắc tương đối ($SsNDVI$) và cấp độ sáng tương đối ($SsBright$) trên ảnh SPOT-5 và SPOT-6 tại Đắk Nông, đạt độ chính xác 90%.
  • Nguyễn Hải Hòa và cs (2018): Xác định ngưỡng phát hiện mất rừng tại Khu dự trữ sinh quyển Langbiang bằng Sentinel-2 qua $dNDVI$ (0,400–0,792), $dNBR$ (0,200–0,529) và $dIRSI$ (0,604–1,193), độ chính xác đạt 66,7% đến 85,7%.
  • Lê Ngọc Hoàn và Trần Quang Bảo (2018): Trích xuất điểm dị thường nhiệt từ kênh nhiệt sáng $T_4$ ($4,\mu m$) và $T_{11}$ ($11,\mu m$) trên ảnh MODIS ($T_4 > 310,K, \Delta T > 10,K$) để cảnh báo cháy rừng tại Việt Nam.
  • Nguyễn Quốc Hiệu (2020): Sử dụng chuỗi ảnh Landsat 8 và Sentinel-2 xác lập ngưỡng chỉ số tương đối ($KB$) phát hiện sớm mất rừng, suy thoái rừng tại Tây Nguyên.
  • Bộ Nông nghiệp và Phát triển Nông thôn Việt Nam (2020): Đưa ra ngưỡng mất rừng tại Điện Biên với $dNDVI > 45,0%$ (hoặc $> 0,308$) và $dNBR > 41,0%$ (hoặc $> 0,248$).
Hướng tiếp cận Ưu điểm ghi nhận Hạn chế ghi nhận Tần suất sử dụng trong tài liệu
So sánh sau phân loại Cho phép xây dựng bản đồ hiện trạng chi tiết từng thời kỳ; phân định rõ các kiểu thảm phủ Sai số tích lũy từ kết quả phân loại từng ảnh đơn lẻ; quy trình xử lý qua nhiều bước trung gian Ảnh Landsat (>50%), SPOT, Sentinel-2; chỉ số NDVI (>60%)
Thuật toán phát hiện thay đổi Phát hiện trực tiếp biến động trên pixel phổ; xử lý nhanh, phù hợp cho hệ thống cảnh báo sớm Phụ thuộc vào việc thiết lập chính xác giá trị ngưỡng; nhạy cảm với nhiễu khí quyển và sai lệch mùa Ảnh Landsat (>60%), MODIS, Sentinel-2; chỉ số NDVI, NBR, RdNBR, ARVI

Khoảng trống nghiên cứu luận án lựa chọn giải quyết

Tổng quan tài liệu cho thấy tại Lào, việc ứng dụng công nghệ địa không gian trong lâm nghiệp phần lớn chỉ dừng lại ở các nghiên cứu so sánh sau phân loại quy mô tĩnh; chưa có công trình nào nghiên cứu áp dụng thuật toán biến động tương đối (chỉ số $KB$) kết hợp với chỉ số thực vật kháng khí quyển (ARVI) trên ảnh Sentinel-2 để phát hiện sớm mất rừng, suy thoái rừng và thêm rừng. Luận án lựa chọn giải quyết khoảng trống này tại VQGNKĐ nhằm khắc phục ảnh hưởng của sương mù, mây và địa hình phức tạp của vùng núi nhiệt đới.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và công nghệ địa không gian

Luận án vận dụng cơ sở khoa học về công nghệ địa không gian theo Phùng Văn Khoa và Đỗ Xuân Lân (2013), bao gồm sự tích hợp của ba hệ thống thành phần:

  1. Hệ thống định vị toàn cầu (GPS): Thu nhận tín hiệu từ tối thiểu 3 đến 4 vệ tinh để xác định tọa độ không gian 2D/3D của các ô tiêu chuẩn (OTC) và các điểm biến động thực địa.
  2. Hệ thống thông tin địa lý (GIS): Sử dụng phần mềm ArcGIS 10.3 để quản lý cơ sở dữ liệu không gian, cắt ghép ảnh raster theo ranh giới nghiên cứu, tính toán toán học bản đồ và chiết xuất giá trị phổ.
  3. Công nghệ viễn thám (RS): Dựa trên đặc trưng phản xạ phổ của các đối tượng tự nhiên qua các kênh bước sóng điện từ. Luận án khai thác ảnh Sentinel-2 kết hợp nền tảng Google Earth Engine (GEE) và tư liệu độ phân giải cao 3–5 m từ nền tảng Planet.com.

