SỬ DỤNG ẢNH SENTINEL 2 VÀ GOOGLE EARTH ENGINE ĐỂ  ĐÁNH GIÁ BIẾN ĐỘNG DIỆN TÍCH RỪNG PHÒNG HỘ  VÀ ĐẶC DỤNG  TẠI HUY ỆN VÕ NHAI, TỈNH THÁI NGUYÊN

Nguyễn Đăng Cường; Phạm Đức Chính; Phạm Đức Chính; Nguyễn Văn Bích

Từ khóa:

Biến động rừng, Google Earth Engine, phân loại ảnh, Random Forest,, Sentinel 2

Tóm tắt

Biến động diện tích rừng là sự thay đổi tăng hay giảm về diện tích rừng thể hiện qua các thời gian khác nhau. Nghiên cứu ứng dụng Web - Google Earth Engine (GEE) để xây dựng lớp hiện trạng diện tích có rừng và đất trống và đánh giá độ chính xác của kết quả phân loại cho ảnh Sentinel 2. Nghiên cứu được thực hiện tại diện tích rừng đặc dụng thuộc Ban quản lý rừng đặc dụng, phòng hộ tỉnh Thái Nguyên (Trước đây là Khu bảo tồn thiên nhiên Thần Sa - Phượng Hoàng) và khu rừng phòng hộ liền kề, ở huyện Võ Nhai, tỉnh Thái Nguyên. Nghiên cứu đã ứng dụng phương pháp Random Forest (RF) trong phân loại ảnh viễn thám đã cải thiện độ chính xác cho ảnh được phân loại hiện trạng rừng. Nhìn chung, kết quả xây dựng bản đồ hiện trạng cho thấy kết quả phân loại có độ chính xác tổng thể qua các năm 2017; 2018; 2019; 2020 và 2021 lần lượt là 98,7%; 99,3%; 99,3%; 98,5% và 99,5% với chỉ số Kappa tương ứng là 0,974; 0,985; 0,986; 0,969 và 0,990. Kết quả cho thấy diện tích rừng có xu hướng tăng, cụ thể diện tích rừng tăng 894,5 ha trong giai đoạn từ năm 2017 đến năm 2021. Nguyên nhân làm tăng diện tích rừng là do trồng rừng và phục hồi rừng trên diện tích núi đất. Ứng dụng GEE, ảnh Sentinel 2 và phương pháp RF để phân loại rừng cho thấy có độ chính xác cao và có thể áp dụng cho khu vực khác ở tỉnh Thái Nguyên

Tài liệu tham khảo

1. Báo cáo tổng kết năm 2017, 2018, 2019 và 2020 của Ban quản lý khu bảo tồn thiên nhiên Thần Sa - Phượng Hoàng, huyện Võ Nhai, tỉnh Thái Nguyên.

2. Bala G., Caldeira K., Wickett M., Phillips T., Lobell D., Delire C. and Mirin A., 2007. Combined climate and carbon-cycle effects of large-scale deforestation. Proceedings of the National Academy of Sciences 104 (16), 6550 - 6555.

3. Betts R., Falloon P., Goldewijk K. and Ramankutty N., 2007. Biogeophysical effects of land use on climate: model simulations of radiative forcing and large-scale temperature change. Agricultural and Forest Meteorology 142 (2 - 4), 216 - 233.

4. Bradley B.A., Jacob R.W., Hermance J.F. and Mustard J.F., 2007. A curve fitting procedure to derive inter-annual phenologies from time series of noisy satellite NDVI data. Remote Sens. Environ. 106, 137 - 145.

5. Breiman, L., 1984. Classification and Regression Trees. Chapman & Hall/CRC. pp 368

6. Chan J.C.W. and Paelinckx D., 2008. Evaluation of Random Forest and Adaboost treebased ensemble classification and spectral band selection for ecotope mapping using airborne hyperspectral imagery. Remote Sensing of Environment 112 (6), 2999 - 3011.

