XÁC ĐỊNH VÀ BỔ SUNG BIẾN ĐỘNG DIỆN TÍCH RỪNG TRÊN BẢN ĐỒ HIỆN TRẠNG BẰNG ẢNH LANDSAT-8: NGHIÊN CỨU TẠI EA H'LEO, ĐẮK LẮK

Nguyễn Văn Tùng

Từ khóa:

Từ khóa: Ảnh Landsat-8; Bản đồ hiện trạng; Biến động diện tích rừng; Giám sát rừng; Phương pháp xác định nhanh

Tóm tắt

Nghiên cứu này xây dựng và thử nghiệm phương pháp xác định nhanh biến động diện tích rừng so với bản đồ hiện trạng bằng ảnh vệ tinh Landsat-8, nhằm hỗ trợ cập nhật rừng một cách kịp thời và hiệu quả. Huyện Ea H'Leo, tỉnh Đắk Lắk, được chọn làm khu vực nghiên cứu do sự đa dạng loại rừng và nhu cầu giám sát biến động. Quy trình gồm các bước: xác định lô rừng trên bản đồ hiện trạng, áp dụng phương pháp véc tơ thay đổi đa biến (MCVA) trên ảnh Landsat-8 để phát hiện biến động, và kiểm chứng bằng ảnh vệ tinh đa thời gian cùng với kiểm tra thực địa. Kết quả cho thấy phương pháp xác định nhanh bằng ảnh Landsat-8 có thể phát hiện biến động rừng với độ chính xác ước tính đạt 92,91% so với phương pháp chi tiết, tiết kiệm đáng kể thời gian và chi phí. Tổng diện tích rừng biến động xác định nhanh là 1.417,29 ha, chiếm 4,94% tổng diện tích rừng tự nhiên. Sau khi kiểm chứng thực địa và rà soát chi tiết, diện tích biến động được điều chỉnh thành 1.525,32 ha, chiếm 5,31%, cho thấy sự chênh lệch giữa hai phương pháp là 7%. Sự chênh lệch này chủ yếu ở các khu vực có địa hình phức tạp và che phủ mây cao. Nghiên cứu đề xuất sử dụng kết hợp ảnh vệ tinh độ phân giải cao hơn và dữ liệu radar để cải thiện độ chính xác và mở rộng thử nghiệm ở các khu vực khác. Kết quả nghiên cứu này góp phần xây dựng giải pháp quản lý rừng bền vững, hỗ trợ giám sát rừng hiệu quả trong bối cảnh biến đổi khí hậu và phát triển kinh tế - xã hội.

Tài liệu tham khảo

. Keenan R. J., Reams G. A., Achard F., De Freitas J. V., Grainger A. & Lindquist E. (2015). Dynamics of global forest area: Results from the FAO Global Forest Resources Assessment 2015. Forest ecology management. 352: 9-20.

. O'Connor J. C., Dekker S. C., Staal A., Tuinenburg O. A., Rebel K. T. & Santos M. J. (2021). Forests buffer against variations in precipitation. Global Change Biology. 27(19): 4686-4696.

. Sicard P., Augustaitis A., Belyazid S., Calfapietra C., de Marco A., Fenn M., Bytnerowicz A., Grulke N., He S. & Matyssek R. (2016). Global topics and novel approaches in the study of air pollution, climate change and forest ecosystems. Environmental pollution. 213: 977-987.

. Walker W. S., Gorelik S. R., Baccini A., Aragon-Osejo J. L., Josse C., Meyer C., Macedo M. N., Augusto C., Rios S. & Katan T. (2020). The role of forest conversion, degradation, and disturbance in the carbon dynamics of Amazon indigenous territories and protected areas. Proceedings of the National Academy of Sciences. 3015-3025.

. Bonan (2008). Forests and climate change: forcings, feedbacks, and the climate benefits of forests. Science. (320): 1444-1449.

. Mahari W. A. W., Azwar E., Li Y., Wang Y., Peng W., Ma N. L., Yang H., Rinklebe J., Lam S. S. & Sonne C. (2020). Deforestation of rainforests requires active use of UN's Sustainable Development Goals. Science of the Total Environment. 742: 140681.

. Matricardi E. A. T., Skole D. L., Costa O. B., Pedlowski M. A., Samek J. H. & Miguel E. P. (2020). Long-term forest degradation surpasses deforestation in the Brazilian Amazon. Science. 369(6509): 1378-1382.

. Qin Y., Xiao X., Wigneron J. P., Ciais P., Brandt M., Fan L., Li X., Crowell S., Wu X. & Doughty R. (2021). Carbon loss from forest degradation exceeds that from deforestation in the Brazilian Amazon. Nature Climate Change. 11(5): 442-448.

. Nguyễn Thanh Hoàn, Phạm Văn Duẩn, Lê Sỹ Doanh & Nguyễn Văn Dũng (2017). Xác định vị trí mất rừng bằng phương pháp véc tơ thay đổi đa biến (MCVA) trên tư liệu vệ tinh Landsat-8. Tạp chí Khoa học và Công nghệ Lâm nghiệp. (4): 96-105.

. Melaas E. K., Friedl M. A. & Zhu Z. (2013). Detecting interannual variation in deciduous broadleaf forest phenology using Landsat TM/ETM+ data. Remote Sensing of Environment. 132: 176-185.

. Chen N., Tsendbazar N. E., Eliakim H. E., Verbesselt J. & Herold M. (2021). Sub-annual tropical forest disturbance monitoring using harmonized Landsat and Sentinel-2 data. International Journal of Applied Earth Observation Geoinformation. 102: 102386.

. Reiche J., Hamunyela E., Verbesselt J., Hoekman D. & Herold M. (2018). Improving near-real time deforestation monitoring in tropical dry forests by combining dense Sentinel-1 time series with Landsat and ALOS-2 PALSAR-2. Remote Sensing of Environment. 204: 147-161.

. Shang R., Zhu Z., Zhang J., Qiu S., Yang Z., Li T. & Yang X. (2022). Near-real-time monitoring of land disturbance with harmonized Landsats 7–8 and Sentinel-2 data. Remote Sensing of Environment. 278: 113073.