Chỉ số thực vật kháng khí quyển (Atmospherically Resistant Vegetation Index - ARVI) được lựa chọn do cơ chế tự hiệu chỉnh tán xạ khí quyển và aerosol thông qua kênh phổ xanh dương (Blue), giúp giảm thiểu nhiễu tại vùng núi nhiệt đới có độ ẩm, khói bụi và mây mù cao quanh VQGNKĐ. Giá trị ARVI biến thiên trong khoảng từ -1 đến +1 (đối tượng rừng đạt từ 0,6 đến 1,0).

Tiến trình nghiên cứu logic

Tiến trình nghiên cứu được triển khai theo khung 5 bước:

  • Bước 1: Xác định đặc điểm cấu trúc, trữ lượng các trạng thái rừng qua hệ thống 86 ô tiêu chuẩn (OTC) và điều tra xã hội học về các nguyên nhân gây biến động.
  • Bước 2: Lựa chọn dữ liệu viễn thám Sentinel-2, thiết lập thuật toán tính toán chỉ số ARVI và chỉ số tương đối ($KB$).
  • Bước 3: Phân tích biến thiên chỉ số ARVI trên tập mẫu thực địa định ngưỡng để xác định các khoảng ngưỡng mất rừng, suy thoái rừng và thêm rừng.
  • Bước 4: Kiểm chứng độc lập độ chính xác của các ngưỡng xác lập bằng tập mẫu kiểm chứng thực địa riêng biệt.
  • Bước 5: Tổng hợp xây dựng quy trình kỹ thuật và đề xuất các giải pháp nâng cao hiệu quả quản lý bảo vệ rừng tại VQGNKĐ.

Phương pháp điều tra thực địa và thu thập số liệu

Phương pháp điều tra cấu trúc lâm phần

Đề tài áp dụng phương pháp lấy mẫu ngẫu nhiên phân tầng (stratified random sampling) trên các tuyến điều tra điển hình đại diện cho các trạng thái rừng theo Luật Lâm nghiệp Lào năm 2019 và Thông tư 33/2018/TT-BNNPTNT. Thiết lập tổng cộng 86 ô tiêu chuẩn (OTC) định vị tâm bằng máy GPS MAP64s:

  • Kích thước OTC: $2.000,m^2$ ($40 \times 50,m$ hoặc $20 \times 100,m$) đối với rừng tự nhiên; $500,m^2$ đối với rừng trồng.
  • Trong mỗi OTC lập 5 ô dạng bản (ODB) diện tích $25,m^2$ ($5 \times 5,m$) tại 4 góc và trung tâm để điều tra cây tái sinh và cây bụi, thảm tươi.
TT Kiểu rừng / Trạng thái rừng Tiêu chí trữ lượng / Loài cây Số lượng OTC Mã số OTC
1 Rừng lá rộng thường xanh 50 1 – 50
1.1 Rừng giàu $M > 200,m^3/ha$ 10 1 – 10
1.2 Rừng trung bình $100 < M \le 200,m^3/ha$ 10 11 – 20
1.3 Rừng nghèo $50 < M \le 100,m^3/ha$ 10 21 – 30
1.4 Rừng nghèo kiệt $10 < M \le 50,m^3/ha$ 10 31 – 40
1.5 Rừng chưa có trữ lượng $M \le 10,m^3/ha$ 10 41 – 50
2 Rừng trồng 36 51 – 86
2.1 Rừng trồng Keo Acacia spp. 9 51 – 59
2.2 Rừng trồng Bạch đàn Urophylla Eucalyptus urophylla 9 60 – 68
2.3 Rừng trồng Tếch Tectona grandis 9 69 – 77
2.4 Rừng trồng Cao su Hevea brasiliensis 9 78 – 86
Tổng 86 1 – 86
  • Chỉ tiêu đo đếm cây cao ($D_{1.3} \ge 6,cm$): Đo đường kính ngang ngực $D_{1.3}$ bằng thước kẹp kính; đo chiều cao vút ngọn ($H_{vn}$) và chiều cao dưới cành ($H_{dc}$) bằng máy đo cao laser Nikon Forestry Pro; đánh giá phẩm chất cây (đạt / không đạt).
  • Tính toán thể tích: Tiết diện ngang $G$ ($m^2/ha$) và trữ lượng $M$ ($m^3/ha$) tính theo công thức lâm học: $$M = G \times H \times f$$ Trong đó: $H$ là chiều cao bình quân lâm phần ($m$), $f$ là hình số lâm phần ($f = 0,45$).