7. Nguyễn Thị Mai Dương, Lã Nguyên Khang, Lê Công Trường, Phùng Văn Kiên và Nguyễn Văn Hào, 2016. Phân tích nguyên nhân mất rừng, suy thoái rừng làm cơ sở đề xuất giải pháp quản lý bảo vệ rừng tỉnh Đắk Nông. Tạp chí Khoa học và Công nghệ Lâm nghiệp số 6: 39 - 48.

8. Ghimire B., Rogan J. and Miller J., 2010. Contextual land-cover classification: incorporating spatial dependence in land-cover classification models using random forests and the Getis statistic. Remote Sensing Letters 1, 45 - 54.

9. 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 dựa vào ảnh vệ tinh Landsat 8 OLI. Tạp chí Nông nghiệp vàPhát triển nông thôn, số 13: 122 - 129.

10. Trần Vũ Khánh Linh và Viên Ngọc Nam, 2019. Ứng dụng ảnh viễn thám Sentinel 2A xây dựng bản đồ các kiểu sử dụng đất bằng kỹ thuật phân loại hướng đối tượng. Tạp chí Bảo vệ Rừng và Môi trường.

11. Liu H., Li Q., Shi T., Hu S., Wu G. and Zhou Q., 2017. Application of Sentinel 2 MSI images to retrieve suspended particulate matter concentrations in Poyang Lake. Remote Sensing, 9(7): 1 - 19.

12. Mahdianpari M., Salehi B., Mohammadimanesh F., Homayouni S. and Gill E., 2019. The first wetland inventory map of newfoundland at a spatial resolution of 10 m using sentinel -1 and sentinel-2 data on the google earth engine cloud computing platform. Remote Sensing, 11(1): 1 - 27.

13. Mas J., Velázquez A., Díaz-Gallegos J., Mayorga-Saucedo R., Alcántara C., Bocco G., Castro R., Fernández T. and Pérez-Vega A., 2004. Assessing land use/cover changes: a nationwide multidate spatial database for Mexico. International Journal of Applied Earth Observation and Geoinformation 5 (4), 24 9 - 261.

14. Parente L. and Ferreira L., 2018. Assessing the spatial and occupation dynamics of the Brazilian pasturelands based on the automated classification of MODIS images from 2000 to 2016. Remote Sensing, 10(4): 1 - 14.

15. Parks S.A., Holsinger L.M., Voss M.A., Loehman R.A. and Robinson N.P., 2018. Mean composite fire severity metrics computed with Google Earth Engine offer improved accuracy and expandedmapping potential. Remote Sensing, 10(6): 1 - 15.

16. Rodriguez-Galiano V.F., Ghimire B., Rogan J., Chica-Olmo M. and Rigol-Sanchez J.P., 2012. An assessment of the effectiveness of a random forest classifier for land-cover classification. ISPRS Journal of Photogrammetry and Remote Sensing, 67: 93 - 104.

17. Sesnie S., Gessler P., Finegan B. and Thessler S., 2008. Integrating Landsat TM and SRTM-DEM derived variables with decision trees for habitat classification and change detection in complex neotropical environments. Remote Sensing of Environment 112 (5): 2145 - 2159.

18. Nguyễn Ngọc Phương Thanh, Phạm Bách Việt và Hồ Lâm Trường, 2017. Đánh giá khả năng phân loại ảnh vệ tinh của Google Earth Engine. Kỷ yếu hội nghị khoa học & công nghệ lần thứ 15, NXB Đại học quốc gia TP hCM - 2017.

19. Thiede R., Sutton T., Düster H. and Sutton M., 2014. Quantum GIS training manual. Quantum Organisation. pp 467.

20. Nguyễn Thị Thoa, Lê Văn Phúc, Nguyễn Quang Lịch, Nguyễn Văn Tuyên, Phan Quốc Thụ và Lê Hữu Thức, 2018. Đa dạng thực vật ở khu bảo tồn thiên nhiên Thần Sa - Phượng Hoàng, tỉnh Thái Nguyên. NXB Nông

nghiệp, Hà Nội, 152 trang.

21. Tsai Y.H., Stow D., Chen H.L., Lewison R., An L. and Shi L., 2018. Mapping vegetation and land use types in Fanjingshan National Nature Reserve using google earth engine. Remote Sensing, 10(6), 1 - 14