PHÂN TÍCH THAY ĐỔI THẢM PHỦ  DỰA VÀO ẢNH VỆ TINH ĐA THỜI GIAN VÀ CHUỖI MARKOV  TẠI TỈNH ĐẮK NÔNG

Nguyễn Thị Thanh Hương; Ngô Thị Thùy Phương

Từ khóa:

Thảm phủ,, Cellular Automata,, mô hình Markov,, phân loại gần đúng nhất Maximum Likelihood, Phân tích ảnh dựa theo hướng đối tượng Object Based Image Analysis

Tóm tắt

Nghiên cứu đã sử dụng mô hình CA-Markov như một công cụ hỗ trợ để phân tích và dự báo xu hướng thay đổi thảm phủ/sử dụng đất (LULC) trong đó có lớp phủ rừng tại tỉnh Đắk Nông. Đầu tiên nghiên cứu đã so sánh độ chính xác của phương pháp phân loại theo hướng đối tượng OBIA (Object Based Image Analysis) và phân loại dựa vào pixel MLC (Maximum Likelihood Classification) để phân loại ảnh vệ tinh Landsat năm 2017. Kết quả cho thấy phương pháp OBIA có độ chính xác cao hơn 10% so với phương pháp MLC. Vì vậy phương pháp OBIA đã được sử dụng để phân loại các ảnh vệ tinh Landsat trong toàn bộ giai đoạn từ 1989 - 2017. Trong bước tiếp theo, kỹ thuật GIS đã được dùng để phân
tích thay đổi LULC dựa vào ảnh vệ tinh đa thời gian đã được phân loại. Kết quả chỉ ra diện tích rừng tự nhiên từ năm 1989 đến năm 2017 đã giảm khoảng 54%. Trong bước cuối cùng sử dụng ma trận dịch chuyển từ mô hình CA-Markov, phân bố không gian LULC năm 2026 đã được mô phỏng dựa trên 2 nguồn dữ liệu là LULC và phân tích đa nhân tố (MCE) gồm một số nhân tố tự nhiên và xã hội. Kết quả phân tích cho thấy, nếu không có kế hoạch để bảo vệ rừng hiệu quả hơn, khả năng đến năm 2026 rừng tiếp tục giảm từ 34% (năm 2017) còn 30%, tương ứng diện tích rừng tự nhiên sẽ mất khoảng 29.000ha, chiếm 16% tổng diện tích thay đổi

Tài liệu tham khảo

1. Phạm Văn Duẩn, Vũ Thị Thìn, Nguyễn Quốc Huy, 2016. “Ước tính giá trị các thông số khoanh vi ảnh hưởng đối tượng phù hợp trên phần mềm eCognition: thử nghiệm với ảnh vệ tinh SPOT6”. Tạp chí Khoa học và Công nghệ Lâm nghiệp số 6-2016.

2. Lê Văn Dũng, Lê Phương Thảo, 2015. “Ứng dụng dữ liệu ảnh Modis đa thời gian trong lập bản đồ diện tích trồng lúa ở Tỉnh Ninh Bình”. Tạp chí Khoa học và Phát triển 2015, tập 13, số 6: 943-954.

3. Nguyễn Từ Đức, Huỳnh Văn Chương và Nguyễn Ngọc Thanh. 2016. “Ứng dụng GIS và viễn thám nghiên cứu xu hướng biến động đất lâm nghiệp trường hợp nghiên cứu tại xã Trường Xuân, huyện Quảng Ninh, tỉnh Quảng Bình giai đoạn 2005-2015”. Kỷ yếu hội thảo ứng dụng GIS toàn quốc 2016. Tr.632-641.

4. Nguyễn Thị Thanh Hương (2015). Ứng dụng viễn thám và GIS trong quản lý tài nguyên rừng, NXB Thông Tấn.

5. Nguyễn Thị Thanh Hương và Đoàn Minh Trung (2018), “Áp dụng thuật toán phân loại Random Forest để xây dựng bản đồ sử dụng đất/thảm phủ tỉnh Đắk Lắk bằng ảnh vệ tinh Landsat 8 OLI”, Tạp chí Nông nghiệp và Phát triển nông thôn, 13(340), tr 122-129.

6. Ngô Thị Thùy Phương, Nguyễn Thị Thanh Hương và Võ Quang Minh, 2018. “Lựa chọn tham số phân đoạn phù hợp để phân loại ảnh vệ tinh đa phổ Landsat 8”. Tạp chí Khoa học Trường Đại học Cần Thơ. Tập 54, Số 4A (2018): 22-33.

7. Nguyễn Thị Thanh Hương, Châu Thị Như Quỳnh và Đoàn Minh Trung, 2017. Báo cáo thay đổi sử dụng đất tỉnh Đắk Nông 1989-2017.

8. Trần Vũ Khánh Linh, 2016. “Phân tích diễn biến rừng tại huyện Đắk Hà, tỉnh Kon Tum”. Luận văn Thạc sỹ. Trường Đại học Nông Lâm thành phố Hồ Chí Minh.