Phương pháp điều tra xã hội học xác định tác nhân biến động

  • Thu thập tài liệu thứ cấp từ Cục Lâm nghiệp Lào, Ban Quản lý VQGNKĐ và DARB tỉnh Bolikhamsay.
  • Xác định dung lượng mẫu hộ gia đình theo công thức Slovin (1984): $$n = \frac{N}{1 + N \cdot e^2}$$ Trong đó: $N$ là tổng số hộ trong thôn/bản, $n$ là cỡ mẫu điều tra, $e$ là sai số cho phép ($e = 0,05$). Luận án thực hiện phỏng vấn sâu 60 cán bộ cấp sở, phòng ban, chính quyền làng/bản và đại diện chủ hộ gia đình.

Xử lý dữ liệu viễn thám và thiết lập tập mẫu biến động

  • Tư liệu viễn thám: Sử dụng các cảnh ảnh Sentinel-2A và 2B (mã phân mảnh T48QVF và T48QUF) giai đoạn từ 01/01/2016 đến 31/10/2019.
  • Tiền xử lý trên GEE: Hiệu chỉnh bức xạ về giá trị phản xạ bề mặt (Surface Reflectance - SR); áp dụng thuật toán s2cloudless kết hợp kênh cận hồng ngoại (NIR) để lọc sạch mây và bóng mây; chuyển đổi hệ quy chiếu về WGS_1984_UTM_Zone_48N.
  • Dữ liệu mẫu thực địa phục vụ định ngưỡng và kiểm chứng: Thu thập 212 điểm mẫu mất rừng hoàn toàn (đo tọa độ bằng GPS MAP64s) và 75 ô tiêu chuẩn suy thoái rừng ($500 - 2.000,m^2$) ngoài thực địa kết hợp đối soát mắt trên ảnh Planet.com và Google Earth.

Nội dung chính theo từng chương

Chương 1: Tổng quan vấn đề nghiên cứu

Chương 1 hệ thống hóa cơ sở lý luận về quản lý tài nguyên rừng và công nghệ địa không gian:

  • Tổng hợp các định nghĩa tiêu chuẩn về rừng, mất rừng, suy thoái rừng, thêm rừng và phát hiện sớm từ các tổ chức quốc tế (FAO, UNEP, IPCC, ITTO) và hệ thống luật pháp của Lào, Việt Nam.
  • Tổng kết 2 nhóm phương pháp viễn thám chính: kỹ thuật so sánh sau phân loại và kỹ thuật sử dụng thuật toán phát hiện biến động chỉ số phổ. Đánh giá chi tiết ưu thế và hạn chế của từng phương pháp qua hơn 30 công trình nghiên cứu tại nhiều quốc gia.
  • Đánh giá hiện trạng ứng dụng công nghệ địa không gian tại Lào: chỉ ra các hạn chế trong việc thiếu các công cụ cảnh báo sớm tự động, chưa áp dụng thuật toán tương đối ($KB$) cho chỉ số ARVI, làm tiền đề khoa học cho việc lựa chọn hướng đi của luận án.

Chương 2: Nội dung, phương pháp và đặc điểm khu vực nghiên cứu

Chương 2 trình bày chi tiết về thiết kế nghiên cứu, hệ phương pháp và địa bàn thực nghiệm:

  • Trình bày 4 nội dung nghiên cứu lớn: điều tra hiện trạng - nhân tố ảnh hưởng; xác định ngưỡng chỉ số ARVI phát hiện mất rừng và suy thoái rừng; xác định ngưỡng phát hiện thêm rừng mới; đề xuất quy trình kỹ thuật và giải pháp quản lý.
  • Chi tiết hóa phương pháp luận viễn thám, cơ sở vật lý của chỉ số ARVI và thuật toán chỉ số tương đối ($KB$).
  • Mô tả chi tiết kỹ thuật điều tra thực địa với 86 ô tiêu chuẩn trên 2 kiểu rừng chính, kỹ thuật đo đếm tầng cây cao, cây tái sinh, cây bụi thảm tươi, công thức tính toán trữ lượng với hình số $f = 0,45$.
  • Trình bày phương pháp chọn mẫu xã hội học theo Slovin (1984) với 60 đối tượng phỏng vấn; quy trình xử lý ảnh Sentinel-2 trên GEE với thuật toán loại mây s2cloudless và thu thập 212 mẫu mất rừng, 75 mẫu suy thoái rừng trên tọa độ UTM Zone 48N.

