sử dụng ảnh viễn thám và gis để giám sát rừng trồng ở phía nam của huyện Hương Thủy-tỉnh Thừa Thiên Huế

Ảnh viễn thám và GIS được xem như là một phương tiện để giám sát quá trình thay đổi, cập nhật thông tin và làm bản đồ sử dụng/che phủ đất. Áp dụng ảnh viễn thám và GIS cho mục đích giám sát rừng trồng hiện nay là rất hạn chế. Hoạt động giám sát tài nguyên rừng, đặc biệt rừng trồng đóng một vai trò rất quan trọng trong công tác quản lý, khôi phục và phát triển rừng trồng. Nghiên cứu này giới thiệu một phương pháp tiếp cận để giám sát và đánh giá thay đổi rừng trồng dựa trên cơ sở phối hợp giữa ảnh Viễn thám và kỹ thuật GIS, các công cụ viễn thám và đoán đọc ảnh, GPS và điều tra trên thực địa. Ảnh Landsat 7 ETM+ (Enhanced Thematic Mapper plus) của các năm 2001, 2003 và 2007 đã được sử dụng để xây dựng các bản đồ thảm thực rừng trồng ở các xã phía Nam của huyện Hương Thủy. Phân loại ISODATA đã được thực hiện trên số liệu hợp nhất (fusion) từ hình ảnh phối hợp các band lựa chọn (độ phân giải 30 m) với ảnh band toàn sắc (15 m). Sử dụng kết quả của phân loại ISODATA cùng với số liệu thứ cấp và điều tra trên thực địa để thực hiện phân loại Maximum Likelihood. Đánh giá độ chính xác phân loại cho thấy độ chính xác chung cho các năm đều đạt trên 87 % và độ chính xác phân loại cho mỗi dạng rừng riêng biệt của người sản xuất và sử dụng cũng đều đạt trên 80 %.

3. Phương pháp nghiên cứu

Ba ảnh Landsat ETM + của tháng 4 năm 2001, 2003 và 2007 đã được chọn để nghiên cứu. Các ảnh được chọn ở các thời điểm khác nhau cho phép phân biệt các thảm thực vật, đặc biệt rất dễ dàng phân biệt giữa thực vật rừng trồng với các dạng thực vật khác. Mỗi ảnh có 3 băng ở vùng ánh sáng nhìn thấy (băng 1, băng 2 và băng 3), 1 băng vùng gần tia hồng ngoại, và 2 băng vùng giữa tia hồng ngoại có độ phân giải 28.5 mét và một băng toàn sắc có độ phân giải 14.5 mét. Trước khi tiến phân tích ảnh, chúng tôi đã tiền hành đưa tất cả các ảnh về cùng một hệ thống tọa độ bản đồ chung UTM (Zone 48, WGS 84). Ở mỗi ảnh, 25 điểm điều khiển đã được áp dụng với sai số trung bình nhỏ hơn 0,5 pixel. Sau khi hoàn thành nắn ảnh, chọn vùng nghiên cứu và lựa chọn tổ hợp band, bước tiếp theo là tiến hành hợp nhất giữa ảnh phối hợp có độ phân giải 28,5 mét với band toàn sắc có độ phân giải 14,5 mét để tạo ra một ảnh mới, rồi sau đó sử dụng ảnh hợp nhất này để thực hiện phân loại ISODATA. Sử dụng kết quả của phân loại này, cùng với số liệu điều tra sẵn có trước đây ở các năm 2001, 2003, 2007, số liệu thứ cấp và điều tra trên hiện trường dưới sự hỗ trợ của thiết bị GPS để lựa chọn mẫu phân loại thực hiện phân loại phân loại chỉ định Maximum likelihood. Sau khi kết quả phân loại được chấp nhận, một bộ lọc 3 x 3 đã được áp dụng để loại bỏ những diện tích nhỏ được tạo ra trong quá trình phân loại. Trong phần cuối cùng của nghiên cứu, sau khi đánh giá độ chính xác của phân loại, kết quả phân loại được xuất sang phần mềm ArcView để thực hiện công việc xử lý tiếp theo.

4. Kết quả và thảo luận

4.1. Chọn băng phù hợp

Xác định số lượng băng ảnh Landsat ETM + là rất cần thiết để thực hiện phân loại ISODATA và Maximum likelihood, và nâng cao độ chính xác của phân loại. Chọn băng phù hợp, chúng tôi dựa trên cơ sở phân tích ma trận tương quan của các băng quang phổ. Ma trận tương quan này chứa đựng những thông tin hữu ích về sự dư thừa thông tin. Nếu các băng có giá trị tương quan cao, điều này chứng tỏ rằng các băng đó chứa đựng những thông tin tương tự như nhau. Bởi vậy, băng có giá trị tương quan nhỏ nhất sẽ được lựa chọn. Kết quả phân tích ma trận tương quan cho 6 băng của ảnh Landsat ETM+ che phủ vùng nghiên cứu được thể hiện trong bảng 1.