9. Lâm Văn Tân, Trần Hoàng Tiếp, Cao Quốc Đạt, Võ Quốc Tuấn. 2014. “Ứng dụng công nghệ viễn thám để xây dựng bản đồ hiện trạng rừng ngập mặn trên địa bàn huyện Thạnh Phú, tỉnh Bến Tre”. Kỷ yếu Hội thảo Ứng dụng GIS toàn quốc 2014. Tr.79-87.

10. Trần Thị Thơm và Phạm Thanh Quế (2014), "Sử dụng tư liệu viễn thám và GIS thành lập bản đồ lớp phủ rừng tỷ lệ 1/10.000", Tạp chí Khoa học và Công nghệ Lâm nghiệp, 4(2014), tr.161-168.

11. Trịnh Thị Hoài Thu, Lê Thị Thu Hà, Phạm Thị Làn. 2012. “So sánh phương pháp phân loại dựa vào điểm ảnh và phân loại định hướng đối tượng chiết xuất thông tin lớp phủ bề mặt từ ảnh độ phân giải cao”. Tạp chí Khoa học kỹ thuật Mỏ - Địa chất. số 39. Chuyên đề Trắc địa mỏ. tr.59-64.

12. Phan Hoàng Vũ, Phạm Thanh Vũ, Trần Cẩm Tú và Võ Quang Minh, 2017. “Ứng dụng hệ thống thông tin địa lý và chuỗi Markov trong đánh giá biến động và dự báo nhu cầu sử dụng đất đai”. Tạp chí Khoa học Trường Đại học Cần Thơ. Số chuyên đề: Công nghệ thông tin: 119-124.

13. Akiwumi F.A and Butler D.R., 2008. "Mining and environmental change in Sierra Leone, West Africa: a remote sensing and hydrogeomorphological study". Environ Monit Assess, 142(1-3), pp. 309-18.

14. Congalton, R. G. and Green, K. 1999. “Assessing the accuracy of remotely sensed data: Principles and practices”, Boca Raton, Lewis Publishers.

15. Daniels, A.E., Painter, K., Southworth, J., 2008 .Milpa imprint on the tropical dry forest landscape in Yucatan, Mexico: Remote sensing & field measurement of edge vegetation. Elsevier, Amsterdam, The Netherlands, pp.293-304.

16. Hamad .R, Balzter .H and Kolo .K., 2018. “Predicting Land Use/Land Cover Changes Using a CA-Markov Model under Two Different Scenarios”. Sustainability 2018, 10, 3421; doi:10.3390/su10103421.

17. Nguyen Thi Thanh Huong và Ngo Thi Thuy Phuong, 2018. “Land use/Land cover change prediction in Dak Nong Province based on remote sensing and Markov Chain Model and Cellular Automata”. J. Viet. Env. 2018, 9(3):132-140.

18. Kavzoglu, T and Yildiz, M. 2015. “Parameter-Based Performance Analysis of Object-Based Image Analysis Using Aerial and Quikbird-2 Images”.

19. Landis, R.J. and Koch, G. G. 1977. “The measurement of observer agreement for categorical data”. Biometrics 33(1):159-174.

20. Pontius, R ., 2000. “Quantification error versus location error in comparison of categorical maps,” Photogramm. Eng. Remote Sensing, vol. 66, no. 8, pp. 1011-1016, 2000.

21. Quintero, G. V., Moreno, R. S., García, M. P., Guerrero, F. V., Alvarez, C. P. and Alvarez, A. P., 2016. “Detection and Projection of Forest Changes by Using the Markov Chain Model and Cellular Automata”.

22. Richards J.A, 1999. “Remote sensing digital image analysis: An introduction. Springer -Verlag, Berlin, Germany”, 1999.

23. Robert C. W and Norman D. R., 2010. Object-based classification vs. pixel-based classification: comparitive importance of multi-resolution imagery. The International Archives of the Photogramme try, Remote Sensing

and Spatial Information Sciences, Vol. XXXVIII-4/C7.

24. Tedros M. B., Charles R. L., Qiusheng W., Oleg A.,Victor V. C., Bradley C. A and Hongxing L., 2017. Comparing Pixel- and Object-Based Approaches in Effectively Classifying Wetland-Dominated Landscapes. Remote Sens. 2018, 10, 46; doi:10.3390/rs10010046.

25. Turner B. L , Lambin E. F, and Reenberg A., 2007. The emergence of land change science for global environmental change and sustainability. PNAS December 26, 2007 vol. 104 no. 52.

26. Yirsaw, E., Wu, W., Shi, X., Temesgen, H. and Bekele, B., 2017. “Land Use/Land Cover Change Modeling and the Prediction of Subsequent Changes in Ecosystem Service Values in a Coastal Area of China, the Su -XiChangRegion”. Geosciences 2016, 6, 43; doi:10.3390.

27. Zhou, W., Troy, A. 2008. “An object-oriented approach for annalysing and characterizing urban landscape at the parcel level”. International Journal of Remote Sensing. Vol. 29. No. 11. 10 June 2008. 3119 -3135