Chương 3: Kết quả nghiên cứu và thảo luận

Chương 3 (theo cấu trúc tổng thể của luận án) tập trung giải quyết các kết quả phân tích thực nghiệm:

  • Đánh giá đặc điểm cấu trúc, tổ thành loài và trữ lượng thực tế của 5 trạng thái rừng tự nhiên lá rộng thường xanh và 4 loại rừng trồng tại VQGNKĐ.
  • Phân tích các yếu tố tự nhiên, kinh tế - xã hội và tập quán canh tác nương rẫy ảnh hưởng đến suy giảm tài nguyên rừng tại khu vực VQGNKĐ.
  • Kết quả xác lập ngưỡng giá trị sai dị chỉ số tương đối ARVI ($KB$) phục vụ phát hiện sớm 3 trạng thái biến động: mất rừng, suy thoái rừng và khu vực thêm rừng mới.
  • Kết quả đánh giá độ chính xác của ngưỡng viễn thám thông qua ma trận kiểm chứng với tập dữ liệu thực địa độc lập.
  • Quy trình kỹ thuật hoàn chỉnh ứng dụng công nghệ địa không gian và hệ thống giải pháp nâng cao hiệu quả quản lý, bảo vệ rừng tại VQGNKĐ.

Kết quả và những đóng góp mới

Đóng góp mới về mặt khoa học

  • Bổ sung cơ sở khoa học về việc thiết lập ngưỡng chỉ số tương đối ($KB$) dựa trên chỉ số thực vật kháng khí quyển (ARVI) trích xuất từ tư liệu ảnh vệ tinh Sentinel-2 đa thời gian.
  • Cung cấp luận cứ khoa học định lượng phản ánh sự biến đổi phổ quang học tương ứng với các mức độ suy giảm cấu trúc rừng (mất rừng, suy thoái rừng) và phục hồi rừng (thêm rừng mới) tại vùng núi nhiệt đới có điều kiện khí quyển phức tạp.

Đóng góp mới về mặt thực tiễn

  • Đề xuất quy trình kỹ thuật ứng dụng công nghệ địa không gian khép kín từ xử lý ảnh Sentinel-2 trên Google Earth Engine đến trích xuất cảnh báo biến động trên ArcGIS phục vụ công tác quản lý tài nguyên rừng tại VQGNKĐ.
  • Cung cấp giải pháp kỹ thuật có khả năng phát hiện sớm và cảnh báo khách quan các điểm mất rừng, suy thoái rừng độc lập với phương thức tuần tra truyền thống, hỗ trợ hiệu quả cho lực lượng kiểm lâm và Ban quản lý Vườn Quốc gia.
  • Đề xuất hệ thống giải pháp phân định ranh giới, cắm mốc phân khu chức năng, kiểm tra giám sát tài nguyên rừng có thể tham khảo áp dụng cho các khu bảo tồn và vườn quốc gia khác tại Lào có điều kiện tự nhiên tương đồng.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Về dữ liệu viễn thám và chỉ số: Luận án tập trung khai thác một loại chỉ số thực vật kháng khí quyển (ARVI) trên chuỗi ảnh Sentinel-2A và 2B, chưa thực hiện so sánh đối chứng toàn diện với các chỉ số viễn thám khác hoặc tích hợp dữ liệu ảnh Radar khẩu độ tổng hợp (SAR) trong điều kiện mây che phủ dày đặc kéo dài.
  • Về không gian thu thập mẫu: Do điều kiện địa hình vùng lõi VQGNKĐ hiểm trở, độ dốc lớn và chia cắt mạnh, phần lớn các điểm mẫu mất rừng thực địa phải thu thập tại các khu vực rừng thuộc các huyện lân cận Vườn Quốc gia.

Hướng nghiên cứu tiếp theo

  • Mở rộng nghiên cứu kết hợp dữ liệu ảnh quang học Sentinel-2 với ảnh Radar Sentinel-1 để tăng cường khả năng xuyên mây trong mùa mưa tại Lào.
  • Tích hợp các thuật toán học máy (Machine Learning) trên nền tảng Google Earth Engine để tự động hóa hoàn toàn quy trình cảnh báo mất rừng theo thời gian thực (Near Real-Time Forest Monitoring).

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cho nhiều đối tượng trong lĩnh vực lâm nghiệp và công nghệ không gian:

  • Cơ quan quản lý và hoạch định chính sách: Cục Lâm nghiệp Lào (DoF-MAF), Sở Nông Lâm nghiệp tỉnh Bolikhamsay (DARB), Ban Quản lý Vườn Quốc gia Nam Ka Đinh và lực lượng kiểm lâm có thể sử dụng trực tiếp quy trình kỹ thuật để thiết lập hệ thống giám sát, phân bổ lực lượng tuần tra và bảo vệ rừng.
  • Nghiên cứu sinh và học viên cao học: Cung cấp tài liệu tham khảo chi tiết về phương pháp thiết lập ô tiêu chuẩn điều tra cấu trúc lâm phần ($f = 0,45$), phương pháp điều tra xã hội học theo Slovin, kỹ thuật lập trình xử lý ảnh trên Google Earth Engine và thuật toán xác định ngưỡng chỉ số tương đối.
  • Giảng viên và nhà khoa học chuyên ngành: Cung cấp nguồn dữ liệu thực nghiệm về đặc điểm lâm học và diễn biến tài nguyên rừng nhiệt đới tại khu vực Trung Lào.