Ma trận tương quan của các pixel đại diện của ảnh Landsat ETM+
Ma trận tương quan của các pixel đại diện của ảnh Landsat ETM+

Kết quả nghiên cứu chỉ ra rằng trong ba băng thuộc vùng ánh sáng nhìn thấy (băng 1-3) và hai băng vùng giữa tia hồng ngoại (băng 5 và 7) có giá trị tương quan cao. Điều này khẳng định có sự dư thừa về thông tin trong số các băng xem xét ở những diện tích có thực vật che phủ. Băng 4 có giá trị thấp nhất, chứng tỏ băng này mang những thông tin độc lập với các băng khác. Theo nguyên lý của phân tích ảnh Landsat, một băng ở vùng ánh sáng nhìn thấy, một ở vùng gần tia hồng ngoại và một giữa vùng tia hồng ngoại có thể sẽ được lựa chọn để nhận biết và tách biệt ranh giới giữa các loại thực vật khác nhau. Bởi vậy, băng 3, 4 và 5 đã được lựa chọn để phối hợp với băng toàn sắc cho mục đích đoán đọc và phân loại.

4.2. Phân loại và đánh giá độ chính xác của phân loại ảnh

4.2.1 Phân loại ảnh

Để thiết lập bản đồ về hiện trạng rừng trồng, phân loại ban đầu từ ảnh Landsat ETM + được phân ra 28 loại, rồi sau đó 28 loại được hợp nhất thành 6 dạng chính: Rừng trồng khép tán, đất trống và rừng mới trồng đồi núi trọc và rừng tự nhiên (rừng thứ sinh, rừng tự nhiên ít bị tác động và rừng cây bụi), đất cỏ, và đất khác (đất nông nghiệp, đất thổ cư và đất mặt nước).

Kết quả phân loại cho thấy rằng diện tích rừng trồng khép tán có xu hướng tăng nhanh từ năm 2001 đến năm 2003, nhưng tăng chậm từ năm 2003 đến 2007 là do nhiều diện tích đã được nguời dân địa phương khai thác và trồng rừng mới (hình 1). Đất cỏ và cây bụi giảm dần, đại đa số những diện tích này được phát quang để trồng rừng mới. Đất trồng rừng mới giảm năm 2003 và tăng đột biến vào năm năm 2007 (bảng 2 và hình 2)

Kết quả phân loại Maximum likelihood của ảnh Landsat ETM+ ở 2 xã Phú Sơn và Dương Hòa huyện Hương thủy
Kết quả phân loại Maximum likelihood của ảnh Landsat ETM+ ở 2 xã Phú Sơn và Dương Hòa huyện Hương thủy
Vị trí đại diện về thay đổi rừng trồng qua các năm
Vị trí đại diện về thay đổi rừng trồng qua các năm
Kết quả phân loại ảnh qua 3 thời kỳ khác nhau
Kết quả phân loại ảnh qua 3 thời kỳ khác nhau

4.2.2. Đánh giá độ chính xác của phân loại ảnh

Đánh giá độ chính xác là một phần rất quan trọng để phân tích kết quả của phân loại ảnh. Sản phẩm của phân tích độ chính xác là độ chính xác phân loại chung, độ chính xác của người sản xuất,độ chính xác của người sử dụng và chỉ số Kappa.

Đánh giá độ chính xác của phân lọai được thực hiện thông qua phương pháp mô tả của Congalton (1999). Đánh giá độ chính xác được dựa trên cơ sở trên 295 mẫu, tối thiểu mỗi loại chúng tôi sử dụng 50 mẫu thông qua phuơng pháp chọn mẫu ngẫu nhiên. Kết quả đánh giá độ chính xác phân loại được thể hiện trong bảng 3, 4 và 5.

Đánh giá độ chính xác xây dựng bản đồ hiện trạng rừng từ ảnh Landsat, 2007
Đánh giá độ chính xác xây dựng bản đồ hiện trạng rừng từ ảnh Landsat, 2007
Đánh giá độ chính xác xây dựng bản đồ hiện trạng rừng từ ảnh Landsat, 2003
Đánh giá độ chính xác xây dựng bản đồ hiện trạng rừng từ ảnh Landsat, 2003
Đánh giá độ chính xác xây dựng bản đồ hiện trạng rừng từ ảnh Landsat, 2001
Đánh giá độ chính xác xây dựng bản đồ hiện trạng rừng từ ảnh Landsat, 2001

Kết quả đánh giá độ chính xác của phân loại đã chỉ ra rằng: Độ chính xác chung của tất cả các bản đồ phân loại đều đạt trên 85 %. Độ chính xác phân loại cho mỗi dạng riêng biệt trong mỗi hình ảnh phân loại của người sản xuất và sử dụng đều đạt trên 80 %. Chỉ số Kappa đại diện mức độ chấp thuận giữa kết quả của các loại phân loại trên ảnh và quan sát trên thực địa. Theo Landis and Koch (1977), giá trị Kappa lớn hơn 0,8 (80%) cho thấy mức độ chấp thuận cao, giá trị nằm trong khoảng từ 0,4 đến 0,8 thể hiện mức độ chấp thuận vừa và dưới 0,4 cho thấy mức độ chấp thuận thấp. Dựa trên ma trận sai số, kết quả thống kê chỉ số Kappa cho thấy tất cả phân loại trên ba ảnh Landsat ở 3 thời điểm khác nhau đều đạt trên 0,85, điều này chứng tỏ phân loại ảnh theo phương pháp đã chọn đạt độ chính xác trên 85%.

Xem thêm tại:

Nguồn: Nguyễn Văn Lợi – Khoa Lâm Nghiệp, Trường Đại học Nông Lâm Huế

LEAVE A REPLY

Please enter your comment!
Please enter your name here