Câu hỏi thường gặp

1. Luận án áp dụng định nghĩa rừng theo tiêu chuẩn nào để làm căn cứ đánh giá?

Luận án áp dụng chuẩn định nghĩa theo Luật Lâm nghiệp Quốc gia Lào năm 2019: Rừng là diện tích đất có độ tàn che trên 10%, diện tích lớn hơn 0,5 ha, cây có khả năng đạt chiều cao tối thiểu 5 m khi trưởng thành, chiều dài và chiều rộng hàng cây trên 20 m.

2. Tại sao tác giả lại lựa chọn chỉ số ARVI thay vì các chỉ số phổ biến như NDVI hay NBR?

Chỉ số ARVI (Atmospherically Resistant Vegetation Index) có khả năng tự hiệu chỉnh các hiệu ứng tán xạ khí quyển và aerosol thông qua kênh phổ Blue. Đặc tính này giúp ARVI hoạt động ổn định và chính xác tại các khu vực đồi núi nhiệt đới có hàm lượng hơi nước, sương mù và khói bụi cao như khu vực Vườn Quốc gia Nam Ka Đinh.

3. Hệ thống ô tiêu chuẩn (OTC) phục vụ điều tra thực địa được bố trí như thế nào?

Luận án bố trí tổng cộng 86 OTC theo phương pháp ngẫu nhiên phân tầng:

  • 50 OTC trên rừng tự nhiên lá rộng thường xanh (kích thước $2.000,m^2$), chia đều cho 5 trạng thái: rừng giàu, rừng trung bình, rừng nghèo, rừng nghèo kiệt và rừng chưa có trữ lượng (mỗi trạng thái 10 OTC).
  • 36 OTC trên rừng trồng (kích thước $500,m^2$), chia đều cho 4 loại cây: Keo, Bạch đàn Urophylla, Tếch và Cao su (mỗi loại 9 OTC).
  • Mỗi OTC có 5 ô dạng bản ($25,m^2$) điều tra tái sinh và thảm tươi.

4. Dữ liệu ảnh viễn thám và công cụ xử lý chính được sử dụng trong luận án là gì?

Luận án sử dụng ảnh Sentinel-2A và Sentinel-2B (các cảnh T48QVF và T48QUF) giai đoạn 2016–2019, xử lý lọc mây s2cloudless và hiệu chỉnh bề mặt trên nền tảng Google Earth Engine, phân tích không gian trên ArcGIS 10.3 và kiểm chứng thị giác qua ảnh vệ tinh phân giải cao của Planet.com và Google Earth.

5. Cỡ mẫu điều tra xã hội học và mẫu kiểm chứng thực địa được xác định với số lượng bao nhiêu?

  • Điều tra xã hội học: Phỏng vấn sâu 60 người gồm cán bộ các cấp và đại diện hộ gia đình (áp dụng công thức chọn mẫu Slovin với sai số $e = 0,05$).
  • Dữ liệu mẫu biến động thực địa: Gồm 212 điểm mẫu mất rừng hoàn toàn (định vị bằng GPS MAP64s) và 75 ô tiêu chuẩn suy thoái rừng ($500 - 2.000,m^2$).

Kết luận

Luận án đã hoàn thành việc nghiên cứu cơ sở lý luận và thực tiễn về ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng tại Vườn Quốc gia Nam Ka Đinh, tỉnh Bolikhamsay, Lào. Tác giả đã kết hợp đồng bộ phương pháp điều tra lâm học truyền thống qua 86 ô tiêu chuẩn, điều tra xã hội học và phân tích chuỗi dữ liệu ảnh vệ tinh Sentinel-2 trên nền tảng Google Earth Engine và ArcGIS 10.3. Đề tài đã thiết lập thành công ngưỡng chỉ số tương đối ($KB$) với chỉ số thực vật kháng khí quyển ARVI để phát hiện sớm mất rừng, suy thoái rừng và nhận diện khu vực thêm rừng mới. Kết quả nghiên cứu cung cấp quy trình kỹ thuật hoàn chỉnh và luận cứ thực tiễn phục vụ công tác giám sát, quản lý bền vững tài nguyên rừng tại khu vực nghiên cứu.